AI观察 on Zampo Blog

AI 无脸赛道盘点：最便宜的不是工具，是模板

Fri, 15 May 2026 17:12:00 +0800

一颗菠萝站在手机屏幕里，对着麦克风讲健康知识。

镜头一切，破旧毛坯房在几秒钟内变成样板间。再一切，古代战场、魔术反转、卡通小剧场，全都不用真人出镜。

这就是最近海外 YouTube 教程里反复出现的“AI 无脸内容”。

很多人看到这里，第一反应是：是不是又来了一个低成本赚钱风口？

我更愿意把它反过来看。

AI 无脸内容不是一个赛道，而是一套内容工厂方法。

重点不是“AI 能不能生成视频”。这件事已经没那么稀奇了。

变化在于：创作者开始把短视频拆成一条可复制的流水线——角色、脚本、画面、配音、剪辑、发布，每个环节都能模板化，每个模板都能反复测试。

工具越便宜，模板越值钱。

这波“无脸内容”，到底在拼什么

过去做内容，露脸是一种信用，也是一种成本。

你要有镜头表现力，要拍摄，要剪辑，要稳定更新。哪怕只是拍一个知识类视频，真人出镜也意味着灯光、场景、表达、时间管理。

无脸内容把这套成本绕开了。

但它不是把成本消灭了，只是把成本换了地方。

以前成本在拍摄现场，现在成本在模板设计；以前成本在真人表现，现在成本在角色一致性、选题包装、脚本密度和分发测试。

所以这篇不聊“怎么用 3 个免费工具躺赚”。这种说法听起来爽，但容易误导。

更该看的问题是：海外教程正在把 AI 视频拆成哪些可复制工序？中文市场跟进到什么程度？普通创作者如果想试，边界在哪里？

我把这批素材拆下来，能看到 5 个相对清晰的方向。

赛道一：会说话的水果，最轻，也最容易过热

这是最容易被普通人看懂的一类。

一个水果、蔬菜、饮料瓶，长出眼睛和嘴巴，开始讲健康知识、情绪短句，或者演一点小剧情。

它的工作流很直：

先用 ChatGPT、Grok 之类的工具生成角色设定和短脚本；
再生成水果或食物角色图，重点放在表情、嘴型和夸张质感；
接着做口播、嘴型同步和短动画；
最后用 CapCut 一类剪辑工具加字幕、音效、节奏点。

这类内容为什么容易起量？

因为它一眼能懂。

观众不用理解背景，也不用认识博主。一个“会说话的橙子”在屏幕里开口，本身就是钩子。

但它的问题也很明显。

第一，健康知识容易踩合规边界。水果拟人化讲“吃什么更健康”，听起来轻松，但一旦变成医疗建议，就不是娱乐内容了。

第二，儿童向内容的监管会更敏感。角色可爱、表达夸张、节奏短平快，很容易被平台归到儿童或低龄受众附近。

第三，它太容易复制。

越轻的模板，越容易被淹没。

门槛最低的赛道，往往也是最先卷烂的赛道。

中文市场已经有明显跟进。B站公开搜索页能看到 AI 水果短剧教程、AI 水果内容案例，以及关于“水果 AI 短剧”监管争议的讨论。

但这里要克制一点：目前可稳定引用的主要是 B站公开结果，小红书和抖音公开网页数据这轮没有可靠采集，不能写成“全平台爆发”。

赛道二：AI 历史纪录片，视觉降本，但不等于知识降本

第二类是历史纪录片和历史战役动画。

海外教程里常见的打法，是用 AI 生成历史人物、地图、战场、武器和镜头运动，再配旁白、音乐和字幕，模拟一种“高成本历史频道”的质感。

这条路看起来比水果赛道更高级。

说点大实话：真正厉害的 Agent 用户，早就不靠囤 Skill 找掌控感

Mon, 13 Apr 2026 16:58:00 +0800

说点大实话，很多人不是在用 Agent 变强，而是在靠囤 Skill 给自己找掌控感。

最典型的翻车场景就是：你装了一堆 Skill，写作有一套规则，发布有一套规则，校验又有一套规则。真正开工前，不是直接做任务，而是先花半小时猜今天到底该按哪套来。看起来系统越来越完整，实际体感却是越用越乱。

很多人刚开始玩 openclaw、Hermes 或其他 Agent，第一反应不是先把自己的工作流跑顺，而是到处找 Skill、装 Skill、囤 Skill。看起来像在升级系统，实际上很多时候只是把收藏癖换了个壳。Skill 列表是变长了，能力却不一定真的长在你自己身上。

大家都在抢 GPU，但真正稀缺的是晶体管文明

Mon, 13 Apr 2026 16:05:00 +0800

大家都在聊大模型、英伟达、算力战，像是 AI 世界里最重要的东西突然变成了 GPU。

但如果你再往前追一步，会发现今天最贵的根本不是“模型想法”，而是把这些想法真正变成计算的那套底层硬件。说得更直白一点：AI 看起来像软件革命，但它真正踩着的，还是从晶体管开始的硬件文明。

Qwen3.6-Plus 爆火这一周，开发者先吵的不是它强不强

Fri, 10 Apr 2026 12:15:00 +0800

大家都在问：Qwen3.6-Plus 到底有没有超过 Claude？

说实话，这不是这次发布里最值得看的问题。真正该盯住的是另一件事：阿里这次发的，已经不只是一个“更强一点的 Qwen”，而是在把自己往 hosted agent model 的位置上推。1M context、agentic coding、多模态、preserve_thinking，这套词不是在卖聊天模型，是在抢开发者工作流。

Qwen3.6-Plus 这次最值得看的，不是谁赢了谁，而是阿里开始认真抢 hosted agent 这张桌子上的位置。

官方信息里，能确认的部分并不含糊。Qwen3.6-Plus 在 4 月 2 日正式发布，走的是托管 API 路线，不是开放权重模型；默认给到 1M context，主打 agentic coding 和多模态推理，还专门加了一个 preserve_thinking，明确就是冲着多步 agent 任务去的。单看这组信号，方向已经很清楚了：它想证明自己不是“Qwen 家族里又一个新型号”，而是一个更接近真实工程任务的工作模型。

问题在于，宣传口径和开发者真正关心的东西，从来不是一回事。

这次声量为什么大，我觉得有三个原因。第一，1M context 这种数字天生适合传播，哪怕很多人短期根本用不到。第二，agent coding 这几个字现在太敏感了，只要谁敢往这个方向喊，开发者都会看两眼。第三，也是最现实的一点：只要市场相信它有机会用更低成本去碰一线模型的活，哪怕还没坐实，试用流量就会先冲上来。

所以它爆火，不光是因为能力，也因为想象空间够大。

但第一波开发者反馈，很快就把想象空间拉回了地面。

最典型的争议，不是“它写代码到底比谁强 3 分还是 5 分”，而是 benchmark 口径。官方公开表格里，Qwen3.6-Plus 在 Terminal-Bench 2.0 上给出的分数是 61.6，高于表中 Claude Opus 4.5 的 59.3；在 SWE-bench Verified 上是 78.8，低于表中 Claude Opus 4.5 的 80.9。这个信息本身可以转述，但社区真正盯着看的不是数字漂亮不漂亮，而是：为什么拿 4.5 对比，不是更新的 4.6？