哈喽，大家好！
我是阿星👋
今天托@王磊老师的福有机会去听了刘润老师2026年中大课：AI落地之战。
以下部分不是原话，是我自己的理解结合听到的内容写的，可能会有偏差，而且这次线下课是不让录视频的，所以我尽量不展示太多原生物料了。
大家可以自己付费去学习支持刘老师。而且这种课必须线下聆听。
2026，AI时代的Last Call
现说强烈感触。
我今天听完8个小时，真的有一点AI时代的Last Call的感觉，就是登机的时候的那个Last Call。
没想到30多年程序员经验的，微软搬过砖的刘润老师竟然带着一群大牛企业家在学Codex。
他们搞了个游学项目，其中一个节目就是一群企业家在亲手体验AI编程，这很魔幻，但这是真的。所以头部的人都在抢着登船。
2026确实是AI时代的Last Call。
在今天演讲之前，我其实经常跟我自己的会员说，2026已经上船的，就是已经上船了。不谋而合。我觉得可能这是经常和AI打交道的人都会得出的一个自然而然的结论。
因为AI的学习不是一蹴而就的，而是需要一年或者至少大半年的时间你才能去熟练驾驭的一个东西。或者说让自己的组织去适应AI也是需要时间的，它不是一个我今天说我要登AI的船，明天就能登上的问题。
刘润老师之所以说2026是一个关键节点，因为今年2月5号Codex的发布，让代码可以直接生产自己是某种程度上的AGI。
然后另外，现在市场上，即使一家公司愿意培养AI新人，也需要给出一定的时间。
所以2026已经登船的同学是非常幸运的，
还没有登船的同学可能还需要时间。
越来越多的企业家会沉迷于编程
而且润米不但组织企业家去发现值得AI去解决的贵的问题，
而且还组织了那些人用AI编程直接解决，
也就是企业家用AI解决实战问题，
黑客松完了最后一天还要汇报。
企业家黑客松，好小众的词汇。
我当时就想这也是我们外面的黑客松的模式，已经卷到这种程度了吗？
那些本来靠人工动态定价的老板，用computeruse动态定价，就不用那么机械重复。
那些让那些靠经验调库存的团队，直接用AI会的数学运筹模型解决问题，就不用那么无效的重复。
......
企业家都会参加黑客松了，自己去搞demo，自己解决，真的丢到公司里边，让员工继续解决继续抛光项目，应用到业务里边。其中一位企业家女士，看完AI细维度的数据分析表现直呼wokao。
越来越多的企业家会沉迷于编程。因为真的企业家已经在用编程者的角色助力自己了，我反复告诉自己，虽然我老早就知道，这是一个事实了（简直是我嘴替，这句话我一直想说，没敢说怕让别人觉得太卷了）。
其实我觉得这从侧面说明了一个问题，
你只是会AI编程也不够，
还要掌握现实世界的现金流或者可能产生现金流的方法，
才能和这些人一起登船。
企业落地AI三件套，你有几套
我还在现场有一个很明显的收获。就是企业落地AI三件套：
第一，不管要公司序程员的劝阻自以己亲眼看到AI的牛叉之处为准，因为程序员的专业素养可能会提出很多安全性要求。但是让老板通过AI编程的快速验证是很有必要的。鼓励企业家尝自试己用AI写代然码后后工期程交程给序员去做。
这一点我深有体会。我身边的大型企业家朋友，他们在公司里听的最多的就是程序员说你做的东西只是一个玩具，这个不能用的呀，不能跑的。
但是今天刘老师特别强调了，即使员工给出了这样的声音，老板也应该先进行快速编程验证，确认方向。
至于后面的安全问题、实现问题，属于技术同学可以探索的范围。
快速验证是第一位的，善后是验证之后再考虑的事情。
因为现在快速验证一个产品demo只要最多几天，通常就是几个小时的编程而已，甚至有时候就是几十分钟的一把成。
第二，AI的出产之间叉交验证。AI之间的相互竞争或许可以给出更好的答案。而且是对于初学AI的老板来说是非常友好的，可以避免一些AI幻觉错误。在这个过程中也慢慢知道了哪个AI更适合自己，更靠谱。但是如果你还在说AI写代码bug多，也应该考虑到人类也写了很多bug。
第三，挑出选程序员身出愿意转做行产品经理➕架师构的人，因为AI会掉做程序员的工作。产品经理未必会写代码，企业也未必要求产品经理会写代码，而程序员天然符合这个条件，自己会写代码有基础，只要愿意转型，其实都是值得重视的人才。就会成为类似于HRBP那个意思的ITBP，真正把AI的技术价值发挥到业务里。
而且这样的程序员最好是在35岁左右，因为太年轻的程序员体力但踩坑也比较少，但是小登对改命的需求非常强，也是很不错的年龄段。所以刘老师推荐的反而是愿意接受转型的中登程序员。
商业本质，是推开一个间距
AI新技术的出现就是在降低成本，降低成本只要力度够大，就会是可以改变商业模式的一个信号。
比如伊朗无人机2-3万美元，爱国者dao弹几百万美元，自sha式无人机压制利用科技进步低成本解决贵问题。
这种商业模式之所以成立是因为利用高科技降低了成本。让成本低于价值且能有优先定价权，所以商业逻辑成立。
机器狗也是同理在弥补人形机器人暂时性的缺陷，因为人形机器人现阶段的价值有时候低于价格，所以人形相对之下从商业模型上看还不是一个特别成熟的时期。
同样，机器狗和人形机器人都是用技术降低了成本，它可以做危险勘探解决的是人命关天的大事，价值高于价格。
比如人形机器人保姆的价格如果和人工工资进行对比，可能一个人工一年只要12万，但是一个机器人可能要几十万。
但是最后价值都会滑向价格根据社会平均价格定价，所以只有早期驾驭科技解决贵问题人能舒服一会儿，但是也会下降。
企业家要做的就是按照润米模型，像推糖葫芦一样去推开成本和价值之间的间距，因为价格后期往往是跟着市场走了。我们能改变的是降低成本增加价值，而增加价值的方法就是去解决更贵的问题。比如从解决AI生图超越到去解决AI企业落地工程问题，就等于把价值往右推，然后利于技术进步把成本往左推，拉大了间距。
AI落地生态：首先围绕"贵的问题"
总体来看，AI落地之战的根本就是利用科技降低成本的优势，并找到一个贵的问题去解决。也就是解决有价值的问题。
那什么是不贵的问题，比如deepseek一体机，在没有具体落地场景的时候进行扩产其实违背了"贵的问题"原理。因为不是企业级落地，只是模型大热，这还不是一个贵的问题。反观codex、A厂工程级编程能力异军突起，才是符合了"贵的问题"原理。
贵的问题一开始可能是礁石不是大陆，因为用户太少了，或者还是成本不够低导致用户太少。
同样都是从深圳市中心到北站，
直升机消费的一开始作用是在医疗，
解决的是贵的问题，但是用户太少，所以是礁石。
然后因为直升机技术进步导致成本降低，礁就变成了岛和陆地，就有了生态。
别害怕被蒸馏，狠狠学AI
之前有个梗说，说离职的同事被蒸馏成了skills。
同事skills这个热门话题，其实逻辑上未必能通过现实检验，因为老板要蒸馏早就蒸馏了为啥要继续发工资，所以它更多是一种舆论恐慌而已。
大部分初级员工其实不会被蒸馏，因为大家的技能也是从公共技能库学习的，所以不太可能被蒸馏，没必要自己吓自己。他们写作可能会去蒸馏罗振宇而不是蒸馏一个普通文案。😂有丢丢反讽但是好像还真的是那么回事。所以对待AI新闻，咱们还是从现实逻辑检验吧，我们一起减少焦虑，把更多时间留在学习AI上。
另外，刘润老师8个小时几乎没啥口误，应该是练习了很久，作为一个隔三差五出去分享的人，我可太懂舞台上高压环境口误出错的概率了。他竟然真的几乎没有口误。
最后还给参会同学合照了，那是在已经站着演讲8个小时估计头都晕了之后。
感谢这些工作人员，让我们面对科技巨浪的时候能提前具备更多觉察和正念。
期待下一次再聆听刘老师的商业洞见，
真实的商业世界，确实比电影更加精彩。
ok，我是阿星，
更多AI应用
我们下期再见👋
