去年 12 月，ChatGPT 发布整三年。我在一场 AI 分享会上，听完了压轴演讲。
讲者是一位正在做 AI 销售产品的创业者。一天硬核的技术分享之后，他反倒没讲技术，上来先给过去三年判了个死刑：所有想做超级 APP 的 AI 产品，基本都死了。死法只有三种。
这个判断我在心里过了一遍。三年里冒出来的 AI 应用，名字能记住的不少，活到今天还活得很好的，确实不多。
三种死法
第一种，投流死。
烧钱买量，把日活用户（DAU）做到几百万、上千万，数据很好看。但投流这件事，创业公司先天干不过大厂。你花的是真金白银，大厂用的是内部结算价，流量成本从来不对等。钱烧完，用户散场。
第二种，垂类死。
不做通用赛道，扎进垂直行业，行不行？很多团队就是这么想的。基于自己对某个行业的工程理解、数据理解，微调一个模型，做一个产品。开干之后发现，模型厂商下一代模型一发布，你辛辛苦苦训出来的能力被直接覆盖。产品迭代的速度，永远追不上模型迭代的速度。
第三种，收费死。
产品跑起来了，算力账单摆在那，想着向用户收一点费。结果一收费，用户就跑。DeepSeek 出来那会儿，一批 2022、2023 年做到几百万甚至上千万用户的产品，用户几乎是一夜之间迁移走的。
三种死法，看起来是三个问题：流量问题、技术问题、定价问题。
演讲者的判断是，它们背后是同一个公式出了问题。
价值公式变了
互联网时代的产品，做的是链接。
微信链接人和人，淘宝链接人和货，拼多多、头条莫不如此。这类产品的价值来自网络：节点越多，节点之间的连接越密，网络越值钱。更关键的是，用户互为价值来源：朋友都在微信上，你才离不开微信；卖家都在淘宝上，你才去那买东西。用户量是 N，产品价值大致按 N² 往上走。这就是网络效应，过去二十年一切估值逻辑的地基。
AI 产品不是这回事。
你使用一个 AI 产品时，面对的不是其他用户，是模型。我天天用某个 AI，用得再勤，不会让另一个用户的使用价值提升一分钱。假设单个用户从产品里获得的价值是 M，那么无论用户量 N 怎么涨，产品的总价值停在 M。别说平方增长，连线性增长都没有。
价值不增长，成本呢？
今年 5 月我写过豆包收费，那篇文章讲的就是成本侧：AI 的边际成本降不下来，每一次对话背后都是实打实烧掉的算力。今天不重复，只补一句话：成本是 M×N，跟着用户量线性上涨。
两侧拼在一起，结论就出来了：价值不随用户增长，成本随用户增长。 DAU，这个互联网时代最硬核的资产、投资人第一眼要看的指标，在 AI 时代变成了负债。用户越多，亏得越快；亏得越快，越需要融资；融资再投流，死循环。
那些死在投流上的产品，不是输给大厂，是输给了自己搬过来的旧公式。
互联网产品的护城河，是网络里有多少节点。AI 产品的护城河，是它多懂一个节点。
出路只有一条：把 M 做到无限大
价值公式里没有 N 的位置，出路只剩一条：把 M 做到足够大。
怎么让一个用户获得的价值足够大？演讲者搬出了马斯洛的需求层次。互联网产品解决的是社交和链接，那是中间层。留给 AI 的，是上半层：尊重和自我实现。
他在自己的产品实践里看到四条路。
第一条，更懂我。不管是提示词还是 Agent，产品了解我的偏好，知道我想干嘛。越懂我，我越想用它。
第二条，帮我做事，做到"我也行"。不会写代码的人用 Claude Code，突然觉得自己也能做产品了，前端、后端、算法，一个人全包。这种自我实现的快感，互联网产品给不了。
第三条，个性化。互联网时代为了让所有人用得爽，只能把功能做成标准化，所有人的微信长得一模一样。AI 产品第一次有可能对每个用户给出不同的反应。
第四条，共演化。用得越多，它越懂我；越懂我，我用得越多。依赖是这么长出来的。
问题是，大多数产品守不住自己的 M。
演讲者用了一组生物学类比。GPTs 那种"大模型加提示词加知识库"的玩法，像病毒，结构简单，复制很快，死得也快。工作流像原核细胞，把流程里需要人做判断的环节换成模型，能力是强了，但内核还是那一个。自主规划的 Agent，比如 Manus、Claude Code，像草履虫，能感知环境，会自己运动，能对外界刺激做出反应，是单细胞生物的极限。
但草履虫再强，也只是草履虫。
这三代的共同病灶，是都以大模型为中心，能力挂在模型外层。你的垂类知识库、你的工作流、你的自主规划，在模型厂商眼里都是训练数据。下一代模型发布，外挂的能力被直接内化，连招呼都不打。
那出路在哪？演讲者给的答案是，把系统的中心从模型身上挪开，去构建"用户视角的世界模型"：把你看到的那个世界重构出来，让每一次使用都变成沉淀，而不是一次性的问答。
这个话题展开又是一整篇。今天先记住那个公式，世界模型下篇再说。
这个公式，法律人该抄走
把演讲的内容消化完，我发现这个公式对法律行业的解释力，强得有点出乎意料。
先看法律科技。这几年想做"法律界超级 APP"的产品，走的都是互联网的老路：先免费圈用户，讲一个几亿人都有法律需求的故事，再谈变现。估值叙事很动听，但用户之间没有连接。你在上面咨询离婚，不会让我的劳动仲裁咨询变得更容易。价值停在 M，成本跟着 N 涨。和演讲里那些死掉的产品，一个公式，一种结局。
再看律师自己。判断一个 AI 工具值不值得用，标准不该是"多少人在用"，而是它有没有随着你的使用变得更懂你的工作。用得多，不如用得深。这是我这半年改造自己工作方式时最重要的取舍：不追新工具，把一个工具用出纵深。
对律所也一样。管理系统、知识库，装机量、注册数不产生价值，单个律师在里面的沉淀深度才产生价值。
问 AI 一百次，不如让它懂你一次。
写在最后
三年前，我们以为 AI 的竞争是谁的模型大、谁的用户多。
三年后才看清，真正的竞争，是谁更懂一个人。
估值逻辑变了，做事的逻辑也得跟着变。下次打开一个 AI 产品，不妨先问一句：它记得我吗？
如果答案是否定的，那你们之间发生的每一次对话，都只是消费，不是资产。
至于怎么让它记得你——那个叫"世界模型"的东西，下篇写。
作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。四明山法师 AI 夜校（legalAGI.cn）发起人。