私人订制

「坏 AI，使人笨！」作者｜张勇毅编辑｜靖宇「AI 用多了，人会不会逐渐变笨？」这应该是过去三年被讨论最多的一个迷思之一，从 ChatGPT 走红那天就有。吵了三年多，两边都拿不出像样的证据：担心的人只有体感，不担心的人只有立场。8 月 18 日，《经济学人》给这场争论补上了迄今最硬的一份证据。这个店铺未来的结局却只有2种：成功起店或者最终闭店。报道的主角是 2.7 万名中国中学生。    什么是成功起店呢？要么有单量了，要么有利润了，店铺有盼头了就是成功起店了。而最终闭店的呢，无一例外，没单或者不赚钱，最终选择了闭店，眼不见心不烦。    我做拼多多这么多年，接手过数不清的店铺，做起来的不少，没做起来的也有那么一些。俗话说：前事不忘，后事之师。用上 AI 之后，他们的作业分数平均涨了 18%，写一份作业的时间从 64 分钟缩到 45 分钟。

C |     不管是做起来的店铺，还是没做起来的店铺，但凡有了最终结果，咱都会做以分析总结，比如这个店做高价做起来了，怎么做起来的。这个店卖价那么低了，竟然没做起来，是什么原因导致的。    正是因为有了这些经验教训，我做代运营，每当接手一个新店时，就会自动的将其与过去接的店铺做匹配，看这个店属于哪一类，应该采用哪种店铺模型能做起来。

D | 今天我就把我成功起店的几种模型，也就是底层逻辑，简单的跟大家分享一下。

E | 到这里全是好消息，直到月考卷子发下来：闭卷考试里，这批学生的成绩比不用 AI 的同学低了 20%。作业分曾是最可靠的「晴雨表」：作业越好，考试越好。    01    不同店铺不同的起店模型    以我目前接的店铺为例，咱们所有做拼多多的，不管是厂家还是代理，不管是自研还是贴牌，所上的链接可以分为8种类型：品牌和白牌的高客单高利润，高客单低利润，低客单高利润，低客单低利润。而在用 AI 的学生中间，作业分越高，基本等于 AI 用得越深。于是曲线变成了：用得越狠的孩子，考试跌得越惨。

F | 作业分，第一次开始撒谎。

作业分超过 100 的人之中，不用 AI 的人分数上涨到了 112，用 AI 之后一路跳水到 64。    这里高客单和低客单是按产品卖价来分的，我认为的高客单就是单价在七八十以上的，剩下的就是低客单。而同样的客单价为什么会有高利润和低利润呢？比如高客单的低利润怎么解释？因为我做过哇。

G | 成本90的品，我卖价100块，这不就是低利润吗？    链接本身的4种类型，加上品牌与白牌的区分，衍生成8种类型，就会使得我们在起店的过程中，由于起店模型不匹配，导致起店不成功。    我举几个最近接的产品为例：一个品牌防晒霜，一个白牌香水，一个源头水果，一个品牌3C数码。｜图片来源：经济学人《经济学人》的数据底稿，是斯德哥尔摩大学和香港大学三位经济学家 6 月挂出的论文，标题就叫《生成式 AI 学习惩罚》。

《生成式 AI 学习惩罚》｜图片来源：SSRN样本来自中国中部一个县，人口超过一百万。论文特意强调它的普通：像沿海之外的大多数中国县城。品牌防晒霜属于低客单，白牌香水属于低客单，源头水果也是低客单，3C数码高客单。3个低客单，1个高客单，但是利润就不一样了。26811 名初高中生，5 所初中、4 所高中，装下当地九成中学生，从 2022 年 9 月跟到 2025 年 6 月，整整 30 个月。这个县的作业在线上提交，系统记下每个人的用时；月考、中考、高考的成绩都进数据库——写多快、考多好，第一次成了直接测量的硬数据。利润有多少呢？这个就是我来定的了。    因为定价决定玩法，玩法就是起店模型，定价对了，玩法对了，起店模型对了，才能成功起店。

H | 谁在用 AI，则来自回收率超过 96% 的全员问卷。2022 年 9 月，用 AI 的学生几乎为零。到 2025 年 6 月，这个数字是 80%。这条曲线有两次明显跳升，分别踩在 DeepSeek V2.5 和 R1 的发布点上。

I | 工具全是熟面孔：豆包、DeepSeek、文心一言、通义千问。

J | 就说品牌防晒霜，由于官方控价，有个统一指导价，毋庸多言，直接玩强付费。

采纳曲线的两次跳升，都踩在 DeepSeek 发版上｜图片来源：CEPR结论就是开头那组数字：作业 +18%，用时 −30%，月考 −20%，相当于 1.4 个标准差。惩罚在各科并不均匀：社科类最重，跌 27%；数学 22%；英语 17%；语文最轻，9%。初中生比高中生惨四成，男生比女生惨。看来变笨这件事也不优待聪明人：恰恰是原来成绩最好的那批孩子，跌得最狠。这种起店模型，就是低价高利润+强付费。

K |     我接手的非源头品牌类的商品都是这样起店的，想换个思路，玩低利润，不好意思，没跑通，直通车没有空间去烧，低价还拿不到单量。

L |     在说白牌香水，这个品不控价，成本低，可操作空间就大了，有高利润+强付费，低利润+微付费，低利润+自然流，三种起店模型可以选。    选哪个呢？很好理解，排除法，低利润+自然流的直接剔除，因为市场容量不大，玩不了自然流。

M | 那就只能在强付费和微付费两种起店模型里面去选了，两种方式我都试过，跑出来的效果确实不一样。升学考试的账要算得更小心。6 月底这项研究在中文互联网刷屏时，传播最广的说法是「中考暴跌 24%、高考暴跌 18%」。论文里的原意克制得多：这是用满两年以上学生的完整惩罚，全体 AI 用户的平均效应只有 7% 左右。但这份「克制」本身才是更坏的消息：惩罚需要两年才长满。    再说源头水果和3C数码，这2个类目的体量和价格完全不一样，成本也不一样。

N | 起水果用的是哪个模型，限额+自然单。3C数码呢，还是常规玩法：强付费。作者们专门点了一句，眼下那些几星期、几个月的短期研究，都在系统性低估 AI 的学习成本。    这只是随便举的几个店铺例子，实际我们接的品可是五花八门的，品不一样，市场容量不一样，产品成本也有高有低，我们就会根据体量+成本+商品属性，来判断用怎样的起店模型来起。01消失的模范生这项研究 6 月刚出现时，英文讨论中其实还有一个安慰性的结论：有两成学生用 AI 但不外包作业，成绩没受损。所以问题不在 AI，在用法。论文确实说了前半句。它给「外包」下了一个数值上的定义：作业用时少于 50 分钟算「内包」，少于 45 分钟才算是真「外包」。    经验只会提高把一件事做成功的概率，最终能不能起店成功，还有很多其他因素会影响结果。就比如通过最近起的同品多店来分析，我就发现了，新店和老店的权重不一样，有数据的老店和没数据的老店权重不一样。因为同样的素材，在有的店里死活没数据，换个店去推，竟然能爆单，你猜这是啥原因呢？    02    起店模型的测试之路    看上面说的结果感觉拼多多起店好像很容易，找对了起店模型，起店应该会很轻松吧。刚开始用 AI 的学生里，外包的占 58%。

o | 对对对，就跟迷宫一样，找到出口了走出迷宫自然是很容易的。而那些照常花时间写作业、只拿 AI 当家教的孩子，考试成绩和不用 AI 的同学几乎没有差别。论文甚至发现，在 50 到 65 分钟的重叠区间里，两类孩子花同样的时间，考出几乎一样的分数。    但问题的难点就在于：这个店铺在你手里，你怎么知道哪个起店模型能跑的通呢？这就需要来测了，而这个测试过程才是真正折磨人的。

p |     再举一个例子，我们接的某入口类的吃的品。AI 本身不带毒性，毒性全在省下来的那段时间里。成本一般，我们就想着，市场不大，那就玩强付费，预计也能拿到些单量。如果论文停在这里，它就是一篇「工具无罪、用法有罪」的标准论文。但论文其实更深一步地探讨了这个问题：用满 5 个月之后，外包的比例从 58% 涨到 81%，完全外包从 34% 涨到 50%。然后做了三十条链接，玩强付费开车，结果咋样。一周了，店铺就出了几单。    这样下去可不行哇，没办法跟甲方交代，一个是单量少，二是每天空烧把投产比都烧到了1以下了。那批花 65 分钟以上认真写作业的「模范用户」，全部是刚上手不到 5 个月的新手。以及采纳满 6 个月之后，没有一个 AI 学生的作业用时还超过 65 分钟。

q | 要赶快的调整策略，咋做呢？那就玩低价微付费了，咱们价格降了还怕没单吗？说干就干，第二批三十条链接又上架了，这已经是2周后了。

r |     上架之后继续开车，按保本投产比开，怎么说呢，要说没单吧，每天也能稳定出个几单，要说爆单吧，就跟站在地球看月球似的，感觉十分的遥远。    这样也不行，那怎么办？单链接限额亏损拉权重，玩低利润强付费。

s | 用这种方式，又过了半个月，总算做到单量单日破百了，且是亏钱的。至于盈利嘛，反正3个月之后拖价成功，目前已经开始盈利了。

t | 26811 人的样本里，「好好用 AI」不是一种稳定的用法，是一个维持不到半年的过渡状态。论文作者的解释很短：AI 挤掉的，是强度最高的那部分努力。

用满六个月后，65 分钟以上的区间空了｜图片来源：CEPR它不是又一篇「AI 让成绩变差」的论文，它是在撕掉一个安慰的遮羞布：只要教会孩子正确使用，一切都会好起来。    为什么要举这个例子，因为他的结果是好的，就跟大团圆的电视剧一样，这个店铺从一开始的起不来量，到最终盈利，圆满了。看到没，起店模型的测试之路是不是十分的坎坷。数据给出的回答是，没有人能一直正确使用：毕竟作业分在涨，家长在群里点赞，老师看到的提交记录越来越整齐。    如果最终拖价导致没单了，说明限额亏钱拉权重的起店模型也跑不通，那我们就要继续去测其他起店模型了，这就是我们做拼多多每天做的最多的事，测！测！测！    03    最后    能够快速的测通起店模型是一件幸事，我们接的一半的店铺一开始就跑通了，做起来也轻松。每一个反馈都其实都在潜移默化中，形成一个畸形的激励机制：你做得很好，再快一点也没关系。

u | 02大人的考场看到这里，这个研究似乎跟传统我们理解中、大脑已经发育健全的成年人关系不大。还有一半店铺真的要花时间去测，如果要测价格带，那个周期会更久，不是我们上链接慢，是系统修正人群至少1周时间，还有换品来推的，那个人群修正的周期就更更久了。    要说拼多多起店成功率能不能做到100%呢？我觉得能。但要加一个前提条件，有充足的时间来测。

v | 一周跑不通，那就跑一个月，一个月跑不通，那就跑一年，一年不行，就五年。    那么问题来了，有哪个老板会给大家五年的时间去起店？所以，才会出现最终闭店的情况。但同样的曲线，过去一年多，在成年人身上已经画了四次。那么，终极问题来了：如何最短时间内找到适合你们品的起店模型呢？    作者：老虎讲运营，运营书籍《全栈运营高手》作者；电商运营推广大牛，千万流水项目操盘手，多平台专栏作家，专注产品运营与推广，擅长品牌打造和爆款链接制造，号称电商运营界扛把子。《柳叶刀·胃肠病学和肝病学》去年 8 月发表了一项波兰研究：四家内镜中心的 19 名资深医生，人均做过 2000 例以上肠镜，用了几个月 AI 辅助检查之后，回到没有 AI 的状态，腺瘤检出率从 28.4% 掉到 22.4%，相对下降 20%。和中学生的月考，同一个数字。

w |

            

申请创业报道，分享创业好点子。这是医学界第一次在真实临床里测到「用 AI 之后，人的手艺生疏了」，主角还是这个星球上最不该被怀疑基本功的一群人。第二次在写作者身上。

x | 麻省理工媒体实验室去年 6 月的脑电实验里，54 名学生戴着电极帽写作文。点击此处，共同探讨创业新机遇！。用 ChatGPT 那组的神经连接强度垫底，比纯靠自己写的那组最多低了 55%；写完不久，83% 的人连自己文章里的一句话都复述不出来。研究团队给这个现象起了个名字：认知负债。

y | 第三次在办公室里。

z | 微软研究院和卡内基梅隆大学去年调查了 319 名知识工作者，结论一句话就能说完：对 AI 输出越有信心的人，自己动脑核查的投入越少。第四次在程序员身上。研究机构 METR 去年的对照实验里，资深程序员用上 AI 实测变慢了，自己却觉得快了 20%。今年 2 月它想复测，没做成，原因写在报告里：大多数开发者已经拒绝在没有 AI 的情况下工作。

| 和那个再也没人肯花 65 分钟写作业的教室，一模一样。

脱离 AI 之后，检出率没有回到从前｜图片来源：METR临床、脑电、问卷、对照实验，四次预警说的是同一件事：AI 在场，产出变好；AI 离场，能力变差。回到开头那个吵了三年多的问题。这些研究给出的答案，比一句「会变笨」更难受：AI 没有降低任何人的智商，它是把「变聪明」的那道工序抽走了。分数照涨，产出照交，只是那份本该在 64 分钟里长出来的能力，没有长。认知科学管这个叫「认知卸载」：把本该在自己脑子里跑的过程，交给外部工具。卸载不新鲜，计算器和导航都是。

| 新鲜的是位置：AI 接走的不是运算和记路，是打草稿、试错、推演，恰好是心智模型长出来的那道工序。落到日常工作上，这变化听着甚至像升级：从「写代码」变成「审代码」，从执行者变成把关人。但把关的前提，是脑子里有一份自己的底稿。没亲手推演过的人，审的其实是个黑箱，AI 的逻辑链一旦错在深处，他连该从哪里起疑都不知道。学生的版本更简单：作业是草稿，考试是 Debug。草稿外包出去，Debug 那天就露馅。区别只有一个。

| 学生每个月都有一场闭卷考试，把这条曲线摆到台面上。而大多数成年人的工作，没有月考。论文的最后留了一点余地。把时间拉长看，AI 学习惩罚正在收窄：同样用满 5 个月，2023 年初的学生平均损失 25%，2025 年 6 月只有 16%。

同样用满 5 个月，惩罚从 25% 收窄到 16%｜图片来源：CEPR师生在适应，工具侧其实也有人想办法，比如逼 AI 给答案时同步展示推演过程。但按作者们的判断，损失在变小，却没有归零的迹象。

| 9 月 1 日开学。全国的教室里，这场 26811 人的实验，会以更大的样本重跑一遍。

| 以后看到孩子的作业天天 100 分，也许得先问一句：这 100 分是孩子挣来的，还是豆包挣来的。