口播整理 · 背书核对 · 公开例证 · 自测与换层清单
不是升级打怪，而是选择你能兑现的付费承诺。
讲者的核心命题：七层之间只变一样东西——你卖的是什么。学再多 AI 工具，只是在原来那层干得更快；想换层，得先换掉你卖的东西。
本页的补充：工具熟练本身不足以完成迁移。换层还要同步改变对客户的承诺、交付方式、验收标准和你承担的责任。编号沿用讲者口播，不代表高低或收入大小；七种形态可以重叠、并行。
以下三个数字来自 TrustMRR 公开页面，2026-10-09 检索；TrustMRR 通过支付后台核对的是收入，不是利润。
讲者开场先展示了资历。下面把每一句说法和能公开查到的结果放在一起。「无法公开核验」不等于不真实；关注和点赞即便属实，也不等于对这套框架的认可。
| 讲者说法 | 核验结果（2026-10-09/10 检索） | 证据等级 |
|---|---|---|
| YC 掌门人关注了我 | 未找到可公开核验的记录 | 讲者自述 |
| Pieter Levels 关注了我 | 未找到可公开核验的记录 | 讲者自述 |
| 雷军给我点过赞 | 未找到可公开核验的记录 | 讲者自述 |
| X 写了三年，3 万多关注 | TrustMRR 创始人页显示 X 粉丝 31.6k，近 30 天 +569（创始人页） | 平台核对 |
| 小红书 1 万多关注 | 本页未核验 | 讲者自述 |
| TrustMRR 澳洲大概收录 130 个产品 | 检索时澳洲页收录 170 个，与口播数字不同（澳洲榜） | 平台核对 |
| 前三名有两个是我的 | 按累计收入排序，「My X project 2」第 1、「My X project 1」第 3，创始人均为 @jamesai | 平台核对 |
| 营收大头在第 4 层（产品） | 名下 4 个产品累计已验证收入 $1,677,974（平台不显示利润）；但平台看不到讲者的其他收入，所以「大头」本身无法核对 | 平台核对 讲者自述 |
| 出图接口改网页版后，第二个月营收翻 5 倍 | 无公开数据。「My X project 1」创立于 2023-07，与「2023 年做出图接口」时间吻合，但是否同一产品无法确认 | 讲者自述 编辑推断 |
按一项具体收入来源作答，不要给自己整个人贴标签。结果给出「主要形态＋辅助形态」，不打总分。
七个格子等宽排列，不画金字塔，避免用面积暗示人数或用高度暗示收入。点格子跳到对应卡片；卡片默认展开第一张，其余点标题展开。
AI 让你干得更快，但收费单位仍是你的工时和单件劳动。
展开收起讲者原意：设计师用 AI 出图、销售用 AI 找客户、老板用 AI 写文案回邮件，一天干完三天活，但卖的还是自己的时间，只是能多接几单。他认为这一层人数最多。
首要风险：省下的时间能不能变成更多付费订单？还是被客户压价、被返工吃掉？
提醒：这项研究只覆盖客服场景，「每小时解决问题数」是研究指标，不是商业收费方式；不能外推成所有职业都「一天干完三天活」。另外，老板用 AI 回邮件属于内部提效，不等于在经营一门 AI 生意。
用 AI 做视频、文章、模板，攒到注意力后接广告或卖课。
展开收起讲者原意：门槛低、人挤人，人人自称 AI 专家。视频本身不值钱，值钱的是有人愿意听你说话，最后还是回到你对内容的理解。他说自己不是很会做内容，而是有一条清晰可见的脉络：在 AI 行业做出了结果，还能输出思考，于是吸引了同路人。
首要风险：有人看，是否就有人买？内容的准确性和素材授权是否清楚？
提醒：内容可以只是别的生意的获客渠道，不一定要单独变现。点赞和播放量不算付费验收。
帮传统公司做获客、内容、自动化，客户只看结果，不管你用什么工具。
展开收起讲者原意：类似代运营。以前要 10 个人干的活，现在两三个人就能干完。他认为 AI 改变的不是收入，而是企业的毛利和结构。本页把这句降调为：AI 可能同时改变收入、成本和交付结构。
首要风险：效果能不能归因到你？哪些结果依赖客户配合，哪些真正由你控制？
提醒：Klarna 是企业自己用 AI 的效果案例，不是「代运营」这种商业模式的直接证据。「相当于 700 名客服的工作量」不等于裁掉 700 人；4,000 万美元是当时的预测。后续调整说明人和 AI 的分工在变化，不是线性替换，也不能概括成「全面回归人工」。
把 AI 能力包装成软件，按月订阅或收授权。讲者自述营收大头在这里。
展开收起讲者原意：这一层常被技术圈嘲笑为「套壳」「二道贩子」。但付钱的人不在乎你是不是套壳，只在乎能不能解决需求。做好它需要理解产品、用户需求和市场。
首要风险：用户会不会持续使用？重度用户的模型调用费和客服成本能不能承受？
提醒：有人用套壳做成，不代表套壳容易成功；这两个例子都是幸存者，不代表一般成功率。
交付嵌入业务流程、可持续运行的解决方案。FDE 是常见的实施方式。
展开收起讲者原意：替一家公司把整个部门的活换掉，做 AI 落地改造，也就是当下很火的 FDE（Forward Deployed Engineer，驻场工程师）。要求对 AI 和企业业务都理解得很深。他认为很多做 AI 内容的人把自己包装成能做这一层，其实做不了——这是讲者的判断，没有数据。
首要风险：需求会不会无限蔓延？数据权限、验收、维护和人工接管分别由谁负责？
一个自检问题（来自 KDnuggets）：你在客户现场学到的东西，会不会改变下一步要做的产品？如果不会，「那就是换了头衔的咨询」。它检验的是反馈回路，不是能力认证；做咨询本身也有价值。
给别的 AI 产品供货，比如 API。买家主要是开发者。
展开收起讲者原意：2023 年他上班时业余做了一个 AI 出图接口，以为买家是程序员。上线一个月后翻客户记录，发现大多是设计公司、营销公司的邮箱——愿意付钱，但不会写代码。
首要风险：上游模型涨价、限流或故障时怎么办？收入是否依赖少数几个大客户？
提醒：这一层也能做大，但融资额和估值不等于收入或利润，fal 的例子也不能推出所有 API 生意都必须靠融资。
做基础大模型研发，并调动资本收购公司、投资人才。
展开收起讲者原意：塔尖靠的是资源和资本调动能力，或顶尖的 AI 研发能力，全世界数得过来的几个团队。
首要风险：资金、研发周期和商业交付如何衔接？这不是个人的必经终点。
提醒：这两例说明资本和人才调动的量级；它们不足以证明「研发与资本」是一种可以直接售卖的商品。
这是讲者自述的经历，他用它说明「层级不等于收入」。关键动作不是升级，而是看清付钱的人是谁、他会不会用。
2023 年业余做，以为买家是会写代码的程序员。
上线一个月，发现付费者多是设计公司、营销公司：愿意付钱，但不会写代码。
让不会写代码的人也能直接出图。讲者说第二个月营收翻了 5 倍。讲者自述
这个故事只能说明「买家会不会用」值得最先确认。营收翻 5 倍是讲者自述，无法证明全部由网页版带来；新增网页版也不必撤掉 API，两者可以并存。
选一条你关心的路径。这些是待检查的变化，不代表每次迁移都必须换买家；「暂停信号」是本页的编辑建议。
比再看一组成功案例更有用的，是先把下面几笔账想清楚。勾选只保存在当前页面，不上传。已想清 0 / 6
原始材料是讲者的一段中文口播。本页在 2026-10-09 至 10 检索并打开了下列页面；数字以检索时的页面为准，之后可能变化。TrustMRR 由 Marc Lou 创建，通过 Stripe、RevenueCat、Superwall、App Store、Creem 等支付后台核对收入，不接受手填截图；它不核对利润。
本页的整理判断（编辑推断）：七层是按「卖什么」做的分类，分类维度并不统一——第 1 层偏收费方式，第 2–5 层偏交付物，第 6 层偏产业位置，第 7 层混入资本运作，所以它们会重叠，不是互斥的阶梯。按讲者自述，他从第 6 层退到第 4 层后收入反而更大；如果属实，也说明编号高低不对应收入高低。最值得带走的一句：先看付钱的是谁、他会不会用，再决定卖哪一种东西。