用户是谁
人群画像
谁最需要？
01
识别机会
Opportunity Discovery · 在哪里挖，挖什么
识别机会，是要在 AI 的迷雾里找到真正值得押注的方向。它分三个维度展开：先确定你在哪一层竞争（Where to play），再判断这是哪一类机会（What to build），最后逼自己回答那个最关键的问题——为什么是现在（Why now）。
三层结构 — 在哪里挖 / Where to Play
L1 能力层
AI 能力 · 模型本身（生成 / 理解 / 推理）技术红利
核心问题：AI 在哪些能力上真正突破了？
典型例子
GPT 推理Sora 视频语音克隆
L2 工具层
AI 产品 · 具体工具 / 应用（写作 · 设计 · 编程）效率红利
核心问题：哪些工作正在被 AI 工具吃掉？
典型例子
CursorMidjourneyJasper
L3 系统层
AI 原生业务 · 重构流程 / 组织 / 行业结构性红利
核心问题：哪个行业可以被整个重做？
典型例子
AI 客服中台无人电商AI 投研
六大机会类型 — 挖什么 / What to Build
替代型
AI 替代人
哪些人可以被替代？
增强型
AI 放大人
哪些人可以被放大？
重构型
流程重做
哪个流程可以重做？
生成型
新供给爆发
哪些内容会爆发？
平台型
连接供需
哪些供需可被连接？
基础设施
Token·数据·Agent
谁成为“水电煤”？
两者会交叉。同一个“替代型”机会，在 L1 是一种能力、在 L2 长成一个工具、到 L3 就是整条业务线被重做——所以定位一个机会，既要问它是哪一类，也要问它在哪一层。（第三步的“价值参考表”会把这种交叉完整摊开。）
核心追问 — Why Now
一切机会的起点只有一句话：这件事，过去为什么做不了？现在为什么能做了？
杰文斯悖论 — Why Now 的放大器
再往深一层问：这件事会不会越便宜、需求反而越大？蒸汽机让煤更高效，结果煤耗不降反升——这就是杰文斯悖论。AI 时代真正的大机会，往往是那些因为智能变便宜、需求反而爆炸的领域（生命科学、教育、设计普惠…）。你的方向若符合这一点，天花板会被彻底重画。
机会类型 · 落到谁身上
同一个 AI 能力，落到不同人身上是完全不同的机会。AI Coding 对程序员是“提效”甚至“替代”；但对一个从不会写代码的人，它是“增强”——让他第一次能亲手做出一个软件。所以判断机会类型，从来不只看技术本身，而要看它落到谁身上。
02
定义机会
Opportunity Definition · 三重验证，缺一不可
识别只是找到一个候选方向，定义才是验证它到底成不成立。公式里的三个要素是连乘关系——任何一项接近零，整个机会就坍缩为零。这一步，就是拿三把尺子，逐一去量你的方向。
机会
=
被压抑需求
×
AI 释放能力
×
可商业化路径
需求强度
用户是真的痛吗？
现有方案又贵又慢又差，用户在主动求解
愿意为此花钱、花时间
不解决，会有实打实的损失
高用户主动求解，现有方案又贵又差
中用户凑合用着，但并不满意
低用户自己都不确定这是不是问题
AI 杠杆
AI 带来的是 10× 吗？
成本下降一个数量级以上
做成了过去根本做不到的事
不是“更快”，而是“本质不同”
高AI 实现质的跨越，从无到有
中效率提升 2–5 倍
低AI 只是装饰，有没有差别不大
闭环能力
这事能赚到钱吗？
谁付钱 · 何时付 · 为何付，说得清
价值链条没有断点
商业模式能自己转起来
高谁付钱说得清，链条 ≤ 2 步
中能收钱，但要先教育市场
低只有社会价值，找不到付费方
深化透镜 · 可叠加的方法论
CCC 模型 — 再追一层“本质变了什么”
需求 / 杠杆 / 闭环回答的是“机会成不成立”；CCC 往底层再追一层，回答“到底什么被改变了”。
Core · 底层新物种底层发生了什么本质变化？如“创意不再稀缺”“执行力不再稀缺”。
Chain · 价值链重构AI 重构了哪些环节？如设计—共创—商业化被重新串起。
Creative Leverage · 创造性杠杆AI 让小团队放大到什么产能？一个人干一支队伍的活。
还能接入：产品定义画布、人机场匹配、智能密度判据……这一步是整套方法论的“接驳口”，可按需逐层深化。
被压抑的需求 · 高考志愿
举个例子：高考志愿咨询。过去你问教育局的系统，给的全是标准答案；可家长真正想要的是“我家孩子考了多少分、性格怎样、想去哪——给我一个针对我的方案”。这个需求被压抑了很多年，AI 恰好第一次能把它释放出来。这就是“被压抑需求 × AI 释放能力”同时成立的样子。
03
评估机会
Opportunity Evaluation · 四个维度，一条判断线
前面确认了机会成立，评估要回答的是另一个问题：它的质量够不够高、值不值得 all in。四个维度先给机会打分，而真正拉开天花板的，是那条“工具 vs 结果”的判断线。
价值密度
是不是高价值场景？
用户愿为此付出高额成本——时间、金钱或精力
自动化程度
能不能走向 Agent？
整个流程能在无人干预下自动跑通
复用性
能不能规模复制？
一套方案服务大量同类用户，无需逐个定制
变现能力
是否天然带钱？
直接对接付费场景，不必长期教育用户
关键判断线
你能不能从“工具”升级为“结果”？
工具 — 天花板低：用户拿你的工具，自己完成工作。
结果 — 天花板极高：你直接交付那个完成的结果。
价值参考 — 六类型 × 评估两轴
评估最终落到两个关键轴：横轴 价值密度（低：文案、客服 → 高：决策、设计、医疗）× 纵轴 AI 替代程度（低：辅助工具 → 高：自动执行 / Agent）。下表是每一类机会在四象限里的典型产品——照着对位，就能判断你自己大概值多少钱、能自动到什么程度。
| 类型 \ 象限 | 低价值 × 低自动化 | 高价值 × 低自动化 | 低价值 × 高自动化 | 高价值 × 高自动化 ✦ |
|---|---|---|---|---|
| 替代型 | AI 客服 | AI 法律助手 | 自动客服系统 | 自动财务 / 审计 |
| 增强型 | 写作工具 | 设计 Copilot | 自动排版 / 剪辑 | AI 设计师协作 |
| 重构型 | 表单自动化 | 企业知识系统 | 自动工作流 | AI 公司（无人组织） |
| 生成型 | AI 图文 | AI 视频 | 内容工厂 | IP 生成系统 |
| 平台型 | Prompt 平台 | 设计平台 | Agent 市场 | AI 任务市场 |
| 基础设施 | API 调用 | 数据平台 | Agent 框架 | Token 经济体系 |
横轴 价值密度 Value Density纵轴 AI 替代程度 AI Autonomy✦ 右上角 = 黄金机会区
风险 01
被模型吃掉
功能太浅，大模型一更新就内置，你毫无差异化。
自检：你的功能，是 ChatGPT 一句指令就能做到的吗？
风险 02
伪需求
用户嘴上感兴趣，却从不掏钱，没有真实购买行为。
自检：你亲眼见过用户主动掏钱解决它吗？
风险 03
无闭环
有社会价值却没有商业化路径，撑不下去。
自检：你的链条里，谁、在什么时候、付钱？
工具 vs 结果 · 价值密度
工业设计就是个例子：AI 出图很快，但真正落到供应链、打样、量产，才知道“快”只是表象。只做“出图工具”，天花板有限；能把“设计落地结果”整包交付出来，才进入高价值区。
同样的道理——老专家 + AI 的价值，往往是新人 + AI 的几十倍，因为价值密度就藏在 know-how 里。
04
设计路径
Opportunity Canvas · 一张画布，收束所有判断
走到这里，把前三步所有的判断收束成一张画布。这 12 个模块，每一个都是一个维度标签——填它，不是写满一个空格，而是为你的机会下一个判断。十二个判断叠在一起，就是你这个机会的价值定位锚点：它最终把你锚定到下方矩阵的某一个象限，告诉你该全力押注、先做服务验证、还是趁早避开。
机会名称
一句话
你到底在做什么？
被压抑需求
核心痛点
以前为什么做不了？
AI 释放点
AI 能力
AI 带来什么新可能？
机会类型
6 选 1
替代/增强/重构/生成/平台/基建
所在层级
L1/L2/L3
能力 / 工具 / 系统
价值密度
高/中/低
值不值钱？
自动化程度
高/中/低
能不能变 Agent？
可规模化
是/否
能否复制？
变现方式
收费逻辑
怎么赚钱？
风险点
1–2 条
最大的坑是什么？
下一步路径
≤ 3 步
怎么开始做？
↓ 把上面的判断——尤其是价值密度和自动化程度两格——投影到这张矩阵，就锚定了你的最终定位：
定位矩阵 — Positioning Matrix
AI 替代程度（Autonomy）
低价值 × 高自动化
靠规模取胜，需极强获客；护城河易被冲薄。
高价值 × 高自动化 ✦
黄金机会。AI 全程交付高价值结果，天花板极高。
低价值 × 低自动化
回避区：既无效率优势，又无价值密度。
高价值 × 低自动化
当下就有价值。先做服务验证，再逐步产品化。
价值密度（Value Density）
↳ 怎么用 · 工作坊 & 在线
这张画布就是工作坊的作业纸。你可以自己填、做成问卷发出去，或者直接跟 AI 对话，把这 12 个问题逐一答完，形成一份方案。最后，所有判断会被投到上面的矩阵里定位、并按四个维度打分——这，正是下面“在线生成”一键替你完成的事。