AI 变革指南

哪六个基础概念能解释你看到的大部分现象？

• 模型 vs 应用。模型是大脑（GPT、Claude、Gemini）。应用是围绕它造的汽车（ChatGPT、Claude.ai、Cursor）。同一个大脑可以装进许多辆车。你的产品也是一辆车。
• 它在预测文字。模型读过海量文字，学会接下来通常会出现什么。所以它写得流畅，也会一本正经地出错（"幻觉"）。它做出来的东西一定要测试。
• 它只知道桌上的东西。"上下文窗口"就是它的桌面。你粘贴或附上的内容在桌上，其余的在不同对话之间都会忘掉。做第二个项目时，保留一份简短的需求文件（应用做什么、规则、决定），每次都交给它。
• Token 是计量表。用量按小段文字计费，就像按条数计费的手机套餐。长对话和大文件更贵也更慢。这也是你产品中每个 AI 功能的成本。
• 聊天 vs 智能体。聊天只回答。智能体会行动：读你的文件、写代码、运行、看到报错、修复，连续干几个小时。正是这一跃，让一个人今天就能做出 SaaS。
• 第一个项目为什么变乱。又大又模糊的要求会得到又大又模糊的结果。小步推进、写下计划、保存版本（git）、每步快速测试，才能保持整洁。

未来几年会发生什么？（演讲者的观点，不是事实）

• 成本下降，能力上升，变化加速。
• AI 从文字走向科学：新的数学、候选药物。
• 算力仍然供不应求。
• 办公室工作承压；学会用 AI 的人受益。
• 他提到的风险：靠债务支撑的投入、网络攻击、过度使用、不平等带来的紧张。

大家都在说的"AI"是什么？

一个电脑助手，读过数量惊人的书、网页和对话。你像对一位博览群书的朋友那样，对它说话或打字。它能解释事情、写信、翻译、规划旅行，或者帮你看菜谱。

最近几年它有什么变化？

• 2022 年：会聊天、会写作。像一位聪明的笔友。
• 2024 年：学会了回答前先思考。像一个会检查算式的学生。
• 2025 年：能接下一整项工作，自己连续做几个小时。像请来的助理。

我儿子用它做什么？

他用它搭建小型网络服务，有点像开一家自己运转的小店。以前需要一队程序员，现在一个有好点子的人加上这个助手就能做到。以后他可能把这些小店卖掉。

它危险吗？

• 像电和汽车：非常有用，也需要规则和小心。
• 一些严肃的人担心，非常强大的 AI 有一天可能失控。也有人认为那还很远。没人能确定，而公司们现在已经在安全上投入精力。
• 日常的风险更普通：骗子（假声音和假消息）、它信誓旦旦地说错话，以及花太多时间跟机器聊天而不是跟人聊天。

它会抢走人们的工作吗？

有些办公室工作会发生很大变化。学会使用它的人通常比无视它的人过得好。需要双手和到场的工作，如护理、建筑和维修，同样有需求，比如建造让它运转的数据中心。

怎样安全地使用它？

• 适合的用法：翻译一封信、解释看不懂的表格、推荐菜谱、规划旅行、给家人写消息。
• 重要的答案（健康、金钱、法律）要找真正的医生、银行或律师核对。它可能说得很有把握却是错的。
• 绝不要透露密码、银行信息或证件号码。
• 如果"家人"的电话或消息急着要钱，先挂断，用对方平时的号码打回去。声音是可以伪造的。

1. AI 瞄准的是哪一块钱？

旧软件卖工具。AI 能把活干了，所以它争夺的是企业付给人去做工作的那笔钱。10 除以 0.65 约为 15 倍；20 除以 0.65 约为 31 倍。

2. 2026 年全球会在科技上花多少钱？

Gartner 2026 年 4 月预测，经由 SaaStr。软件 +15.1%，数据中心 +55.8%，整体 IT +13.5%（同比）。Gartner 的软件口径比幻灯片上的 6500 亿美元更宽，所以两者不一致。

3. 大型科技公司在 AI 基础设施上花多少？

截至 2026 年 4 月 29 日的 2026 年资本开支指引，经由 Yahoo Finance。柱子取区间中点；合计约 7250 亿美元。演讲者的警告：这些开支现在部分靠债务支撑。

4. "快"到底有多快？（增长倍数）

• 2 亿到 7 亿美元，一年内：一家高价值知识工作公司（演讲者，未具名）。
• 1.1 亿到 34 亿美元，一个月内：七笔交易的平均值，即"两步走"定价（演讲者的数据）。
• 每天 10%：1.10 自乘 30 次约为 17.4。这是我的计算，用来说明"日增长 10% 以上"意味着什么。
• 7 天内从 0 到 1 亿美元：一款分类器产品，比通用模型便宜约 100 倍。这是他的说法，称为"极端值中的极端值"。他的幻灯片写的是"0 到 70%"，所以数字可能与音频不同。

5. AI 的飞跃是不是越来越密集？

2022 年 11 月到 2024 年 12 月是 25 个月。2024 年 12 月到 2025 年 11 月是 11 个月。这就是他说应用公司大约每四个月就要重新打造自己的原因。

0:28技术以层层叠加的浪潮到来

• 芯片 → 系统 → 网络 → 互联网 → 移动 → AI 应用。
• 迄今最大的一波：AI 瞄准软件支出，以及大得多的服务支出。
• 最快的一波：因为人人都已有手机和网络。分发渠道已经存在。
• 形态不同：此前的浪潮改变信息如何传递，这一波改变信息如何处理。建设者脚下的地面一直在移动。

2:32五年内的三个转折点

• 2022 年 11 月 ChatGPT：预训练（"系统 1"快速思考）。
• 2024 年底 o1：推理（"系统 2"慢速思考）。
• 2025 年秋 Claude Code + Opus 4.5：长周期智能体。他的判断：AGI 就是在这时到来的。
• 他们 2026 年 1 月的博客说"2026: This is AGI"。当时被人嘲笑，现在已成共识（他的原话）。

3:59好的、坏的、丑的

• 好：能把活干完的应用；乡村医生获得专家级帮助；教育（Alpha School 是预演）；建设数据中心带来的蓝领工作。
• 坏：大型科技公司开始用债务支撑投入；网络安全风险加剧；重度用户出现"AI 精神病"；多数白领工作受到冲击。
• 丑：末日恐慌（他称数据中心恐慌帖可追溯到中国的国家支持行动；这是他的说法，未经证实）；贫富差距加剧社会紧张，甚至更糟。

6:34AI 实验室内部

• 奥卡姆剃刀：实验室不擅长公关，所以听起来奇怪的话，他们往往是认真的。
• 目标从 AGI 转向 ASI。
• RSI：模型在自己造自己；"在过去一年的大部分时间里"。
• 进步越快，P(doom) 越高；实验室如今认真对待对齐。
• 模型正在从语言走向科学。
• 即将到来：更高效的架构、自研芯片、持续学习。
• 业务：争夺 token 的激烈竞争、"deploy cos"（派驻大公司的顾问）、算力短缺、人才争夺降温、实验室更多并购。

9:39扩散鸿沟就是你的机会

• 应用层的建设者，主要是创业公司，就生活在这道鸿沟里。
• 最佳方向：高价值知识工作（编程、网络安全、医疗、金融、会计）。每个领域都会长出一家巨头。
• 新的记录系统正在形成，就像云时代的 Salesforce/Workday 浪潮。
• 前沿技术（几天内得到候选药物）和垂直领域的 "neolab"。

9:52创业公司：菜单、增长、运营、估值

• 拥有自己的智能：把工作负载从大模型迁到调优过的开源模型，同等质量更便宜。
• 大约每 4 个月重新打造自己，因为模型在变。
• "最强一环"团队：保护最优秀的人，让他们放手去做。
• 组织架构更像一张智能体网络。
• 估值疯狂：七笔交易中，一个月内从约 1.1 亿美元涨到 34 亿美元。

15:04结尾

预训练 vs 推理 vs 智能体

• 预训练：AI 读完互联网的一大块并学习规律。像上学的那些年。
• 推理：回答前先有时间思考。像写出解题过程，而不是脱口而出。
• 智能体（长周期）：用工具连续做几个小时，并自我检查。从一道测验题的答案，变成一个完整的项目。
• 为什么重要：每一层都让之前的"AI 功能"显得很小。为旧一层做的产品被吞掉了。

AGI vs ASI

• AGI：能把大多数知识工作做得和一个优秀的人差不多。演讲者说它在 2025 年底到来。也有人不同意；没有公认定义。
• ASI：在几乎所有事情上都明显强于最优秀的人类。各实验室现在瞄准这里。没有给出时间。
• 类比：AGI 是一名很棒的员工。ASI 是一整家永不睡觉的天才公司。
• 为什么重要：不要围绕一个下季度可能就消失的弱点去构建产品。

AI 语境下的奥卡姆剃刀

• 一般含义：符合事实的最简单解释，通常就是对的。
• 在演讲中：实验室听起来既戏剧化又矛盾（"AI 很危险"又"我们造得更快"）。最简单的解释：两句话他们都是认真的，只是不擅长公关。
• 按字面理解：当实验室说在冲向超级智能，就相信它，并据此规划。
• 对你的产品：选择简单的解读（AI 越来越强、越来越便宜），然后问你的哪些想法能挺过去。

RSI、起飞、P(doom)、对齐

• RSI（递归式自我改进）：AI 帮助造出更好的 AI，更好的 AI 再造出更好的。一个飞轮。演讲者说这件事一年来已部分发生。
• 起飞：进步快到人类跟不上。
• P(doom)：你对 AI 掌控或消灭人类的概率估计。专家给出的数字差别极大。
• 对齐：让 AI 可靠地想要我们想要的东西。演讲者说实验室意识到这方面投入不足。

从语言到 STEM

• 第一波：文字（聊天、写作、摘要）。
• 现在：科学、技术、工程、数学。新的数学定理，几天内得到药物分子。
• 为什么意义大：文字只是经济的一小部分。科学和工程蕴含巨大价值。
• 对建设者：下一批细分领域，是专家一小时就很贵的技术职业。

AI 软件中的记录系统（SoR）

• 简单说：企业存放某一领域"真相"的官方地方。Salesforce = 客户。Workday = 员工。ServiceNow = IT 工单。
• 类比：人人都必须用的档案柜。很难替换，因为历史和习惯都在里面。
• 在 AI 中：当 AI 在做工作，存放工作、数据和决策的地方就成了新的记录。
• 可防御：套在别人记录系统外面的 AI 外壳很容易被替换。成为记录本身则黏性很强。

演讲中的其他词汇

• Token：AI 用量的计费单位（大致是一小段词）。
• TAM：总可触达市场，即产品可能争取的钱。
• 扩散鸿沟：能力已经有了，但用的人还很少。
• 拥有自己的智能：为了成本和掌控，运行调优后的开源模型。
• 超大规模云厂商：巨型云公司。
• 持续学习：模型发布后仍继续学习。

让想法更独特的五个动作

• 1. 卖结果，不卖席位。"你的发票已对账"胜过"一个对账发票的工具"。
• 2. 选一个无聊但昂贵的细分领域。会计、合规、医疗行政、安全。
• 3. 成为记录系统。保存数据和决策，让离开变得有代价。
• 4. 建立数据飞轮。每次使用都让产品变好，克隆者一开始无法做到。
• 5. 掌握分发。受众、合作伙伴、值得信任的伞形品牌。

关于出售的现实提醒（作者的看法，非演讲内容）

• 演讲讲的是风险投资规模、估值极端的公司。小型产品的出售按收入、留存和风险定价。
• 买家会问：下一代模型发布时，什么能阻止这个产品死掉？
• 实验室和在位企业购买的是数据、客户和分发，而不是界面。
• 优先选择有经常性收入、客户数据、细分领域且运行成本低的产品。