AI 来了以后,哪些小工具没了,哪些反而活得更好

Jasper、Chegg、Stack Overflow 在大模型普及后先后受到重创,扫描全能王和 TypingMind 却在同一时期增长。对比后发现,被替代的多是只卖“一次生成”的产品,活下来的握有用户数据、工作流位置或模型厂商不做的部分。

开发者Club
独立开发者AIChatGPT工具产品JasperCheggStack Overflow扫描全能王TypingMind护城河
阅读 —收藏 —

ChatGPT 发布快四年了。每次有新模型或者新功能出来,社区里都会出现一句类似的声音:“又有一批创业公司被干掉了。”

在当下环境下,确实有一部分事实是正在发生的。有的产品在这几年里收入腰斩、大规模裁员。但同一时期,也有一些看起来很容易被 AI 替代的工具,收入和用户反而都在涨。

如果你在做或者打算做一个小工具,更有用的是先搞清楚被冲击的产品和活下来的产品到底差在哪里。

下面先看两组真实案例,然后我们可以整理出一套可以拿自己产品去对照的判断方法。

被冲击最重的三个产品

Jasper:通用营销文案。 Jasper 是最早一批用大模型做写作工具的公司,帮用户写广告语、博客、社交媒体文案。2022 年 10 月,它以 15 亿美元估值融了 1.25 亿美元。一个多月后 ChatGPT 发布。2023 年 7 月,Jasper 的 CEO 发了一封公开信,宣布裁掉一部分岗位,原因是技术发展太快,以及“消费级 AI 工具的爆发”。信里还说,Jasper 最擅长的是服务中型和大型公司的营销团队,之后会集中做这部分客户。

Jasper CEO 2023 年 7 月公开信的第一段 图注:Jasper CEO Dave Rogenmoser 2023 年 7 月 10 日发给员工的信,发布在 Jasper 官方博客。这一段提到了“消费级 AI 工具的爆发”(an explosion of consumer AI tools),说 Jasper 最擅长服务中型和大型公司的营销团队(marketing teams at mid-size and enterprise companies),并宣布裁撤一部分岗位(discontinuing a number of roles)。

换句话说,Jasper 放弃了个人用户和小团队这一块。对这些用户来说,每月 20 美元的 ChatGPT,甚至免费版,已经能写出差不多的文案了。

Chegg:作业答案。 Chegg 是美国一家做学习辅导的上市公司,最主要的业务是付费查看作业题的解答。2025 年 10 月 27 日,Chegg 宣布在全球裁掉 388 个岗位,约占员工总数的 45%,原因是 AI 带来的新变化,以及谷歌导给内容网站的流量减少,让公司的流量和收入大幅下降。它 2025 年第三季度的收入是 7770 万美元,同比下降了 43%。

Chegg 2025 年第三季度业绩公告的要点部分 图注:Chegg 2025 年 11 月 10 日提交给美国证监会(SEC)的三季度业绩公告。“Third Quarter 2025 Highlights”下的第一条是总净收入 7770 万美元,同比下降 43%(a decrease of 43% year-over-year)。

Stack Overflow:编程问答。 Stack Overflow 是程序员最熟悉的问答网站。根据公开的站点数据,它每月的提问数量从 2014 年左右就开始缓慢下滑,ChatGPT 出来以后下滑速度明显加快。到 2025 年 5 月,每月的提问数量已经掉到了和 2009 年网站刚上线时差不多的水平。

Stack Overflow 每月提问数量变化图 图注:The Pragmatic Engineer 根据 Stack Overflow 公开数据查询工具(SEDE)整理的每月提问数量,纵轴是每月的提问数。图上的英文标注依次是:2009–2014 年快速增长(steep growth)、2014–2020 年缓慢下滑(slow decline)、2020 年 3–4 月疫情带来短暂上涨(COVID jump)、2020–2022 年下滑(decline)、2023–2025 年急剧下滑(steep decline)。数据截至 2025 年 5 月中旬,最右端的 5 月还不是完整月份。

动画:同一个问题前后两次走同一条路,第二次在“AI 总结”小摊前就拿到答案,通往问答网站的路长满了草

这三个产品放在一起看,会发现他们有两个共同点。

第一,用户来这里是为了拿到一段文字或者一个答案。一段文案、一道题的解法,或者一个报错的修复方法,都是一次性的输出,拿到了用户就离开了。而这正是通用大模型最擅长的事。

第二,Chegg 和 Stack Overflow 的流量很大一部分来自搜索。用户先在搜索引擎里搜问题,再点进网站看答案。当搜索结果页上直接给出 AI 总结,或者用户干脆直接去问聊天机器人,这些网站就同时失去了“答案”和“入口”。

同一时期在增长的两个产品

扫描全能王:拍照扫描和文字识别。 文字识别(OCR)听起来是最容易被大模型吃掉的能力之一,现在主流的 AI 聊天工具都能直接读图里的文字。但扫描全能王背后的合合信息,2025 年营业收入约 18.1 亿元,同比增长 25.83%。它的主要 C 端产品(扫描全能王、名片全能王等)月活超过 1.9 亿,累计付费用户同比增加了 32.78%。

用户打开扫描全能王,是为了把合同、发票、证件这些纸质文件,变成可以保存、分享和打印的电子文件。识别文字只是其中一步,前面还有拍照时自动找边框、拉正和去阴影,后面还有分类保存、多设备同步和导出 PDF。这一整套流程,是用户每次处理纸质文件都要走的,而聊天机器人只覆盖了中间识别文字的那一小段。

TypingMind:建在大模型之上的聊天界面。 TypingMind 更有意思,它本身就是建在 OpenAI、Anthropic 这些公司的模型之上的,用户填入自己的 API Key,就可以在一个界面里使用不同的模型。按理说,它最容易被模型厂商自己的 App 替代。但据开发者 Tony Dinh 公布的数据,TypingMind 从 2023 年 3 月上线,用了 20 个月做到了 100 万美元的年收入。

它的收入来自一次性买断的授权、云端数据存储,以及面向团队的私有化部署。模型的回答是模型厂商提供的,用户付钱买的是一个可以随时切换模型的界面、对自己聊天数据的控制权,以及让整个团队统一使用 AI 的部署方式。这些都是模型厂商不太会优先去做的部分。

不过 TypingMind 的风险也很明显:模型厂商的官方 App 每做好一个功能,它的空间就会被压缩一点。它能做到现在的规模,靠的是比官方更快地满足了一批重度用户和团队的需求。

被替代的和活下来的,差在哪里

两组案例的对比如下。

对比项Jasper / Chegg / Stack Overflow扫描全能王 / TypingMind
用户来做什么拿一段文字或一个答案完成一件要反复做的事
用户的数据留在哪基本不留,拿完就走文件、聊天记录、团队配置都留在产品里
在工作流里的位置一个查答案的中转站工作本身就在这里发生
流量从哪来很大程度依赖搜索用户主动打开、团队统一部署
和 AI 的关系产品的核心输出被 AI 直接提供了把 AI 当成其中一个环节或者底层能力

被替代的“答案中转站”和活下来的“工作发生地”对比

可以看出,被冲击的产品,卖的基本是一次生成:用户付钱,是为了它生成的那段内容。当通用模型生成得一样好,而且更便宜甚至免费时,用户就没有理由留下了。

活下来的产品,卖的是生成之外的东西:用户积累在产品里的数据、每次都要走的工作流程,以及模型厂商不做的部分,比如团队部署和数据控制。AI 的出现只是让这些产品的某个环节变得更好,AI 无法完全替代,所以整个产品仍然有存在的必要。

拿自己的产品做一次对照

如果你在做或者打算做一个小工具,可以按下面四个问题过一遍。

把核心功能写成一句提示词,丢给通用聊天工具试试。 比如你做的是“周报生成器”,就直接对豆包、DeepSeek、千问或者 ChatGPT 说“根据下面这些工作记录帮我写一份周报”。如果出来的结果已经有你产品七八成的效果,那就说明你的核心功能正在被免费提供,需要认真想一想还剩下什么价值。国内的主流大模型产品基本都可以免费使用,这一点对国内的小工具来说压力会更大。

用户的数据会不会留在你这里。 记账 App 里几年的账单、扫描 App 里的几百份文件,还有笔记软件里的知识库,都会让用户越用越离不开。如果用户每次用完你的产品就走,什么都没留下,那么换掉你的成本几乎为零。

你在用户工作流里的位置。 用户是在你的产品里完成工作,还是来你这里拿一个结果,再拿到别的地方去用?前者是工作发生的地方,后者只是一个中转站。中转站最容易被一个更方便的入口替代,聊天机器人就是那个更方便的入口。

你的流量从哪里来。 如果你的用户主要是从搜索引擎找到你的,尤其是那些搜一个问题、看一个答案的用户,那么 AI 搜索和 AI 总结会直接影响你的流量,Chegg 就是这样受到冲击的。用户主动打开、靠口碑或者团队推荐来的流量,受到的影响会小很多。

拿自己的产品对照的四个问题:提示词测试、数据留在哪、工作流位置、流量从哪来

四个问题里,如果第一个问题的答案是“效果差不多”,后面三个又都是否定的,这个产品就处在很危险的位置。反过来,就算你的产品里用了大模型,只要后面三个问题有一两个是肯定的,它就更像是“用 AI 做得更好的工具”。

做 AI 相关的小工具,可以往哪些方向靠?

结合上面的对比,有几个方向相对更稳一些,仅供参考:

  • 垂直场景加用户自己的数据:通用模型不知道某个律师事务所的合同模板、某家店的库存,也不知道某个人过去三年的账单。产品如果能把这些数据管起来,再用 AI 处理,用户替换的成本就会高很多。
  • 把 AI 放进一个已有的流程里:像扫描全能王那样,AI 只是流程里的一步,用户买的是整个流程变顺了。在一个高频的老流程里加上 AI,往往比做一个全新的 AI 产品更容易留住用户。
  • 做模型厂商不做的部分:团队管理、数据导出、私有部署和合规要求,这些对大厂来说优先级不高,但对一部分用户来说是刚需。TypingMind 的收入有很大一部分就来自这里。

需要提醒的是,这些方向也不是一劳永逸的。模型厂商的产品还在快速扩张,今天它们不做的部分,明天可能就会做。所以第一个问题,也就是那句提示词测试,最好每隔几个月重新做一次。当某一天测试结果从“差很多”变成“差不多”,就是你需要调整产品方向的时候。

资料来源

评论

登录后即可发表评论

登录账户

加载评论中...