AI 的真正馈赠：允许你低成本试错百次

昨日，我经历了一次难得的人生顿悟。过去两三年间，关于人工智能主要有两种截然相反的叙事。

一种观点认为 AI 将导致大规模失业，取代程序员、文案和客服人员，将人挤出职场。另一种观点则宣称 AI 正以前所未有的方式赋予个体力量，一人公司、超级个体、独立开发者，让每个普通人都拥有了昔日只有大团队才具备的能力。

三年前我离开大厂时，正是冲着第二种叙事而来。我所做的一切都基于一个假设——AI 能让个人在边学、边做、边分享的过程中，完成过去需要几十人团队才能完成的任务。

但我逐渐意识到，这两个故事都尚未触及最深层的本质。

AI 给予的最大礼物，并非让你更容易成功，而是让你更容易失败。

这听起来像是在泼冷水。但深思之后，我发现这才是它真正的馈赠。

我开发小猫补光灯是在2024年底。我不会写代码，便让AI代劳，一小时后代码完成，该App随后冲上了AppStore付费榜前列。但我反复思考的，并非它最终呈现的部分，而是它成型之前的过程。

其开发成本几乎趋近于零。

以往开发一个App，需要掌握代码、耗时数月、甚至聘请他人。一次失败的代价至少是数十万元加上半年光阴。普通人一生能承受两三次这样的打击已是极限，在此之前就可能破产——不一定是资金破产，更是心力耗尽。

如今情况不同了。在我学习AI编程的前两个月，几乎每两天就尝试做一个项目。绝大多数都以失败告终，要么无人问津，要么我自己中途觉得无趣而放弃。

这些尝试并未变得更容易成功，只是变得几乎免费。因此我做了很多。

在小猫补光灯之前，理论上我已经失败过数十次了。

我在意的不仅仅是节省了金钱，更深层的是节省了心力。

心力是普通人最容易耗尽的资源。它比代码稀缺，比时间稀缺。一个想法在脑海中能维持多久而不被现实击碎，决定了一个人能走多远。AI最大的解放并非让产品制作变得廉价，而是让“失败一次却不至于让你对自己失望”这件事变得廉价。

完美主义本质上是对失败的恐惧。允许自己敷衍，行动的成本就会大幅降低。考虑到大多数人根本不敢行动，只要你敢迈出第一步，就已经超过了95%的人。

AI赋予普通人的礼物是：你可以失败，然后糊弄过去。你不必为此撰写悔过书。

塔勒布有一个我很喜欢的概念，叫凸性。意指在某种情境下，上限未变，但下限被移除。AI并未将烂点子变成好点子，未让不懂用户的人突然懂用户，也未让缺乏品味的人突然获得品味。

它只做了一件事：让你能将100个想法全部实现，再决定何时停止。

往日的剧本是你做完三个项目就破产，第四个再好也没机会尝试。AI改写了这个剧本。当样本量从3增加到100，找到可行路径的概率呈几何级数增长。单次成功率未变，但总达成概率提升了一个数量级。

这就是凸性。下行风险有限，上行空间无限。塔勒布在《反脆弱》中反复强调：寻找那些下行风险被严格限制、上行空间不被设限的位置，并让自己身处其中。AI编程对普通人而言，恰恰就是这样的位置。

不过，我每天在X和小红书上看到的景象，远比这段话复杂得多。

每天都有人发文：今天用Cursor做了XX，明天用Claude做了YY，后天用Gemini做了ZZ。每条动态下都是“太牛了”、“大佬”。但当你真的去查看那些产品，大部分活不过一周。

我不想说这种尝试毫无意义。

恰恰相反，最初那种茫然的尝试本身极具价值。在制作过程中，你会学会如何使用AI，感受不同模型的脾性，本能地感知哪些类型自己能驾驭、哪些不能。这些经验若不亲手实践是学不到的。

但有一件事必须做，做了与没做差别巨大：将其发布出去。

发布后无人问津，本身就是一种反馈。一款没人转发、没人评论、没人下载的产品，是市场在告诉你“我们对此不感兴趣”。这个反馈与一万个赞同同样珍贵，因为它将一个错误的方向从你的候选清单中剔除。

真正的问题在于：大量人做完根本不发布。或者发布了却无视反馈。或者看了反馈却只看点赞数，不看点击率、不看留存率。AI加速了生产，但迭代速度其实并未改变。因为迭代的瓶颈从来不是生产，而是真实信号的获取与处理。

还有一件事容易被忽视，那就是关于“突变”这个词本身。

进化之所以能运行，不仅依赖大量变异，更依赖大量“方向各异”的变异。若所有突变都朝同一方向，等同于没有突变。

生物学中有一个概念叫适应峰。一个物种在某座山上越爬越熟练，看似优秀。但只要它一直停留在这座山上，就永远无法到达远处那座更高的山。要到达那座山，必须先下山——下山意味着退步，意味着主动让自己失败一次。

跨方向的尝试，本质就是主动下山。

这件事在旧时代几乎无法实现。下山意味着放弃过去一年积累的成果。AI将“下山”的成本削减至几乎为零，因此你才有可能在100座山头上各试一次，看看哪座最高。

回顾来看，“失败100次”这个数字仅仅是一个开始。真正划算的，是这100次失败发生在多少座不同的山头上。

如果你做了100个产品，每个都长得相似、瞄准同一用户群、采用同样的分发方式——这并非不可行，只是没有充分利用AI赋予的奢侈。一次失败成本低，你才有底气从这座山下来去攀登另一座。

这才是fail fast真正的模样。它不是为了让你跑得更快，而是为了让你敢于改变方向。如果失败代价高昂，你只能在脚下这座山上打磨——熟练，却永远被困在某个高度。AI首次让普通人有机会跳出这种熟练的陷阱。

要彻底想通这件事，最好的方式是回归达尔文。

进化需要三要素齐备才能运行：变异、选择、遗传。变异是基因出错产生新可能。选择是环境淘汰不适应的个体。遗传是将成功的变异传递给下一代。缺一不可，否则无法进化。

AI编程将第一要素的成本降至底价。一秒钟即可生成一个产品，这是寒武纪级别的生育能力。普通人有生以来首次获得这种生育力，第一步应当是将其用满——多变异、多发布、多撒种子。

第二要素，AI帮不了你。市场是否买单、用户是否留存、是否付费，这些信号仍需从真实世界中采集。AI能帮你做产品，却无法帮你判断产品是否有市场。这种判断能力，需要你一次次去解读用户的脸色才能习得。

第三要素，遗传。DNA是生物将成功经验传递给下一代的载体。在创业语境下，下一代是下一个项目，DNA则是你从上一个项目中提炼出的那点东西。

AI让变异变得廉价，但遗传机制只能由你自己构建。它可以很轻——一份不删除的复盘文档、一个不放弃的Twitter账号、一段难忘的用户对话——但必须存在。否则你的100次变异之间将缺乏连接信道。

道金斯在《自私的基因》中曾说：进化从不在乎个体的生死，进化在乎的是信息的传递。

这是fail fast之上的另一层含义：fail forward。每一次失败若能成为下一次的输入，这次失败便完成了它的使命。

还有一件更隐秘的事。

Lewis Carroll在《爱丽丝镜中奇遇记》中写过一只红皇后，她对爱丽丝说：“你得不停奔跑，才能停在原地。”生物学家后来用此比喻一个事实：所有物种都在进化，因此保持原速度其实就是在退步。

将其翻译到AI时代则很清晰。AI让所有人能快速迭代，意味着“快速迭代”本身的相对优势已消失。你跑得快，对手也跑得快。在新的均衡中，能跑得更远的人，不仅是变异最多的，更是变异最有方向感的。

变异不再稀缺。稀缺的是方向。

那种能让人长出能力的失败，究竟长什么样？

我做AI编程两年多，回顾过往，最有价值的失败都关乎结构。

每一次真正让我成长的失败，背后都是想清楚了一件事：上次卡在哪里、这次该更换什么架构。一次推倒重来并非换个想法，而是带着上一次的伤痕去尝试一条不同的路。

失败的意义从来不在失败本身。在于它让你将一件事在脑海中想清楚了一层、两层、三层。

数量是基石——没有100次尝试，你根本无法撞上那次让你顿悟的结构。但在数量之上还有一步：让上一次的输出成为下一次的输入。

几条路径并行更划算的原因在于，它们之间会互相提示。

这两三年间，我沿着自己的兴趣和需求，做过数十个网站、十多个App、七八本橙皮书、几十个skill，还有数不清的自动化脚本、Chrome插件、VS Code插件。数量太多，连我自己都数不清。

其中跑出来的只是少数：小猫补光灯曾登顶AppStore付费榜，《Claude Code橙皮书》曾登上微信读书热搜第一，女娲.skill在GitHub积累了19k stars，并被一些头部AI产品接入。被人提及的仅这几个。

底下是更大一堆无人提及的：发布即沉默的App、写到一半放弃的书、无人使用的skill、跑不到第二个版本的脚本。

但它们能各自诞生，背后是另一件事在悄然发生：做App的失败让我将过程写成了橙皮书，橙皮书带来的读者让我看清skill和design才是更长期的事。跑出来的那几个并非孤立生长，而是由底下那一大堆失败铺垫而成。

塔勒布说杠铃策略，芒格说能力圈，到了这里其实都可以翻译成进化生物学中的一个词：evolvability，可演化性。它指的不是“能产生多少变异”，而是“产生的变异中，有多少能被选择捕捉、被遗传保留”。

具备可演化性的系统有几个共同特征。它是模块化的，局部错误不会摧毁整体。它有反馈机制，能从环境获取信号判断优劣。它有记忆，成功经验能被保留。它有重组能力，新经验能与旧经验混合产生新可能。

将内容、产品、分享、复盘、社区、付费用户串联成一个能互相供养的系统，远比做出某一个爆款产品重要得多。

爆款是结果。系统才是原因。

AI让普通人获得了“廉价变异”的能力。但可演化性，AI无法给予。它源于你自己如何设计选择机制、如何积累遗传信息、如何让每次失败成为下次的输入。

所有人都将AI时代类比为寒武纪大爆发。但你要知道一件事：寒武纪大爆发之后，绝大多数早期的身体构型都未能存活。大量纲、属种灭绝了，连奇虾、欧巴宾海蝎那种长相古怪的演化分支都中断了。今天存续的动物门，是当时极少数挺过随后5亿年选择压力的幸运儿。

多样性爆发只是开场。真正决定谁能活下来的，是随后5亿年的选择。

寒武纪给我们的启示从来不是“大爆发等于机会”。而是“大爆发只是发令枪响，真正的赛跑才刚刚开始”。

所以最该警惕的，从来不是“我没赶上突变窗口”这件事。真正该警惕的，是另一种心态：“我以为身处大爆发就等于机会”。

回到那个早晨。

AI最大的礼物，不是让你成功。是让你能廉价地失败100次。

以前普通人一生能承受2-3次失败，现在能承受100次，也许1000次。失败不再是终点，而是中间状态。这种“可以身处失败之中而不被它毁掉”的能力，是过去所有时代普通人都未曾拥有的奢侈。

拿到这个礼物之后，还有一件AI无法帮你做的事。

将这100次失败，串联成一个能让你进化的系统。

否则，廉价的失败就仅仅是廉价的。

这件事最让我着迷的地方在于，它重新分配了“失败”这个词的重量。以前我们说“失败是成功之母”，那是一句安慰话——大多数人根本承受不起一次失败，更别提让它孕育出什么。现在我们或许第一次有机会，让这句话变成一个真正可执行的策略。

但策略和系统是不同的。

策略是你如何迈出下一步。系统是你如何让走过的每一步都为下一步铺路。

AI给了我们前者。后者，还得自己创造。