痛點之尺 · 拆解《拐點》
作者 山姆（謝冠生）・喵喵書評創辦人
發布
讀過近千本商業書，這篇不複述內容——只用《痛點》的 P.A.I.N. 之尺，挑這本書最該被戳的那一格，講一句你帶得走的判斷。拆一本書的四個步驟 →
AI 生得出一百個版本，卻不知道有沒有人要
你把需求丟給 AI：幫我寫三十個產品名、給我十版銷售頁、再配一百句廣告標語。幾秒鐘，它全交了，整整齊齊，每一個看起來都能用。你往後靠，滑著這一整片成品，忽然卡在一個它答不上來的問題——這裡面，到底哪一個是真的有人想掏錢買的？它把「做出來」這件事做到了極致，卻在「到底該做哪一個」面前，一個字也給不了你。
萬維鋼的《拐點》，整本書就是在解釋 AI 為什麼會強成這樣。他當過物理學家，如今在「精英日課」上專門把硬東西講成人話，還親自跑去矽谷，跟第一線的大模型工程師、AI 創業者面對面聊。他把 ChatGPT 的本事拆給你看：大模型的參數一旦衝過某個規模，會「湧現」出一些訓練時根本沒安排的新本事——會用「思考鏈」一步一步推理，甚至學會自己調用工具，拿計算機算數學、開搜尋引擎查事實。一句話，AI 把「把東西生出來、把活幹完」的成本，一路往零的方向壓。
當「做出來」幾乎免費，貴的東西就換了位子
這才是「拐點」兩個字真正的意思。過去一個點子做不做得成，卡在「你有沒有本事把它做出來」——寫得出程式、剪得出片、生得出文案的人，本身就稀有。如今這層稀有整片消失，AI 把執行的門檻踩平了。前一年還得湊齊一個團隊、耗上三個月才生得出的成品，現在一個人一個下午就能端上桌。門檻一平，瓶頸就不在「做」，而整個往前移到了那一步：這一堆你做得出來的東西，該挑哪一個、做給誰。這一步 AI 幫不上忙，它只會照你指的方向拼命生，至於這方向對不對，它一概不管。
萬維鋼在書裡塞了幾十個場景，讓你看 AI 到底有多能幹：開餐館的用它精算每天該進多少貨、少囤一斤爛掉的菜，急診室用它幾秒鐘排出該先救誰。這些例子藏著一個共通點——AI 做的永遠是同一類事：預測、生成、把流程跑快。可真正定生死的那一下，都在它動手之前：先有人看出「這家店的命門是庫存」「這間急診的痛是分診太慢」，才知道該把這台神兵架到哪裡。萬維鋼借《權力與預測》一句話收束這條線：AI 負責預測，人負責判斷；他甚至撂下一句「AI 不能僭越你的判斷力」。
把這句話搬到創業的現場，最先、也最貴的那個判斷，就是需求判斷——你手上這東西，到底有沒有一個真實的人，正為它痛著、願意掏錢。AI 能替你把它做出一百種樣子，卻沒有一種辦法替你確認，這一百種裡有哪一種是別人真的要的。這一格，才是拐點過後整條產線上最值錢的地方。
【小林花了一個晚上，用 AI 生出整個品牌：logo、官網、三十篇貼文、一支宣傳片，隔天一鍵上線，漂亮得像個做了半年的團隊。上線兩週，沒有半個人下單。他做的每一步都極快、極省，只漏了最慢、最不能外包的那一步——上線之前，先找一個真的會為這件事困擾的人，問過他要不要。】（打個比方。AI 把「做」全包了，「要不要」這一問，還是得他自己走出去問。）
AI 最會的，恰好是人最該放手的
萬維鋼在書裡還戳了教育一刀：別再用訓練 AI 的方法養人了。機器靠「監督式學習」長大——餵它標好對錯的題庫，它把標準答案背到滾瓜爛熟。可這種有標準答案的活，正是 AI 已經幹得比人漂亮的那一塊。人真正剩下的價值，落在沒有標準答案的地方：面對一個還沒被驗證的點子，判斷這個痛是不是真的、這群人會不會真的為它改變行為。這種判斷沒有題庫可背，AI 湧現得再兇也湧現不出來——那個答案，只長在某個真實的人身上，任何一份訓練資料裡都翻不到。
所以拐點過後，被自動化掉的是「生成」，被抬到最高的，是「確認需求」這一格。你越是能一秒生出一百個版本，「先確認有沒有人要」這一步就越金貴——它是整條產線上，唯一一道 AI 幫不了你、你也不該讓它幫的關卡。這跟趨勢看得再準也換不到第一筆訂單是同一回事，另一篇拆《2050科技與商業藍圖》從趨勢那頭切進去，講的也是這道裂縫。
今晚，在你按下「幫我生一百個版本」之前，先把手指從鍵盤上移開十分鐘。想一個具體的人——別想成「25 到 34 歲的都會女性」那種籠統客群，想那個你叫得出名字、知道他上週為什麼皺眉的人。走過去，或傳個訊息，問他一句：你上次為這件事煩，是什麼時候？他要是眼睛一亮，馬上倒出一段上禮拜才發生的糗事，那你手上這個方向，值得 AI 陪你熬夜生一百個版本；他要是想了半天、擠出一句「好像還好」，那再漂亮的一百個版本，多半也沒人在等。