上周，我做了个无聊但有意思的实验。
我从五个不同行业的品牌官网，各自复制了一段「关于我们」页面文本——一个 SaaS 公司、一个消费品品牌、一个咨询公司、一个教育平台、一个金融科技产品。抹掉品牌名和具体产品描述，丢给一个不知道来源的人，让他猜哪段是哪家。
他猜对了两个。错的三个里，他把 SaaS 公司的文案认成了金融科技，把教育平台的认成了咨询公司。
这不是他的问题。是这些文本的问题——它们长得太像了。
不是因为它们抄了彼此。而是因为它们都经过了同一个流程：人类写 brief → AI 生成 → 人工润色 → 发布。当输入端（brief）的质量趋同，输出端（AI 生成的内容）自然会收敛到同一个区间。
我把这个现象叫做 「同质化陷阱」——当整个行业共用同一套 AI 工具、同一套提示词模式、同一套内容分发逻辑时，品牌的差异不再由「你说了什么」决定，而是由「你敢不敢说得不一样」决定。
收敛的三个维度
1. 工具收敛
2026 年，营销领域的主流 AI 工具可以数得过来：ChatGPT 和 Claude 负责文本，Midjourney 和 DALL·E 负责视觉，Runway 和 Pika 负责视频，Perplexity 负责调研。
这些工具的底层模型本身就存在「平均化倾向」——它们被训练来生成大多数人能接受的内容，而不是少数人觉得惊艳的内容。这不是 bug，是特性。模型的 RLHF（人类反馈强化学习）阶段做的就是这件事：把输出拉到人类 reviewer 的平均偏好上。
当两个品牌的营销团队同时用 ChatGPT-4 写文案，用的都是默认 temperature（0.7），得到的初稿在语义分布上高度重叠。第一轮人工修改能拉开 10% 的差异。但到了第三轮迭代，AI 辅助改写的部分又把差异拉回去了——因为改写的 prompt 也是同一套逻辑。
工具是平均化的引擎，不是差异化的武器。
2. 流程收敛
比工具更隐蔽的是流程的趋同。我观察了十家不同规模的 marketing team 的 AI 工作流，发现它们的结构惊人地一致：
1
选题 → AI 协助调研 → AI 生成初稿 → 人工审核修改 → AI 优化排版/SEO → 发布
这个流程本身没有错。但当一个行业的所有玩家都用同一套 SOP 时，流程本身变成了一个过滤器——它过滤掉了所有「不符合标准流程」的创意。
真正差异化的内容，往往来自流程之外的东西：一个不经意的观察、一次偶然的对话、一个不在选题会上的念头。流程能保证输出，但保证不了惊喜。
3. 数据收敛
这是最隐蔽也最致命的一层。
品牌的 AI 系统依赖训练数据来理解市场和用户。但这些数据本身就在趋同。所有品牌参考的是同一份行业报告、同一批 KOL 观点、同一堆竞品分析——而这些数据源本身也在用 AI 生成内容。
我在上一篇文章（《AI 营销的「反刍效应」》）里讲过这个递归循环：AI 生成的内容被爬取，变成下一代模型的训练数据，下一代的输出更加趋同。这个循环的直接后果，就是品牌赖以决策的「市场洞察」正在变成一场集体幻觉——每个人都以为自己在独立思考，实际上大家都在读同一份由 AI 产出的、关于 AI 产出的内容的市场报告。
逃出陷阱的三条路径
同质化陷阱不是死局。但它需要品牌主动做一些反直觉的事。
路径一：建立「未经 AI 处理」的内容层
一些品牌开始尝试一个有趣的策略：在常规的 AI 辅助内容之外，刻意保留一个纯人类创作的「信号层」。这个层的内容不一定完美——可能有语法错误、有逻辑跳跃、有个人化的表述——但它的价值不在于质量，而在于不可复制性。
Netflix 的《三体》剧集上线时，公关团队发了一篇幕后文章，里面有一段导演的原始笔记——字迹潦草、语法不通、甚至有几处涂改。这篇文章的转发量远超同期所有精修版新闻稿。
不完美的原始信号，比完美的平均输出更值钱。
路径二：把 AI 用在做不一样的事，而不是做更多的事
大部分品牌用 AI 的方式是「更快地做已经在做的事」。但如果 AI 只是加速了同质化，那它不是在帮你竞争，是在帮你更快地变成别人。
少数品牌正在做相反的事：用 AI 探索未知领域，而不是优化已知领域。
一个户外品牌用 AI 分析了一万条真实的登山遇险记录，发现了一个反直觉的趋势——大部分事故发生在「被认为安全」的路段，而不是险峻路段。基于这个发现，他们重新设计了产品定位，从「征服险峰」转向「警惕安全」。这个洞察来自 AI，但决策方向是反 AI 训练数据的——没有任何模型会主动建议一个品牌弱化自己的「冒险」属性。
AI 擅长找规律，但突围靠的是打破规律。
路径三：培养「不可提示」的能力
这是最抽象但也最根本的一条。
如果一个人的工作可以被 200 tokens 的 prompt 完全替代，那他迟早会被替代。但对于营销从业者来说，真正危险的不是 AI 替代了执行，而是 AI 替代了判断。
「不可提示」的能力指的是那些无法被简化为指令的技能：对一个行业的直觉、对用户情绪的感知、对文化信号的敏感、对「现在该说什么」的判断。这些能力不是天生就有，而是在大量的非 AI 辅助的实践中磨出来的。
一个资深文案和一个用 AI 写文案的实习生之间的区别，不是谁写得快——而是谁能在客户说「我要那个感觉」的时候，知道「那个感觉」是什么。
品牌的最后壁垒
回头看这个 AI 营销系列的四篇文章：
- 规模悖论：AI 抹平了预算差距，小团队能做出大效果
- 信任赤字：内容越廉价，信任越值钱
- 反刍效应：AI 内容训练 AI，质量在递归中衰减
- 同质化陷阱：当所有品牌用同一套大脑，差异成了稀缺品
它们指向同一个结论：AI 时代营销的终局，不是效率竞争，是立场竞争。
当技术工具不再构成壁垒（因为人人可用），当内容产量不再构成优势（因为人人能产），当投放精度不再构成护城河（因为算法人人能调）——品牌剩下的最后一样东西，是它敢不敢、能不能、愿不愿意站定一个只有自己能站的立场。
而立场这个东西，恰恰是 AI 无法代劳的。因为它不需要被大多数人接受。它只需要被少数人记住。
