4029个Trae创意背后，我看到了一张被忽略的需求地图

不是榜单，是一张切片

事情是这样的。

最近 TRAE AI 在论坛里办了一场创意比赛，热度挺夸张。在提交我自己的创意之前，我想先看看大家都在拿 TRAE 做什么。结果一页一页翻下去，全是琳琅满目的参赛创意。学习的，办公的，生活的，娱乐的，硬件的，公益的，密密麻麻。

我突然有点好奇。一个 AI 开发工具的社区，如果把一群普通创作者召集起来，让大家提交自己的 AI 应用想法，最后会长出一张什么样的地图？哪些赛道会更热闹？哪些地方看起来很冷，但可能其实不是没需求？

于是我干了一件很有意思的事。把论坛里的初赛报名贴子抓了下来，自己清洗，自己归类，自己复核，搭了一个本地看板。才开赛短短一天，已经有 4029 个作品了。

看板出来的时候，我挺兴奋的。因为这不是一份榜单，它更像一个切片，一个普通创作者在 2026 年此刻如何想象 AI 应用的切片。然后我盯着它看了很久，看着看着，有点愣住。

拥挤，是一种集体潜意识

不是因为大家没创意。恰恰相反，是创意太多了，多到你能看到一种很微妙的集体潜意识。

这 4029 个作品里，学习工作有 2056 个，生活娱乐有 1296 个，两个加起来超过八成。再往主题上看：学习教育 1307 个，娱乐游戏 682 个。再往能力上看：文本生成 2397 个，智能体和工作流 880 个。

这个分布非常合理。因为学习、办公、娱乐、生活管理，本来就是年轻人每天最容易感受到的问题；而大模型最容易被普通人理解的能力，也正好是这些。"帮我写""帮我整理""帮我推荐""帮我自动化"，这套语言太顺了。顺到一个人只要打开 Claude Code、Codex、Hermes，大概半天就能搓出一个能演示的小东西。不一定优雅，不一定稳定，但它真的能跑。

以前你有个小需求，要找产品经理、找设计师、找工程师、排期、开发、上线。现在把需求往 Agent 里一丢，让它写代码、改页面、接接口，生成一个本地应用。哪怕愚钝懒惰如我，都能指挥自己的 Agent 完成一些曾经不敢想的任务。这太离谱了。

撞的不是抄袭，是同时想到

但问题也恰恰出在这里。当所有人都突然拥有了一点点做东西的能力，很多东西就会撞车。

我们后来对其中疑似重复的作品做了复核。有意思的是，绝大多数"看起来很像"的作品，并不是谁抄了谁——而是大家真的独立想到了差不多的东西。这说明，AI 应用的拥挤，不只是因为有人复制别人。更可能是因为，当 AI 把实现门槛降下来以后，很多「AI 加一个常见需求」的想法，会自然地、批量地、同时地出现。

大家都能想，大家都能做，大家都能把一个标题包装得很像产品。于是花都开在同一个地方。

它是人群地图，不是需求地图

但这件事还不能只从创意本身解释。我越想越觉得，这 4029 个作品并不是一张完整的 AI 需求地图，它更像一张「已经会表达 AI 需求的人群地图」。

这个差别很重要。现在真正高频使用 AI、愿意参加 AI 创意比赛的人，本来就更偏年轻，更偏互联网，更偏学生和职场人。CNNIC 数据印证了这个感觉：截至 2025 年 6 月，中国生成式 AI 用户已达 5.15 亿，其中 40 岁以下用户占 74.6%，大专及以上学历用户占 37.5%。

站在 AI 创作场里最自然的那群人，本来就生活在学习、写作、办公、效率、娱乐的半径里，所以他们当然会把自己的需求写出来。我们看到学习办公很挤、文本生成很挤、智能助手很挤——当然说明这些地方有需求。但它也说明另一件事：现在拿着种子的人，主要站在那里。

那没有站在那里的那些人呢？

沉默的需求，需要有人翻译

比如中老年人。对很多中老年人来说，AI 不是一个可以拿来提效的工具，AI 更像一团雾。他可能连 AI 到底是什么、能做什么、结果能不能信，都还没有建立基本判断。

但这不代表他没有需求。恰恰相反，他的需求可能特别多：吃药提醒、慢病记录、反诈识别、子女沟通、政务办理、孤独陪伴。这些需求都很真实，但它们不会自然长成一句漂亮的参赛标题。

它们需要有人翻译。把「我不会用手机」翻译成产品问题，把「我怕被骗」翻译成信任问题，把「我记不住吃药」翻译成连续照护问题，把「我不知道该问谁」翻译成服务入口问题。这才是真正难的地方。不是把 AI 接进一个功能里，而是把一个人说不清楚的现实，翻译成一个可交付的系统。

而且这不是一个小人群。截至 2025 年 6 月，中国 60 岁及以上网民已达 1.61 亿，但这个群体的互联网普及率只有 52%，同期全国整体是 79.7%。他们不是不存在，也不是没有需求，只是没有那么自然地出现在 AI 创意比赛的表达场里。

冷门的麻烦，可能正是机会

这时候再看那些冷门方向，就会很有意思。这次比赛里，硬件交互只有 102 个，占 2.53%，社会公益 80 个，社会服务 416 个。数字看起来冷，但冷门不一定代表没需求，冷门有时候只是没人把需求翻译出来。

适老、基层服务、慢病管理、社区协同、小工厂排产、线下医疗健康，这些方向的痛点往往很扎实，只是它们不好写标题，不好做演示，不好用一个「AI 助手」讲清楚。用户不一定是天天折腾 AI 的人，场景也不只发生在浏览器里，它要接设备、接人、接流程、接责任。

出错成本也更高。一个写作助手写坏了，大不了自己改；一个养老机构的异常提醒系统误报漏报，可能就不是改一段文案这么简单了；一个小工厂排产系统给错建议，后面跟着的是交期、库存、人工、赔付。

这些方向不性感，甚至有点麻烦。但麻烦，可能恰恰是机会的一部分。

算不过账的场景，重新回到牌桌

前 AI 时代，很多这样的场景，不是大厂看不见，大厂当然看得见。基层有台账需求，老人有照护需求，小工厂有排产需求，社区有反诈需求。问题是，很多时候算不过账：用户分散，需求碎，标准化难，交付重，客单价不一定高。做一个全国通用的办公软件，显然比做一个面向社区老人的吃药提醒系统更划算。不是后者没有价值，是供给成本太高。

AI 时代真正有意思的地方在这里：

AI 一边压缩浅层工具的利润空间，一边降低偏僻场景的供给成本。

大家都能用 AI 写东西了，所以写作工具更卷；大家都能用 AI 搭页面了，所以轻量应用更卷。这当然是真的，但还有另一面。过去一个很懂场景的人，可能没有能力做产品。现在他用 Hermes 梳理流程，用 Claude Code 搭原型立框架，用 Codex 改页面跑测试，搭一个微信小程序服务入口，已经完全不是难事。这套东西不一定完美，但足够让一个非常懂场景的人，把过去需要一整个团队才能验证的东西，先跑起来。前 AI 时代算不过账的场景，可能会在 AI 时代重新进入商业可行区。

投资市场也在印证这件事。YC 2025 年春季 144 家公司里，70 家和 AI Agent 相关，做的不全是那种听起来很酷的应用——有医疗保险申诉、房贷流程、销售开发、机器人训练，听起来甚至有点无聊。但它们有一个共同点：都在进入真实流程。a16z 和 Mercury 分析了超过 20 万家创业公司的 AI 应用支出数据后发现，流量代表好奇，付费才代表疼痛。被持续付费的产品，都是真的进入了某个工作流，省了时间，省了人，降低了风险。McKinsey 2025 年全球 AI 调查里有个很真实的落差：88% 的组织已在至少一个业务职能中使用 AI，但真正能进入流程、沉淀数据、变成稳定结果的，不到三分之一。

问题从来不只是"有没有模型"。问题是，AI 有没有真的嵌进流程里，改变了责任，降低了风险，变成一个稳定的结果。

越好说清的，越容易被复刻

回到最开始那个看板。4029 个作品，像一群人站在 AI 应用时代的入口处往前跑。有人跑向学习，有人跑向办公，有人跑向娱乐，有人跑向智能助手。这些都没错，热闹处会继续出好产品。但热闹处的问题是，它很容易被看到，也很容易被复刻。越容易被一句话说清楚的 AI 应用，越容易被很多人同时想到，也越容易被用户自己复刻。

真正值得认真看的，反而是那些没那么热闹、没那么好表达、甚至用户自己都还没说清楚的现实场景。老人不会说出口的麻烦，基层工作人员反复填写的表格，小工厂排不清的订单，社区服务没人承接的缝隙，那些过去太碎、太重、太不性感的现实。AI 让浅层应用变便宜，也让深处需求第一次变得可服务。

这 4029 个作品，也让我对自己要提交什么，有了更清楚的判断。不是热闹的地方没机会，是冷门的地方，还有更多现实，没人翻译过。AI 应用创业不是比谁更懂模型，而是比谁更懂用户还没法自己解决的那部分现实。这句话，会是我接下来很长一段时间，判断一个 AI 应用值不值得做的尺子。

/ 作者，混吃等鼠
/ 投稿或爆料，fragtex@hcds.cc