AI时代的定位与趋势

  • 位置比产品更重要
  • 当下是时间价值最高的阶段
  • 技能价值弱化后,信任感持续增值
  • 创业者与投资人如何合理投入时间与财富

AI时代变化非常快,从业者普遍存在焦虑。我愈发认为,个人在AI时代所处的位置,比个人的努力程度、创造的价值更为重要,我们需要从宏观视角整体看待AI行业

首先分析算力硬件层

算力是当前AI行业最稀缺的资源,在一定程度上,算力的价值远超资金。稀缺资源的核心竞争,在于获取资源的能力,而算力资源获取的核心依托于行业资源与人脉关系。

英伟达能够成为全球市值顶尖企业,不仅依托顶尖的芯片产品与CUDA生态,还有一个核心的因素常被大众忽略。

黄仁勋是全球顶尖的商务负责人,数十年持续维护与台积电的深度合作关系。在行业产能紧缺、多数企业无法获取产能的阶段,英伟达可以提前锁定、稳定获取订单。

在当前行业环境下,无论企业规模大小,只要能够拿到算力卡,就具备落地业务、推进项目的核心条件。

以两家头部AI企业为例,Fireworks与Together AI,核心业务是为美国企业提供开源模型本地化部署与推理服务。

Fireworks年度营收已达到十亿美金,跻身AI创业第一梯队,业务体量与科A持平。目前企业订单供不应求,核心发展瓶颈为推理算力卡短缺。

企业可获取的推理卡数量,直接决定业务规模上限,充足的算力供给可支撑企业营收拓展至二十亿、五十亿、百亿级别。

其次分析模型层

该赛道的核心判断已在上期内容阐述,我并不看好传统大厂在模型层的发展潜力。模型层是整个AI产业中价值创造力、创新程度最高的赛道,也是全行业唯一具备核心技术壁垒的领域

对于求职从业者而言,优先选择深耕大模型赛道的企业。若同时收到Meta、Google、OpenAI的入职邀约,即便Meta与Google提供高薪待遇,也可优先选择OpenAI。

技术迭代交替的关键节点,个人时间的价值高于薪资收益。技术变革阶段,个人成长的复利效应与增长速度会快速累积,形成滚雪球式的成长优势,因此必须紧抓时代窗口期,现阶段个人时间的优先级高于一切,后续将展开详细说明。

最后分析应用层

这是中小创业者集中布局的赛道

应用层赛道竞争极为残酷。多数创业者看似自主创业,本质上是为大模型企业提供市场调研外包服务。

YC每年投资数百家初创企业,单家企业投资金额仅几十万美金,整体投入成本极低。通过低成本吸纳顶尖人才、孵化初创产品、验证市场真实需求,完成全域市场调研

一旦初创产品验证市场可行性、实现流量爆发,OpenAI等头部大模型企业会快速复刻相关功能,整合进自有产品体系,初创企业完全不具备竞争能力。

应用层创业者仅能依靠短期信息差获取生存空间。

2023年Prophecy率先挖掘用户实时搜索需求,依托大模型固定时间截断的特性抢占市场。仅一年半时间,2024年10月31日,OpenAI将实时搜索功能正式集成至自有产品。Keser推出编码功能一年后,Anthropic上线同类Agent功能,目前OpenAI已终止为Keser提供模型支持。

2025年3月Meus实现全网爆火,同年7月OpenAI快速推出通用Agent产品完成对标。年初爆火的Open cloud小龙虾相关产品,目前市场留存玩家所剩无几。

以上均是赛道内相对成功的创业项目,大量未出圈的初创企业会悄无声息退场。

应用层创业的核心依托信息差生存,但行业信息差的存续周期持续缩短,创业者的生存空间不断被压缩。

不仅中小初创企业,大型企业也难以规避被头部大模型企业吞噬的行业命运。Anthropic COO、Instagram联合创始人、Figma董事Mike quicker,于当年4月14日辞去Figma董事职务,仅三天后,Anthropic正式发布自研云端设计产品,直接冲击Figma市场份额

关注 AI 行业可以清晰发现,企业竞争极度残酷激烈。行业竞争的终局在产品正式发布前就已注定,产品上线仅为最终结果的落地

因此应用层创业难度远超上一个互联网时代,行业流量逻辑与底层商业模式已彻底重构,但赛道仍存在细分机会,后续将详细拆解。

回归个人视角

探讨AI时代个体的生存与发展方式

当下是极具价值的时代窗口期,时间具备极高溢价。现阶段一小时的价值,可对标过往十年、数十小时的价值。当代从业者价值最高的发展阶段,集中在未来两到三年。技术交替周期中,传统行业的成长复利持续衰减,AI新时代的成长复利正式开启。

对于AI高端人才招聘标准,核心分为两点:AI程序员与传统程序员的工作体系完全不同;企业最核心的招聘标准,是候选人的AI原生实践经验。

AI原生经验仅能在AI原生企业积累,Web2时代的从业经验复用价值极低。传统互联网招聘体系高度标准化,从业者通过刷题、算法训练、系统面试即可入职大厂。

当前行业环境下,刷题备考已无实际意义,基础编码工作可由AI替代,AI原生实战经验成为人才筛选的唯一核心标准。

AI人才就业存在先有鸡还是先有蛋的行业矛盾,越早入局积累经验,个人成长的复利效应越强。

关于AI取代从业者的问题,多数人的认知过于宽泛。程序员的工作可拆解为多个标准化步骤:需求价值判断、整体系统架构设计、多维度性能与空间取舍权衡、代码落地实现。

多数从业者的工作模式,是检索现有开源代码、修改接口参数、复刻功能落地。这类机械的代码搬运工作,是AI的核心优势领域,极易被人工智能替代。

而需求价值判断、系统架构设计、多维度利弊权衡等核心判断力工作,是AI无法替代的核心能力。从业者应当将主要时间用于判断力训练,减少机械搬运、消除信息差类的低效工作。

所有依托信息差维持的岗位,最终都会被AI彻底替代。传统企业大量中层管理者,依托信息差维系岗位价值,在AI原生工作体系下,信息壁垒会被完全抹平,这类中层岗位终将被淘汰。

延伸至全行业视角,所有可标准化、可成文、可规则化的人类活动,都会被算法逐步接管。大众注意力被智能推荐系统分配,市场价格体系由高频交易算法定义。

规则化、标准化的工作价值持续贬值,人类留存的核心核心竞争力,是无法用规则定义的能力:判断问题的核心价值、信息缺失场景下的决策能力、多维度价值取舍能力、人际信任构建能力、责任承担能力、全新行业范式开创能力、审美与品味认知。

这类能力的共性,是不属于规则执行范畴,而是一切规则的来源。规则执行的价值持续下跌,规则创造与判断的价值持续上涨。

当下存在显著的时间陷阱,过度依赖AI工具,会持续弱化个人判断力。

目前大量AI博主主推各类AI工具、Skill插件的学习与使用,并不建议从业者投入大量时间深耕此类内容。AI工具迭代速度极快,现阶段需要手动操作的工具功能,短期内都会直接内化进大模型体系,无需专门学习掌握。

产品搭建是顺人性的工作,快速通过AI产出产品原型,可获得即时正向反馈,带来高效的成就感。但产品市场验证是反人性的工作,需要长期运营推广、直面市场失败、承担试错成本,多数人对此存在抵触心理。

大量从业者依托AI快速批量产出产品原型,却从未开展真实的市场验证,长期浪费个人时间。同时会产生虚假成长的错觉,误以为持续使用AI工具,就是踏入AI时代的核心赛道。

从业者应当将核心时间用于判断力培养、市场验证能力提升,有技术基础的从业者,需深耕技术底层逻辑,搭建全局化、体系化的行业认知视角。

结合身边大量创业案例,分享个人创业观点:创业要么不融资,要么全力大额融资;无法获取大额融资的创业者,可选择加入已完成大额融资的优质AI初创企业。

零融资创业模式,可布局小型个体生意,打造个人化创业主体。AI大幅降低创业人力成本,个体、微型企业在当前时代具备充足的盈利机会,身边大量个体创业者年营收可达数百万。

To C创业的核心是抢占信息差、掌握流量运营方法;To B创业的核心是交付最终业务结果,而非单纯提供基础服务。

AI时代的核心创业逻辑,是重位置、轻产品。当前产品复刻门槛极低,同质化产品不具备长期竞争力,个人与企业所处的行业层级、赛道位置,远比产品本身重要。占据行业不可绕过的核心层级,让所有行业业务流经自身赛道,是长期稳定的核心竞争力。

为大模型新增联网功能,仅属于单一产品功能。而掌握数据资源、支付权限、合规资质、行业责任,形成无法被上层兼容、不可绕过的行业环节,即可独立构建核心赛道层级。部分优质产品也可迭代成为行业核心层级。

以多模态赛道头部产品Hippify为例,产品本质是图片、视频、Token的中转平台,依托早期入场优势与超大流量体量,成为赛道TOP1。上游企业若需要调价售卖Token,不会选择官网直销,会优先与头部平台合作,降低沟通与运营成本

行业资源与最优合作价格,仅会流向赛道第一名,第二名及尾部玩家无法获取优质资源与折扣优势,长期并不具备市场竞争力。

总而言之,AI时代判断力是核心竞争力。个人的选择、所处的行业位置,直接决定未来的发展。

相关推荐
深念Y22 分钟前
Cloudflare Workers AI 服务部署记录
人工智能·语音识别
gsls20080822 分钟前
OpsKat封装MCP:用 Go 标准库把运维 CLI 变成 AI 的“手“
运维·人工智能·golang·mcp
美股研究社27 分钟前
出海合规战,TEMU先胜“一城”
大数据·人工智能·物联网
元岳数字人小元29 分钟前
数字人一体机如何落地?多模态智能交互设备全解析
运维·人工智能·人机交互·交互·源代码管理
学着改变27535 分钟前
2026手持式超声波流量计品牌对比:巡检标定场景性能与续航评测
人工智能·科技·产品运营·能源·材质
qq4078556036 分钟前
2026 最新鼎捷 vs 轻流:生产管理系统功能对比与选型指南
大数据·人工智能·低代码·制造
夜雪一千36 分钟前
如何编写一个数据分析 Skill:完整拆解一个案例
人工智能·语言模型·数据挖掘·数据分析
liliangcsdn36 分钟前
如何对IC时间序列进行汇总统计分析示例
人工智能·算法·机器学习
世岩清上40 分钟前
展柜陈列想要高级质感,留白比例控制在多少最合适?
人工智能·展厅改造