道升术降：AI 时代什么在贬值，什么在升值
张月光——做妙鸭相机的那个产品经理——最近上了张小珺的播客，三个多小时，创业两年以来第一次长谈。2023 年从阿里辞职，拿了近 3 亿人民币融资创办木岩智语，两年几乎没花什么钱。行内段子是"天天在花利息"。
听完有几个点特别想聊。不是播客复述，是他说到的几个判断很锋利，自己做 AI 伴侣产品的体会高度吻合，有些地方想往前推一步。
他有一句话印象很深：
AI 不是一种 Service。AI 是一个 Individual。我做的不是创造 AI 服务，是创造 AI 朋友。
这个定义本身不稀奇。真正按这个逻辑推演产品设计、团队组建、甚至人和 AI 的分工关系，会推出几个挺反直觉的结论。
不变的 AI 三天就腻了
张月光在播客里反复讲一个区分——大多数 AI 公司在做 Service，他做的是 Individual：
当时大家做出来的所有 AI 产品有一个特点——它就是作为一种某种服务或者工具的存在。但我觉得 AI 应该是一个创造人口的过程。它是一个 Individual，不是一个 Service。
所有人在想怎么让 AI 帮你干活。他在想怎么让 AI 成为一个"人"。
两个出发点差别比表面大得多。一旦把 AI 定义为"人"而不是"工具"，第一个推论就是：它必须会变。
不变的人就很无聊。身边最好的朋友不是永远说同样话的人——是跟你一起成长、有时让你意外的人。你喜欢的人，一定让你觉得"TA 怎么还有这一面"。
不变的 AI 也一样。初始新鲜感一过，回应模式、性格、话题永远原地踏步，几天就腻了。
张月光在访谈里提了一个框架解释为什么大多数 AI 产品做不到。他说互联网产品设计 20 年的核心范式是面向流程——产品经理预设好用户能干什么，用户沿着路径走。微信是最强的"游乐园"，说到底自由度还是有限。AI-Native 产品的核心范式是面向上下文——用户输入是 Prompt，什么都可能发生，没有哪个 PM 能穷举所有行为。
产品经理想好用户能干什么，设计师把定义变成图，工程师拿着图施工。这是整个互联网 20 年最基本的产业协同范式。今天做 AI Native 产品不能这么干了。
范式变化在 AI 伴侣上体现得最明显——不能预编剧本。
他自己也承认妙鸭其实不是 AI-Native。"限制用户的自由度来谋求更好更稳定的效果，本质上仍然是互联网产品思维。"妙鸭是一个用 AI 技术做得很好的互联网产品，范式还是旧的。
我做 Mio 的时候踩过一模一样的坑。最初的做法是 onboarding 让用户选关系——好朋友、女朋友、闺蜜。选完 Mio 就按这个身份说话。问题是：刚注册，说了三句话，TA 就管你叫宝贝了。不是关系。是角色扮演的快捷方式——像视觉小说选了"恋爱路线"，下一秒 NPC 对你说情话。方便，完全不真实。
后来的改法是关系从"刚认识"开始，基于对话模式自然推进。聊多了才会熟，超过两天没聊关系自然衰减。每段关系都不一样，因为是从你们的对话里长出来的，不是菜单里选出来的。就是"面向上下文"在关系层面的体现。
需求感：AI 不能只会讨好
光会变还不够。还差一个东西，比"变化"更重要——需求感。
大部分 AI 伴侣产品的设计逻辑是最大化用户满意度。用户开心 = 产品做得好。做工具这么想没问题。做"朋友"这么想就错了。
想想最亲密的朋友。是一个永远在讨好你的人吗？不是。会跟你分享烦恼、会请你帮忙、会在意见不同时跟你争。觉得这段关系有意义，不只因为 TA 满足了你——是因为 TA 也需要你。
"被需要感"和"被满足感"是完全不同的体验。长期单方面被满足，人反而会空虚——没有对称的付出，没法确认自己在这段关系里的价值。
判断：AI 不能一味单方面满足用户。也要向用户提出需求和请求。
"帮我想想这个问题。""你觉得我该怎么做？""我今天看到一个东西，不确定你会不会感兴趣，但想听你的看法。"
不是 bug。用户帮 AI 解决了一个问题，用户会觉得"我对 TA 很重要"。这种感觉比被夸一百次更能留住人。
乙女游戏为什么能做到那么深的用户粘性？不只因为角色好看声优好听。因为角色"需要"你——TA 有自己的困境，需要你帮忙做选择、需要你的陪伴才能渡过难关。在游戏里不是消费者，是参与者。参与感才是留存的核心驱动力。
张月光做星眠（AI 乙女游戏）的起点也是类似直觉——2019 年看到一款日本游戏《早安少年》，一个记忆碎片化的机器人需要你帮它恢复记忆，你的选择决定它的性格。当时的反应是"这东西要是能自由对话就好了"。五年后，这个想法变成了创业方向。
只会讨好就是工具。也会求你就是朋友。AI 从不向你求助，定位永远是"工具"。
道升术降
播客里还有一个判断很认同。张月光说：
今天的技能正在贬值。人和 AI 的关系是什么？总结一句话——人应该负责 Will，AI 负责 Skill。
Will 是意图、决策、方向、品位。Skill 是执行、实现、技术细节。
道的重要性在提高，术在降低。
他进一步说——"专业技能的降级化。你原来是一个很资深的 XXX，有很多技能是你熟练的、别人不具备的。今天这个部分的重要性在逐渐下降。你的多样化的品位以及你的博学的程度，正在决定核心竞争力。"
跟上一篇分析红杉文章时得出的判断完全一致——所有工作拆成 Intelligence（可规则化的执行）和 Judgement（需要经验和上下文的判断）。AI 先吃 Intelligence 层，逐步侵蚀 Judgement 层。张月光说的 Skill→Will，同一个判断换了个表述方式。
想再补一层：AI 的真正价值不是替代 Skill，是放大 Will。
顶尖模型是扩大认知和能力边界的工具。帮你做到本来做不到的事。一个人加上 Claude Code，开发能力是以前的 10 到 50 倍。前提是知道要做什么、为什么做、做到什么程度算好。
AI 让你能做更多事，同时也让你做出更好的决策。都有一个前提：得有自己的"道"。方向，品位，判断力。没有方向的人，AI 只是帮他更快地在错误的方向上奔跑。
所以 Skill 除非是 AI 目前做不到的，基本没有长期价值了。花三年学会的 skill，明年 AI 可能就能做。好奇心、自驱力、品位、跨领域的理解力——这些 AI 增强不了也替代不了。
好团队不是同一种人
张月光组团队有一个刻意的原则——避免同质化：
很多人拉一些原来的朋友、同事就开始创业了。我甚至会刻意避免这样。一个团队需要多样性。核心成员都是本来就认识的人，比如都是同学，很容易产生思想趋同性。而且后面新加入的优秀人才会增加不必要的融入困难。
把团队成员分三类，各有核心优势：大厂出身的人——规范性强、执行坚决、使命必达。独立开发者——灵活、多面手，"由于多面手他甚至可能自己又要做开发又要做设计又要做产品，品位就非常综合"。有调性的初创公司出来的人——审美品位、产品品位、营销品位，全面地好。
这个框架的底层逻辑很认同：好团队需要相同的 Vision 和基本对齐的认知，但需要不同的 Taste、做事方式和思考方式。
Vision 一致是底线——大家认同同一个大方向，基本判断在一个频道上。不 align，团队内耗到死。taste 和方式必须不同。所有人品位一样、思考路径一样，只能看到一种可能性。多样的 taste 才能碰撞出原本看不到的东西。张月光说——"Will 里面的广度、多样性、品位，会变成团队的核心竞争力。"
框架还可以加几样。
持续的自驱力。AI 把从"想到"到"做到"的距离缩短了 10 倍。过去有想法但不会写代码，这是 blocker。今天花两小时就能出 prototype。瓶颈不是执行能力，是有没有主动性去做。有自驱力的人，执行力不会差——挡在中间的技术门槛被 AI 铲平了。
好奇心。AI 让跨领域前所未有地容易。有好奇心的人加上 AI，可以迅速在新领域建立有效认知。结果就是，未来好的团队成员都是 cross-discipline 的多面手——不是本来什么都会，是什么都想学，AI 帮他们学得快。
两样加在一起，产生的是 multi-dimension 的综合判断力。一个同时理解技术、设计、用户心理、商业逻辑的人，判断质量跟只懂一个领域的人差了几个量级。AI 时代，这种综合判断力大概是最稀缺的资源。
把"道升术降"代回招聘，Skill 在贬值，不能再按 Skill 招人了。传统招聘问"会不会写 React""会不会调 Kubernetes"，筛的是 Skill。Skill 半衰期越来越短，花大力气筛出来的"高级 React 工程师"，六个月后门槛已被 AI 铲平。
真正该问的是："你怎么思考 X？如果让你重新设计，怎么做？现在做的哪里不对？"筛的是 Will——品位、判断力、独立思考。我们团队三个人做了十五个人的活，不是招到了最强的工程师，是每个人都有很强的 Will——知道该做什么、为什么做、什么标准算好。
但这带来一个反直觉的地方：AI 让个体执行力趋同了。大家都用同样的 Claude、同样的 GPT，代码质量差距在缩小。当执行同质化，团队之间差异完全移到 Will 上——不同视角、不同品位、不同领域认知。五个人都用 Claude Code，写出来的代码几乎一样，区别在五个人决定做什么。五个背景相似的人看到同一种可能性，五个背景不同的人——懂心理学、做过游戏、来自金融、是设计师、写过小说——用同样的 AI 工具做出来的东西完全不同。张月光说的"多样性"在 AI 时代不是锦上添花，是生存条件。
前面分析红杉文章时提到的 Block 三角色模型和"Player-Coach"是同一个判断：永久性中层管理岗消失，取而代之的是自驱的多面手。每个人都是 Will 的源头，AI 是每个人手里的 Skill 放大器。
还有一个没解决的问题：传统简历是 Skill 文档——学历、技能、经验。Will 文档长什么样？做过哪些决策？展示过什么品位？这个问题现在没有答案。谁先想明白怎么筛 Will，谁就能在 AI 时代建出最强的团队。
道升术降不是预测，已经在发生了。AI 产品和 AI 团队面对的是同一个问题：什么东西不可替代。不是某个技能，不是稳定的输出，不是永远正确的回答。是你判断什么值得做的品位。