第十部　风口的标本

第四十一章

AI：这次也不例外

每一轮热点技术都会成为资本、公共治理与商业的工具。今天是人工智能，之前是区块链、元宇宙和大数据，名字不断变化，资本运作、商业运作与组织运作的基本逻辑没有变化。

我从二〇一二年前后兼职做政企业务，二〇一八年前后转为全职，参加过大量风口行业活动、专家评审，也为相关负责人做过培训和咨询。智能家居曾被描述为两三年内进入全智能时代；AR、VR 曾被说成会替代电脑、电视和商场展示；元宇宙与数字藏品又被说成会重构博物馆、海洋馆、文旅和智慧城市。后来这些蓝图都没有按当初的时间表出现。

把时间往前拉三十年，云计算、大数据、移动互联网和元宇宙都经历过相似叙事。真正的区别是过去热点生命周期较长，而今天经济和外部形势更不稳定，周期越来越短。人工智能也要放在这条历史线上理解。

二〇二三年的第一轮判断

二〇二三年二月，我第一次系统谈人工智能。当时它更适合代码、物理、数学、化学等逻辑性强的问题；遇到文科、情感和感性判断，提问本身若宽泛，回答也容易空泛。这与它作为大规模数据学习模型的性质有关。

我当时的结论是，技术路径合理，许多其他叙事仍处在噱头阶段。未来场景没有问题，真正落地时人工智能往往是配角，是锦上添花和提高效率的工具。多数人不必先担心被替代，更现实的要求是至少会使用它。

到二月底，最多的问题变成能否商用。有人准备投入五千万美元，而 GPT-3 单次训练费用约四百六十万美元，相当于五千万美元只够训练约十次。同样的数据量和模型条件下，这笔钱很难形成可见优势。市场上又出现一百九十九元“从入门到精通”的课程；没有模型、算法和数据，入门可以教，精通没有成立基础。

接入接口做二次开发，可以与游戏、数字人和娱乐结合，但娱乐与商业不是一回事。商业化意味着替代一部分人工，必须专业地解决问题。短线训练只能约束已经训练过的问答，超出范围仍可能编造。它可以在特定产业和行业商业化，大规模应用在当时仍以辅助为主。

三月 GPT-4 出现后，我承认它会带来广泛便利，却不认为它本身会让大多数人失业。更直接影响就业的是全球经济、每年应届毕业生数量、企业破产与裁员，以及外企迁移。这些变量不能被一个热点词遮住。

真正会改变的是搜索、办公、论文、图片和视频创作习惯。二十年前人们没有今天的搜索习惯，一旦自动整理、过滤和总结成为常态，只给链接而不加工结果的搜索方式便会被淘汰。人工智能改变使用习惯，不等于它单独创造或消灭全部岗位。

催化剂不是产业本身

到二〇二三年十一月，我把人工智能放进数字经济周期中，判断更明确了。它首先是资本与组织增加经济流通的工具和催化剂，不是人人都该直接做成产品或产业本体。这是我的理解，读者可以自行判断。

真想参与，更现实的是卖水和卖铲子：帮助企业或产业做人工智能赋能，或者做人力培养，因为这是资本和公共项目真正采购的内容。直接做人工智能产品，与为既有资金提供工具，竞争基数和难度完全不同。对大多数人，直接把人工智能本体卖出去已经很难；若连卖铲子的业务都无法成交，直接做产品和服务更难形成收入。

替代叙事掩盖了原有问题

二〇二四年三月，绘画与文字工作即将没有出路的说法大量出现。我相信人工智能能提高效率、辅助工作，但在可预见阶段把整个行业困境归为人工智能替代，是把原因放错了位置，也常成为施压式营销。有些岗位原本就供需失衡，换成成本更低的人类，同样会发生替代。

人工智能之所以更容易成为失业叙事的主角，是因为它能形成浪潮、舆论和噱头。任何能提高效率、降低成本的工具都可能触发相似说法，问题不只在工具。

许多甲方、领导和老板并不理解专业细节，他们会选择成本更低、能完成需求的一方。交付由人还是人工智能完成，不如结果、故事和价格重要。设计理念、产品细节和框架，常常不是上层决策真正比较的变量。

到二〇二四年七月，媒体甚至出现未来百分之八十岗位被替换的说法。我的比喻是，一个杯子原本只有百分之二十液体，其余百分之八十是泡沫；经济回归正常时，消失的可能首先是泡沫，不应把全部收缩都算到人工智能头上。

这仍是治标不治本。一个项目实际只需五十人，却按五百人申报，剩余四百五十人的岗位迟早无法由收入支撑。新行业不断出现，若项目与行业制造泡沫的方式不变，最终承受调整的仍是员工。技术有价值，不代表每一笔投入都有价值。

无人驾驶也先看钱和责任

同年七月，无人驾驶网约车成为热点。我不否认无人驾驶的长期价值，但“未来可能存在”不等于“现在就是美好机会”。永生也可能被描述为未来，无法说明时间与路径的未来，对当下决策没有帮助。

判断无人驾驶要先问资金来源与收入来源。面向大众形成规模，可能需要几十亿元、上百亿元投入；高校、企业和资本当时普遍缺少预算。即使资金存在，安全责任和事故归属仍会提高决策风险。在组织普遍强调少做少错、少投入少亏损时，长期价值很难自动转成当期采购。

免费的信息也需要判断力

二〇二四年二月，一张中外人工智能头部对比图引起大量批评。情绪表达可以存在，事实指控却需要证据。道德评价、营销评价与可验证的制度判断不是一回事，不能因为反感便把几个层次混在一起。

很多人认为信息免费便不该有人付费，问题是免费信息是否有人读。城市官方网站长期公开政策信息，许多人二三十年也没有主动查看。公开数据给出的人均年收入约三万二至三万四千元，身边人都过得很好的感受却可能来自幸存者偏差。免费、公开与被理解之间仍有距离。

我承认自己没有某些人的营销能力，也无法复制他们的做法。把案例抽象后会发现，这种信息差、营销和争议并非人工智能独有，每一个技术周期都出现过，只是这一次传播范围更大。

周期过去以后

到二〇二四年年底，普通大众再问切入点，我的判断已经变成没有多少好做的。仍可尝试，但成功概率很低。这个周期很快，上层与企业的预算已经花过一轮，风口一过便不再继续。

早期可以对接公共预算、企业预算，做培训和知识社群；等整个周期都走完才开始，市场不仅拥挤，普通人也已经被多轮营销消耗，手上缺钱。相同动作在不同时点，结果完全不同。

二〇二五年一月，我接触了一批人工智能创业者。他们的能力与学历都很强，但个人努力相对于市场趋势非常有限。我对一级、二级市场相关投资的概括是几乎团灭。这不代表所有人工智能业务都不赚钱，而是它像黑洞一样烧钱，收入却难以匹配。

创业者面临三个共同问题：客单价提不上去、流量很难扩大、客户维护成本很高。更麻烦的是市场声誉已被反复消耗，大众听到人工智能容易先联想到骗局或低价值。团队必须先说服用户判断好坏，再把少数认可者转成付费，漏斗最后太小，无法养活团队。

主要矛盾不在人工智能

二〇二五年四月，自媒体参与者越来越多，内需市场的竞争强度远超过去。过去满分一百分，做到八十分就有位置；今天像是满分变成一千分，很多账号甚至无法超过自己的早期表现，形成出道即巅峰。

人工智能视频、文案、小说、教育、工具科普和普及都能做。关键不是人工智能，而是具体做什么。热点会更换，客户、交付、流量与收入的结构才决定业务。

小周期已经接近末尾

到二〇二五年十月，我把人工智能分成大周期与小周期。大周期仍向上，持续多久无人知道；当时所处的小周期已经接近末尾。年轻人把一个不断换词的热点当成需要长期深耕的方向，过两年热点变化时，未必还有足够时间重新试错。

大语言模型以及视频、图片生成没有问题，几年间效率和功能也持续提高，但尚未跨上新的台阶。降本增效必须量化，具体降多少成本、增加多少效率。若大面积客户愿意付费，岗位本应早已明显增加；接近三年仍未爆发，说明这个阶段已接近完成。

从资本看，软件投资已经走过完整周期，主要付费者是大型企业和公共组织，其中不少需求是跟随趋势和完成组织任务，并非真正解决问题。软件盈利结果明确后，资金在此前一年更多转向人工智能加硬件。按当时判断，第一轮硬件项目会在二〇二六年初交答卷，投资窗口约到年中。

过去泡沫会用五年、十年消化，今天常用更多泡沫消泡沫、用杠杆消杠杆。大量投入形成的成本最终仍由公众、上一代或下一代承担。进入时点必须把这条偿付链看进去。

若目标只是成为更高效的员工，人工智能当然有用，但角色仍在执行层。市场更重要的区别是是否在牌桌上；有关系、资金和交易位置，热点变化时仍能参与，只有执行能力则很难取得主动权。我预计二〇二六年上半年会有一批人工智能软硬件公司无法交出结果。

人工智能不会消失，它会融入工具、平台和产业，逐渐成为配角。未来还会出现新的金融热点。判断一个方向要看造血能力在哪里；若只在股票和金融市场形成收益，结构就很脆弱，一轮行情的成本最终由实体产业和普通人承担。免费工具也不免费，背后总有人支付算力和资金。

技术用法由商业结构决定

技术好坏并不决定资本、商业和组织怎样使用它。数据孤岛在技术上二十年前就有解决手段，部门与部门、省市之间、企业与企业之间仍难打通，壁垒主要在人、利益与商业结构，不在代码。

实时翻译和修图有用，但在人工智能之前已有替代工具，新增价值主要是效率。算力却不是免费资源，无论是否有人使用，基础设施都在持续消耗电力和金钱。大规模投入无法无限维持，未来收费提高后，用户是否愿意付费会成为新的检验。因此既要听技术人员，也要听同时理解技术和商业的人。

最赚钱的不是学习层

学代码、模型、工具或趋势都没有天然终点。算力和芯片属于基础建设，最大的收益又常在资本市场，与普通人所学模型并不在同一层。若买方主要依赖财政经费和补贴，说明行业还没有形成自我造血，顶层可以套现，其他参与者却没有自循环。

因此我更关心怎样卖水和卖铲子。只要建立了销售、交付接口和关系链，未来热点换词仍可继续提供配套。今天搬这个项目的砖，明天搬另一个项目的砖，不会自然变成包工头，因为执行与组织交易是两条路线。

循序渐进没有错，前提是路线通向目标。一直研究应用细节，只会在应用层继续渐进。愿意改变，就从接触客户、预算、合作和订单开始渐进；不愿走这条路，也可以选择简单生活，不必用错误路线安慰自己。

有人说今天百分之八十代码由人工智能生成，人工只改百分之二十。对我而言，只要不能直接变现，人工智能参与比例没有区别。手写代码不能带来收入，换成机器生成也不会自动产生收入。

人工智能与农业结合，真正落地确实难、苦、投入产出低；但围绕它可以做解决方案、创新项目、资金申报，以及面向协会、商会、单位和学校的咨询培训。一场单位人工智能主题活动，至少可以达到每日万元级。落地效率与资本、项目收入是两件事；迄今人工智能收益最大的环节仍在金融和资本市场。我判断上层更关心资金与项目，生产效率常被包装成引导市场的叙事。

与一线从业者的分歧

二〇二六年二月，我与一位从业多年的人工智能资深人员讨论了很久。他在行业内，我不在，因此我愿意先听取一线经验，再说明分歧。即使认识十几年，我们在观点上仍非常激烈，这种碰撞本身也是学习。

他的第一个判断是，下一阶段最大问题是电。芯片厂商利润率可达百分之七十至七十五，国内外电力都稀缺，而电力又受国家管理。他认为人工智能触动了既有资本利益，因此资金最终会推动电力问题解决，具体怎样解决仍不清楚。在这个专业判断上，我选择相信他。

他对机器人更谨慎，认为国内很长时间难有大量应用，主要因为成本高和数据集不足。机器人需要类似“地球在线”的模型，能够自我演算并向后一百年、两百年推演；全球人工智能数据又主要来自文字，成熟语言模型不能直接驱动机器人。他还认为，国内人工智能主要由龙头企业推进，其他企业难以参与，目前多停留在应用层，缺少从零到一的核心突破。

我认可这幅技术蓝图的逻辑，却不认为国内会按它快速发展，海外情况我不下结论。即使算力成为基础建设，国内企业和个人的使用方式也未必能把技术推到蓝图状态。我估计至少需要三十年，这只是经验猜测。更常见的路径是技术走到百分之二十、三十，收益和股票完成一轮变现，新热点又出现，社会重新开始下一段百分之二十、三十。

在我的模型里，资本、商业、行业、产业和企业构成的金字塔不会因算力升级消失。个人处在底层时，最缺的是赚钱经验。可以利用人工智能做咨询、培训或解决方案，先取得收入，才有资本和时间在真正的未来到来时选择。只做准备而没有牌，机会仍与个人无关。

我们最终达成的共识是，周期会持续多久无人知道，而处在应届、就业和转型阶段的一代，容易成为准备期里被牺牲的人。这个判断不是覆盖每个人，但相较全民创业的上升期，当前很难取得同样突破。我把两种观点同时保留，选择留给读者。

把握机会的定义

有人说父母知道改革开放有机会却没抓住，我们知道人工智能是趋势也抓不住。这个句式可以替换成二〇一〇年的移动互联网、二〇一六至二〇一七年的微服务，以及 AR、VR、智能家居、无人机、元宇宙、区块链和数字藏品。真正的问题是怎样定义“抓住”。

高考像圆心，外面有五六层、七八层甚至十几层产业链，只要在其中有一块能持续经营的位置，就算抓住。人工智能也有提示词、大模型、工具、海内外趋势、知识变现、工具变现、降本增效、申报项目、人才项目和“人工智能加行业”等多层圆环，不只有找工作一条路。

知识、流量、带货、工具和趋势变现，不要求参与者精通每项人工智能技术。能连续在不同热点赚钱的人，也不可能每次都先成为技术专家。真正限制行动的，往往是把“把握机会”理解成一座独木桥，其他路径从未了解和尝试。

知识体系不能交给工具代替

学习由两部分组成：一是建立完整知识体系，二是像调试程序一样发现错误、追查原因、复盘并修正。人工智能直接给出答案后，中间的摸索与犯错过程容易消失，知识体系因此出现断档。

眼下先活下去、先找到不错的工作没有问题，但要知道自己可能只掌握急救技能，缺少结构化知识。像人在水面大口换气，换气能暂时生存，却不等于会游泳。知识面不足会带来空虚和焦虑，因为无法判断新知识与热点处在什么阶段。

补足体系的办法是做自己的业务，哪怕暂时不赚钱也要试。真实交付会倒逼个人补齐全局与细节，让人看见现有技能无法独立支撑整件事。年龄增长后，基础知识面与体系会越来越重要；学会游泳不仅为了发展，也能让人不再被旁人的动作和市场每一次波浪牵动。

渠道换了，判断责任没换

近半年我遇到越来越多人用人工智能做规划、听建议。这个习惯本身没有问题，信息渠道只是从身边人变成互联网，再变成人工智能。核心仍是甄别能力，以及分清人和工具由谁主导。

连续对话几个月后，人工智能可能不断支持用户的方向，让人产生类似长期听赞美的错觉。工具本身可以中立，表面问题却只能得到表面回答。错误不必然来自人工智能，而可能来自提问范围和使用者对答案的过度信任。

先在纸上完成一套规划，再交给人工智能讨论，只会把纸上谈兵再放大一次。它顺着用户时提供安慰，不顺着时也可能只是换一个假设继续推演。没有现实行动、反馈和修正，消耗再多文字也不会产生有效规划。

焦虑的核心仍是主动权

三千元和三万元工作当然有区别，却未必改变焦虑本质。若没有自己的商业模式、关系链和赚钱逻辑，月薪三千、三万甚至三十万都仍由老板与人力决定去留。过去拿过高薪，不会让社会自动继续提供同样岗位。

把注意力永远放在学不学得会新技术、追不追得上新热点，焦虑不会停止。技术与热点没有终点，追随大众价值排序也不等于知道自己是谁。即使追上这一轮，下一轮仍会带来同样空虚。

因此不是人工智能制造了全部焦虑，而是个人一直处理表面问题，不敢接近核心矛盾。学会技术后会担心下一项，学会使用后又担心别人能变现而自己不能。我从二〇二三年起并没有说赚钱是唯一解，只认为对普通人而言，赚钱能力是追求自我的重要前提；缺少主动权时，人容易感觉自己一直在替别人生活。

真要进入人工智能公司

每个人追求不同，下面只是我的视角。人工智能领域应练好英文，业务和眼光只留在国内会限制选择。当前商务、销售等前端岗位相对更好，这一判断主要针对海外市场；国内商务与销售在我看来价值有限、风险更高。优先顺序是海外办公，其次国内外企且能外派，再次国内非外企但能外派，最后才是长期只在国内。

薪资总包应尽量往高谈，短期长期都能减少损失。市场、技术与经济黑天鹅很多，普通人很难可靠规划中长期。更重要的是当下是否有好录用、好现金流和自己的赚钱业务。长远规划由无数短期规划连成，先握住短期，变化来临时才有选择。

媒体热度不等于企业预算

媒体和自媒体大量宣传人工智能，容易让人听到一个词便当成机会。判断必须回到全局。二〇二三年以后财政持续吃紧，任何大规模落地都要先回答资金从哪里来。

所谓帮助企业，也要核算投入是否小于产出。媒体宣传大量落地，常是为了卖咨询与课程；企业更可能先免费试用演示、工作流和最小可行产品，再决定是否付费。实体和传统行业持续承压，互联网与人工智能又有泡沫，企业首先要保证自己生存。

因此不必因人工智能或低空经济的宣传频繁换方向。可以做卖水卖铲子的培训、课程和咨询，先取得明确收入，不要把少数落地案例当成整个市场。实际使用人工智能的人仍是少数，我估计即使本硕博人群中也只有约百分之十；不应让百分之几的市场制造全部焦虑。