当AI开始写报告、做播客、生成视频，内容创作者还剩什么优势？
大家好，我是很帅的狐狸🦊
前几天在一个自媒体群里，有人分享了套提示词模板，说是用它已经批量生成了几百万篇文章。
类似做法在内容产业已经司空见惯——
我学弟用Deep Research写宏观报告，每天在公众号发布3到5篇数千字的专业内容。
前不久有个朋友分享了一个播客，音频是利用AI每天总结HackerNews网站的热点新闻，并自动生成的。
再之前，MidJourney刚火起来时，就有一批人在小红书、ins甚至在onlyfans上创建了AI账号。
之前主要还是公号作者在焦虑（毕竟AI文笔比大多数作者好多了），但最近一段时间，从DeepSeek到Suno（音乐生成AI）、从NotebookLM（播客生成AI）到Veo 3（视频制作），不管你是做播客的、做音乐的、还是做视频的，估计多少都有点心慌…
别急，今天我打算从行业底层逻辑出发，看看AI后续会如何颠覆内容产业，内容创作者又该如何转型。
这里说明一下，这里的内容创作比较广泛，包括但不限于记者创作的新闻、博主创作的文章/播客/视频、机构分析师撰写的报告、甚至学者撰写的研究报告/学术论文等等……
Part 1 由“个性化推荐”到“个性化生成”
我们正在见证一次「内容范式」的更替。
目前，生成式AI带来的冲击，更多还停留在供给端——大幅提高了产出内容的效率。
而在需求端，目前还是仅仅停留在让AI帮忙总结的阶段。
针对需求端，过往内容平台一直在尝试解决「信息过载」这个痛点。
而且解决方案层面已经更迭了几次——
但接下来，随着算力越来越充足，除了纯粹的内容总结，需求端其实可能还会进一步迭代——由「个性化推荐」到「个性化生成」。
小时候看TVB剧集时，看到不喜欢的演员，我总是想……
而现在的算力和技术，让这一切成为了可能。
现在我们已经可以让AI几分钟内把一张照片改为宫崎骏的风格。
未来我们看公众号时，能不能一键让AI改写？让它用你喜欢的作者风格重述。
等算力再充足点，是不是每个用户都可以给视频up主一键换头？
像是前段时间，我刷到有针对MCN的产品，说可以把up主的头给换掉，这样就不怕up主像李子柒董宇辉那样单飞了……
那么问题就来了——内容创作者还有出路吗？
也不用太悲观……因为就目前来说——
Part 2 平台没有用AI替代创作者的动力
假设技术已经很成熟了，这时候AI靠自己就可以从头到尾做出用户也很满意的内容了。
这时候，平台也暂时不会用AI彻底替代创作者。
因为这样一来，平台就成了内容的生产方。
虽然平台可以拿到所有收益（无需跟内容创作者分成），但平台也需要承担所有成本。
其中最大的成本，是试错成本——
跟娱乐圈一样，被市场淘汰后剩下来的爆款毕竟是少数，在那之外，还有大量的陪跑者。
过往这些陪跑者的试错成本是由他们自己承担的。
根据新榜的统计，2024年微信公众号累计产出了超过4.44亿篇文章，其中阅读量达到10万+的文章只有30.78万篇。
平台虽能通过数据预测爆款，但用户偏好是动态的「复杂系统」。
就像蝴蝶效应一样，用户偏好的细微变化，可能让预测算法的成功率大幅下降。
一旦预测失败，平台的投入就全白费了。
这就会像没有爆款的在线视频网站或电影制作公司一样，市场价值会迅速缩水。
截图/
当然，前提是「试错成本仍然很高」。
一旦算力成本低到一定程度，平台确实还是会替换掉内容创作者、自己上手来的。
虽然暂时还没那么快会发生，但应该比当年电力普及的时间更快。
而在之间的过渡期，更可能的产品形态可能是，内容创作者凭借自己独特的内容风格积累粉丝和影响力，然后用这些内容训练出专属的「风格包」（类似LoRA/轻量级风格模型）。
然后通过授权风格包给平台和用户赚钱（当然这些风格包的成本可能还是得创作者自己来承担）。
那……在试错成本也降下来之后呢？
Part 3 创作者还可以怎么自救
创作者可以调整自己的价值创造方式。
从价值创造的角度来看，内容创作大致可以分为两种策略：追随策略和创新策略。
两种策略主要在选题和信息采集阶段不一样，因此它们创造的信息差深度也不同——
追随策略主要是追热点或二创，更倾向于使用专家访谈、研究报告、数据库检索等二手资料。
创新策略则更注重原创性，通过自己的观察、调研、阅读等方式提出新的观点和假设，而且更重视一手资料，比如亲身体验、实地调查、原创实验等。
当然，这两种策略并不是非黑即白的对立关系，而是一个连续光谱的两端。
比如何同学当时火了的5G视频，是追了5G的热点，主要用的是「追随策略」。
但之后他又用「创新策略」创作了不少有意思的作品，比如「600万人合影」「自己打字的键盘」。
目前普及的AI工具，在追随策略方面可以极大地协助人类，甚至在某些环节完全替代人类。
毕竟追随策略主要依赖二手资讯，而搜索和总结这些二手资讯可以说是AI最擅长的。
现在各个AI产品的Deep Research/Deep Search功能都已经做得相当不错。
比如之前我想了解美国「232关税」对各国的具体影响时，ChatGPT的Deep Research就在7分钟内帮我做了87次搜索、找到了26个有效信源，并生成了有理有据的报告——
但是在创新策略方面，目前大多数时候AI还是比不上人类的。
毕竟AI没有五感，也没有脚可以到处跑，更没有可以做实验的手，所以暂时还不能在这个层面上取代人类。
所以在过渡期除了打造自己的风格模型，创作者也可以考虑更依赖创新策略来产出内容。
当然好日子也可能没那么久……
因为更准确地，应该说，能够在创新方面超越人类的AI，目前还没有大规模普及。
毕竟在某些前沿领域，AI也开始参与创新策略了——
像是前谷歌CEO Eric Schmidt投资的一家非营利组织FutureHouse，设计了一个智能体Robin。
团队花了两个半月，在Robin的帮助下找到了治疗干性老年性黄斑变性（dAMD，造成不可逆失明的主因之一）的新型候选药物。
所有数据、假设、原始实验和后续实验，都是由智能体Robin生成的，只有实验室的工作和论文撰写没有被自动化。
而谷歌DeepMind联合陶哲轩等顶尖科学家打造的「通用科学人工智能」AlphaEvolve，则是直接打破了矩阵乘法领域56年以来的效率基准。
谷歌内部还用它把Gemini架构中的大型矩阵乘法运算加速了23%，从而把大模型的训练时间缩短了1%。
而且还用它改进芯片设计、提高数据中心的效率。
最后
这个行业的变化确实很快，但变化本身就是内容产业的常态。
关键是要认清自己的核心竞争力在哪里，然后在变化中找到属于自己的位置。
有人擅长抓热点，有人精于深度分析，有人风格独特，有人掌握一手资源。
这些差异化的价值，正是我们在AI时代依然不可替代的原因。
技术的进步让内容创作的门槛降低了，但也让真正有价值的内容更加珍贵。
当AI能批量生产内容时，拥有独特视角、深度思考或情感共鸣的创作者，反而更稀缺。
当然，某天可能人类在挖掘信息差的深度方面（创新策略），也会彻底败下阵来——可能是AGI出现的那天。
到那时，我们可能只要负责消费内容就可以了。
📚 参考资料/
《微信公众号不服老，想要用社交赋能内容传播-36氪》
《AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms - Google DeepMind》
《打破56年数学铁律！谷歌AlphaEvolve自我进化实现算法效率狂飙，堪比AlphaGo“神之一手”》
《全球第一AI科学家天团，首战封神！2.5个月找到治盲新药，医学圈震撼》
《全球首个AI科学家天团出道！007做实验碾压人类博士，生化环材圈巨震》
《从零开始了解推荐系统 - 抖音安全与信任中心》
《今日头条正式对外公开推荐算法原理--IT--人民网》
《Trends – Artificial Intelligence | BOND》
文章来自于“狐狸君raphael”，作者“很帅的狐狸”。
