AI 让每个人都能写文章了，为什么值得读的反而更少了？

最近有朋友跟我聊一件事。

他说自己以前写一篇公众号文章要花大半天，现在用 AI，从选题到成稿一个小时搞定，一天能发三篇。但他发现一个奇怪的现象：发得越多，数据反而越差了。

我一开始以为他是在凡尔赛。后来看了他的后台才意识到，这不是个例，是趋势。

AI 把写文章这件事的门槛拉到了地板上。但恰恰是因为门槛消失了，大家开始面对一个以前不存在的问题：当所有人都能写的时候，写本身就不值钱了。

大家都在做的事，很难是护城河

先说一个不太舒服的事实。

如果你今天用 AI 写一篇"GPT-5 发布了意味着什么"，你可以在一小时内出一篇结构完整、论点清晰的文章。但问题是，另外五百个人也在同一个小时里做了一模一样的事。

而且他们用的是同一批模型，读的是同一堆新闻源，甚至连标题套路都差不多。

这就是生产力被拉平之后的真实处境：你的效率提升了，但你的竞争对手也提升了同样的倍数。大家一起变快了，等于谁都没变快。

所以"我用 AI 写文章比别人快"这个想法，在 2026 年已经不太成立了。这就像 2010 年你说"我会打字比手写快"，没错，但每个人都会打字了。

那真正值钱的是什么

我想了很久这件事。后来觉得可以拆成四个层次来看。

一篇文章的价值 = 选什么题 × 你知道什么别人不知道的 × 怎么表达 × 谁在说。

AI 把"怎么表达"这一层打到了接近免费。但其他三层呢？

如果一定要把这件事压成一句话，我的答案是：AI 时代内容的护城河，不是写得更快，而是更强的选题判断、独特知识、信任人格，以及能持续复利的积累系统。

选题判断。 AI 能帮你分析热榜，但它不知道你的读者上周刚看过一篇类似的。它也不知道这个话题在你的领域里是第一次出现还是第五次了。选题不是信息处理，是品味。

独特知识。 这是最容易被忽略的一层。AI 写东西靠的是公开数据的重新排列组合。如果你的文章里全是 AI 能从互联网上找到的东西，那读者为什么不直接去问 AI？你比 AI 多出来的那部分——亲手踩过的坑、对比过的工具、跑通过的流程、在实际场景里积累的判断——这些才是读者付出注意力的理由。

信任和人格。 当内容越来越多，读者的筛选成本越来越高。最终大家会倾向于只看"信得过的人"说了什么。这个信任不是一篇文章能建立的，是几十篇之后慢慢长出来的。而且它不可复制——你的名字就是你的名字，AI 生成不出来。

说白了，AI 是一个放大器，不是生成器。你脑子里有东西，它帮你高效表达，输出质量提升。你脑子里没东西，它帮你高效输出平庸。

发更多的文章 vs 让每篇文章长出根来

我见过两种用 AI 写内容的模式。

第一种是 一次性模式。每次写文章，打开对话框，给一段 prompt，生成一篇，发布，结束。下次写另一个话题，重新来。每篇文章之间没有关系，写完就沉底了。

第二种是 积累模式。每次写文章的过程中，做的研究、查的数据、形成的判断，都会被整理成可以复用的东西。下次再碰到相关话题的时候，不是从零开始，而是站在上次的肩膀上往前走一步。

大多数人在用第一种方式。这不是他们不想积累，而是 AI 的使用习惯天然就是一次性的——对话结束，上下文就消失了。

但真正能拉开差距的是第二种。

打个比方：同样写了 30 篇关于 AI 工具的文章。第一种模式写完 30 篇，你有 30 篇独立的文章，彼此之间没有联系。第二种模式写完 30 篇，你有一个关于 AI 工具领域的结构化知识库——哪些工具试过了，哪些坑踩过了，哪些趋势追踪了三个月，哪些判断被验证了或推翻了。

第 31 篇文章的深度和速度，两种模式会完全不一样。

这就是复利。写作的复利不在于发更多，在于让每一篇都让下一篇更好。

我自己的体感也是这样。AI 确实让我写得更快了，但真正拉开差距的，从来不是生成速度，而是我有没有把上一篇文章查到的东西留下来。前者是效率，后者才是资产。

Karpathy 最近说了一件相关的事

最近 Karpathy 把这种思路起了个名字，叫 LLM Wiki。

说人话就是：别让 AI 每次都从零开始，把研究过的东西沉淀下来，让下一篇站在上一篇上继续写。

我觉得这个思路对写内容的人也完全适用。

你写过的每一篇文章，做过的每一次研究，都应该变成你的知识系统的一部分，而不是消散在聊天记录里。这样当新热点出现的时候，你不是在跟所有人一起从同一条新闻开始写，你是从自己积累了三个月的领域认知开始写。

起跑线就不一样。

那具体该怎么做

我不想讲得太抽象，说几个我觉得实际能做的事。

第一，给自己建一个"已知清单"。 不用多复杂，甚至就是一个 markdown 文件。每写完一篇文章，固定记 3 件事：这篇文章确认了什么事实、你自己的判断是什么、下次还能复用什么素材。下次写相关话题的时候先翻一遍。

第二，别只做去重，做知识连接。 很多创作者有选题去重的习惯，避免重复写同一个话题。这没错，但不够。你还应该知道"我在这个领域已经积累了什么"，这样你能判断一个新话题到底是重复，还是可以在旧认知上做增量。

第三，让 AI 帮你做整理，而不只是帮你做生成。 大部分人只用 AI 来写。但 AI 其实更适合做那些你不愿意做的苦力活——整理引用、梳理时间线、对比数据、归纳矛盾。这些工作做好了，你的每一篇文章才有可能比上一篇更深。

第四，有意识地把"写过的"变成"知道的"。 写完一篇关于 AI 安全的文章之后，你是"写过 AI 安全"，还是"理解 AI 安全"？区别在于，你有没有把研究过程中积累的认知结构化地留下来。如果只是写完就忘，你其实和没写过差不多。

这件事为什么现在特别重要

因为我们正好处在一个窗口期。

AI 写作工具刚刚普及到大多数人都能用的程度。大部分人还停在"用 AI 提速"的阶段——发更多、写更快、追更多热点。

但用不了多久，所有人都会发现一件事：速度拉平之后，效率不再是差异化的来源。到那时候，决定谁能留下来的，不是谁发得多，而是谁在这个过程中真正积累了别人替代不了的东西。

AI 内容越泛滥，深度反而越值钱。这是一个反直觉但正在发生的事。

所以我的建议是，别急着用 AI 发更多文章。先想清楚：你每写一篇，到底在消耗时间，还是在积累资产。

如果答案是消耗，那发得越多，离出局越近。

如果答案是积累，那时间会站在你这边。

你写完一篇文章之后，会把研究留下来，还是发完就结束？