别再造SaaS克隆了:用AI构建解决稀缺与腐败的系统

一位开发者呼吁将AI创造力从SaaS克隆转向解决稀缺与腐败的社会性系统构建。
这篇文章围绕一个被忽视的核心问题展开:当生成式AI让编码成本趋近于零,大多数新项目却仍在复制已有商业模式。作者提出四个"反主流"构想——用零知识证明实现创意确权、构建互助供需匹配平台、建立企业间发票净额结算工具、以及设计AI辅助的新型治理框架。其中,作者对AI介入治理的两种模式做出重要区分:AI作为辅助评估工具与AI作为制度设计者、但由人类执行之间存在本质差异。文章最终指向一个结构性判断:技术能力民主化之后,真正的稀缺不再是写代码的能力,而是提出正确问题的眼光和将社会性难题转化为可运行系统的制度想象力。
一个被忽视的提问:AI应该用来做什么?
在Reddit上,一位开发者发出了带着怒气的呼吁:我们能不能停止制造无止境的电子游戏克隆品和数以亿计的重复SaaS应用,转而去构建那些真正能把人类从稀缺与腐败中解救出来的系统?
这个问题刺中了当下AI浪潮的一个尴尬现实。当生成式模型让"写代码"的成本趋近于零时,绝大多数新项目却仍在复制已有的商业模式——又一个待办清单应用、又一个订阅制工具、又一个换皮的游戏。技术能力的爆炸性增长,并没有带来问题领域的拓宽。
这位作者的立场很明确:如果我们想避免他所称的"黑暗路径"(Dark Path)——一种AI所有者占有一切、普通人像17世纪农民一样劳作的技术专制社会,那么现在就需要提出并构建不同类型的东西。
四个"反主流"的项目构想
作者分享了几个自己正在思考的项目,它们的共同点是都试图解决制度性或结构性问题,而非制造又一个消费级产品。
Shower Thoughts:让灵感可被确权
第一个工具叫"Shower Thoughts"(淋浴时的灵感),让人们上传随手产生的念头——那些可能有用也可能毫无价值的想法,由AI进行评分。更有意思的是技术设计:作者提出用零知识证明(ZKP)代币来实现想法的归属与所有权确认。
这个构想触及了一个长期难题:创意本身难以确权。谁先想到的?想法被采用后如何归功?引入ZKP意味着可以在不暴露想法全部内容的前提下证明"我在某个时间点拥有过它",这是一种对知识产权底层逻辑的重新设计。
零知识证明(Zero-Knowledge Proof,ZKP)是密码学中的一种协议,允许一方(证明者)向另一方(验证者)证明某个陈述为真,而无需透露除"该陈述为真"之外的任何信息。在创意确权场景中,这意味着创作者可以在不公开想法具体内容的前提下,向系统证明"我在某个特定时间节点持有这个想法",并生成一个不可篡改的时间戳凭证。这与区块链的哈希存证类似,但ZKP更进一步——哈希存证仍需最终公开原始内容以完成核验,而ZKP理论上可以实现"无需披露即可验证"。这对知识产权保护的意义在于,它将"先发权"的举证成本大幅降低,同时避免了公开披露带来的"想法被抄走"风险。当然,技术可行性之外,这类系统还面临法律认可度、链上数据持久性等现实挑战。
Civil Good:供需匹配的互助平台
第二个项目是连接"需要帮助的人"与"有空闲时间和能力去帮忙的人"的平台。作者坦承它还需要安全机制——这恰恰是这类善意平台最难的部分:如何防止被滥用、如何建立信任、如何保障线下见面的人身安全。想法本身不难,难的是把它做成一个不会被恶意利用的系统。
发票净额结算:给企业间债务做"减法"
第三个构想最具实操价值。设想50家公司之间互相拖欠货款,形成了一个巨大的资金循环流动。传统做法是每家都真金白银地付出去再收回来。而净额结算(netting/equalisation)的逻辑是:先把所有"欠"与"被欠"的循环关系抵消掉,只结算最终的净额。
这其实是现实中已存在的"多边净额结算"思路,但面向中小企业的轻量化工具仍然稀缺。它能显著降低企业的现金流压力,减少对短期融资的依赖——一个朴素但可能影响深远的效率优化。
多边净额结算(Multilateral Netting)在传统金融体系中已有成熟应用,主要存在于银行间清算(如SWIFT系统的净额批量结算)和大型企业集团的内部资金池管理中。其核心数学逻辑是将一个有向图中的债务循环识别并消除,将O(n²)量级的双边支付压缩为O(n)量级的净额支付。举一个简化例子:A欠B 100元,B欠C 80元,C欠A 60元,通过净额结算,三方只需A向B支付40元、B向C支付20元即可完成所有清偿,而非三笔独立转账共240元资金流动。这类机制对中小企业的实际价值尤为突出:中小企业往往没有充裕的授信额度来平滑应收账款周期,资金占压直接威胁经营安全。目前面向中小企业的轻量化净额结算工具确实稀缺,主要障碍在于参与方的信任协调、法律效力认定以及多方数据接入的标准化问题。
新型治理框架:AI作为评估者还是设计者
最后,作者还写了几篇关于新型治理框架的文章,意图替代他眼中腐败的政治制度。他区分了两种AI角色:一种是让AI作为部分评估者、研究或建模助手;另一种更激进——让AI设计出一套制度,然后由人类独立手动运行。
这个区分值得玩味。它反映了对AI介入权力结构的两种态度:一种保留人类的最终决策权,AI只是工具;另一种则让AI承担制度设计,但刻意把执行权留给人类,以避免算法直接统治。
技术平权之后,真正的瓶颈是什么?
作者自己点出了一个关键矛盾:这些项目都还没有公开发布,而且"任何人用Opus和Astra几乎都能瞬间vibe-code出一模一样的东西"。
这句话揭示了一个深刻的转变。当编码能力被大模型普及后,"能不能做出来"已经不再是壁垒。真正的瓶颈从技术实现转移到了别处:选择做什么、如何设计激励机制、如何应对现实世界的安全与信任问题、如何让一个善意系统不被资本或权力俘获。
换句话说,稀缺的不再是写代码的手,而是提出正确问题的头脑,以及把社会性问题转化为可运行系统的制度想象力。
"Vibe coding"是近期在开发者社区流行的一个非正式术语,指借助大语言模型(如Claude Opus、Google Astra等)以高度自然语言驱动的方式快速生成可运行代码,开发者更多扮演需求描述者与验收者的角色,而非逐行编写者。这一范式的普及使得原型开发的时间成本从数周压缩至数小时,进入门槛显著降低。作者用这个词来强调:一旦某个产品构想被公开,任何有想法的人几乎可以立即复现其技术实现。这从根本上改变了"先动优势"的来源——在代码可以瞬间生成的时代,护城河不再来自技术实现能力,而来自对问题的深度理解、社区信任的积累、以及设计出抵抗滥用的激励结构的能力。
一个值得认真对待的呼吁
抛开其中理想主义甚至乌托邦色彩的部分,这篇帖子的核心主张站得住脚:技术能力的民主化本应打开解决大规模社会问题的窗口,但资本的引力让绝大多数创造力继续流向最容易变现的方向。
帖子中提到的几个方向——创意确权、互助匹配、企业间债务净额结算、AI辅助治理——未必都成熟,但它们代表了一类被严重低估的问题空间。在人人都能快速构建应用的时代,真正的差异化或许不在于技术栈,而在于你是否愿意把算力对准那些难做、难赚钱、却真正重要的问题。
相关推荐

Workbuddy零基础入门:桌面AI智能体如何落地工作流
Workbuddy桌面AI智能体零基础教程解读:从安装、积分领取到文件管理与自动化工作流搭建,对比CodeX的适用场景与成本差异,帮助职场人完成从AI提问者到AI管理者的思维转变。

OpenAI智能体新栈:计算机操作、决策API与超速工作流
OpenAI Dev Day发布智能体新栈:Computer Use操作速度超越普通人,Decisions API基于Luna实现极低延迟分类,Agents API开放同源计算机操作能力,GPT-6.1 Sol成本仅为Astra七分之一。本文梳理核心更新、实测数据与开发者落地要点。

梁文峰开源推理框架DeepInfo,硬刚美国禁令
DeepSeek在开源模型后再开源推理框架DeepInfo,包含GPU/CPU交叉流水线、小模型预判大模型复核、华为昇腾与英伟达芯片全面适配等技术,直面美国联邦禁令。本文解析其对AI产业落地的意义与开源策略。