AI 财富栈:2025 怎么用 AI 给自己装杠杆

去年我有个朋友,白天在大厂写了八个小时代码,晚上回家累得不想说话。他很努力,KPI 也漂亮,但三年下来存款没翻倍。同一时间,我认识的另一个人,写了一个把发票转成报销单的小工具,挂在 Gumroad 上,睡觉的时候账户里还在进钱。两个人都很聪明,差别不在勤奋,在杠杆。

Naval 那套早就说透了:你的产出 =(技能 × 时间)× 杠杆。前面那部分有天花板,一天就 24 小时,你再卷也卷不出第 25 个小时。真正决定财富的是后面那个乘数。他把杠杆分成四种——劳动力、资本、代码、媒体。前两种是"许可型杠杆":你得有人给你打工,有人借钱给你,得别人点头。后两种是"免许可杠杆",而且边际成本是零。代码写一次跑一百万次不花钱,内容发一次被一百万人看到也不花钱。

过去这两种零成本杠杆有个隐藏门槛:你得会写代码,或者会做内容,而且得做得足够好。AI 干的事,就是把这两道门槛从"专业级"砍到了"个人能上手"。这才是 2025 真正值钱的变化,不是模型又涨了几个点的 benchmark。

第一层:用 AI 放大内容,先把媒体杠杆拉满

我建议大多数人从这层开始,因为它启动成本最低,而且会反过来给你后面所有事情导流。但我说的不是让 ChatGPT 帮你水十篇公众号。那种东西读者一眼就能闻出 AI 腔,发了等于没发。

我自己的用法是:AI 负责"把我脑子里已有的东西规模化",而不是"替我产生观点"。比如我做一个产品复盘,自己先把真实的踩坑、数字、判断写成五百字的草稿——这部分 AI 替代不了,因为它没经历过。然后我让 Claude 把它改写成推特的 thread、小红书的图文脚本、还有一封 newsletter。一份原料,三种分发。我现在 building in public 的内容,产出效率大概是两年前的四到五倍,而独特性没掉,因为内核是我的。

AI 不该替你思考,它该替你把已经想清楚的东西,送到更多人面前。

第二层:用 AI 放大产品,代码杠杆现在对个人开放了

这是变化最猛的一层。两年前,一个非技术的人想做个 SaaS,要么学半年代码,要么花几万块找外包,然后被技术细节卡到放弃。现在 vibe coding 这套工作流,基本把"想法到上线"的距离压缩到了周末。

我自己最近一个内部工具,从零到能用就花了一个周六:用 Cursor 写前端逻辑,Supabase 做数据库和认证,Claude 帮我把 RLS 的权限规则一条条捋清楚——这玩意儿以前能折腾我一整天。整个过程我没写超过两百行手写代码,剩下都是描述需求、看 AI 生成、然后改。

但我得泼一盆冷水。vibe coding 能让你飞快做出一个能跑的 demo,做不出一个能扛住一千个用户的产品。AI 生成的代码经常有安全漏洞、性能黑洞、还有它自信满满写错的边界条件。我见过太多人 demo 惊艳,一上线就被一个并发请求干崩。所以这层的真实玩法是:用 AI 把验证想法的成本打到接近零,快速试十个,杀掉九个,然后对活下来那个,老老实实补上工程的硬功夫。AI 给你的是试错次数,不是免单。

第三层:用 AI 放大决策,这层最被低估

前两层都是放大产出,这层是放大判断,而判断的质量才真正决定你前两层有没有用对方向。一个内容做得再快、产品上线再多,方向错了都是白费。

我现在的习惯是把 AI 当成一个不会累、不要面子、随时能拉来吵架的"反方顾问"。要做一个新功能前,我会让它扮演一个最挑剔的早期用户,把我的方案往死里喷,逼我提前看到自己屁股后面的盲区。定价、命名、要不要砍掉某个 feature,我都会先跟它过一遍。它不替我做决定——决定永远是我自己拍——但它把我做决定前的信息密度提高了好几个量级。这部分没有现成工具,就是 Claude 加一段你自己反复打磨的 prompt,但回报率高得离谱。

把这三层叠起来看,逻辑就清楚了:决策层定方向,产品层造出零边际成本的代码资产,内容层用零边际成本的媒体把它推出去。三个零成本杠杆咬合在一起转。这在 2015 年是一家有几十号人的公司才玩得动的配置,2025 年,一个人加几个订阅就够了。

所以别再问 AI 会不会取代你。这是个穷人思维的问题。该问的是:同样这些工具,凭什么是别人拿去装了杠杆,而你只拿来写了几封邮件。门已经开了,挤进去的人不会等你。