执行门槛的消失，是这两年被讲得最重、又被讲得最浅的一件事。这一章把它讲透：先看两个人的一夜，再看塌方面积到底有多大，最后看山塌之后，露出来的岩石长什么样。
一、一个半小时
2025 年，一个网名叫「花叔」的人决定做一个 App。
他的本名叫陈云飞，在互联网大厂做了多年运营。这段经历值得先记下，因为它会在几分钟之后变得非常重要。此刻你只需要知道两件事：第一，他不会写代码；第二，他常年在小红书上「泡」着——不是随便刷刷，是运营老兵那种泡法，对那个平台上什么样的内容会火、什么样的情绪会蔓延，有一种长出来的敏感。
他注意到一件事：大量女生在自拍前需要补光，而手机上现成的补光工具，一个个体面、冷静、像工具。没有人给「想要可爱」的这个瞬间做过设计。
于是那天晚上，他打开了 Cursor——一个能听懂人话的 AI 编程工具——向它描述自己想要的东西：一个补光灯应用，光源做成一双猫的眼睛，瞳孔随光线明暗缩放。一个半小时后，App 上架了苹果应用商店。名字很直白：小猫补光灯。
故事没有停在「上架」。接下来三个月，他跟着用户的反馈一路小跑，迭代了十几个版本；后来推出的 Pro 版定价一元，冲上了 App Store 付费榜第一名。据媒体报道，这个小 App 前后给他带来了大约四十万元收入。
这个故事的流行版本，关键词是「奇迹」：零代码、一个半小时、付费榜第一。但你把镜头拉近一点，会发现它其实是一个关于分工的故事。
一个半小时里，AI 写了全部的代码——这是执行。而在执行开始之前，有一连串决定已经做完了：做补光工具，而不是又一个滤镜 App（品类判断）；做成猫眼，而不是圆形白光（审美判断）；主打小红书的自拍人群，而不是「所有手机用户」（人群判断）；基础功能免费、Pro 收一元钱，而不是反过来（定价判断）。这些决定没有一个字是 AI 替他做的。AI 拿到的，是一份已经想清楚的需求——它只是把这份需求变成了跑得起来的代码。
再看那些三个月里的十几个版本。用户说暗光下瞳孔缩得太小，用户说想要换瞳色，用户说图标不够可爱——每一个反馈进来，都先过一道判断：这是真需求还是个别口味？先改哪个？改成什么样算改好了？判断完，才轮到 AI 动手。迭代的速度看起来是 AI 给的，实际上「往哪个方向迭代」这个方向盘，从头到尾握在花叔手里。
所以更准确的讲法是：AI 把「想到」和「做到」之间的距离，压缩到了一个半小时；但「想到什么」本身，一毫米都没有被压缩。那四十万元里，AI 挣的是执行的钱——几乎免费；花叔挣的是判断的钱——十几年的运营生涯按小时计价，都在里面。
他不是个例。这一年，美国一个十八岁的高中生做了个拍照识别卡路里的 App，五百多万次下载，年营收以千万美元计；更早一点，独立开发者圈那个「一人做出一串产品」的荷兰人，年收入稳定在几百万美元。故事各不相同，结构完全一样：AI 负责执行，人负责判断，产品是这两种劳动的合金。
二、二十四小时
如果只有第一类故事，这本书就不必写了——听起来只要判断在线，人人都能赢。所以第二个故事更重要，它讲塌方的另一面：执行变免费了，可产品的完整生命周期，一寸都没有变短。
2024 年 1 月，知名独立开发者王登科（网圈里叫他 DK）做了一个小玩意。起因日常得不能再日常：女朋友生气了，要哄。他做了个网页游戏：AI 扮演一位正在生气的女友，带着「情绪值」，玩家在限定轮数里说话哄她——说得好，情绪值降下来，游戏通关；说错话，火上浇油。游戏叫「哄哄模拟器」。
DK 会写代码，所以这个产品的「执行」部分对他本来就便宜。真正的剧情在上架之后。
二十四小时内，六七十万人涌进来，产生了两千万次对话。没人能预料这个量级——它顺着「哄女朋友」这个全民命题在社交网络上一路裂变。然后，几乎所有小型 AI 产品最怕的那道题，不加预告地来了：成本。两千万次对话，每一次都在消耗大模型的算力。据 DK 自己复盘，最热的那一天，烧掉的 token 以亿计，账单完全扛不住，他被迫连夜从 OpenAI 迁走，换更便宜的方案。
再然后，是第二道题：留存。哄人的新鲜感是一次性的。热度像涨潮一样涌来，又像退潮一样离开。这个产品没有死，但它也没有长成一个生意，更接近一场盛大的烟花。
把二十四小时当横轴，你会发现这个产品的完整周期被压成了慢镜头：需求（哄女朋友）→ 执行（快速做出来）→ 爆发（六七十万用户）→ 成本危机（一天上亿 token）→ 留存困境（新鲜感耗尽）。请注意，这五步里 AI 只接管了第二步。其余四步——判断这个需求值不值得做、增长来了服务器和账单怎么办、用户走光之后产品往哪去——还是老老实实的、没有加速过的产品难题。
这个故事的价值，在于它顺手戳破了一个流行的错觉：「做出产品」被 AI 变便宜了，约等于「做产品」变便宜了。不是的。执行只是产品这个动词的第一格。爆火是一道你没做过的负载测试，测的是成本结构、服务上限和你的现金储备；留存是一道更难的题，测的是这个产品到底解决了什么真问题。哄哄模拟器两个都考了，分数也如实公布了——这就是它至今仍被反复提起的原因：它把执行时代的全部甜头和全部账单，摆在同一个二十四小时里。
顺带说一句，DK 复盘时算过这笔账并且坦然认了——他是老手，输得起也讲得出。多少跟风涌进来的新手，连「跑起来会烧钱」这件事都不知道。执行门槛塌了，认知门槛一寸没塌，只是它换了个地方站着。
三、塌方是怎么发生的
两个故事讲完，「塌方」这个词应该有画面了。但在走向结论之前，我们得先回答一个更根本的问题：为什么偏偏是现在？凭什么「执行」这个撑了半个世纪的专业壁垒，几年之内就免费了？
答案的深水区在技术里，但水面上的部分不难讲清楚。
过去做一个产品，要过五道关：想清楚（判断做什么），描述出来（写成需求文档、设计稿），做出来（写成代码），跑起来（部署到服务器上供人访问），改下去（持续迭代）。后四道关，每一道都是一门手艺，每一门手艺都养活一群专业人士。一个想法想跨过这四道关，要么你自己全会，要么你有钱雇人——这就是「执行门槛」的实体。
大语言模型做了什么？它是一个史上最强的「描述—实现」翻译机。你说人话，它产出代码、界面、文案、配置。注意这个结构：后四道关的全部内容，本质上都是「把意图翻译成可运行的实现」——描述是把意图翻译成规格，编码是把规格翻译成机器语言，部署和迭代是翻译的维护工程。当翻译本身被 AI 吃掉，四道关就合并成了一道：你把话说清楚。
「把话说清楚」——听起来容易，这五个字是第三部整部的主题，此处先埋一个种子。
塌方的速度也有数字可考。研究机构 METR 追踪过一个指标：模型能独立完成的任务时长。2026 年初，Anthropic 的 Claude Code 产品负责人引用这条曲线时给出的读数是：十六个月里，从约二十一分钟涨到了约十二小时——四十一倍。
这个指标可以粗译成人话：你能放心交给它的事，有多大。21 分钟，是「帮我写个排序函数」；12 小时，是「这一个模块你独立做，明天早上给我看」。四十一倍的意思是：这条曲线不是在改善执行，它是在每次模型发布时，把「哪些事还需要人动手」的边界整体向内推一格。对一个产品团队，这意味着 roadmap 本身成了变量——你计划三个月自研的能力，可能下个月的新模型直接就会了。对一个普通人，它的含义简单得多：你不需要学会干活，但必须学会派活。
于是有了这个时代的标准口号。2025 年一本教产品人用 AI 编程的书，写在封面上的宣传语是：「说出你的想法，剩下的交给 AI。」
这句话是真的。但它只对了一半——「剩下的」，恰恰是最贵的。
四、山塌了，岩石露出来
现在可以给这一章收口了。
把执行的山炸掉之后，地表露出来的是三层岩，也就是前言里说过的三件没人替你做的事。这一章用两个故事给它们各配了一幅肖像：
决定做什么。花叔的猫眼补光灯，赢在看见了一群具体的人和一个没被认真对待的瞬间。这件事 AI 帮不上忙——不是它不够聪明，而是「看见」发生在你泡在小红书的那些年里。AI 能回答你问的问题，但你得先知道该问什么。
决定什么算好。「瞳孔随光线缩放」是个验收标准，「做一只可爱的猫眼」不是。前者 AI 能执行、人能检查；后者是形容词，执行无从下手，检查无从下笔。第一类句子怎么写出来，是第三部整部的主题。
决定下一步往哪走。十几个版本的迭代里，每一步都是一次取舍：先修哪个、后加哪个、什么时候收一元钱。哄哄模拟器则从反面演了一遍：爆发来的时候，往哪走的题目会以成本和留存的面目突然袭击你。
三件肖像拼起来，正好是行业对「产品经理」这个岗位十六年沉淀的定义。而市场已经用真金白银给这门手艺标了价。2025 年的行业人才报告里，AI 产品经理的岗位量比上一年增长了百分之三百六十九，居所有岗位之首；有人拆了两百多个大厂招聘要求，算出平均年薪约五十万元。但同一批拆解里还有一个更说明问题的数字：七成左右的岗位，并不要求你懂 AI 的技术底层。市场要买的不是算法能力，是「把 AI 翻译进业务场景、并对效果负责」的能力——翻译的对象是场景，负责的部分是判断。
一面是执行免费，一面是判断标价五十万，中间没有任何矛盾。经济学里这叫稀缺性转移：当一种要素的价格归零，另一种要素立刻显形为瓶颈。工具的半衰期大概十八个月，判断的半衰期是一个职业生涯。这，就是岩层的地质图。
所以，「人人都是AI产品经理」这句话，在这本书里有且只有一种读法：不是人人都能靠这个头衔吃饭，而是——执行免费之后，每个想让 AI 替自己做事的人，都已经被推到了产品经理的位置上。位置是自动的，手艺不是。位置和手艺之间的差距，就是这本书要填的沟。
五、出发前，把话说诚实
这一章讲塌方，语气难免有几分壮观。收尾之前，先立三条纪律，全书适用。
第一，幸存者讲台。你听到的每一个「一个半小时」的故事，都是从成千上万个「三个通宵做出来、然后无人问津」里筛出来的。那两个故事的主角，一个是十几年经验的运营老兵，一个是资深独立开发者——「零基础」说的是代码，不是判断。爆款的分布极度不均，这本书不参与贩卖对它的幻想（第十二章会专门算这笔账）。
第二，归因要准。小猫补光灯的成功，归因于人群洞察加迭代速度，AI 是放大器；把放大器当引擎，是这一代追风者最常犯的错。同样，哄哄模拟器的成本危机，不是 AI 的失败，恰恰是 AI 执行力太成功的副产品——用的人太多，烧的钱就太多。
第三，本书的工具只对真问题锋利。定义问题、写验收、做评测、画边界，这四件工具在你自己真实要做的那件事上才会显出斤两。读完了不去做，它们只是四句好听的话。
工具会继续变，模型会继续发布，这条四十一倍的曲线还会往右上方走。但只要你还想让 AI 替你做事，那三个问题就永远站在门口：做什么？什么算好？下一步？这本书剩下的十五个章节，就是给这三个问题配工具的——而在拆「产品经理」这门手艺之前，得先解决一个更前置的问题：这个行业眼下到底是什么光景。因为看错场子的人，手艺越好，输得越快。下一章我们讲，怎么在满地噪音里，把诚实的数据读出来。
出处与延伸
- 小猫补光灯：品玩、中新经纬/搜狐等媒体报道（开发时长约 1.5 小时、三个月十余个版本、Pro 版 1 元、付费榜第一、累计收入约 40 万元）。注意：部分平台传播时使用「0 基础靠 AI 年入百万」口径，本书采用保守媒体口径；主角为大厂运营出身，非纯素人。
- 哄哄模拟器：王登科（DK）本人复盘文章（greatdk.com，2024-01）及 36 氪报道（24 小时 60–70 万用户、2000 万次对话、单日 token 消耗上亿、被迫迁移模型方案）。
- METR 任务时长曲线（16 个月约 21 分钟 → 约 12 小时，41 倍）与「demos and evals over docs」：转引自 Cat Wu（Anthropic，Claude Code 产品负责人）《Product management on the AI exponential》，Anthropic 官网，2026-03。METR 原始数据链：arXiv:2503.14499 及 metr.org/time-horizons（Opus 4.6 于 2026-02 入表）。
- 「说出你的想法，剩下的交给 AI」：陆通《人人都是AI产品经理：DeepSeek + Cursor对话式全栈开发实战》（中国水利水电出版社，2025）宣传语。
- 岗位数据：脉脉 2025 年度人才报告（AI PM 岗位量同比 +369.36%）；「人人都是产品经理」社区对 229 个大厂 AI PM 岗位的薪资拆解（最低档均值约 40.2 万/年、范围均值约 52.9 万/年）；什么值得买对约 200 份 JD 的拆解（约 71% 不要求 AI 技术底层）。
- 延伸阅读：吴恩达《Best Practices for AI Product Management》（DeepLearning.AI，2024-12）——「数据就是你的 PRD」的原始论述，第八章会正面接手这个话题。