1，
以前模型差距大的时候，用户迁移很简单。
谁能力强，谁便宜，就用谁。
你只要比别人强一截，用户自然会过来。
那会儿我也乐于写各种新发的 AI 大模型的体验，到现在都记得去年 nano-banana 发布时候的震撼。
谁知道现在的 Google 那么拉，啥也不是。
我感觉现在变了。
很多模型发布，能力差距已经没有说大到能直接改变用户选择的程度了。
更多时候，是靠发布会、榜单、商单，把“我很强”这件事放大。
当大家越来越接近天花板，真正拉开差距的，可能不再只是模型能力，而是用户习惯、品牌认知和生态。
那是不是到越到后面，先被用户认可的，反而越容易留下来。
2，
上午看了一段马斯克的访谈，他也提到了跟纳瓦尔类似的观点：
未来几年，单纯靠卖时间赚钱这件事，可能会越来越难。
以前一个人的收入，主要取决于你有多少技能、愿意工作多久。但 AI 出现后，很多事情会被机器替代，单纯靠工资的人，议价能力可能会下降。
真正拉开差距的，不是谁现在工资更高，而是谁能把赚来的钱变成长期存在的东西。比如资产、股权、品牌、版权、人脉、产品，甚至一个能持续赚钱的系统。
最危险的状态是：收入看起来不错，但每天都必须靠自己的时间换钱。
AI 时代，更重要的不是赚多少钱，而是能不能把今天的劳动，变成未来持续产生价值的资产。
3，
最近给企业做 AI 咨询，遇到一个挺荒诞的现象。
很多企业确实想用 AI。
但他们想要的更多是：让客户觉得自己跟上了 AI 浪潮。
可真正落地的时候，又不愿意为 token、模型调用、基础设施这些成本投入。
感觉很多时候，大家想要的是“AI 带来的先进感”，而不是“AI 带来的生产力”。
但 AI 真正产生价值的地方，一定不是 PPT 上多了一个 AI 标志，而是在实际业务流程里持续消耗 token，替代重复劳动，提高效率。
不愿意投入成本，却希望 AI 带来巨大收益，本质上还是把 AI 当成一个营销概念，而不是生产工具。
同样的，咱们个体户，也不要因为 token 用不完，就疯狂给一个产品堆功能。
有时候我自己也会陷入进去，感觉 token 没有跑，心里就不痛快。非要搞点什么优化，增加点什么。
然后就是沉浸在“不断完善产品”的过程中，但用户根本没有增加。
光自己感动自己了。
so，如果 AI 帮你降低了试错成本，那更好的策略可能不是把一个产品做得越来越重，而是多做几个方向去探索。