如何打造超级个体：品味是入场券，token 是燃料，脑力是天花板
2026 上半年，「超级个体」「一人公司」是中文创业圈最热的两个词。
上海临港推出「超级个体 288 行动」，苏州办了第一届 AI 一人公司大会，新华网两次发稿，深圳市发改委专门发文跟进政策。Dario Amodei 在 Anthropic 的 Code with Claude 大会上被问「第一家只有一个人类员工的十亿美元公司什么时候出现」，他给出的答案是「2026 年，70–80% 信心」。
故事很性感。但故事是产品，结构才是工程。
跳过宣传话术看本质——决定你能不能成为超级个体的，是三件极其不平均的资源。我把它们叫做三根柱子：
下面一根一根拆。
柱子一：品味（taste）—— AI 时代的真稀缺品
先说一个反直觉的现象。
2026 年初，Wix 用 8000 万美元现金收购了 Base44——一家只有一个开发者 Maor Shlomo 的公司，6 个月时间做到 25 万用户，单月利润（扣掉 LLM token 成本之后）18.9 万美元。同期 Pieter Levels 一个人维护 Nomad List / Remote OK / PhotoAI 等产品，年收入 300 万美元以上，员工数：0。
这些案例反复证明一件事：当 AI 可以无限生成代码、设计、文案、策略，「做」这件事的稀缺性归零，「挑」这件事的稀缺性飙升。
挑什么？挑「这个 AI 输出能不能用」「这个产品形态对不对」「这个功能要不要砍」「这句文案是不是太 AI 味」。
这就是品味（taste）。
品味的本质是一种快速的、低成本的判断函数。你不需要解释为什么，你看一眼就知道好不好。这件事 AI 当下做不了——它可以模仿任何风格，但它不知道哪个风格在你的语境下是对的。
具体到产品上，品味决定三件事：
第一，产品形态的定义。 同样一个「AI 帮你写日报」的需求，可以做成 Chrome 插件、Notion 集成、Slack bot、独立 SaaS、命令行工具——五种形态对应五种用户、五种留存曲线。哪一种最适配你想抓的人群？这是品味判断。
第二，AI 输出的筛选。 Cursor / Claude Code 每天给你产 2000 行代码，你的工作不是写代码，是当 2000 行代码的总编辑——什么留、什么删、什么重写。技术品味在这里直接换算成产品质量。
第三，「人味」的注入。 AI 写的文案有一种独特的均匀感——什么都对，但什么都没记忆点。Andrés Max 那句话被引用了一年：「Taste is the new moat.」当所有人都能用 AI 生成内容，唯一让产品被记住的，是它带的人格痕迹。这件事 AI 替你做不了，因为它没有人格。
品味的残酷之处在于：它没有捷径，靠时间堆。 你必须看过几百个失败的产品、用过几千个 App、改过几万行别人的代码，才能在 0.5 秒内判断一件事好不好。这恰好是「老炮」相对于年轻人的最大优势——也是为什么超级个体这个赛道，中年工程师的胜率远高于 22 岁的小天才。
柱子二：token —— 不是省，是「极致压榨」
第二根柱子最容易被低估，因为它看起来是钱的事。
不是的。token 是一种资源使用艺术。
来看几个真实数字。一个普通超级个体的月度 AI 开销结构（2026 年中位数，按 Fortune、Engenia Tech 等报道的口径推算）：
- Claude Code Max / Codex Pro：$200 × 2 = $400
- Cursor / Windsurf：$40
- Perplexity Pro / 其他研究类：$20
- API 直调（处理用户数据、跑批）：$300–$800
- 总计：$760–$1260 / 月
听起来不多。但这是「会用」的人的数字。「不会用」的人在 API 直调那一栏可能花到 $5000–$10000——并且产出还更差。
差距来自三件事：
1. 缓存命中率。 Anthropic 的 prompt caching 对超过 1024 token 的前缀打 90% 折扣。一个 50K token 的代码库 context，缓存命中时是 $0.15 / 次调用，不命中时是 $1.50 / 次调用——10 倍差距。会写代码的人不一定会写 prompt 结构。让重复内容前置、变化内容后置，是最基本但被忽略最多的省 token 技巧。
2. 模型路由。 同一个任务可以拆给三个模型跑：Haiku 做意图识别（$1/M token）、Sonnet 做主干生成（$3/M token）、Opus 只在关键 review 节点上场（$15/M token）。简单任务用便宜模型，复杂任务用贵模型——这是基本功。 但更深的一层是：跑得多的任务（比如批量数据清洗）应该考虑本地的 Qwen / DeepSeek，0 token 成本。一个跑了 10 万次的清洗任务，从 Sonnet 切到本地 Qwen 一年省下来的钱够买一台 M4 Max。
3. 蒸馏与重用。 同样的 review 反复跑 Opus 太奢侈。聪明的做法：让 Opus 跑一次，把它的判断标准蒸馏成 prompt 或 fine-tune，之后 95% 的请求让 Haiku 接手。这是把昂贵模型的「判断力」固化下来，然后用便宜模型做执行。
为什么这件事重要？因为超级个体的商业模型是**「单位 token 创造多少美元收入」**。
举个例子。一个 SaaS 月费 $50，平均每个用户消耗 1M token 的服务成本。如果你的 token 单价是 $3/M，毛利 94%；如果优化到 $0.5/M，毛利 99%。但如果你每次请求都直接打 Opus，单价是 $15/M——你卖一个用户亏 $15。
我见过太多技术好但 token 经济学崩盘的产品。会用 AI 写代码不是技能，会算 AI 单位经济才是。
柱子三：脑力 —— 真正的天花板，且没有摩尔定律
前两根柱子都是「学得会」的。第三根柱子是硬件限制。
人的大脑每天能进入深度专注的窗口，大约只有 4–6 小时。每一次上下文切换，根据加州大学 Gloria Mark 的经典研究，平均需要 23 分钟才能恢复到之前的专注水平。
现在把这个数字放到超级个体的工作日里：
- 早上 9 点处理 Claude Code 的 PR review（窗口 1）
- 9:30 切到客户工单（窗口 2，损耗 23 分钟）
- 10:30 回小红书评论区（窗口 3，损耗 23 分钟）
- 11:00 切到产品设计（窗口 4，损耗 23 分钟）
- 12:00 处理一个线上 bug（窗口 5，损耗 23 分钟）
- 14:00 跟客户语音（窗口 6，损耗 23 分钟）
光是切换损耗，一天 6 小时的深度时间被吃掉接近 2 小时。剩下的，你还要分给 AI 输出的筛选、品味判断、战略决策。
更残酷的是，AI 的速度在指数增长，人类的认知带宽完全平的。
2023 年 GPT-4 一小时能帮你产出大概 10 个任务的初稿。2026 年 Claude Opus 4 + Code 一小时能跑 200+ 个任务（多 agent 并行）。而你的大脑还是那颗大脑——每小时还是只能消化 8–10 个有意义的判断。
这就是「超级个体」叙事里被掩盖的真相：你不是被技术卡住，你是被自己卡住。
调度本身也消耗能量。决定「现在该处理哪个 agent 的输出」这件事，认知科学叫 decision fatigue——每天能做的高质量决定数量是有限的，做完几十个之后，质量会断崖式下跌。这也是为什么很多超级个体的产品在第 3 个月开始出现质量滑坡——不是产品做不动了，是创始人做不动了。
应对方式只有三条，且都不舒服：
第一，砍工作流，不是加工具。 一个超级个体能同时跑的项目数，不是看你能写多少代码，是看你能维持多少个独立心理模型。我观察到的健康上限是 2 个核心项目 + 1 个维护项目。再多就开始崩。
第二，让 AI 处理「调度」本身。 别自己判断哪个 agent 的输出该看，让一个 meta-agent 帮你打分排序。最重要的 3 件事推给你，剩下的它自动处理。这是 2026 年最被低估的工作流——把「注意力分配」也外包给 AI。
第三，物理隔离深度时间。 上午 9 点到 12 点不开任何通知、不看任何评论、不查任何邮件，只做一件事。这听起来像 2015 年的生产力建议，但在 AI 时代它的价值反而更高——因为你是整个系统里唯一不能并发的资源。
三根柱子的不平等
如果你只能在一根柱子上投入资源，先投哪根？
我的答案：先建品味，再优化 token，最后保护脑力。
原因是这三件事的学习曲线极不对称：
- 品味需要 5–10 年时间堆，越早开始越好，且无法外包
- token 优化是 1–2 周可以学会的工程问题，可以照搬别人方案
- 脑力管理是终身议题，每个人的边界不一样，只能自己摸索
但反过来看，三根柱子里最先压垮你的一定是脑力。前两根是慢慢长出来的瓶颈，脑力是当晚就能崩的瓶颈。这也是为什么我把脑力放在最后讲——它是终局问题。
一个反直觉的结论
「超级个体」这个词容易让人想到一种英雄主义画面：一个人对抗整个团队，靠 AI 加持，单挑十亿美元市场。
但真实的超级个体生活，比这无聊得多，也清醒得多。
它的核心不是「我能用 AI 做多少事」，而是**「我能不做多少事」**。
- 砍掉所有不能直接换钱的工作流
- 砍掉所有需要 3 个以上心理模型的项目
- 砍掉所有 token 单价超过收入单价的功能
- 砍掉所有需要你做实时判断的环节
剩下的，才是一个人能做的事。
AI 把人类的能力上限抬高了 10 倍。但人类的能量上限，依然是过去那个数字。
谁认清这件事，谁就能撑过第三年。
如果你正在考虑成为超级个体，做三件事之前别动手：
- 找一个你已经做了 5 年以上、有真实判断力的垂直方向——品味先到位
- 把你下个月所有 AI 调用的 token 消耗拉一遍，找出 80% 来自哪个调用——token 经济学想清楚
- 给自己画一张未来三个月的「认知预算表」——每周能撑多少深度小时，超过这个数就是在透支——脑力底线划清楚
三件事做完，再考虑做哪个产品。
顺序错了，前面的 AI 工具用得越熟练，后面摔得越重。