Anthropic 在 2025 年底推出 Skill 这个产品形态，把它做成 open standard，谁都可以写、谁都可以装载、谁都可以分发。社区里的 awesome-claude-skills 几个月时间收到几万个 star，第三方平台 Agent37 自我定位「Gumroad for Claude skills」想做付费分发。但如果你认真问一个问题：一家公司开发出一个非常厉害的 skill，怎么靠这个 skill 赚钱？你会发现这个问题没有干净的答案。
这并不是因为没人想过办法。已经有几条看起来很自然的路被走过，每一条走到尽头都会发现一个死角。
最直觉的一条是直接挂出来卖。PromptBase、FlowGPT 这些 prompt 市场替整个行业试过了。你做了一个 skill 挂上去定价 9.9 美元，第一个买家付完钱，转手就能把这个明文文件贴到 GitHub、发到 Discord，你的第二个买家就消失了。PromptBase 跑了三年，估算年收入只有五百万美元，是糊口的小生意。一旦买家可以零成本传播，价格就会被推到接近零。
第二条路是做成托管服务，用户必须在你的平台上跑，跑一次收一次钱。Agent37 就是这个思路，自我定位「Gumroad for Claude skills」。这条路技术上能跑通，但仔细看你在卖什么：服务器、带宽、运行环境，本质是 hosting 不是 skill。skill 文件用户随时能下载到自己机器上免费跑，所以你定价不能高于 hosting 的成本加合理利润。结果是你以为在做 skill 生意，实际做的是 AWS 转售。
第三条路是把 skill 当成自己 API 的引流工具。Stripe、Resend、Notion 的官方 skill 全部免费。用户装了 Stripe 的 skill，AI 调 Stripe API 调得更准，用户就更愿意用 Stripe 而不是 PayPal。skill 没赚一分钱，钱全在那 2.9% 加 30 美分的手续费上。这条路成立，但它说明 skill 在这里只是营销物料，是给 API 这个真正的产品做的免费 SDK。前提是你得先有一个能赚钱的 API。
三条路走完，你会发现 skill 这种形态天生没法独立承载一个商业实体。要么便宜到不值得收钱，要么得伪装成 hosting，要么必须依附一个本来就在收钱的 API。
Skill 的本质，是把使用一个东西的知识，从隐性变成显性。
拿 Excel 来说。AI 出现之前，「会用 Excel 做出企业能用的财务模型」是一项需要专门训练的能力，新人要花几百个小时练透视表、查找函数、快捷键、三表联动。这件事养活了一整条价值链：Wall Street Prep 一门自学课卖五百到一千美元，企业内训一次几万美元；独立 Excel 咨询师按小时收费给中小企业搭模型做预测。所有这些钱收的都是同一件事：怎么用 Excel，这个知识装在少数人脑里，想要的人得花时间花钱学。
Skill 把这个传递摩擦压到零。一个几百行的 Markdown 文件，把上面那些原本要慢慢学的操作和流程写成给 AI 看的手册，装载到 LLM 里，下一秒 AI 就以一个有五年经验的分析师的水平交付结果。一个产品经理想算下季度现金流，五分钟把需求说清楚就能拿到能用的 Excel 或者 python 模型。
但同样是这件事，把上面那整条价值链一并消灭了。Wall Street Prep 的课突然不知道怎么定位，因为它教的所有东西 AI 装个开源 skill 就会做，而且做得比刚学完课的人还好。Excel 咨询师没人找了，客户直接跟带这个 skill 的 agent 说话就行。这条价值链上每一个环节的盈利空间，都被那个让 AI 学会 Excel 的 skill 消灭。而那个 skill 本身，因为是明文文件、复制成本是零，也卖不出价钱。它消灭了自己本来可以收费的东西，自己也没继承到那部分收入。Skill 是一种天生带自杀基因的产品，一旦它真正起作用，就把自己这个品类的盈利空间一并清场。
把 Excel 换成 Salesforce 配置、SAP 实施、Premiere 剪辑、Figma 设计规范，每一个 X 都在重演同一个剧本。
要理解为什么连 Red Hat 那种「artifact 免费、服务收费」的模式在 skill 这里都用不上，要回到一个更基本的事情。
在 AI 之前，价值的产生和价值的收费这两件事是绑在一起的。我写一段代码，这段代码就是我创造的价值，而这段代码也是我能控制访问的对象。Photoshop 的功能和 Photoshop 这个安装包是同一个东西，你想用功能就要装这个包，控制这个包的下载就控制了价值。SaaS 时代换了形式，逻辑没换：功能跑在我服务器上，每次调用都经过我这一道，所以我可以收订阅费，可以按调用次数收钱。Stripe 收 2.9% 加 30 美分，是因为每一笔支付都在他们的机器上发生，他们正好处在一个能设置收费点的位置上。
Skill 这种形态把这两件事分开了。它创造了真实的价值，让 AI 把事情做对，省掉大量试错和返工。但这个价值发生在用户自己的 LLM 调用里，发生在用户付给 Anthropic 或 OpenAI 的那次推理费用里，瞬间产生瞬间消散。任何一个时刻都没有「skill 在执行」的实体存在，没有任何位置可以设置一个收费点。Red Hat 当年能在 Linux 周围发展起来，是因为 Linux 有运行时、有部署复杂度、有运维需求，这些都给「服务」留出了空间。Skill 没有运行时，没有部署复杂度，明文文件直接装载到推理过程里，没有给任何中间环节留下位置。
如果你接受这个判断，那么追问「skill 怎么赚钱」就是个错的问题。正确的问题是：当价值创造和价值捕获在 AI 时代被强行分开，应该把收费点建在哪里？
skill 的自杀基因还有第二层杀伤，这一层比第一层更深。
前 SaaS 时代，免费产品其实有第二条活路：数据飞轮。Google 搜索免费，但每次搜索都在告诉它什么内容值得排在前面；Facebook 免费，但每次点赞都在训练它的推荐算法；Stripe 表面收的是 2.9% 加 30 美分，但同时它也是全世界最了解小商家欺诈模式的公司，这些数据反过来让它的反欺诈系统越来越难被复制。SaaS 时代「不收钱」从来不等于「没生意」，因为数据飞轮本身就是个值钱的生意，甚至比直接收费更值钱。
skill 把这条路也切了。原因跟上一节是同一个：执行不在你这里发生。我做了一个 skill 教 AI 怎么搭 Excel 财务模型，用户拿去用，AI 看到的所有公司数据、所有计算过程、所有用户的反馈和修改，全部进了 Anthropic 或 OpenAI 的日志，跟我这个 skill 作者没有任何关系。我不知道我的 skill 被用在了什么场景里、效果怎么样、用户在哪一步卡住了、要怎么改进。这些信息按 SaaS 的逻辑都应该回流给我，让我下一版做得更好。但 skill 这种形态把这条回路彻底切断了。我永远只能凭直觉迭代，对手是那个看到所有数据的 LLM 提供商。
更尖锐的版本发生在 to B 场景。我作为乙方做了一个金融 skill 卖给一家投行，投行的分析师天天用它处理交易数据、客户名单、内部估值模型。这些是投行最敏感的资产，但它们在每一次 AI 调用里都被送到了 Anthropic 那边。skill 作者没拿到数据，付钱的投行客户也没保住数据。两层都是输家，唯一的赢家是从来没参与这桩生意的第三方，也就是那个跑模型的公司。这是为什么很多企业开始要求自部署模型、要求数据不出域，但凡选 SaaS 模型的方案，企业级 skill 这条路就是个数据漏斗，乙方和甲方一起漏。
把两层加在一起：上一节说 skill 切断了 SaaS 时代的直接收费路径，这一节说它把 SaaS 时代的备用路径，也就是数据飞轮，也切断了。skill 作者既拿不到钱，也拿不到数据，能做的只是一次次重新生成 skill 文件。所有人辛辛苦苦做出来的 skill，最终喂养的是三家模型公司的下一代模型。这才是 skill 自杀基因最完整的形状：它不光自杀，还顺手把整个生态的数据飞轮一起埋了。
AI 这件事最深的影响，是它让一些原本稀缺的东西变得无限多。它让代码变得过剩，让文字变得过剩，让图片变得过剩，让分析报告变得过剩。所有可以被生成的东西，都在以指数速度过剩。这是为什么传统商业模式失灵：它们建立在这些东西稀缺的假设之上。
不过任何东西的过剩都会衬托出它的反面变得稀缺。这正是 AI 时代新盈利模式的来源：找到 AI 让什么变得无限多，那个东西的反面就是新的稀缺。
第一个反面是关系。AI 让 artifact 过剩，于是人和人之间的持续信任变得稀缺。Substack 和 Patreon 这类形态在 AI 时代逆势增长，订阅一个具体的人持续输出的判断，这件事比订阅一个 SaaS 工具更难被复制。AI 可以模仿任何一篇你写过的文章，没法替你跟读者建立八年的关系，没法承担你下一次判断错了之后掉粉的代价。Naval、Lenny、Stratechery 这些人的生意在过去三年都在涨，逻辑都是一样的：把收费点建在「人和人持续接触」上，这件事 AI 越不过去。
第二个反面是此刻。AI 让历史信息过剩，任何过往的数据它都能检索能总结。但「现在正在发生」这件事它生成不了，因为它没有时间机器。Bloomberg Terminal 一年三万美金，卖的不是数据本身（那些数据后来都免费了），是「比所有人早两秒钟知道」这个稀缺性。Polymarket 这种让大家用真金白银押注未来事件的预测市场，卖的是「集合所有人的信念在此刻的快照」。AI 越普及，「此刻」这个属性越值钱，因为所有可以被预先生成的东西都被生成了，唯独此刻不行。
第三个反面是物理世界。AI 能复制比特，复制不了原子。任何需要在物理世界发生的环节都是 AI 永远到不了的地方：制造、物流、能源、面对面服务、合规签字、法律责任承担。AI 可以起草任何合同，签字承担法律责任的还得是人。AI 可以诊断任何疾病，开药、做手术、签死亡证明的还得是医生。AI 越强，这些必须落到物理世界的环节反而越值钱，因为它们成了整条价值链上唯一无法被压缩的部分。Stripe 之所以能继续增长，部分原因也是它跟物理世界的银行系统、合规体系、争议处理深度绑定，这些是 AI 短期内动不了的部分。
第四个反面，也是我觉得最有意思的，是判断和品味。AI 让生成过剩，于是「值得被生成的是哪些」「值得被关注的是哪些」「值得被相信的是哪些」这些判断变得稀缺。米其林指南、Pitchfork 评分、安藤忠雄的设计签名，这些东西在前 AI 时代是边缘小生意，因为生成过剩还没到来。AI 时代它们可能从边缘走到中心。最大的 awesome-claude-skills 列表已经有几万个 skill，没有人能一个一个看过去，「值得装载的 20 个 skill 是哪些」这个判断本身可以收费，可以变成订阅，可以变成认证体系。Snyk 在 2026 年 2 月做的那份审计发现，社区里 13.4% 的 skill 有 critical 安全问题，这件事让「精选过、审计过、可信任的 skill 集合」从一个可有可无的服务变成企业刚需。这就是判断稀缺性变现的早期形态。
把上面四个反面放在一起看，它们的共同点是：承认 access control 已经死了，然后到 AI 没法生产的地方找新的稀缺。关系、此刻、物理副作用、判断品味，这四类东西的共同特征是 AI 没法生产，或者 AI 生产出来反而让它们的真版本更值钱。
这里有一个推论。今天大部分被叫做 AI-native 的公司，其实不 AI-native。它们的产品里有 AI，商业模式还是上一个时代的：按调用次数收费、按席位订阅、按 API 用量计价。这些模式都建立在「AI 输出可以被控制访问」这个假设上，而 skill 把这套使用知识开放了，开源模型把模型权重开放了，开源 agent 框架把整个执行链路开放了，每一层开放都在拆掉这个假设的一根支柱。真正 AI-native 的商业模式，应该从一开始就承认 AI 输出无法被独占控制，然后把收费点建在 AI 触不到的稀缺上。
按这个标准看，未来真正能赚钱的 AI 公司，可能反而看起来很「不科技」。它们更像高级订阅信，更像精品咨询，更像精选品牌，更像行业协会，更像会员俱乐部，更像那些在物理世界承担最终责任的公司。Skill 是免费的，模型权重是免费的，agent 框架是免费的，所有可以被复制的东西都会变成免费。剩下能收钱的，全部是 AI 不能替你完成的那部分。
回到开头那个问题。一家公司开发出一个非常厉害的 skill，怎么靠这个 skill 赚钱？答案是：你不靠它赚钱。你把它免费放出去，让它成为你这个人、你这个品牌、你这个服务能力的乘数。Skill 是名片，不是产品。承认这一点之后，那个所谓的盈利难题就不存在了，它从来就不是 bug，而是这种产品形态的定义本身。新的盈利模式不在 skill 上，在 AI 让什么变得过剩、那个的反面上。