01 触发事件

Wired 报道援引一项新研究称，YouTube 和 X 已经成为 nudify apps 的流量入口，用户会被导向可生成非自愿、露骨 deepfake 的网站，而价格低到每张图 1 美元。

这条信息里最重要的数字不是“deepfake”，而是 1 美元。

因为这说明两件事：第一，底层生成能力已经足够商品化；第二，真正稀缺的环节不再是 model access，而是 acquisition。

平台不是需求源头，而是流量网关

我没看过这项研究的完整方法学，所以我对具体 referral 占比会保留判断；但仅凭“gateway”这个表述，已经足够说明问题不在某个单独网站，而在上游分发链条已经成形。

换句话说，这不是“有人做了坏产品”，而是“坏产品拿到了低摩擦分发”。

02 这事的真正含义

表面上看，这是一次内容审核失败。

但这才是它真正说的事：AI 应用层的第一批稳定商业模式，未必来自最强模型，反而可能来自最弱监管下的高转化场景。

Nudify app 本身没有什么深技术 moat。底层模型可能是开源 fine-tune，推理栈可能是 commodity GPU，前端甚至可以极薄。可它仍能形成生意，因为用户 intent 极强，获客路径极短，付费门槛极低，且单次生成即可满足需求。

这就是典型的 aggregation logic：需求被平台聚合，供给被灰产产品吸走，价值并不留在模型层。

如果一张图只卖 1 美元，单笔 ARPU 看起来很低；但当 distribution 成本被平台算法、搜索推荐、短视频导流压缩后，低价反而扩大了转化面。问题不在 price 太低，而在 CAC 可能更低。

我没在内部跑过这类 funnel，所以我可能高估了转化效率；但只要 referral 是稳定的，产品就不需要高客单价，只需要足够快的回收周期。

这对 AI 行业的含义很直接：很多人还在讨论 model quality 差 5 分、10 分时，真正被市场验证的，可能是“谁能把一个边缘但高 intent 的 use case 塞进主流分发网络”。

03 历史类比 / 结构对照

我会把它类比成 2010 年代移动互联网早期的灰色订阅、生发药、减肥药、博彩与成人流量生意。

当时决定胜负的不是产品多先进，而是谁更懂平台漏洞、推荐系统、SEO、支付摩擦和 account recycling。今天只不过把“落地页优化”换成了“prompt + inference + 生成交付”。

所以，这不是一个 AI 特有问题，而是互联网老剧本在生成式 AI 上的重演。

更具体地说，它像 2014 年前后的 Facebook performance marketing 拐点：平台自认为只是在分发内容，但实际上已经在分配商业机会。谁能穿过审核边界，谁就拿到超额利润。

AI 的新变量在于，供给端建站和交付成本更低了。

过去你做一个边缘内容产品，还要养内容团队、素材库、审核规避链路。现在只要 model 能输出、支付能收、landing page 能转，整个 business 就能跑起来。推理成本下降，让更多原本不值得做的小众灰产场景，第一次变成可盈利市场。

我可能把这件事和移动广告时代类比得太紧，因为今天的平台政策、支付风控和媒体压力都更强；但历史模式非常接近：平台规模越大，长尾违规需求越容易找到缝隙。

04 对 AI builder 意味着什么

对正经 AI builder 来说，最该调整的不是价值观表态，而是策略重心。

第一，重新评估 distribution risk。

如果你的产品依赖 YouTube、X、App Store、搜索推荐、Chrome extension 分发，就不能只看功能和 retention，还要看平台对“可疑相邻品类”的态度。平台不会精细区分你和灰产之间的 intent gap，它更可能直接收紧整条类目。

第二，安全能力会从“合规成本”变成“渠道准入门票”。

很多团队把 moderation、watermark、policy enforcement 当成拖慢 ship 的包袱。我不这么看。随着平台开始处理这类 deepfake 导流问题，能够证明自己有 abuse controls 的产品，会更容易拿到广告、支付、API、distribution 的持续资格。这不是 PR，而是 supply chain 管理。

第三，model routing 的价值会上升。

如果某些模型更容易被滥用，平台和网关就会要求更细粒度的 use-case routing、日志、风控和拒绝策略。对 opcx.ai 这类 token gateway 视角尤其关键：未来卖的不只是 access，还包括“哪类请求该去哪个模型、在哪一层拦截、如何保留审计轨迹”。

第四，应用层套利窗口依旧存在，只是方向会分化。

灰产验证了一件残酷的事：真正高转化的 AI 需求，往往不是最体面的需求。正因为如此，合规团队更应该寻找那些同样高 intent、但合法且刚需的垂直场景，例如 sales asset personalization、B2B doc transformation、customer support resolution drafting。这些场景没有灰产那样夸张的即时付费冲动，但有更长的 LTV 和更低的 existential risk。

我没法从这篇报道直接推出平台会在几周内大规模封禁相关入口，所以时间判断上我可能偏激进；但这个月内做渠道预算和风控路线图的人，应该把“平台误伤”纳入基础假设。

05 反方观点 / 风险

我前面的判断，最大风险在于：我可能把一个媒体上很抓眼球的案例，误读成结构性拐点。

第一种反方观点是，这只是平台治理滞后，不代表 AI app distribution 逻辑本身改变。YouTube 和 X 一旦清理 referral，很多这类站点的 CAC 会立刻失控，所谓 moat 会瞬间蒸发。如果是这样，那么我前面说的“distribution 比模型更值钱”只在短周期内成立。

第二种反方观点是，1 美元并不代表强商业模式，反而可能意味着极度内卷、极低留存和高投诉率。低价未必是规模化证据，也可能只是一次性冲动消费市场的症状。我没看到 cohort 和复购数据，所以不能把低价直接等同于好生意。

第三种反方观点更重要：这类事件可能利好闭源平台，而不是应用创业者。原因很简单，监管和支付风控收紧后，只有大平台有能力承担 KYC、内容审核、申诉链路和法务成本。若如此，应用层不会迎来更多自由，而会更快向少数有 distribution 与 policy leverage 的大公司集中。

如果这个判断成立，那么真正受益的不是“更会做产品的人”，而是“更能拿到渠道信任的人”。

所以我最后的结论不是“灰产会赢”，而是更冷一点：AI 应用市场正在证明，模型能力商品化之后，价值会先流向 distribution，随后再流向能够控制 distribution 的平台。

而这，恰好是 builder 最不该浪漫化的一课。