AI 产品的差异，来自可检查的判断和交付

AI 应用的展示层已经变得很便宜。谁先接上新模型、谁先生成一张能看的界面，越来越难构成长期差异。

审视一个 AI 产品，现在主要看三件事：团队有没有把判断写成模型能执行的词汇和否定清单；有没有把单次生成做成稳定的交付；当资源和补贴从产品撤走之后，收入还在不在。这三件事都能具体检查。毕竟生成得快，不代表产品已经成立。

接入、生成、交付是三个时钟

一个 AI 产品内部其实同时跑着三个时钟。第一个是接入，看新模型多快、多便宜地到达用户手里；第二个是生成，衡量默认输出离“可以直接用”有多近；第三个是交付，检验失败、掺假、排队和重试有没有被控制住。

一家公司完全可以在第一个时钟上领先，却在第三个时钟上失分。每当模型能力跳跃时，接入速度最显眼，但用户最终留不留得下来，往往取决于交付。

词汇是产品规格的一部分

模糊的“更好看”没法验收。但留白、节奏、安静感、报错信息的写法，以及 agent 能不能顺利接着做下一步，都可以写成明确规则。把这些规则放进产品外层的 harness 之后，输出质量才开始变得可重复。

AI 抬高了设计的下限。在下限之上，稀缺的是能把要求说清楚的词汇、知道什么不做的克制，以及有人愿意为结果负责的判断。

判断权要留在人这边

模型交回来的一份长计划，既可以帮团队加速，也可能替你做了决定。

模型替你做决定的时候，团队会慢慢失去自己的取舍记录。等下一次遇到同类问题，手里没有依据，就只能继续接受默认值。时间久了，产品就长成了模型默认的样子。

规模和新产品要分开看

靠模型分发很容易把收入规模做大，接得快、融资节奏快，增长故事就讲得通。但在这个过程里，交付和毛利常常被放到“以后再验证”的区域。

评估一家 AI 应用公司时，有两件事需要拆开看：旧产品在资源撤走之后留存还剩多少，以及毛利里究竟有多少来自补贴和转售价差。

探索型和交付型团队会冲突

把 agent 当成需要发挥的创作者，和把生成器当成必须准时出货的产线，对应着两种不同的组织。如果这两类团队在同一家公司里吵架，冲突本身就是信息，说明公司此刻正卡在某一个时钟上。

我还不确定的地方

有些判断我还不敢下定论。比如在模型能力跳跃的窗口期，接入速度本身可能就决定了谁先拿到用户心智，而交付系统的价值，也许要等到模型变慢、价格透明之后才会显现。同时，今天能把输出拉离平均水平的专业词汇，明天就可能被写进下一代模型的默认值，变成新的平均线。此外，面向 agent 的接口越来越重要，但这并不代表视觉界面不重要，因为人仍然需要理解过程、做出授权并最终负责。

接下来想弄清楚的问题

顺着这些不确定性，我接下来想弄清楚几个具体问题：一份设计否定清单，最少要包含哪些可观察的项目，才能让结果稳定地脱离默认生成样式？当面向 agent 的产品说明和面向人的营销页发生冲突时，应该以哪一层为准？另外，从外部能看到哪些关于价格、延迟和失败率的数据，用来检验“模型批发转零售”这类商业模式？

参考

• 《What Happens to Design After AI?》：a16z 播客，Anish Acharya 对谈 Microsoft 设计副总裁 John Maeda 和 Impeccable 创始人 Paul Bakaus，2026 年 6 月 24 日。设计下限被抬高之后靠词汇、克制和判断拉开差距，以及把词汇放进 harness，这两部分观点来自这期对谈。
• 《Liblib，你的梦想是什么？》：elsewhere别处发生 对 Liblib / Evoken 的深度报道，作者吴睿睿。模型分发带来的收入规模、交付和毛利的检验，以及探索型和交付型团队的冲突，取材于这篇报道。报道里包含匿名受访者和投资人的说法，涉及融资和毛利的部分仍需用公司材料交叉验证。