外观
当 AI 运营团队普及，市场竞争的稀缺资源是什么？
小组作业一 · 提交稿
信息系统与信息资源管理 · 2026 年 10 月
一、两道问题的直接答案
问题一：运营效率和内容产能的优势是否被拉平，真正的护城河是什么？
我们的答案是：对平台流量型商家，拉平是真实且迅速的。运营效率和内容产能从胜负手降格为入场券，稀缺性迁移到注意力、信任、判断和履约。真正的护城河是买不到、只能积累的资产，包括分发权、客户信任、独占供给、专有数据和判断力。但小商家并非同一种生意，位置型与供给型商家的原有壁垒基本未被触及，必须分生态位讨论。
问题二：市场竞争的底层逻辑是否变化，企业如何应对？
商业本质没有改变：发现真实需求，以可接受成本交付价值，在长期交易中积累信任。AI 改变的是瓶颈的位置、成本结构、人机分工和平台约束。企业应识别瓶颈，重构建议级、执行级和人审级的分工，并把节省的资源投入只能积累的资产。AI 是放大器，不是均衡器。
二、先问是不是：小商家的四类生态位
“小商家”只是体量描述，不是一种生意。街边店、批发商、内容电商与独立开发者的优势来源不同。一个商家可以同时占多个生态位，本文按其主要瓶颈归类。
| 生态位 | 主要优势 | AI 冲击及护城河方向 |
|---|---|---|
| 平台流量型 | 内容产能、投放效率、选品 | 冲击强；产能变廉价，注意力、信任与选品判断更稀缺 |
| 位置型 | 位置、口味或商品、熟客信任 | 冲击弱；营销提效无法替代物理位置和真实体验 |
| 供给型 | 货源、成本、账期、履约 | 冲击中等；执行环节改善，供给条件与合作关系仍是壁垒 |
| 专业服务型 | 专业知识、判断、口碑 | 冲击强且矛盾；知识加工商品化，判断、担责与信誉更重要 |
题面四个案例集中展示平台流量与内容能力，因此下文重点分析流量型与专业服务型。对街边店和供给型商家，护城河可能从来就不在内容产能。
供给型的例子包括：蜜雪冰城 2025 年营收 335.6 亿元、净利润 59.3 亿元、全球门店近 6 万家，其收入基本来自向加盟商销售商品与设备；拼多多同期营收 4318 亿元、研发费用 165 亿元，并明确“重仓中国供应链”。本文据此强调，供给与渠道这类无法被工具复制的资产，仍是企业投入和竞争的重点。[5]
三、约束理论：工具普及不等于优势普及
约束理论提供了统一的解释：选题、内容、投放、履约、售后和复购构成经营链，系统产出上限由最紧的瓶颈决定。[2] AI 把内容生产、投放操作和标准客服的成本压低，却不保证整条经营链的产出同步增加。
用一个示意性假设说明：流水线上一个人的效率提升 800%，整条流水线的产出未必提升 8%；如果瓶颈在其他工位，局部提速无法解除系统约束。反之，AI 恰好作用于瓶颈时，产出会跳变。这组数字是说明机制的假设，不是测量结果。
因此，问题不能停留在“用了多少 AI”，而要追问“改善发生在哪个环节”。TOC 管的是改善位置；非瓶颈环节省下的人力与出错损失，扣除工具成本后仍可能形成净收益，只是不改变产出上限。
这与课程中的组织和流程互补相接：技术方案必须嵌入业务，工具安装并不等于组织能力形成。诺兰模型提示，从引入和传播走向数据管理，需要统一指标、数据留痕和持续复盘。工具可以很快装上，组织能力的固化则是月级到年级的过程。壁垒在阶段跃迁速度，不在拥有工具本身。[2]
四、四个题面案例与一个反向提醒
小红书 AI 小店：内容成为注意力的解。 题面中，李婉如借助生成内容获得单篇 223 万浏览、超过 3 万笔订单，六天盈利超过 40 万元。[1] 在本文框架中，爆款恰好解除零粉账号“被看见”的约束。但浏览是一次性流量，订单之后还有履约、退换与留客，后续经营依靠选品和真实交付。
车达三明治：改善恰好匹配可见瓶颈。 题面给出的结果是粉丝从不足 100 增长到 8548，并盘活生意。策划、设计和内容提升了表达与曝光。本文将“表达不行”理解为主要瓶颈之一；题面未提供定价、成本和经营计划各自的作用。反过来说，如果产品本身不行，AI 只会给烂产品加速曝光。
青松机器人：平台把执行能力基础设施化。 素材制作、投放托管、客户承接和线索跟进成为中小商家可以直接获得的能力。平台称之为“投放平权”。当投放不再是差异点，竞争就被挤到下一层，即产品与交付。平台把能力做成工具的那一刻，该能力就不再是壁垒。
小猫补光灯：AI 解除实现障碍，判断决定做什么。 对不会写代码的创业者，开发实现曾是约束，AI 恰好解除它。题面描述其一小时生成应用、上线登上付费榜第一。本文的解释是，需求洞察与先发窗口决定付费理由，AI 则把“能做出来”变便宜，让“做什么、做多快”更值钱。
北邮饺子馆：注意力暴涨不等于瓶颈解决。 北邮饺子馆开源 Skill 的公开报道带来 2.1 万次转发。对位置型生意，本地转化半径不因全国转发自动扩大，经营效果目前未知，不能把热度直接当作收益。位置、口味和翻台效率仍可能是主要约束。这是反向提醒：注意力事件落在非瓶颈环节时，可能只是宣传，而非竞争力。[6]
五个案例没有一个能由 AI 单因素解释。关键变量分别是选题判断、约束匹配、平台卡位、需求洞察以及本地履约条件。AI 降低试错成本，让判断得到更快验证；它放大已有条件，不会平均分配经营优势。
五、护城河迁移到哪些稀缺资源
注意力决定分发。 内容与开发成本下沉，供给增加，顾客的注意力却没有同步增加。渠道与个人形象成为注意力过滤器。“酒香也怕巷子深”体现的是供给变化之后的竞争位置变化。
信任决定转化与复购。 AI 可以迅速生成表达，却无法用一次生成替代长期交易中的真实评价与履约记录。本文的精化命题是：AI 压缩了从想法到产品的时间，却没有压缩从产品到用户信任的时间。
判断连接选择与担责。 方案生产可以自动化，但判断什么值得做、什么应当停止，以及如何对结果负责，仍需要有信息、有权限、有能力的主体。判断力的稀缺，最终要落在制度安排和个人声誉上。
履约扎根于物理世界。 位置、货源、账期和交付确定性，不能凭一次生成获得。对位置型与供给型企业，这些资源原本就在构成优势；对流量型企业，它们决定注意力能否变成持续交易。
因此，运营效率与内容产能作为独立胜负手的时代结束了。对流量型商家，它们退为入场券；分发、信任、独占供给、专有数据和责任承担成为竞争重点。
六、商业本质不变，三个结构发生变化
不同战略学派对优势来源各有解释。本文采取的共同起点是发现需求、交付价值和积累信任。在这一前提下，AI 带来三个结构性变化。
第一，成本结构改变，瓶颈迁移。建议与执行变廉价，注意力、信任和判断更稀缺。企业不能继续把文案数量、工具数量当作优势本身。
第二，人机分工重排。题面的建议级、执行级、人审级，对应新的分工契约：AI 接管中间，人类守住前端定义问题和后端承担后果。工具输出越快，判断与纠错的组织安排越重要。
第三，平台约束改变经营边界。商家既与对手竞争，也与平台规则共同演化。底稿列示的小红书累计处置 80 万 AI 托管账号，包含限流、警告和封禁。它说明单靠铺量的路径受到平台治理约束，真实信息增量与合规成为门槛。[4] 企业需把平台规则视为经营条件，而不是内容生产之后才补上的环节。
七、红利归谁：红皇后困境与互补资产
大家都使用 AI，利润是否留在商家手里？未必。红皇后困境描述的是“人人都在跑，人人都在原地”：通用能力快速扩散后，企业必须跟进才能维持位置，但工具本身带来的利润趋近于零。
Teece 对技术创新收益归属的分析，为这个问题提供了互补资产视角。[3] 模仿壁垒下降时，红利会经竞争大幅传导给消费者；企业能否留住利润，取决于是否掌握渠道、品牌、数据和切换成本等互补资产。
所以，企业议价能力的判据不是“订阅了多少 AI”，而是“AI 之外握着什么”。私域、品牌、独占供给和长期客户关系，是工具普及之后仍能留下收益的条件。护城河不在 AI 里，在互补资产里。
八、OPC 扩张与个人、企业的边界
一人公司扩张面临两条路线。招人需要重新处理管理幅度、沟通和层级，层级增多会削弱“一人”的速度优势。扩展 Agent 可以扩大产能，但 Agent 是代码，也把产能建在对手同样能够复制的东西上。
出路回到只能积累的资产：Agent 可以复制，背后的成交记录、客户关系、品牌信任和独占资源却不能随之复制。扩张的载体是代码，壁垒的载体不是。AI 削弱了组织能力这一传统壁垒，数据、信任与独占资源成为扩张过程中必须守住的东西。
个人与企业的底层逻辑一致，都要区分生产率提高、相对优势和回报。差别在转化机制：雇员还要经过岗位、绩效与薪酬制度，自由职业者受到收费方式影响，企业则面对市场竞争与合作方议价。个人还要积累可迁移能力。一人公司连接两个层次，但个人提效之后，获客、交易、履约与收益留存仍需解决。
九、企业的三步应对
第一步，识别生态位与当前瓶颈。 把 AI 优先投向最限制产出的环节。瓶颈改善看产出能否跳变，非瓶颈自动化看节省的人力、差错损失与工具成本，用整体净收益决定是否投入。
第二步，按三层分级重构分工。 建议级与执行级尽量自动化，并沉淀标准流程。人审级保留，把判断权和纠错权明确到人。以统一指标、数据留痕和周复盘，推动工具使用变成组织能力。
第三步，把省下的资源投向只能积累的资产。 建立会员与私域，积累真实评价和履约口碑，把成交反馈用于选品，形成专有数据与专家判断体系。数据飞轮不以规模为前提，其含义就是“这单让下一单更准”。凡订阅制可以买到的能力，都不应成为企业唯一的优势依赖。
十、结论与待检验问题
本文以瓶颈迁移解释 AI 普及后的竞争变化：流量型与专业服务型的效率优势迅速拉平，护城河转向注意力、信任和判断；位置型与供给型继续依靠位置、货源、熟客关系和履约确定性。商业本质未变，变化的是约束位置及收益归属。
底稿还提出替换 AI 为传统外包、观察平台处置样本、比较同用 AI 的主体等反事实问题。这些是思想实验与待检验命题，不是已完成的实验。其用途是追问：如果工具被替换，或者判断、履约与真实信息增量缺失，结果是否仍然成立？
当 AI 让“做”变得人人都会，竞争就回到了“值得做什么”和“凭什么信你”。这两件事，一件靠判断，一件靠时间；而对街边那家小店，答案可能从来就没变过：位置、口味、熟客。
主要参考
- 《信息系统与信息资源管理》小组作业一：题面四个案例与建议级、执行级、人审级框架，2026。
- Goldratt, E. The Goal, 1984（约束理论）；课程中的诺兰模型、信息技术生产率悖论与业务流程融合内容。
- Teece, D. Profiting from Technological Innovation, Research Policy, 1986；Barney 等关于 AI 与持续竞争优势的讨论，MIT 斯隆管理评论，2025。书目信息沿用研究底稿。
- 科技日报，2026-04-27：小红书 AI 托管账号与造假笔记治理，沿用底稿累计处置口径。
- 蜜雪冰城 2025 年财报数据：华尔街见闻，2026-03-24；拼多多 2025 年财报与“重仓中国供应链”：新华财经，2026-03-25。
- 北邮饺子馆开源 Skill 公开报道，2026；tombkeeper 微博观察，2026。来源与引用口径沿用研究底稿。
思路来源与贡献
本文的瓶颈直觉、生态位前提质疑和“红利归谁”问题由作者提出，AI 协助理论化、结构化与文字整理。
- 刘洋：提供 RBV/VRIN 框架、壁垒阶梯、行业数据、蜜雪冰城和拼多多财报材料及落地方案思路；Teece 理论引用线索亦来自其材料。
- 林京：提供四个案例的外部信源核验、幸存者偏差分析、平台治理与一人公司数据、判断责任压力测试，以及“三个变化一个不变”等结构参考。
- 陈佳会：提供国家 AI 政策时间线、企业分类应对和合规治理视角。
- 注意力、信任、数据、判断与供给等护城河讨论，吸收了三位同学材料中的共同观点。北邮饺子馆和 tombkeeper 观察由底稿作者引入。