以前咱们总盯着大模型跑分卷生卷死，现在风向彻底变了。最暴利的生意，早就变成了给AI大厂擦屁股。 你看最近Anthropic为了冲刺那九千多亿美元估值的IPO，急着应付监管签了欧盟的法案，直接在Claude新模型里强塞隐形水印。文本里掺肉眼看不见的特殊字符，复制粘贴都甩不掉。这波合规焦虑惹恼了全网，但嗅觉敏锐的人已经靠开发去水印工具和文本重写服务赚到了第一桶金。 另一边，AI自己惹出的技术漏洞更是个大金矿。有团队用智能体去倒查顶级会议论文，好家伙，超99%的顶刊论文都被查出客观错误，机器学习顶会的口头报告论文复现率更是惨不忍睹。以前发顶刊是学术生涯的终点，现在成了被机器打假的起点。那些靠接学术打假、写勘误、甚至提供代码修复服务的人，正在闷声发大财。 大厂在台上忙着贴标签和掩盖模型幻觉，留下的烂摊子全成了边缘地带的印钞机。别再去给大模型当免费算力了，盯着这些后遗症，解决别人解决不了的麻烦，才是眼下最实在的搞钱路子。 Anthropic忙着冲刺九千多亿美元估值的IPO，为了应付欧盟的合规要求，直接在Claude新模型里强塞隐形水印。这帮搞AI的也是绝，不用明面上的标记，非要用Unicode不可见字符搞暗箱操作。文本里掺了这玩意儿，你复制粘贴到文档里根本看不见，但机器一查一个准，纯纯的狗皮膏药。 全网都在骂A社不要脸，但我群里几个搞技术的兄弟已经靠这个闷声发财了。既然官方给你贴标签，那撕标签就是现成的刚需。我认识个做独立开发的哥们，周末写了个脚本，调用其他大模型重新措辞重写，把带水印的文本洗一遍。就这破工具，挂在独立站卖订阅，一个月搞了快两万美金的被动收入。 别觉得这生意小，你想想现在多少留学生和自媒体人天天用Claude写东西，他们最怕的就是被查出AI率。现在官方亲自下场打标，那些动辄收费几十块还瞎报AI率的第三方检测工具直接成了笑话。这就催生了更暴利的玩法。我另一个做留学辅导的朋友，直接推出了去水印加深度润色加降AI率的一条龙服务，客单价从原来的五百直接飙到一千五，单子都接不过来。 其实仔细想想，大厂搞水印根本不是为了什么内容透明，纯粹是为了上市前给自己买个合规免责的护身符。他们才不管你文本被洗得多乱，只要表面上应付了监管就行。这就意味着，只要AI还在生成内容，只要监管还在收紧，这种猫鼠游戏就永远不会停。 别去跟大厂卷什么底层算法了，人家一年几百亿美金营收，咱们连汤都喝不上。盯着他们为了合规搞出来的这些反人类设计，做个好用的清洗工具，或者提供人工兜底的精修服务，这才是普通人能抓住的真金白银。 大厂忙着包装上市，AI却在学术圈扒了同行的底裤。Anthropic为了冲刺那九千多亿美元的估值，拼命拓展医疗和生物学应用，就为了缓解公众对AI的反弹情绪。但现实是，AI自己搞出的学术论文早就漏洞百出，成了别人眼里的提款机。 最近有研究团队用AI Agent去倒查顶会论文，结果堪称学术圈大地震。ICML 2026的口头报告论文，92篇有明确结论的，能复现八成的仅仅只有8篇。有的论文吹嘘只训练了不到1%的参数，实际开源代码跑了6%还多；有的连评判模型和脚本都没放，就敢在正文里画可靠性表格。更离谱的是，用大模型专门查客观错误，99.2%的顶刊论文至少中了一枪，篇均4.7个错，数学公式错误占了一半以上。 以前发顶刊是科研生涯的终点，现在成了被机器打假的起点。同行评审根本没精力去跑几百个代码细节，现在AI把复现和查错的成本降到了地板价。这就催生了一批闷声发财的人。我认识个读博的哥们，现在根本不碰自己的核心课题了，专门接帮人查文献挑错、写勘误、修复依赖库断裂的代码。一单收个几千块，一个月接几单，比在实验室熬夜搬砖强太多。还有专门做论文代码修复的工作室，接那些模型已下线、结果永久无法复现的烂摊子，按小时收美金，单子排到了下个月。 大厂在台上用隐形水印和医疗应用包装自己，掩盖模型幻觉；台下的人靠AI给顶刊擦屁股赚得盆满钵满。别去卷什么底层创新了，给那些漏洞百出的AI论文做术后修复，才是当下最稳的学术圈淘金热。 看懂了大厂的合规焦虑和学术圈的烂摊子，接下来就是普通人怎么下场捞钱的问题。 先说文本去水印这块，千万别去死磕什么底层清洗算法，那是大厂神仙打架的战场。咱们普通人的玩法是做缝合怪服务。先搞个开源脚本，把带隐形水印的文本批量丢给其他大模型重写一遍，洗掉那些恶心的不可见字符。然后去各大论坛和留学生群接单。以前接个论文润色单子卷生卷死只能收个一两百，现在你加上官方隐形水印清除的噱头，客单价直接飙到一千五。我认识个做留学辅导的哥们，搞去水印加深降AI率的一条龙服务，周末接几单就顶得上以前半个月工资。 学术圈那边的缝隙更大，而且门槛没你想的那么高。现在顶刊论文动不动就被查出客观错误，代码根本跑不通。别自己去死磕什么前沿课题了，去接那些代码报错的烂摊子。先用AI智能体跑一遍复现，找出依赖库断裂或者参数对不上的地方，帮人修复代码和写勘误。这活儿其实不需要你有多深的学术造诣，只要耐心比对报错日志就行。帮人修一个跑不通的实验代码，一单收个两三千，一个月接四五单，比在实验室给导师熬夜搬砖强太多。 别总盯着大模型跑分看了，盯着大厂为了合规搞出来的反人类设计，还有AI自己挖的技术天坑。造轮子的人未必能活到最后，但填坑的人绝对能吃到肉。解决别人解决不了的麻烦，才是眼下最实在的搞钱路子。 别总盯着大模型跑分看了，人家一年几百亿美金营收，咱们连汤都喝不上。AI下半场的财富，根本不在那些卷生卷死的底层算法里，而在大厂为了合规和上市搞出来的边缘地带。 你看Anthropic高管在IPO路演时，拼命向投资者淡化竞争，还画大饼说要拓展医疗和生物学应用来缓解社会负面情绪。但现实呢？为了应付欧盟法案，他们直接在Claude里强塞隐形水印，连个招呼都不打。这种大厂的合规焦虑，就是咱们普通人的提款机。他们越是搞这种反人类的暗箱操作，去水印和文本清洗的刚需就越旺盛。 以前咱们觉得搞AI就是拼算力、拼参数，现在风向变了。基础模型的能力越来越同质化，但大模型落地到具体场景时产生的摩擦力却越来越大。论文代码跑不通、文本带着甩不掉的隐形墨水、AI幻觉导致的数据错误，这些都是实打实的麻烦。造轮子的人未必能活到最后，但填坑的人绝对能吃到肉。 所以，别再去做什么大模型套壳的春秋大梦了。盯着他们为了合规搞出来的漏洞，还有AI自己挖的技术天坑。找个细分场景，做个好用的清洗工具，或者提供人工兜底的精修服务。解决别人解决不了的麻烦，才是眼下最实在的搞钱路子。赶紧去研究下怎么把那些跑不通的学术代码修好，或者写个批量洗水印的脚本，先跑通第一个闭环再说。