Gamma 创始人：AI 正在创造一个前所未有的新市场
Whole Picture
Gamma App 联创 Grant Lee 在 X 上发的一篇短文被深思 SenseAI 扩写解读。核心论点：AI 的经济意义不是”替代了什么”，而是解锁了一批从来没进过任何 TAM 的非消费者。
- 框架来自克里斯滕森《创新者的困境》中的”非消费”（non-consumption）概念——不是低端颠覆，是找到那些”根本没在参与”的人
- 技术论证：AI 把入口从”空白编辑器”变成”对话”，让一亿个非工程师第一次获得建造数字工具的能力
- 三个结构对称案例：印度 UPI（支付）、廉价钢铁+电梯（摩天楼）、低代码市场增长轨迹
- 落脚到”暗物质经济”—— Grant Lee 对那批”想做但做不到”的人的命名，他们规模很大但在市场数据里不可见
核心框架拆解
非消费 vs 低端颠覆
克里斯滕森真正看重的不是”低端颠覆”，是”非消费”。后者在原书里偏冷，但更能解释 AI 的机会。
“真正的市场边界，从来都不是’有多少人在买’，而是’有多少人有这个需求’。”
这是全文最硬的一句。投资人算 TAM 用前者，Grant Lee 指出的机会在后者。
技能壁垒 = 习得性无助
“我就是不懂技术”被重解读为塞利格曼习得性无助：反复无法控制结果的个体默认自己无能为力。把看起来是技术问题的东西翻成了心理问题——这是把”为什么技能壁垒这么难跨”说到了底的一步。
质变 vs 量变
同一套 AI 工具对顶级工程师是效率提升（量变），对不会写代码的人是可能性空间打开（质变）。这个区分容易被忽略，但它决定了产品的定位选择。
摩天楼翻转（全文最有操作感的观察）
电梯出现前高层楼反而便宜——因为没人愿意爬。技术改变物理限制，价值预期翻转。迁移到软件：之前因为复杂度太高”没人做”的利基市场，可能在低摩擦工具出现后变得有利可图。
这比”TAM 变大”更有操作意义：它告诉创业者去看那些曾经被嫌弃的利基。
三个支撑案例
| 案例 | 门槛降低方式 | 结果 |
|---|---|---|
| UPI（2016-2025） | 二维码 + 6 位 PIN | 2025 年 2280 亿笔 / 3.4 万亿美元，覆盖 75% 零售数字支付 |
| 摩天楼 | 廉价钢铁 + 客运电梯 | 垂直城市形态，重塑居住 / 工作 / 消费空间 |
| 低代码 | 简化操作 | 2023 年 248 亿 → 2030 年 1017 亿（CAGR 22.5%） |
槽点与保留
- UPI 类比省略了外力：UPI 起量不只靠门槛降低，还有 NPCI 基础设施 + 2016 年 demonetization 政府推力。纯靠门槛降低复刻不了 UPI 规模
- 低代码 → AI 原生不是连续进化：低代码服务”懂业务的半技术人员”，AI 原生才触达”完全不懂技术的人”——更像两条曲线而非一条
- Anthropic “100% AI 编写” 需验证：大概率是”AI 深度参与”而非”100% 生成”，引用时要小心
- 文章只抛问题不给答案：怎么识别真非消费者？怎么验证他们会付费而不是只是想玩玩？非消费者规模化后为什么不会被存量玩家截胡？这些是这套框架的真正难点，文章止步于此
对产品 / 投资视角的提示
- 做 AI 产品前，先问自己：服务的是”已经在用工具、想要更好工具的人”还是”此前根本没有工具、有需求但没出口的人”？两个方向都有价值，但打法和规模量级完全不同
- 非消费者需要完全不同的工具生态：调试要解释为什么（不是错误码）、部署要一键（不是命令行）、协作要能和不懂代码的人一起工作。现有开发者工具的所有假设前提对这批人都是错的
- “摩天楼翻转”启发：去扫那些曾经因为复杂度高而没人做的利基市场