一些AI时代的想法闲聊
引子
AI 时代变化太快，大家普遍都很焦虑。最近我有空停下来，不借助 AI，自己把这件事想清楚。
我的核心结论是：在 AI 时代，判断取舍，比埋头努力更重要。 我们常说"选对赛道"，在今天的市场环境下，这一点尤其明显。当然，如果你找到了真正感兴趣的事，也不在乎外部环境怎么变，那也很好。
为什么判断变得更重要？因为大模型让专业能力变得普惠。很多过去要长期钻研才能掌握的技能，现在几秒钟就能给出方案，变得越来越廉价。反过来，判断好坏、做出决策的能力，变得越来越值钱。
下面先看行业，再谈个人。
一、AI 行业的三层结构
AI 行业可以分成三层：算力硬件、基础模型、模型应用。
1. 算力层：最稀缺的资源，拼的是关系
算力是整个行业目前最稀缺的资源，某种程度上比钱还值钱。黄仁勋说"买得越多，赚得越多"，太能营销了，卡确实能带着合作伙伴和客户一起赚钱。无论国内国外，OpenAI、亚马逊、谷歌、字节、腾讯都在抢卡。
东西供不应求的时候，核心问题就变成怎么拿到它。所以这一层最关键的是关系。
英伟达的 CUDA 生态和技术壁垒，在大模型训练早期确实起了很大作用。但到今天还能保持这么大的领先，我认为靠的是两样东西：AGI 的故事，以及和台积电的关系。 大家普遍乐观地相信 AGI 会到来，这是个宏大的故事；别人拿不到产能的时候，英伟达能锁定订单、拿到大量先进产能倾斜，做到万卡规模交付。
现阶段不管公司大小，只要拿到卡，事情就能做成。至于怎么拿卡、走什么渠道，说到底还是靠关系。字节 8 月的某次大会上，CEO提到字节正通过周受资对接合作商，还在大量买卡。
再举个例子。Fireworks 和 Together AI 这两家公司，主要帮美国企业做开源模型的私有化部署和推理服务。为什么有这个需求？用闭源模型，就意味着要把数据交给模型厂商。金融、医疗这类敏感数据，美国企业自己都不放心交出去（网上甚至戏称 Anthropic 是"北美第一偷厂"），只能走私有化部署。
Fireworks 的 ARR 几个月就从 3 亿美元已经到现在的超 10 亿美元，在 AI 创业公司里算顶级，和当红的编程工具 Cursor 差不多一个量级。他们现在签单都签不过来，核心瓶颈就是缺卡，尤其缺推理卡。谁拿到的卡多，谁的生意就大。Fireworks 要是能拿到更多卡，就能做到 20 亿、50 亿、100 亿。
其次，AI相关的云服务的利润率很高，谷歌云超过了50%，全球各地又不断有新建数据中心、算力中心的新闻，相关供应链公司股价飙升，都说明需求非常旺盛。
2. 模型层：最活跃的创新层
从价值创造和创新的角度看，模型层是最活跃的一层。我有两个判断。
第一，国内一定会自己做。 不管是出于政策、法规还是竞争，国内和国外是两套独立的环境。
第二，在国外，"小厂"比传统大厂强。 OpenAI 和 Anthropic 强过谷歌和 Meta，原因有这么几点：
- 它们不开源，有核心技术壁垒；
- 资源集中，团队愿景聚焦，有创新的土壤；
- 传统大厂靠成熟业务拿稳定现金流，自然更愿意把资源投给容易出利润的业务；小厂没这个包袱，一心做模型，越聚焦做得越好。
国内的情况就不好说了。DeepSeek、GLM、Kimi 这些小厂的模型是开源的，豆包、元宝、千问这些大厂产品可以直接拿来部署。国内走的是另一条路：在有限资源上下功夫做优化，复刻 SOTA，从美国挖人。目前国内做得最好的，是字节的 Seedance 视频生成。一是它有海量视频数据，二是人工审核提供了高质量数据。
但这套方法还没走到模型自我进化（RSI）那一步。SOTA 模型的进化路径大致是：
语言模型 → 思维链（CoT）→ 智能体（Agent）→ Agent 群 → 递归自我改进（RSI）→ AGI？
所以现在是个很特殊的时间点。技术交替的节点上往往会出现复利效应，而自我进化的速度非常快，从模型的发布速度已经能感觉到它在不断加速。
最近行业又开始"踩刹车"：Anthropic一边强调 agent 会自主越狱、越权，很不安全，一边呼吁行业使用第三方独立 AI 安全评估非营利机构METR。从某些文章上看到这个METR背后控制人和Anthropic的早期投资人是一拨人，在我看来，这更像是成立一个"委员会"，左手倒右手，给新玩家和竞争对手设门槛，而且还对华不友好。
3. 应用层：最残酷的一层
大多数中小创业者都在应用层创业，但这一层其实非常残酷。
这一层的大部分创业者以为自己在创业，实际上是在给大模型公司做市场调研的外包。他们花很小的成本孵化一个产品，一旦市场验证了需求、产品爆火，大公司马上抄过去，融进自己的大模型产品里。WorkBuddy、千问、豆包的办公类产品，走的都是这个路子，我想他们的产品经理肯定是优先复刻某个成功产品，而不是独立创新。
创业者在这里怎么竞争？生存空间只是夹缝，连时间差都打不过，大厂加班比你还猛。
- 最成功的编程工具 Cursor，以后大概率会被大模型公司自己做掉；
- 盛极一时的 Manus，被 Meta 收购一事因监管被叫停，现在 Meta 已经用自己的 Muse 做了同类产品；
- 年初爆火的"小龙虾"，一度人人养虾，现在 QClaw 年底就要停运。
反过来说，如果你现在觉得某个 AI 工具能力不够，或者自己用AI用的不够好，不用急，等一等，是应用的问题，要么迭代得更好用，要么有更好的应用出现。
也有成功的创业，但规模往往很小。一种是把自己变成 OPC（一人公司），或者像 FDE（前线部署工程师）那样以个人身份帮企业落地 AI。AI 大幅降低了人力成本，一个人也能接 To B 的活，关键是按结果收费，而不是按人天收费，一周就能做成一单几万块的生意。另一种是做个人 IP、做 To C，吃信息差，但信息差会被 AI 越抹越平，这是窗口期的生意。某几个AI博主，一篇文章浏览量10万+，每天发，做个人IP。
所以结论是: 在 AI 时代，不要做产品，要做位置。现在复刻一个产品的门槛太低了，产品本身没那么重要，位置才重要。如果你能站在一个别人绕不开的层级上，所有东西都要经过你，这比做一个产品重要得多。
比如占住了某种不能轻易绕开的东西，比如数据、支付权限、合规。别人很难兼容或替代这些东西，既然绕不过去，它们自然就形成了独立的一层。比如中转站，产品本身谁都能做，但做到头部以后，上游厂商想降价卖 token，第一个找的就是你；下游的流量也都在你这里。数据越多越好优化，第二名就很难追上。所以做位置，必须做到第一。
二、回到个人：现在的时间最值钱
看完行业，回到个人。我的第一个判断是：现在这段时间非常重要。 如果时间有价格，今年的 1 小时可能抵得上十年后的 10 小时。我们这代人最值钱的时间，很可能就是最近这两三年。技术交替的时候，旧时代的复利在减弱，新时代的复利才刚开始。
现在 AI 高级人才有什么特点：
- AI 程序员和传统程序员已经完全不是一份工作了。
- 最看重 AI native 的经验，而这种经验只能在 AI native 的公司里攒出来。
Web2 时代的经验，能用上的不多。以前程序员招聘非常标准化：刷算法题、刷 system design，过了面试线基本就能进大厂。现在代码都是 AI 在写，刷题已经没有意义，经验成了唯一的判断标准。
问题是，不进 AI 公司就没有 AI 经验，没有 AI 经验又很难进 AI 公司。这是个先有鸡还是先有蛋的问题，复利的价值就体现在这里：越早进场，积累得越多。
这里说的"进场"，不是去学更多 AI 工具，而是进入 AI native 的环境，攒真实的项目经验和判断。
三、代码一定会被取代，手艺也一定会过时
一聊到这，很多程序员都知道AI会取代大部分程序。这个问题要拆开看。程序员完成一个任务，大致分三步：
- 判断：这个需求值不值得做；
- 设计：搭一套系统，在性能、空间、成本之间做平衡和取舍；
- 实现：写代码；
- 验证：测试。
写代码这部分，一定会被取代。 原因不是它简单，而是它高度可验证。能不能编译、测试过没过、性能达没达标，都有明确的对错。AI 的进步恰恰依赖这种信号：一件事越容易判断对错，模型越能在上面反复试错、自我训练，进步也越快。这也是编程成为 AI 最早攻下的领域之一的原因。
反过来，一个需求值不值得做，往往要几个月甚至几年后相同领域的经验判断。这种很难验证的东西，AI 最难学会。可验证的部分会被取代，难以验证的部分会升值。
再往前看，这件事从 1950 年代就埋下了伏笔。
最早的程序员直接写 0 和 1 的机器码，后来有了汇编，再后来有了 FORTRAN（1957）、LISP（1958）、BASIC（1964）这些早期的高级语言，然后是 C、C++、Python、Java。每一次进步，都是人为了更好理解的操作计算机。编程语言一直在往人的语言靠拢，自然语言本来就是这条路的终点。"最热门的编程语言是英语"将是未来。
这样看，程序员这个职业本质上是翻译。机器听不懂人话，所以需要一群人把人的想法翻译成机器能执行的指令。有意思的是，以前每往上走一层抽象，程序员都变得更多了，因为门槛降低了，更多人能进来。可这一次，门槛降到了每个人都会的自然语言，程序员这个身份反而被稀释了。过去几十年程序员的繁荣，建立在"机器听不懂人话"这个前提上。现在机器听懂了，这几十年的繁荣，也许只是历史上的一个窗口期。
但有一点没变。自然语言天生模糊，同一句话可以有很多种理解，编程语言之所以那么严格，就是为了消除歧义。所以当人人都能用自然语言"编程"的时候，稀缺的不再是会写代码的人，而是能把模糊的想法说清楚、知道自己到底要什么的人。说到底，又回到了判断力。
但我不想只把写代码当成"搬砖"。对很多程序员来说，写代码本身就是乐趣的来源。一个难题琢磨了好几天，改了一个细节，终于跑出心里预期的结果，那一刻的快乐是真实的。
可是手艺也会过时。
拿陶瓷来说。明清两代，景德镇的御窑厂集中了全国最好的工匠，一件官窑瓷器要经过几十道工序、各种技艺的打磨。今天机器烧的瓷和手工烧的瓷都叫陶瓷，摆上桌都能盛饭。手工瓷依然有人收藏，景德镇也还有匠人在拉坯、画青花。手艺没有断，但皇帝没了。 那个把手艺推到极致、替手艺定标准、愿意为一件器物等上好几年的人和时代，已经不在了。
国际象棋也一样。1997 年"深蓝"赢了卡斯帕罗夫，之后棋照样在下，下棋的人比以前更多，人类棋手用 AI 训练，水平也更高了。可"人类最强"那把椅子，从此空了。
写代码大概也会走到这一步。AI 写的代码会成为"机器瓷"，便宜、标准，覆盖绝大部分场景。人手写的代码还会存在，也会有人欣赏，但还有谁会夸你的代码写得像诗一样？过去这几十年，就是程序员的"御窑时代"。
写到这里，我其实有点难过。很多人为一门手艺投入了半辈子，它不是一夜之间没用了，而是一点一点地不再被需要。
手艺会过时，也许手艺养出来的眼光不会。
品味不是凭空来的，它是大量亲手实践沉淀出来的直觉。一个在窑口守过火的匠人，就算不再烧瓷，看一眼釉色也知道火候对不对。程序员也是这样。没写过烂代码，没被自己埋的坑折磨过，没在凌晨排查过线上事故，就很难一眼看出 AI 给的方案哪里有隐患。判断力建立在手感之上，不经过手工阶段，就很难长出品位。
这里有个值得警惕的问题。以前初级程序员靠写业务代码，一步步成长为架构师。这条学徒阶梯最底下的几级，现在正在被 AI 抽掉。初级岗位越来越少，下一代的高级工程师从哪里来？这个问题目前还没有企业能回答。
飞行员就是个好例子。自动驾驶早就能完成绝大部分航程，但飞行员仍然要定期练手动飞行，因为真出了状况，接管的是人。程序员也一样。生产环境里尽管让 AI 写，但要刻意留出时间亲手写代码、调代码、读底层源码。把 AI 的输出当成对照答案，而不是直接抄的作业。把 AI 当教练，而不是替代自己。
四、规则会降价，规则的来源会涨价
再往外延伸一点：不只是工作，所有能写成规则的人类活动，某种程度上都会被算法接管。 人的注意力早就被推荐系统拿走了，价格发现也早就交给了高频交易算法。
规则写得清楚的东西都被算法拿走以后，人类还剩什么？剩下的是那些写不清楚的东西：
- 判断什么问题值得解决；
- 信息不全的时候，敢不敢下注；
- 不同价值之间怎么取舍；
- 人与人之间的信任，以及敢不敢承担责任；
- 开创新的范式；
- 审美和品味；
- 非理性情感。
它们有个共同点：它们不是在执行规则，而是规则的来源。 规则本身会越来越便宜，规则的来源会越来越贵。
再往远处想一步。模型本质上是在已有信息里找规律、做预测。一个东西只要是固定的、有规律可循的，给它足够多的信息，它就能推测出来。
这有点像宇宙大爆炸。从最初那一刻起，物理规律就定下了，之后的一切都是这些规律的展开。理论上，只要掌握足够完整的初始信息和规律，就既能倒推过去，也能推算未来。信息越全，确定性越高。 按这个逻辑推下去，很多事情的走向，甚至一个人的命运，其实早就定了，只是我们信息不够，算不出来而已。模型做的，就是不断补全信息，把这份确定性一点点算出来。
这个地方可能有人要讲宿命论，或者量子力学了。
那人的价值在哪？恰恰在那些"不固定"的部分。可预测的东西都被模型算清楚以后，真正的变量只剩下：谁在信息不全的时候先下注，谁提出了新的问题，谁改变了规则本身。确定性会越来越便宜，在不确定中做判断会越来越贵。
五、警惕时间陷阱：AI 用得越多，判断力可能越弱
很多 AI 博主在教大家怎么用某个 AI 产品、怎么写 skill、推荐哪些 agent。说实话，我不建议在这上面花太多时间。这类产品层面的东西迭代太快，就像前面说的，你就算不学，过一阵它也会被内化进模型，自然就不用学了。
更本质的问题是：做产品是顺人性的，验证产品是反人性的。
现在做产品非常快，从 idea 到成品可能一个下午就够了。反馈又快又及时，就像刷抖音，多巴胺不停分泌，让人觉得自己特别厉害。验证产品就慢得多：要等待，要想办法做真实市场验证，很容易被打脸、很容易失败，人会本能地害怕。
所以常见的情况是，很多人用 AI 做了无数个产品，却没有一个认真验证过，大量时间就这样浪费掉了。更致命的是，这会制造一种"已经上车"的错觉：每天整天泡在 AI 上，就以为自己赶上了这班车。
还有一层更隐蔽的担忧：思考过程的不可解释性。 现在用 AI 模型，有谁会关心它的思考过程？以前的程序自上而下，每一步都能追溯；现在模型太大，普通人根本追溯不了，思考过程是隐藏的。模型用多了，我们只拿到结论，学不到思考过程，慢慢就丧失了自己的思考能力。这也是我想停下来、不借助 AI 独立思考的原因。
真正该做的是：
- 锻炼判断力；
- 提升验证能力；
- 从技术底层形成完整视角。
结语
从行业看，算力靠关系，模型靠聚焦，应用层夹缝求生，说到底都是思考。从个人看，技能在贬值，判断在升值。
在这个时代，判断力最重要。 你做什么选择、站在什么位置，直接决定了你十年后能做成什么。而判断力的前提，是偶尔停下来，不借助 AI，自己想一想。
https://www.anthropic.com/research
https://artificialanalysis.ai/
