谁来定义“好”，
谁就拥有一切

互联网刚出现的时候，人们兴奋的是“信息自由了”。任何人都可以建一个网站，发布内容。几年之内，网页数量从几万膨胀到几十亿。然后一个问题浮出水面：信息太多了，找不到有用的。

Google 解决了这个问题。它没有生产任何内容，它做的事情只有一件——排序。告诉你在几十亿个网页里，哪十个跟你最相关。

这一件事，让 Google 成为了互联网时代最有权力的公司之一。

同样的故事在移动互联网时代又重演了一遍。App 爆炸式增长，用户面对几百万个应用不知道下载哪个。App Store 的排行榜和推荐系统解决了这个问题。苹果通过控制应用的分发和排序，抽取了整个移动生态百分之三十的收入。

内容平台上也是一样的逻辑。短视频爆炸之后，每天有几千万条视频被上传。抖音的推荐算法决定了哪些视频被看到、哪些石沉大海。创作者的命运不取决于他的内容有多好，而取决于算法是否选择了他。

每一次，控制排序的那个角色，都成了整个生态里最有权力的节点。不是因为它生产了最好的东西，而是因为它决定了什么“被看见”。

AI 时代正在制造同样的问题，但这一次泛滥的东西变了。

不是网页，不是 App，不是视频，而是能力本身。

过去，创造一个有用的工具需要程序员写代码，需要产品经理做设计，需要团队花几个月甚至几年。能力的生产成本很高，所以供给是有限的。

现在，一个人对着大模型说几句话，就能生成一个 Agent、一个工作流、一套 Prompt。能力的生产成本正在趋近于零。这意味着能力的供给量将会爆炸式增长——不是几万，不是几百万，而是几千万甚至几亿个 Skill。

当能力可以被无限生成的时候，能力本身就不再稀缺了。

稀缺的变成了另一件事：判断。

判断哪个 Skill 是真正有效的。判断同样声称能“做品牌分析”的三百个 Skill 里，哪一个的分析框架最严谨、输出质量最稳定、适用范围最准确。判断一个看起来很专业的 Skill，背后的方法论到底是经过验证的还是胡编的。

这件事听起来简单。但它的商业价值比“做一个好 Skill”大得多。

我用一个极端的例子来说明这个逻辑。

假设市面上有一万个“商业模式分析”Skill。其中有三个是真正优秀的——方法论扎实、输出质量高、适用场景广。剩下九千九百九十七个质量参差不齐，从“基本能用”到“纯粹是垃圾”分布在一条长长的曲线上。

如果你是一个用户，你需要做一次商业模式分析。你面对的选择是：在一万个里面自己找那三个好的。

你会怎么做？你不会一个一个试。你会去找一个你信任的排序系统——一个榜单、一个评分、一个推荐机制——然后直接用排在前面的那个。

这意味着什么？意味着那三个好 Skill 能不能被用户用到，完全取决于排序系统有没有把它们排到前面。如果排序系统把一个质量一般但描述更漂亮的 Skill 排到了第一位，大多数用户就会用那个，而真正好的 Skill 可能永远不会被发现。

排序决定了资源的流向。谁排在前面，谁就获得用户、获得数据、获得反馈、获得迭代的机会，然后变得更好。谁排在后面，就算质量再高，也会被淹没。

这就是排序权的本质：它不生产价值，但它分配价值。而在一个供给过剩的市场里，分配价值的权力比生产价值的权力更大。

有人会说：这不就是做个“大众点评”嘛，有什么新鲜的？

新鲜的地方在于——给 Skill 排序比给餐厅排序难一个数量级。

给餐厅排序，评价维度是相对标准的：口味、环境、服务、价格。普通用户吃完一顿饭就能给出一个大致准确的评价。一百个用户的评价取平均值，基本就能反映这家餐厅的真实水平。

但给 Skill 排序，面临三个餐厅不存在的问题。

第一个问题：效果因人而异。同一个“品牌分析”Skill，给一家科技公司用可能效果极好，给一家传统制造业用可能完全对不上。Skill 的价值不是绝对的，它高度依赖使用场景。这意味着不能用一个统一的分数来评价，需要多维度、场景化的评估体系。

第二个问题：普通用户评不了。一个人吃了一顿饭，他能判断好不好吃。但一个人用了一次“战略分析”Skill，他很可能判断不了输出的质量——因为如果他有能力判断战略分析的质量，他就不需要这个 Skill 了。这是一个悖论：最需要 Skill 的人，恰恰是最没有能力评价 Skill 的人。

第三个问题：数量级不同。餐厅是本地生意，一个城市几万家已经是极限。Skill 是全球供给，几十万只是开始，未来可能是几千万。在这个量级上，人工评价完全不可行，必须用 AI 来评价 AI。

我们团队现在在做的事情，就是试图解决这三个问题。和浙大人工智能系的老师合作，建立一套 Skill 的质量评估标准——不是一个简单的打分，而是一个多维度的评估框架，包含方法论完整性、逻辑自洽度、输出稳定性、场景适配度等多个指标。然后用自动化系统对爬下来的几十万 Skill 进行批量评估。

这件事做起来极其困难。但我越做越确信：谁先把这套标准建起来，谁就占住了 AI 能力生态里最关键的位置。

排序权的背后，还藏着一个更深的命题——信任。

我在孵化 Skill 的过程中发现一个非常有趣的现象：同样一套方法论，如果我说“这是一个 AI 生成的分析框架”，用户的信任度大概是三分。如果我说“这是基于浙大教授十三年研究成果构建的”，信任度立刻变成八分。

方法论没变。变的是什么？是“谁做的”。

这件事在 Skill 生态里会被无限放大。当几十万个 Skill 都声称自己能做“品牌分析”的时候，用户的选择标准不会是功能差异——因为功能描述都差不多，他看不出区别。用户的选择标准会变成信任——我信不信做这个 Skill 的人或机构。

一个知名教授的 Skill，和一个匿名用户上传的 Skill，功能可能完全一样，但价值可能差十倍。差距不在能力，在信任。

这意味着未来的 Skill 市场，本质上不是能力市场，而是信任市场。谁拥有信任，谁的 Skill 就会被优先选择、优先使用、优先推荐。

而信任从哪里来？两个来源：一是品牌和权威背书（谁做的），二是评价体系的客观验证（效果到底怎么样）。前者需要时间积累，后者需要系统建设。

两者叠加在一起，构成了 Skill 生态里真正的护城河——不是“做出最好的 Skill”，而是“定义什么是好 Skill，并让用户相信你的定义”。

如果把这件事抽象到最底层，我看到的是一个关于权力的判断。

在任何一个生态系统里，权力的分布取决于“瓶颈在哪里”。

在供给稀缺的时代，权力在生产者手里。你能造出好东西，你就有权力。工业时代的福特、消费时代的宝洁，都是这个逻辑。

在供给过剩的时代，权力转移到了分发者手里。你能决定什么东西被看见，你就有权力。互联网时代的 Google、移动时代的苹果、内容时代的抖音，都是这个逻辑。

AI 时代，能力的供给正在从稀缺走向过剩。这意味着权力将再一次转移——从“能做出好 Skill 的人”转移到“能定义什么是好 Skill 的人”手里。

这不是我的主观判断。这是供需结构变化的必然结果。

每一次技术革命都会制造新的过剩，每一次过剩都会让权力从生产端转移到分发端。AI 也不会例外。

区别在于：这一次过剩的不是商品、不是信息、不是内容，而是能力本身。所以这一次的排序权，掌控的不是“人们看什么”，而是“人们用什么能力来工作和思考”。

这个权力的分量，可能比之前任何一次都更重。

当 AI 可以生成无限的能力时，最后一个不能被 AI 生成的东西是什么？是“对这些能力的判断标准”。

标准是人定的。谁定标准，谁定义这个时代。