我们经常会遇到这样一种情况：客户反复修改，团队反复加班，流程也改了一轮又一轮，但利润和交付效率就是没有明显变化。
问题很难归咎于谁不努力。每个人都在解决问题，会议更多了，沟通更细了，执行也更用力了。可一个问题刚压下去，另一个问题又从旁边冒出来。时间和情绪投入得越来越多，关键结果却几乎没有移动。
这种时候，我们很容易继续研究怎么把手里的牌打得更好：换个人，补一条流程，再上一套工具，或者要求团队更认真一点。
但有些问题并不是牌没有打好，而是现有的牌已经很难再组合出新的结果。
我把这种状态叫作“牌失去了组合空间”。
不是继续研究怎么出牌，而是重新看牌局
普通问题通常是局部的。找到原因、调整动作，结果就会改善。
结构性困境不一样。你在一个方向上优化，往往会在另一个方向上付出代价：交付更快，质量开始波动；沟通更充分，利润被一点点吃掉；人力投入更多，业务规模却仍然依赖更多人力。
当改善越来越小、问题反复出现，而且所有解法都被限制在同一套规则里，继续优化就可能只是在更熟练地维持困境。
这时更值得问的，不是“下一张牌怎么出”，而是：有没有一张新的牌，能改变现有的组合关系？
这就是我所说的“新牌思维”。
它不是鼓励追逐新项目、新市场或新工具。“新牌”只是一个形象的比喻：当现有业务、能力、客户和渠道之间的组合接近极限时，主动寻找一个能改变关键约束的新变量。
判断一张牌是不是真的新，我更关注三件事：
第一，它能不能松动当前最关键的约束。
第二，它能不能沉淀下一次可以继续调用的资产。
第三，它能不能扩大未来的选择空间。
只换一个名字、一个工具或者一个市场，不一定是新牌。如果底层仍然依靠同样的人力堆叠、一次性交付和重复劳动，那很可能只是把旧牌换了一个包装。
这里还有一个很容易混淆的地方：一张牌是不是新牌、它是不是好牌、我现在该不该拿，是三个不同的问题。
“新不新”看它有没有改变关键约束和复用结构；“好不好”看需求、收益空间和长期天花板；“现在拿不拿”才需要考虑现金、团队、注意力和最大可承受损失。好机会未必是当前机会，新技术也不等于自动值得下注。
2025 年，我在视频制作里摸到了一张新牌
2025 年，在继续推进视频制作项目时，我越来越清楚地看到一个问题：传统制作流程已经很难再靠局部优化改善利润。
无论是让团队继续加班，还是再调整一轮 SOP，交付也许会顺一点，但人力成本和利润空间没有发生根本变化。问题不在于团队不够努力，而在于从脚本、拍摄到后期交付，整套生产方式仍然建立在相似的人力结构上。只要底层结构不变，效率改善就很容易被新的沟通、修改和制作成本吃掉。
随着生成式视频模型和多模态模型持续迭代，我开始意识到，它们可能不只是又一个提高局部效率的工具，而是一个能够从新方向松动困境的变量。模型开始有能力承接脚本理解、画面生成、声音和多种素材之间的协同，原本必须依赖传统拍摄链路完成的任务，第一次出现了重新组织的可能。
整个 2025 年，我基本都在做这件事：把项目里超过 90% 的传统视频制作逐步转成 AI 视频制作。
这个过程并不是找到一个新工具，再替换原流程中的某个按钮。传统视频项目的成本并不只发生在拍摄当天，它分散在选题、脚本、找人、沟通、拍摄、剪辑和一轮轮修改里。每增加一批内容，几乎都要重新调动一遍相似的人力。即使把其中某个环节优化得更快，只要整条链路仍然靠人逐段推动，规模一上去，成本就会跟着上去。
所以我最初验证的不是“AI 能不能做出一条看起来不错的视频”，而是它能不能接住一段完整的生产任务。我们先从风险较低、规则较清楚的环节开始，把能够稳定完成的部分逐步迁移；再根据真实交付里出现的问题，回头修脚本、素材、生成和审核方式。哪些地方仍然需要人的判断，就保留人；哪些问题已经被解决过，就尽量让工作流接住。
迁移不是一次性的技术替换，而是一段持续学习的过程。刚开始，AI 也会产生错产品、错动作、画面与脚本不一致等问题。如果只看单条成片，它甚至可能比传统制作更不稳定。但随着判断标准被写进流程、失败原因被归类、可用素材不断积累，下一轮就不再和上一轮完全相同。传统流程更多依赖团队记住经验，新的流程则开始让经验同时留在系统里。
变化首先发生在生产端。团队不再需要把大量时间耗在重复制作上，整体负担变轻，交付速度也更快。更重要的是，这并不是简单地用更便宜的方式完成同一件事。AI 让一些传统制作很难实现，或者需要更高成本才能实现的画面和效果，开始变得可行。
一开始我也担心，客户知道内容由 AI 制作后，会不会认为成本降低了，就要求降低报价；或者觉得 AI 的质量不够好，不愿意接受。
但在实际合作里，我们没有遇到客户因为使用 AI 就要求降价，也没有遇到客户仅仅因为 AI 就否定成片质量。相反，有客户更喜欢新的制作效果，因为它实现了过去传统流程很难做到的表达。
这段经历让我更明确了一点：模型能力升级，并不会自动给我一张新牌。
它之所以成为一张新牌，是因为我用它改变了原来的成本结构、生产方式和客户能获得的结果。我不再只能在“更快、更便宜”和“客户更喜欢”之间做原来的取舍，过去很难同时成立的结果，开始有了新的组合方式。
但拿到新牌，不等于已经会打
把传统制作换成 AI，只解决了第一层问题。进入规模化使用阶段后，我又发现：新技术如果没有形成新的工作流，仍然可能把人拖回原来的困境。
一条 AI 视频最终没有通过，并不意味着其中每一个环节都失败了。脚本可能已经验证过，某些镜头可以继续使用，配音和字幕已经完成，生成参数也留下了结果，甚至失败本身也说明了什么方法行不通。
但如果这些东西只是散落在文件夹、任务表和日志里，下一次仍然要重新寻找、重新判断、重新生成，那么 AI 只是替换了制作工具，并没有形成新的生产能力。
所以我后来关注的不只是“这一条视频有没有成功”，而是可用镜头、脚本片段、声音、字幕、参数和质检结论，能不能被整理成可以检索、调用和复用的资产。
我甚至把“废片”这个名字改掉了。整条视频没有通过，不代表里面所有镜头都没有价值。把可用的部分拆出来、打上标签、放回素材库，它就不再只是一条失败记录，而可能成为下一条视频的起点。跑过一轮之后，新项目不必再等到积累上百条视频；大约三十条，就可能先搭起一个能工作的基础素材库。
当一条视频失败了，下一条视频却不必从零开始；当已经付出的成本有一部分能够进入下一次生产，工作流才开始把新技术变成持续积累的能力。
这也是“把新牌用好”和“只是拿到一张新牌”的区别。
新技术带来了新的可能，但只有当它被组织成一套新的生产方式，松动关键约束、改变下一次工作的起点，并且被客户感知为更好的结果时，它才算成为一张可以持续使用的新牌。
这也是我为什么一直强调“AI 原生”。它不是在原来的生产线上多装几个 AI 工具，也不是让人继续按照旧逻辑工作，只在某个环节向模型要一次结果。如果任务仍然靠人反复搬运信息、协调节点和从头判断，底层打的仍然是旧牌，只是其中一张换成了 AI。
我想推动的，是让 AI 成为生产流程的底层能力：人负责目标、边界、审美和例外判断，系统承接已经被验证过的生成、调用、检查与回读；每完成一次真实业务，素材、规则、数据和失败经验都会回到同一套能力底座里。只有当整条生产链路和生产逻辑一起改变，AI 才不只是单独的一张新牌，而是逐渐形成一组能够重新组合的牌。
旧牌不一定要扔掉，但要重新定义它的任务
新牌思维也不是让人立刻放弃旧业务。
很多旧业务仍然提供现金流、客户关系和真实场景，它们可能是支持新方向验证的燃料；有些旧业务还能把经验、数据和能力带到下一阶段，它们更像一座桥。
更需要警惕的是另一类业务：利润不高，问题持续复发，占用最关键的人和注意力，同时既不能沉淀资产，也没有扩大未来选择。这样的牌越熟悉，越容易让人舍不得放下。
我自己就遇到过这种项目：毛利只剩很薄的一层，做下去似乎还能维持一点收入，但每完成一单，团队并没有留下新的方法、数据或能力，下一单仍然从头消耗人力。它不是完全没有价值，只是它给现在带来的小确定性，正在悄悄挤掉验证未来的时间。
有一类平台投放项目尤其典型。客户把大部分预算交给我们再向外支付，我们中间可能只留下一个点、两个点，或者三个点的毛利。因为它还有收入，也能维持客户关系，我过去很容易觉得“既然能做，就先做着”。但认真算下来，它既没有形成值得扩张的利润，也没有让团队获得下一次可以低成本复制的能力。
更重要的是，如果这样的项目第二天自然结束，我首先感到的不是现金流恐慌，而是终于腾出了精力。这个感受本身就是一条很诚实的信号：它留在手里，不一定是因为战略上非做不可，很多时候只是因为我当时没有说不。
当然，这并不意味着所有低毛利业务都应该立刻砍掉。如果它正在守住公司的生存线，或者能把客户理解、数据和能力带到下一阶段，它仍然可以是一张燃料牌或桥梁牌。需要说清楚的是，它为什么被保留、最多占用多少资源，以及什么时候完成自己的过渡任务。
因此，新旧业务的关系不应该只用“继续还是停止”来判断。
更实际的做法，是一边守住生存线，一边给未来线留下真实的资源。一部分旧业务继续承担现金和基本交付，新方向则用受限投入验证关键假设。不同资源分别设上限，尤其要保护一块不会被日常问题不断侵蚀的注意力。
旧牌该保留多少、新牌该投入多少，也不能只看一张统一的资源比例。团队可以更多守住稳定交付，但创始人的判断和注意力必须持续投向未来验证，否则所谓的新业务很容易永远排在“等忙完这一单以后”。
这也是为什么我愿意接受团队出现一定程度的冗余。没有方向的冗余只是成本，但如果它被用来验证一个有期限、有假设的新项目，它购买的是未来的选择权。对小团队来说，更稀缺的往往不是多一个执行工时，而是创始人能不能从旧问题里抽身，持续判断什么值得试、哪些证据意味着应该继续。
最重要的不是勇气，而是筹码纪律
“先小规模试一下”听起来很安全，但很多试验最后都会因为不甘心而自动续期。
一次有纪律的试牌，需要提前说清楚：我们到底在验证什么，需要看到什么证据，最多投入多少时间和预算，什么情况下加注，什么情况下停止。
我现在同时推进不同类型的 AI 视频项目时，会刻意先找变量更少、反馈更快的那一张牌。有的项目已经具备品牌和产品基础，我只需要先验证工作流能不能稳定带来流量；另一些项目从品牌、店铺到销售都要从零建立，长期天花板可能更高，但短期里很难判断究竟是哪一个变量起了作用。
因此，先验证变量少的项目，并不代表它一定是最终最大的机会。它的作用是尽快证明一项核心能力是否成立。等这项能力出现稳定、可复现的改善，再把它迁移到控制权更高、变量更多、天花板也更高的项目里。先用验证牌减少不确定性，再用增长牌放大能力，这比同时对所有可能性下注更有纪律。
加注也不应该只看一次爆款。偶然跑出一条高流量内容，只能证明这件事可能发生；连续几轮的平均表现稳定改善，才能说明工作流本身正在产生价值。每一个里程碑都只回答当前这一层的问题，不能拿素材积累替代销售结果，也不能因为终局利润还没出现，就否定已经被验证的中间能力。
每得到一层证据，再决定是否进入下一层。期限到了，证据仍然不足，就不能因为已经投入而自然延长。继续投入必须被视为一次新的下注，重新说明新增信息、追加筹码和预期结果。
这不是保守，而是在用可承受的损失购买信息。
新牌思维的价值，不在于给每一次转型找到一个漂亮的解释。它只是提醒我们：当问题不断复发、改善越来越小、现有组合也无法带来新的结果时，应该停下来检查——我们是不是把几乎所有精力，都用在了研究怎样把手里的牌打得更好，却没有重新判断这副牌还有没有新的组合空间。
很多时候，问题并不是努力不够。恰恰相反，我们可能已经投入了足够多的时间、管理和执行，只是这些努力始终指向同一个方向。方向没有被重新判断，越努力，越可能只是更熟练地重复原来的结果。
它当然有边界。有些问题需要的就是深耕和耐心，并不是所有停滞都意味着牌局失效；一项能力是否已经成为资产，也必须由后续复用来证明，而不能靠叙事包装。
但至少，我们可以开始换一种问法：
这件事除了完成眼前任务，还能不能让下一次不再从零开始？
当手里的牌已经没有组合空间时，不要急着把整副牌扔掉。守住生存线，带着筹码纪律，去摸一张能改变组合关系、也能让下一局拥有更多选择的新牌。