前阵子有个晚上，我在书房里闲着没事，把自己过去十年待过的公司在纸上列了一排。
手机（OnePlus）、海外电商（OPPO/HeyTap）、假发跨境（UNICE）、健身（SuperMonkey）、母婴（Momcozy）、3C 配件（绿联）。
列完我自己愣了一下。
这些行业，被 AI 烧到的先后，居然能排出一个清清楚楚的队。我在假发公司的时候，营销素材和内容已经是重灾区；我现在在绿联，设计执行层正在烧，可我手里一款新配件从开模到备料到海运上架，还是要好几个月——物理世界那边，火苗还没飘过来。
同一个 AI，为什么有的行业已经烧成灰了，有的行业刚闻到烟味，有的行业还在岁月静好？
我最近在啃一份挺厚的行业推演报告，啃完最服气的就是它对这个问题的回答：这场火的顺序不是随机的，也不是看哪个行业热搜多。顺序是被四个很冷酷的变量算出来的，算完基本没得争。
上一篇聊了这场火为什么一定会烧起来。这一篇聊它按什么顺序烧——先烧谁，后烧谁，为什么。后面几篇会一个行业一个行业地拆开讲，这篇是总地图。
老规矩：数据我给出处，推演我明说「这是我猜的」。
点火顺序的核心逻辑，一句话就能说完：
这话什么意思？AI 现在的训练方式，早就不是「读更多书」了，是「做更多题、改更多错」。做题就得有人判卷。判卷如果程序能自动干——数学有形式化验证，代码有编译器，下棋有胜负规则——AI 就能日夜不停地自我对打、自我改进，人类数据根本不是瓶颈。
反过来，如果判分要靠人——这个设计「气质对不对」、这个文案「高级不高级」——自我改进就会被卡住，卡在机器自己骗自己的「伪奖励」上。
所以行业里现在流行一句话：验证器是新的石油。 数据多不重要了，能自动判分才重要。
光有可验证性还不够。报告里给了一个完整的打分公式，四个变量：
| 变量 | 大白话 | 决定什么 |
|---|---|---|
| 可验证性 | 好坏能不能让程序自动判 | AI 能力爬坡有多快 |
| 容错率 | 搞砸了，代价是什么 | 能不能「带着缺陷先赚钱」 |
| 反馈闭环 | 用户数据能不能直接喂回模型 | 迭代飞轮转多快 |
| 变现链路 | 从产出到收钱隔着几层 | 商业验证有多快 |
四项都满分的，先着火。四项都挂零的，最后着火。
拿这个公式给所有产业打分，排出来的顺序是：内容创作 ≈ 编程 > 设计 > 营销，物理世界远远落在后面（只有一个例外，后面讲）。
我一个一个说。
内容排第一，很多人第一反应是不服：凭什么不是编程？
我的答案是：容错率。你感受一下这个对比。一段 AI 视频穿帮了，观众划走，完事。一行 AI 代码错了，系统崩了。一辆 AI 开的车错了，人命。
内容产业是 AI 能力爬坡期里，唯一一个「六十分就敢商用」的行业。 这太关键了——一项技术 60 分时能不能赚钱，决定了它有没有商业飞轮养着自己爬到 90 分。
视频生成模型 2024 年还全是「六指琴魔」级别的笑话，但这一点不耽误它 2025 年开始收钱：快手的可灵 AI，2025 年 Q4 单季营收 3.4 亿人民币，年化收入跑到 2.4 亿美元。
对比一下物理世界：自动驾驶从 2009 年 Google 立项，到 2025 年 Waymo 订单爆发，爬了十六年。因为开车的商用门槛不是 60 分，是 99.99 分。
内容还有第二个独家优势：训练数据自产自销。 完播率、点赞、划走速度，直接就是下一代模型的训练信号。AI 内容越多，平台攒的「人类注意力偏好数据」越多，模型的品味校准越准，内容越黏人——内容和模型互为燃料。这就是为什么字节、快手天然压着纯模型公司打：它们手里握着的不是数据，是判分器本身。
第三个优势是变现链路短到没有：没有供应链、没有库存、没有物流，模型生成完，下一秒就是可卖的东西。
事实也验证了速度。2025 年 9 月 Sora 2 音画同步，发布即炸场；两个月后，AI 短剧《749秘档：秦岭邪雨》上线 19 小时播放破千万；AI 译制成本降到传统模式的两成。
报告的判断我直接搬：2025 年是 AI 内容「能力可用」元年，2026 年是「商业跑通」元年。这一棒，已经点着了。
还有一个容易被忽略的加速器：人对内容的需求接近无限，供给却一直被创作成本卡着。AI 把成本打到地板，被压住的需求瞬间放出来——这不是抢存量，是整个池子在变大。所以内容这一棒是三合一：练兵场、现金流、反馈系统。
编程排第二，但它赢在另一个维度：可验证性满分，所以它的证据链是所有行业里最硬的，硬到没法反驳。
代码写出来，编译器、单元测试、基准测试自动判分——这正好砸在 AlphaZero 范式的靶心上。而且有个细思极恐的事实：大模型自我改进的第一步，就是「模型写模型的代码」。AlphaEvolve 已经直接改进了支撑自己的训练流程，递归自我改进——科幻里的词，已经是工业现实。
数据硬到什么程度：全球 41% 的代码已经是 AI 生成或辅助生成；2026 年 92% 的美国开发者每天在用 AI 编码工具；Cursor 两年把年化收入冲到 20 亿美元，史上增长最快的开发者工具；头部模型在 SWE-Bench Verified 这种真实工程测试里干到 87.6%，已经能「接管任务并完成交付」。
那它为什么排在内容后面？两个原因。
一是容错率低一档。2025 年的数据，AI 生成代码的 bug 率约是人工的 1.7 倍，45% 带安全漏洞。「能跑」和「可信」之间，隔着安全、可维护性和责任链。
二是商业闭环多一层。代码要嵌进既有系统、要被维护、要有人签字负责。内容产出即商品，代码产出只是交付的开始。
这句是推演，但我越想越觉得对。
接下来说我自己的行业，说狠一点。
拿点火公式给设计打分：容错率高（一张丑 Banner 不死人）、变现链路短（产出即交付）、反馈闭环也有（A/B 数据能回灌）——唯独可验证性是半残的。设计的好坏能被点击率、转化率判一部分分，但「气质对不对」，到今天还得人来终审。判分需要人类品味的领域，自我改进会被卡在天花板上。
所以设计的标准工作流正在变成：AI 生成 1000 稿，人类总监选 1 稿。 这不是预言，是我的日常——我在绿联推 AI 自动化出图，一个详情页从约 8000 块、5 天，压到 500 块以内、4 小时。工具那边，Google Stitch 输入一段文字秒级生成 UI 和前端代码；高校那边，同济、华东师大、中传 2025 年起批量停招视觉传达这类专业。
我推演一下：设计会把编程的剧本原样演一遍，只是滞后一到两年。编程今天发生的「入口关闭、初级岗冻结、执行层坍缩」，就是设计的明天。这个话题太大，后面有专门一篇拆设计，这里先打住。
营销比设计还慢半拍，原因不是技术，是一个独特的变量：信任。
营销的生产侧早就烧了——一个中等规模的跨境卖家，AI 素材工厂日产几百条，单条成本从几百块降到几毛钱。但营销的终点不是「生产出内容」，是「改变一个人的决策」。这里面横着一堵墙：Bynder 2025 年的消费者研究，52% 的人一旦怀疑内容是 AI 生成的，直接退出互动。
这一点我在 UNICE 做假发品牌那几年体会太深了。跨境电商重度依赖平台流量，素材可以无限量产，但真正让 GMV 腰斩之后还能做回来的，从来不是素材数量，是用户信不信你。素材、投放、客服这些环节烧得很快；品牌、背书、社群信任，烧得很慢，甚至反向升值。
所以营销是「半边着火」：生产侧和分发侧已被接管，信任侧反而成了最后也最值钱的堡垒。
四个数字行业，打分放一起长这样：
| 行业 | 可验证性 | 容错率 | 变现链路 | 点火窗口 |
|---|---|---|---|---|
| 内容创作 | 半验证 | 极高 | 产出即商品 | 2024-2026，已点火 |
| 编程 | 满分（编译器） | 中（能跑≠可信） | 短 | 2025-2027，渗透最深 |
| 设计 | 数据+品味 | 高 | 短 | 2025-2028，执行层已燃 |
| 营销 | 卡在信任 | 高 | 隔一层转化 | 2026-2030，半边着火 |
把视线从屏幕挪到原子世界，火突然就慢了。
原因一句话：数字任务搞砸了，长尾是「答得不好」；物理任务搞砸了，长尾是「出事」。报告里总结了四道减速带，我用大白话转述：监管——物理失败有受害者，放行速度等于社会能给事故定价的速度；硬件——芯片有摩尔定律，电机和减速器没有；长尾——真实世界的失败样本必须真实地发生，仿真穷尽不了；资本密度——试错成本差三个数量级，节奏由资本回报周期说了算，模型能力说了不算。
这四条叠起来，推出一个挺反直觉的结构：技术奇点先到，产业奇点后到。
中间这个时间差，就是我的行业现在的处境。我推演一个场景：未来超级智能设计一款充电宝只要 1 秒，但开模、备料、产线、海运、上架，还是 3 到 6 个月。智能可以无限复制，原子世界的改造不听你的。那时候最值钱的位置，不是设计本身，是「谁能把 AI 的设计以最低成本、最快速度变成实物」——数字和物理之间的转换层，是未来的咽喉。
物理世界慢，但有一个领域已经烧起来了，而且是熊熊大火：自动驾驶。
Waymo 2025 年干了约 1400 万付费订单，萝卜快跑累计订单破 2000 万，特斯拉 Cybercab 上路测了。它的先行不是运气，逻辑上几乎是必然。
道路，是人类社会唯一被彻底规则化、标记化、地图化的物理环境——等于一套机器能直接读的「物理 API」。整个物理世界里，只有开车的可验证性接近满分。每一单都是一次真实的训练 episode，数据飞轮天然成立。
安全还能被统计化定价——人类司机的事故率是已知的（美国约每 1 亿英里 1.3 人死亡），机器只要显著好于人类均值，监管和保险就有放行的量化依据。别的物理领域，没有这把「人类基线」的尺子。替代的账也算得过来：司机人力占网约车运营成本六到七成，Robotaxi 把可变成本变成固定成本，模型一旦转正，扩张只受资本开支约束。
但请注意它真正的意义——这句是报告的推演，我很认同：
2028 年前后，L4 能力会外溢到干线物流（高速比城区简单，人力还更贵）；再往后，这张许可证依次传给仓储机器人、配送机器人，最后才轮到家庭场景。物理世界的点火顺序：自动驾驶 → 结构化场景的机器人和智能制造 → 供应链全链路 → 开放环境的人形机器人 → 家政养老这些长尾。
最后给一张总表。丑话说前面：所有时间点都是推演，误差至少 ±3 年。但顺序比年份可靠得多——「可验证性 → 品味 → 物理」这个先后逻辑，不依赖任何具体年份。
| 时间 | 烧到哪了 | 奇点进程 |
|---|---|---|
| 2026-2027 | 内容和编程烧到根部：AI 短剧成默认产能，一人工程师+agent 集群普及；设计执行层坍缩过半；Robotaxi 过渗透率拐点；营销素材全面自动化 | S1 代理时代 |
| 2027-2030 | AI 贡献超半数下一代模型研发工作量，模型迭代从 12-18 个月压到 3-6 个月；设计进入「界面液化」，Generative UI 主流化；消费决策开始迁移到 Agent；软件业从卖席位转向卖结果；干线物流 L4 商业化，「一件起订」在服装/3C 品类算得过账 | S2 闭环加速，点火窗口约 2028-2029 |
| 2030-2033 | 最大未知数：研究品味能不能被 RL 化；内容从作品变成服务；新品开发全链路 4-6 周闭环，供应链 agent 持有采购权限；人形机器人进餐饮零售 | S3 品味攻坚 |
| 2033-2040 | 分岔：要么品味层被攻克、智能爆炸；要么物理约束成为硬天花板，进入「智力极廉、物理极贵」的高平台（主线推演押后者）；机器人以十年计缓慢渗透家政养老 | S4 分叉 |
这张表你不用背。你要记住的是它的形状：火苗从屏幕里往外烧，从能自动判分的地方烧向要靠人判断的地方，最后才烧到原子的世界。
这篇是总地图，信息量有点大，收个尾。
第一，别问「我的行业会不会被烧」，问「我的行业排第几位」。 这个问题有答案，而且是算出来的，不是猜出来的。能写自动判分器的先着火，要靠品味判分的后着火，要从物理世界收集失败样本的最后着火。
第二，顺序就是窗口期。 技术奇点先到、产业奇点后到，这个时间差是所有传统公司和所有个人的战略窗口。你的行业排得越靠后，手里的时间越多——但时间是用来提前站位的，不是用来假装无事发生的。
第三，给自己打个分。 拿那四个变量给你自己的岗位打一遍：你的工作里，哪部分能被自动判分？那部分就是先烧的。剩下的部分是什么，那才是你未来五年该加注的东西。
接下来的几篇，我们一个行业一个行业地拆：内容怎么烧的，程序员怎么先听到了冰山的声音，我们设计师自己的剧本，营销的信任堡垒，还有物理世界那条又慢又硬的战线。
地图给你了。下一站，逐个进城。