知识口播的信息增量：为什么"讲对了"依然没人看

一个扎心的检验法

知识口播发出去没水花，先做这个检验：把你视频的结论讲给目标观众听，他第一反应是"对，我也这么觉得"还是"咦？"——前者就是没增量。信息增量 = 观众看完后认知里多出来的那部分。百科式复述（"锻炼对身体好"）是知识口播的坟墓。

增量的三层检验

第一层：结论增量。 结论本身是否反常识？（"多喝水不一定适合每个人"有增量，"多喝水好"没有）

第二层：机制增量。 结论常识的话，机制是否讲得比别人深？（"早睡早起身体好"没增量，"早睡早起影响的是皮质醇曲线而不是意志力"有）

第三层：操作增量。 结论和机制都常见，操作步骤是否具体到可执行？（"每天睡前做这三个动作，比数羊管用"）

三条全没有，这条选题放弃——不是重写，是放弃。

增量的四个来源

来源一：论文与数据。最新研究的一手解读，天然有时效增量；来源二：一线经验。你自己踩过的坑、做过的一手案例——这是 AI 编不出来的部分，也是你的护城河；来源三：交叉领域。把 A 领域的方法讲到 B 领域（用运动科学讲学习方法），跨界的认知差就是增量；来源四：深入浅出的重述。同样的事实，用一个精妙的类比讲透——重述本身可以是增量（费曼式表达的价值）。

AI 的角色边界

AI 在这条链路里的正确位置：结构化你的增量（大纲、口播化、分镜），以及为增量配画面。增量本身必须来自上面四个来源——用 AI 直接"生成观点"的知识口播，是同质化和错误率的双重灾区。事实核对的重要性在财经拆解里说过，在知识口播同样全检。