早上六点钟起床送娃上学，刷到两个东西就精神了：一个是号称"逆向一切"的 REA——能直接分析现有软件的代码和行为，尝试重建功能；另一个是 a16z 第七版《Top 100 Gen AI Consumer Apps》榜单。
用 REA 可以直接搞一个不用花钱的跟随鼠标自动放大缩小的录屏工具。而 a16z 的榜单则揭示了另一个趋势。
这两份材料放在一起，指向了一个非常重要的变化：未来最不值钱的，可能就是软件功能本身。最值钱的，是你能不能找到愿意持续使用、持续付费的人。
1. 用户量、产品热度和赚钱能力，正在成为三件不同的事情
一方面，AI 很火，使用 AI 的人越来越多。另一方面，真正掏钱的人还很少，而且钱高度集中在一小部分重度用户手里。
报告里付费用户的中位数每月消费约 25 美元，而花钱最多的 1% 平均每月花 903 美元。这意味着用户量、产品热度和赚钱能力正在分化。
2. 产品越来越容易复制，但用户没那么容易复制
REA 让 Agent 能研究已存在的软件，追踪代码和行为，分析实现细节，甚至尝试重建功能。Codex 等产品也在让开发变得越来越简单。
以前一家软件公司可能花半年做出来的功能，现在对于一部分功能，可能一个人借助 AI 就可以研究、实现、测试。单纯依靠功能形成的壁垒正在受到冲击。
复制了产品，却未必能复制它的生意。未来 AI 创业者最大的难题，不一定是怎么把东西做出来，而是做出来以后谁来用、为什么留下、凭什么付费。
3. AI 产品进入"易生产、难出头"阶段
a16z 连续做了七期榜单，最新这期只有 11 个产品首次上榜，创了七期以来的新低。原因有三：
- 头部产品迭代太快：你做一个特色功能，还没推广出去，ChatGPT、Gemini、Claude 就已经有类似功能了
- 用户不愿意安装太多软件：一个 ChatGPT 能完成十件事，用户为什么要专门注册另一个？
- 稀缺资源从开发转向分发：大家都能做，但没人知道你做了
AI 降低了创业门槛，却可能提高了创业成功的门槛。
榜单里有两个垂类值得关注：OpenEvidence（服务医生的医疗 AI，带文献引用的临床问答工具）和 Venice（隐私优先的 AI，不存储对话、更少审查）。这类产品不需要满足所有人，只需要足够好地满足一类人。
4. 真正赚钱的 AI 产品，可能根本不在流量榜上
AI 消费支出前 50 名中，29 家没有出现在网页流量或移动端用户量的头部榜单里。流量最大的产品，并不一定是商业价值最大的产品。
当 AI 直接参与生产活动，付费逻辑就改变了。花 20 美元买工具和花 200 美元购买生产力，完全不是一回事。AI 产品的商业价值，可能越来越取决于它离用户的收入有多近。
5. Agent 的商业模式：从卖软件到参与交易
a16z 报告用大量篇幅讨论个人 Agent，包括 OpenClaw、Dot、Muse、Instinct 等。这些 Agent 正在从回答问题变成代替用户执行任务。
比如 Instinct——一个没有独立 App 的个人 AI 助手，用户通过 iMessage、WhatsApp 或电话和它交互，它在后台帮你订机票、买东西、取消订阅。创始人 23 岁，公司估值从 25 亿美元飙到 100 亿美元。
过去软件的商业模式：用户 → 付费订阅 → 使用工具。未来某些 Agent 的商业模式可能变成：用户 → 提出需求 → Agent 执行任务 → 发生交易 → 平台获得佣金。
6. AI 时代小公司最值得拥有的不是代码，而是用户关系
可以概括为三个方面：
- 拥有特定人群：不是人人都需要你的产品，而是一类人离不开——搞 AI 的、医生、教师、跨境卖家
- 拥有真实的业务场景：深入一个场景，知道用户每天干什么、哪里最麻烦、什么值得付费
- 拥有自己的分发渠道：公众号、社群、SEO、短视频、垂直社区
过去是先有产品再找用户，未来很适合小团队的一条路是：先找到用户，再用 AI 快速生产产品。
7. 拿 REA + a16z 榜单直接实践
报告覆盖了 AI 语音、图片处理、开发工具、教育应用、医疗信息服务等垂直方向。可以寻找：
- 海外已验证需求，国内还没有合适解决方案的细分场景
- 大产品提供了很多功能，但特定用户只需要其中一个功能的场景
- 用户已经愿意付费，但现有工具太复杂、价格太高或本地化不好的场景
把榜单当作需求雷达，而非商机清单。
8. 结论
- AI 创业越来越像生意创业：技术依然重要，但决定性因素变成发现需求、拿到用户、控制成本、让用户反复付费
- 抄产品容易，抄商业模式难：你可以复现界面与交互，但无法复制品牌、用户习惯、合作关系和长期积累的数据
- 最好的小产品不一定是最先进的：而是让一小群用户觉得"这东西实在太适合我了，我不想换"
这也恰恰符合 a16z 总结的垂直产品机会：拥有特定用户群、拥有独特体验、拥有差异化能力。
