AI 致富教學：先搞色色，再去賣課

作者：沙拉醬

食色性也，大部分偉大的商業模式的崛起都離不開這點事，AIGC 也不例外。

A16Z，矽谷投資圈的頂流 VC，出了一份研究 AI 消費趨勢的報告。 這份本該正經討論 AI 生產力的報告裡，藏著一頁讓人哭笑不得的折線圖：去年美國用戶花在 OpenAI 和紐約時報上的錢，加起來還沒有花在 OnlyFans 上的多。

A16Z 報告表格

很諷刺，也很真實－生產力，不如性張力。

那麼，靠 AI 擦邊，能賺多少錢？

圖片來源 Giphy

生產力不如性張力

第一波做 AI 的人，最清楚虛擬模特兒。

大概從 2022 年底開始，Midjourney、Stable Diffusion 這類工具剛剛能穩定出圖，就有人意識到：這東西能捏出以假亂真的人臉，能批量生產，成本幾乎為零。 他們用 AI 生成虛擬女性形象，配上一個名字、一段人設、幾條精心設計的“生活日常”，在 Instagram 和 TikTok 上以真人面目運營，私信裡的親密回复則由 ChatGPT 代勞，提供所謂的“女友體驗”。 整個連結幾乎全自動化，背後的操盤手甚至不需要露面。

圖片來源 Giphy

這套玩法在 OnlyFans 的跑得品平台 Fanvue 上最順暢。 Fanvue 對 AI 內容的態度更寬鬆，根據其官方披露，2023 年 11 月 AI 虛擬模特已經貢獻了平台 15%的總收入。 到 2024 年，頭部 AI 虛擬模特兒的月收入普遍在兩萬美元以上，部分營運成熟的帳號年收入已超過二十萬美元。 2025 年，這個數字還在漲。 根據 Fanvue CEO Will Monange 在 2025 年接受採訪時透露，平台上 AI 創作者的整體收入較 2024 年同期成長超過 60%，虛擬模特兒已成為平台成長最快的內容類別。

OnlyFans 官方明確禁止 AI 內容，但一直有人在鑽空子。 Reddit 上經常有人討論怎麼用 AI 擦邊在 OnlyFans 上賺錢，常見的辦法是找真人女性完成平台的人臉認證，再用她的照片訓練 AI 模型批量生產內容。

圖片來源 Giphy

平台再嚴格，架不住技術在進步，現在 AI 出連老司機都真的難以分辨程度。 前幾天我就在小紅書刷到一個擦邊帥哥坐在車裡的視頻，要不是打開評論區看到置頂的評論是“這個 AI 審美真好”，我都沒反應過來這是 AI 帥哥。

成人內容之外，還有一波人靠 AI 賺到了錢，方向完全不同：兒童繪本。

趙磊（化名）是最早入場的那批人之一。 2022 年底，他剛從一家大廠的產品崗被裁，正在家裡研究新出路。 那會兒 Midjourney 剛剛能穩定出圖，他看著生成出來的水彩風小動物，腦中冒出一個念頭：這不就是繪本插畫嗎？ 他花了兩週時間研究 Amazon KDP，邏輯極為簡單：ChatGPT 寫故事，Midjourney 出圖，排版上傳，等著收錢。 「那時候真的好賺，」他說，「幾本疊上去，一個月能有一萬多的被動收入。」

但窗口沒開多久。 2023 年下半年，KDP 上的 AI 繪本開始爆炸式增長，TikTok 上冒出將近九萬條同類教程，標題清一色的風格：EASY AI Money，靠兒童繪本月入十萬。

所有人湧進同一條賽道，銷量迅速被攤薄。 品質問題也隨之暴露，AI 繪本開始出現長著巨大前腿的恐龍、手指數量對不上的小孩。 各大平台開始要求上傳時必須申報是否使用了 AI，這條賽道基本上宣告終結。 「現在靠 AI 繪本賺錢就已經很難了。」趙磊說。

然後他和那批做 AI 擦邊的人，不約而同走向了同一個終點：賣課（在這一點上，近期爆火的「龍蝦」做到了極致）。

圖片來源 Giphy

趙磊賣的是“AI 繪本從零到上架全賣”，做擦邊的人的是“AI 全賣 虛擬模特兒搭建教學”，買單的都是下一批剛聽說這件事、還以為窗口沒關的人。

兩個賽道，兩套內容，包裝不同，賣的是同一種東西：一個「我也能做起飛的豬」的幻覺。

美學和“舊技能”，卡住了一堆人

這些聽起來是站在風口撿錢的生意，到底有什麼門檻？

一個網路 UX 設計師朋友給我一個答案：網路區域限制和會員費。 她在 Midjourney 剛出來的時候寫了一本操作指南，99 塊一本，現在還掛在小紅書上做睡後收入。 從工具使用的角度來說，她看得很準——門檻確實在快速下降。

但作為一個繪畫功底停留在火柴人、在各類 AIGC 工具裡醜圖頻出的人，我得補充一點她沒說的：還有一個門檻，叫審美。

圖片來源 Giphy

以前大家開玩笑說，AI 替代不了設計師，因為甲方根本不知道自己要什麼。 我以為這是個段子，直到我親自去用這些工具，才發現這個段子在我身上一字不差地應驗了。

去年我做了一個媒體帳號，想用「可積島」這個物理概念來做 logo。 可積島大概可以理解成，在混沌的資訊流中，那些值得沉澱下來的東西。 我找來了這個概念的參考圖，打開工具，把圖丟進去，又寫了一堆描述性的提示詞，然後開始出圖。 結果出來的東西一團亂，改了七八版，每一版都在亂的基礎上換了個亂法。 我知道我想要某種感覺，但完全不知道怎麼把那個感覺翻譯成指令。 最後還是找了一個做設計的朋友幫忙，她花了二十分鐘，出來的版本和我折騰兩個小時的結果，根本不是量級。

上圖為修改前、下圖為修改後

問題不在工具，在我。 更準確地說，在於我沒有辦法把腦中模糊的美感感受，變成精確的語言。

這個困境不只是我一個人的。

一個做內容運營的朋友去年開始用 Seedance 做短視頻，工具本身她很快就學會了，但真正卡住她的是寫分鏡。 「我知道我想要一個有質感的畫面，但『有質感』這三個字放進提示詞裡什麼用都沒有，」她說，「我不知道那個質感具體是什麼光、什麼景別、什麼運鏡。」最後做出來的東西，她形容是「有點像但哪裡都不對勁」。

另一個朋友用 Marble 做內容素材，一個可以透過文字和圖片產生 3D 畫面的工具，反覆出圖反覆推翻，折騰了半天才意識到，自己根本沒有參考系，不知道「好」長什麼樣，也就沒辦法生成出來的東西到底是不是自己想要的東西到底是不是自己想要的東西。

Marble 生成 3D 圖全景

對比鮮明的是一個有攝影經驗的朋友，同樣的工具，他的圖質量明顯高出一截出。 他說他其實沒花太多時間研究提示詞技巧，「就是知道自己想要什麼構圖、什麼光線，把這些說清楚，工具自然就給得準。」

工具的能力在快速變強，但使用者之間的差距並沒有因此縮小，反而在某種程度上被放大了。 以前大家都做不出好東西，現在有美感累積的人可以做出很好的東西，沒有的人還是在「能用」和「好用」之間徘徊。

工具也在回應這個現實。 NotebookLM 這類一鍵模板工具的走紅，背後邏輯很簡單：它繞過了「你得先知道自己要什麼」這個前提。 模板幫你做了美學決策，你只需要填寫內容。 但模板的上限也在這裡，它能解決“能用”，解決不了“好看”。

這件事在文字方向上體現得同樣清楚。 我有一個做市場策劃的朋友，最近被調去負責 PR，需要大量輸出文字稿件。 領導說可以用 AI，她反而更困惑，來找我要之前寫的一個 AI 寫作手冊。 癥結在於：她對「一篇好的 PR 稿」沒有感覺，不知道好的標準是什麼，面對 AI 產生的內容，她沒有辦法判斷要往哪個方向改。

圖片來源 Giphy

而我自己用 AI 寫作反而順手很多。 不是因為我比較懂工具，是因為當文字記者多年，對錶達有判斷，知道一句話好在哪、哪裡彆扭，知道 AI 給的東西差在什麼地方、要往哪裡推。 美學在這裡變成了一種很實用的能力：它讓你知道終點在哪，而不是漫無目的地讓 AI 一遍遍重跑。

當工具能力不是問題的時候，審美和「舊技能」就成了最大的門檻——用不好的甚至還不如完全不用的。

我要的是色色，AI 和真人的分別重要嗎？

最先吃到螃蟹的人不只會吃到甜頭，也會惹上爭議。 現在的 AIGC 圈出現了一個吊詭的現象：用不用 AI，比作品好不好，還重要。

方遠（化名）是個品牌設計師，他接了一個品牌視覺的項目，用 AI 工具把以往要花兩週的流程壓進了三天，他自己覺得出來的效果比以前還好一截。 東西發出去，等對方回覆。

結果對方回的第一句話不是對作品的評價，而是「這麼快，你是不是用 AI 了？」方遠還沒來得及回，緊接著又來一條：「我們不接受有 AI 參與的設計作品。」他到現在也不確定對方有沒有打開過附件。 他很鬱悶，效率太高，還成罪過了。

圖片來源 Giphy

面對這個處境的不只他一個人。 AI 已經在許多人的評鑑制度裡，悄悄變成了一個道德審判的座標。 這和 Photoshop 或 Excel 不一樣。 沒有人會在收到一張修過圖的照片時問“你是不是用了修圖軟體”，也沒有人會在拿到一份財務報表時追問“你是用 Excel 算的嗎”。

AI 觸發的是另一種懷疑，一種更接近「你有沒有真的做這件事」的追問。

創意工作裡向來有一種隱性的契約，好的作品意味著有人為它付出過時間、精力、打磨。 AI 的出現卻正好破壞了「付出」與「產出」之間那條大家預設存在的因果線。

你用 AI 三天做出來的東西，和別人手工兩週做出來的東西放在一起，哪怕質量一樣，前者會讓人覺得有什麼地方不對勁。 這種「不對勁」可以總結成」不公平」。

亞利桑那大學曾做過一項研究，結果設計師如果主動告知客戶使用了 AI 輔助，即便解釋了 AI 只是輔助環節，客戶對設計師的信任依然平均下降了 20%。

而隨著 AIGC 技術的成熟，這個問題逐漸從甲乙方個人信任問題，上升到了平台問題。

從 2023 年開始，國家陸續推出相關規定，要求對 AI 生成內容進行標註：先是 1 月的《互聯網資訊服務深度合成管理規定》，主要管 AI 換臉、合成聲音這類深度合成技術； 到了 2025 年 3 月，監管再度升級，國家網信辦聯合多部門發布《人工智慧生成合成內容標識辦法》，這次的規定涵蓋了文字、圖片、音訊、視訊全部內容形態。

但規範無法劃清的，是定義。

平台能識別一段 100%由 AI 生成的視頻，卻很難判斷邊界地帶，一張自拍照放進 AI 裡調了色和構圖，算算 AI 生成內容；一段視頻，素材是自己拍的但剪輯和配樂都給了 AI，要算不算了一張標籤； style="text-align: start;">

圖片來源 Giphy

邊界感的難題背後，其實是權責的問題。 定義不清楚，責任就沒有落點。 當一首歌的旋律是 AI 寫的、人改了詞，出了版權糾紛，誰來負責？ 或者一篇評測是 AI 生成的、博主只改了語氣，買了推薦產品發現名不副實，我們追問“是不是 AI 做的”，其實是在追問一個更樸素的問題，這個作品背後，到底有沒有一個人在認真負責，有沒有人在想你的問題，有沒有人結果不好？

最難劃清的不是邊界，是責任。