模型三个月就被追平，护城河还剩什么？

11 月 8 日，一场对话里，中国工程院外籍院士张亚勤问了腾讯首席 AI 科学家姚顺雨一个很商业的问题：模型公司的护城河，到底是什么？ 姚顺雨的回答没有落在模型上。他说，壁垒更多在产品层——真正难替代的不是最聪明的模型，而是能理解用户背景、用得上专有数据和上下文、并且被用户信任的 AI 产品。 张亚勤顺着这个逻辑开了个玩笑：那按你这么说，Anthropic 未来或许不值一万亿甚至两万亿美元了，因为模型总有一天会商品化。然后他转头提醒现场的学生，千万别听他的去买股票。 这个玩笑里藏着一个真问题：如果模型真的会商品化，那什么不会？ 我把知识库里所有讲「护城河」的内容翻了一遍——三十多条，从 2024 年梁文锋的访谈，到今年的马斯克、刘小排、Mashrabov、姚顺雨。它们讲的是不同生意，但放在一起看，其实可以用同一把尺子量： 复制它，要多久、要付什么代价。 答案清单越长、重建越慢的那一层，才是真的墙。 四种位置，同一道题 ​ 先看四句话。 梁文锋（DeepSeek）2024 年被问「开源会不会让对手复制你的护城河」，他的回答是：「没有秘密，但复制需要时间和成本。」英伟达的 GPU 也没什么神秘的，但你要追上，就得重建团队、追赶下一代技术。 刘小排（独立开发者）今年 11 月说的是同一件事的产品版本：「把 EvoLink 的代码全部给你，你也复刻不出来它的客户、口碑、用户规模。」 姚顺雨换了个角度：「即使竞争对手推出了一个更聪明的模型，也不意味着它能提供同样的服务，因为后者未必知道用户是谁。」 Mashrabov（Higgsfield 创始人）说得最狠：「行业今天兜售的大多数技术壁垒，很大程度上是伪命题。」他认为真正能沉淀的只有两样：交付最终商业结果，和构建难以逆转的网络效应。 四个人，两个在中国、两个在美国；两个做模型、两个做产品。他们说的其实是一道测试题： 把我的秘密全部给你，你还要重建什么？ 答案里那些拿不走、只能重建的东西，就是护城河。下面按「重建要多久」从短到长，拆成五层。 第一层：模型能力，折旧最快的一层 ​ 姚顺雨在那场对话里给了一个时间尺度：大模型的领先优势，3 到 6 个月就会发生变化。 这个数字还算客气。知识库里「大模型华强北化」那条记录是更冷的版本：Kimi K3 在 2026 年 7 月发布，2.8T 参数、当时全球最大规模的开源模型；不到一个半月，Qwen3.8-Max、GLM-5.3、Step 5 Preview 就在 Artificial Analysis 的综合智能榜单上追平或超过了它。 原因不复杂：权重开源、蒸馏成熟、评测公开、人才流动。一套能力被验证有效之后，复制它的路径几乎是透明的。连「新范式」都在加速贬值——Jev 最热的时候，Redis 作者 antirez 公开说他两小时就复现了一个能跑的版本。 所以模型层的问题不是「不重要」，而是它在资产负债表上折旧太快。今天的 SOTA 是入场券，不是墙。你可以靠它抢三个月的窗口，但很难靠它收三年的租。 但模型层有一个不折旧的变体：迭代速度本身。腾讯混元 Hy4 发布时提到，用 Hyra 2.0 脚手架自动训练出的 Hyra-Jev，在 8 项基准里有 6 项优于官方 Jev。这说明真正的资产不是某一版权重，而是「能持续造出下一版」的组织能力——那已经属于第五层了。 第二层：专有数据，要「真人判断」而不是「多」 ​ 数据护城河常被误解成「数据量」。知识库里最锋利的一个样本是编程数据。 马斯克在 2026 年 10 月的一场访谈里承认：全球真正攒够编程交互数据的只有三家——OpenAI、Anthropic、Cursor，xAI 不在其中。随后 xAI 以约 600 亿美元买下 Cursor，当作入场券。 为什么是编程？因为代码的对错可以被单元测试验证，也可以被真实程序员用「接受 / 退回 / 改几行再用」批改。每一次取舍都是一次真人判断，而且可验证。这类数据爬不到、实验室也造不出来，只能靠成千上万真实用户一行一行攒。 这里有一条很硬的非对称：**算力可以砸钱建，模型可以花时间追，但「真人判断」只能靠时间和用户规模积累。**钱和时间的汇率，在这里不通用。 「不可替代性定价」那条记录给了侧面证据：纽约时报和 Reddit 的 token 数量差不多，但 Reddit 的授权价贵了至少 7 倍（某些口径 14 倍）——因为 NYT 可以被 WSJ 加风格迁移近似替代，Reddit 上的真实讨论找不到替代品。 所以数据层的自检问题不是「我有多少数据」，而是：**我的数据，是别人跑一遍就能得到的吗？**如果是，它就不是护城河，只是原料。 第三层：上下文，用户愿意攒的那半年 ​ OpenAI 2026 年 9 月的 DevDay 之后，有一句判断被反复引用：换一个模型几乎没有成本，但换掉一个跟了你半年、知道你下周三要录视频、握着你几千个应用登录态的 Dot，那才真的很有成本。 迁移成本有四个来源：偏好记忆、登录态与权限、历史协作产物、团队协同网络。它们共同构成一句话：模型可换，用户的工作流资产不可换。 姚顺雨的微信例子是同一个逻辑的 ToC 版本：这个 AI 未必需要最强的模型，但它知道你的日程、朋友关系和活动信息。对手推出一个更聪明的模型，也不代表它能提供同样的服务——因为它不知道用户是谁。 这一层的复制周期，等于用户愿意在你这里攒多久。它没法一次性买来，只能一天一天长。产品含义也随之改变：不是做更多功能，而是把记忆、授权、历史、协作沉淀下来，让用户「懒得搬」。 它也有冷启动难题：用得越少，上下文越薄；上下文越薄，越没有换不掉的理由。这也是为什么「用完即走」的套壳产品，永远长不出这一层。 第四层：生态，复制不了，只能重建一个 ​ 再往上一层，是生态。 个人 Agent 竞争最热的时候，有个判断很清醒：软件层的能力——主动性、定制、记忆、界面——都能在一夜之间被抄走；抄不走的是生态。Meta 有 Instagram 和 Facebook，xAI 有 X 的社交图谱，亚马逊则直接用封禁宣示交易闭环的主权：谁拥有消费者与交易之间的界面，谁就收得到入口税。 生态的本质不是「功能多」，而是三样东西的独占组合：数据源、分发渠道、交易闭环。这三样都没法靠写代码补。 Mashrabov 给过一个自建生态的量级：Higgsfield 把工程管线开源后，平台的开源工程库在 8 周内从 10 个涨到 10000 多个高活跃工程。这是网络效应的复利：开发者可以 Fork 前人的成果再叠加增量，越多人用，后来者越难追。（数字是创始人自述，没有第三方审计。） 中国这边是镜像的另一面：不是生态太强，而是生态割裂。微信、小红书、美团、淘宝不向 Agent 开放数据权限，跨 App 的任务——全网简报、聊天统一管理、外卖比价下单——就卡在门口。所以国产 Agent 的竞争，很大一部分不是模型竞争，是「能不能进别人的院子」。 第五层：信任与组织，一次事故或一代人 ​ 最贵的一层，也最容易塌。 2026 年 9 月，Anthropic 要求企业客户把对话记录与使用日志保留 30 天。英伟达、Palantir 等公司随即限制内部使用 Claude，Palantir 甚至要求一份「不可撤销的零数据留存保证」，否则不接入专有信息。零数据留存（ZDR）从加分项变成了采购门槛。 这件事的杀伤力在于：它不攻击模型能力，直接攻击授权关系。客户一旦不敢把数据交给你，前面四层全部归零——因为你连被使用的资格都没有了。 姚顺雨把这件事说得很透：当 AI 从回答问题转向代表用户执行任务，用户是否愿意开放个人信息、是否信任它安全地处理数据并采取行动，会直接决定产品的使用深度。信任不再只是品牌概念，而是使用深度的前置条件。 组织是这一层的另一半。梁文锋说 DeepSeek 的护城河是团队成长、技术 know-how 和创新的文化——这些东西的共同点是：**你可以把结论抄走，但抄不走「得出下一个结论的能力」。**要追，就得重建一个团队，再追赶下一代技术。 对个人和小团队，这一层有一个可操作的版本：验收标准（eval）。一人公司真正的壁垒不是工具多强，而是你把「什么才算干好了」写得有多清楚。先有尺子，再量活，再改尺子；尺子越硬，交付越稳，客户越敢反复找你。工具谁都能买，标准只有你自己写得出来。 再往软里说一层，是审美与耐心——在游戏开发里，流程能让你做出一个能运行的游戏，但不能保证有人愿意玩第二次；两者之间的差距，只能由人带进来。 裁判席：商业结果 ​ 五层墙，最后都要过同一道裁判：客户为什么续费。 Mashrabov 的判据是「能不能交付最终商业结果」：不卖抽象概念，实打实帮客户拉升转化和 GMV。刘小排的 EvoLink 是 toB 版本：客户为业务结果采购，用户靠人传人增长。Lovable 的「组合体验」是产品版本：客户买的不是一张图，而是「AI 生成 → 实体成品 → 寄到你家」的完整链条，单点能力被平权，组合服务还在。 反面的判据也很清楚： 20 美元轻应用必死——只卖一个可被通用入口覆盖的浅层功能，基座模型一次升级就被顺手吸收； 平台收割——你在别人的闭源 API 上攒数据、攒客户，房东看见哪行赚钱就自己下场，客户变对手； 平台补贴换来的用户关系，也可能是租来的——当平台用套餐额度帮开发者获客，关系随时可能被截流。 所以护城河不是「我有墙」，而是「客户换不掉 + 愿意续费」。墙是手段，续费才是计分。 三种死法，和一张四问自检表 ​ 把上面的东西压成三种最常见的死法： 只修第一层：功能是单点、交付是浅的，产品靠「我用了更强的模型」讲故事。基座一升级，故事就结束了。 把房子盖在别人的地基上：用闭源 API 攒数据、攒客户，却没有自己的上下文、生态或信任资产。房东一下场，你连谈判资格都没有。 被一次信任事故击穿：模型再强，日志留 30 天，客户当天停用。迁移成本在信任崩塌的那一刻归零。 对应的四问自检： 秘密全给你，对手还要重建什么？（团队 / 数据 / 生态 / 信任） 用户换掉你，要重练什么？（记忆 / 权限 / 历史产物 / 同事） 客户续费，是结果还是习惯？（说得出被改善的指标吗） 出一次数据事故，他还留吗？（赚的是能力差价，还是信任溢价） 四问答不出具体事实，说明你只有第一层。这不是道德判断，是结构判断。 对个人和小团队，现实的三条窄路 ​ 看完五层，很容易得出一个沮丧的结论：生态、数据、信任基建，个人一样都占不到。 确实占不到。但「复制成本」这把尺子也给了三条窄路——它们都不需要你先有钱或有流量，只需要时间和一致性： **第一，攒上下文。**选一个足够窄的场景，把用户的历史、偏好、产物认真存下来。你不需要最聪明的模型，只需要成为「最懂这个用户这件事」的那个产品。这是姚顺雨那条判断在小尺度上的可用版本。 **第二，攒尺子。**把你所在细分领域的验收标准写出来，一条条可检查。它是 know-how 的编码，也是你唯一能拥有的「私有资产」。客户复购，很多时候不是因为你便宜，而是因为只有你知道什么叫「做好了」。 **第三，卖完整交付，不卖单点能力。**单点能力一定会被平权。把生成、判断、履约、售后组装成一条别人懒得组的链路，你卖的就是「省下来的麻烦」，而不是「一个功能」。 这三条都慢，但都符合那把尺子：它们让对手的重建成本，随着你的经营时间一起变长。 回到那场对话 ​ 张亚勤的玩笑其实很准确：如果模型能力最终商品化，单纯依赖模型领先的估值逻辑确实会被挑战。但反过来也成立——模型越便宜，产品层的墙越值钱。 Anthropic 值不值两万亿，对写这篇文章的人不重要。重要的是另一个问题： 明天对手把模型换到和你同款，价格还比你低一半，你的用户为什么还留在这里？ 如果答得出来，那就是你的护城河。如果答不出来，那现在就该开始砌了。

PE 处在 5 年 0.0% 分位，为什么还不算便宜？——金诚信估值拆解

金诚信的 PE 在 5 年 0.0% 分位、ROE 20.7%、扣非/归母 99%，看起来像一只被错杀的股票。但把相对估值、剩余收益、反向 DCF 三把尺子摆在一起，你会发现「便宜」和「赔率够」是两件事。

工程机械不是这轮康波的载体：把周金涛的四层周期拆开看一遍

挖机销量同比 +11.8%，股价两天却跌了约 5%。这不是矛盾，是两个周期叠在一起。把康波、房地产、朱格拉、基钦四层拆开，你会分清「朱格拉反弹」和「康波反转」。

180 条开源游戏清单，我在一台 ARM64 上跑通了 9 个

2 秒生成一个 3D 模型，然后我发现真正贵的是修它

我在本机把单图生 3D 跑通了：一张去背图，约 2 秒出一个 GLB，还能一路导进 Blender 和 Godot。但把椅子换成机器人之后，我明白了一件更重要的事——生成从来不是成本，修才是。

一条视频十个环节：把 B 站好物流程交给 AI 员工，什么能省、什么省不掉

两个人、一个月均带货 GMV 500 万的 B 站好物工作室，把一条视频拆成 10 多个环节、上百个操作步骤，再把重复部分交给 AI 员工。真正被省掉的不是「创意」，而是那些每次都要重新做一遍的搬运、对齐和归档。

散户交易少了四成，谁在买美股？

对冲基金在砍仓、散户成交比去年底少了四成多，美股却没塌。高盛把这笔账算给了美国家庭：上半年净买入 8400 亿美元。这篇文章把「谁在买」拆成三层，并补一节把「非农」讲清楚——它是这条链条上最便宜、也最容易误读的验证指标。

我真跑了一遍 PdfCraft：免费 PDF 编辑器，能把 PDF 变回 Word 吗？

官方 Web 版 v0.17.0 真跑：三页中文 PDF，从打开、旋转删页、高亮批注，一路导到 .docx。结论：它能替 Acrobat 的「读 + 轻改 + 取内容」，替不了「版式交付」。

子目录还是子域名：一个 UGC 平台用九年换来的一条教训

用户发布的内容放在 example.com/用户名，还是 用户名.example.com？看起来只是 URL 的差别，实际决定了搜索红利归谁、垃圾内容的风险由谁承担。一个邮件通讯平台用九年时间，把收益和代价都走了一遍。

DeepSeek 没变笨：OpenCode 把同一个模型，分给了 8 台服务器

同一个模型名，同一个版本号，为什么有时很聪明，有时在第 47 轮突然忘了自己在干什么？把 8 套后端的流量分布摊开之后，答案不是「偷偷量化」，而是「你在抽签」。