AI时代的机会与现实
一个普通 INTJ 的自白AI 时代认知差工具人人可用，看起来公平。但人的认知上限，就是 AI 的产出上限。分化在加速。CHAPTER 01被 AI 放大的鸿沟豆包将要收费引起争议，但实际上仍然只是一个小范围的议题。用豆包娱乐的人不会付费，而使用 AI 的人，除了图生视频可能用到 Seedance 2.0，也有很多其他的选择。目前 AI 仍然是早期发展阶段，诸侯争霸。Claude 虽然强，但技术壁垒和使用需求、资金耗损量就拦下一大批人。但 AI 仍然是这个时代最大的、也是普通人为数不多可以抓住的杠杆。CH
人脑五次进化：AI时代我们如何胜出
今天要和大家分享的书是《智能简史：进化、AI与人脑的突破》。去年秋天，我在人大附中的AI课堂上遇到一个问题。有学生问："老师，为什么AI学习需要那么多数据？GPT-4训练用了13万亿个token，相当于牛津大学图书馆藏书量的12.5倍。可我们人类学东西，根本不需要这么多啊。"确实，一个3岁的孩子，只要看过3到5张猫的图片，就能认出所有的猫。但AI要学会认猫，谷歌当年用了1000万张猫的图片，训练了整整3天。人类看3张图，AI看1000万张，差了300多万倍。作为一名曾经的生物学研究者，同时现在又是一名教育
AI时代越"乖"越危险！3种AI无法取代的能力，比成绩重要百倍
上周家长会结束后，我在走廊遇到几位妈妈聊天。一位妈妈颇为自豪地说："我家女儿特别乖，老师说什么就做什么，从来不犟嘴。"旁边的妈妈们纷纷赞同："是啊是啊，乖巧的孩子最让人省心。"我笑了笑没接话，但心里却微微一沉。因为就在前一天，我刚看到一则新闻——2026世界数字教育大会在杭州举行，教育部部长怀进鹏明确指出："人工智能正在深刻改变知识的创造与传播方式。"换句话说，AI能做的事情越来越多了。你有没有想过：一个"乖巧、守规矩、照指令执行"的孩子，他最擅长的事情——服从命令、重复操作、给出标准答案——恰恰也是AI
AI浪潮来袭：大厂这三个职位正在被取代
最近两周跟互联网圈的朋友们深入交流了一圈，听到的全是无奈叹息。确实如此，AI引发的裁员潮正从硅谷逐步蔓延到国内各大企业，其中以下三个职位成为了互联网大厂裁员的高发区域：1 数据分析师、数据科学家、商业分析师实际上在上一篇文章中我就提到过，不建议刚入行的新人选择数据分析作为职业方向。原因很直接，现如今大厂内部的工具已经相当完善，生成的报表比大多数新人制作的更加精美规范，2 客服类、售后、外呼等职位目前大厂处理基础AI客服对话，只将复杂问题转人工处理，因此这类职位的缩减速度也相当迅速。相应地，相关业务分析岗位
试错成本骤降：普通人逆袭的绝佳机遇
AI 真正重塑的，不仅是做事效率，更是探索的经济账。这句话如果展开，其实很实际。以前尝试一个想法，往往意味着：•要耗费大量时间 •要协调多方配合 •要先投入资金 •甚至还没验证方向，就已经先把成本压上去了现在并非没有成本了。失败也没有消失。但很多环节，确实被 AI 大幅精简了：•原型更容易先做出来 •文案和内容初稿更容易先起出来 •资料整理更快 •自动化流程可以先跑一版 •小团队也能先把很多过去“不值得试”的想法试一遍说白了，失败没有变轻松。但“失败一次”变便宜了。这不是情绪安慰，这是资源结构真的在变。这
AI 热潮下，辞职入局能否变现？
如今离职投身 AI 行业，是否还能抓住获利机会？说实话，这个问题背后蕴含的焦虑，我十分感同身受。你一边浏览各类资讯。有人靠 AI 自媒体起步，有人承接工作流咨询，有人出售课程，有人开发工具，还有人凭借一套自动化流程，实现了单人三人产出的突破。另一边，当你审视当下的工作，会产生一种微妙的落差感。似乎旧有的路径日益陈旧。 似乎 AI 领域处处涌现机遇。 似乎若不此刻跃入，机会之门即将关闭。这种心态实属正常。但症结在于此。AI 行业的繁荣是事实。 但这种繁荣并不适用于所有人，这也是事实。许多人一遇风口，便本能地
日知录156：AI浪潮下的悔之晚矣
身处人工智能纪元，追悔莫及的代价，已变得异常高昂。得益于AI的强力加持，大众探索的门槛大幅降低，反复试错的频次，正迅猛激增。与之相伴，那些遭遇挫折与不如意的瞬间，注定会爆发式增长。倘若，一味沉溺于精神内耗与懊悔之中，那反而将，浪费掉最珍贵的迭代良机。在资本市场里，同样充斥着AI的宏大故事，各方轮番上演大戏，板块轮动的节奏，已然极快，殊不知，现实世界中的技术更迭，其真正的演进速度，往往，远超交易盘面。迅速试错，果断止损，勇往直前。切莫让懊悔，拖慢了进化的步伐。【免责声明】本文仅记录个人对AI时代思维模式与市
AI时代下代码质量观的转变
最近看到Teknium（Hermes Agent创始人）在x平台发布的一条动态，觉得挺有意思，截图如下。他提到自己每天同时运行12个Hermes Agent实例来开发Hermes Agent，项目已经跻身GitHub历史前100名。Hermes Agent是什么项目，这里就不详细展开了，感兴趣的话下次给大家分享，简单来说就是一款与小龙虾类似的产品，但核心特点是能够自动更新和自我迭代。12个Agent同时工作，这完全颠覆了我的认知，第一反应就是吹牛，当然，现在依然这么认为。12个Agent意味着你需要同时处
AI 的真正馈赠：允许你低成本试错百次
昨日，我经历了一次难得的人生顿悟。过去两三年间，关于人工智能主要有两种截然相反的叙事。一种观点认为 AI 将导致大规模失业，取代程序员、文案和客服人员，将人挤出职场。另一种观点则宣称 AI 正以前所未有的方式赋予个体力量，一人公司、超级个体、独立开发者，让每个普通人都拥有了昔日只有大团队才具备的能力。三年前我离开大厂时，正是冲着第二种叙事而来。我所做的一切都基于一个假设——AI 能让个人在边学、边做、边分享的过程中，完成过去需要几十人团队才能完成的任务。但我逐渐意识到，这两个故事都尚未触及最深层的本质。A
AI风口当前，为何你仍错失良机？
我们常在事后懊悔：电商、自媒体、区块链，那些曾经显而易见的时代机遇，明明触手可及，却偏偏未能把握。电商兴起时，满世界都在推广开店，亲友拉你入局，你却总说“再等等”；自媒体爆发期，周围人都在发作品涨粉，你存了一堆教程，却从未动手注册账号；区块链热潮中，NFT、元宇宙话题刷屏，你与朋友聊得火热，感叹“未来必火”后便没了下文。大多数人，都止步于“知晓”，却从未迈出“行动”的一小步。事后复盘，许多人将原因归结为信息差：“我圈子窄，无人引路”“缺资源无人脉，根本没机会”。但真相是，真正的机遇从来不是秘密，而是公开的
AI没变好，只因你搞反了步骤
许多人接触AI的起点就错了。只需排版，尚可。但若让AI代劳选题判断，性质便变了。特斯拉Model Y的一体化压铸便是一例。传统车身底部需众多零件冲压、焊接与组装，而特斯拉通过巨型压铸将约70个零件缩减为1个。此案例的意义不在于技术本身，而在于提问的方式——多数人的本能是“如何优化现有流程”，马斯克的反应却是“这件事真的非做不可吗”。先质疑，而非先优化。AI的运用遵循同样逻辑。许多人刚接触便追问如何提升写作效率、如何批量产出内容，却忽略了先思考：这篇文章真的有必要写吗？这个产品真的有人需要吗？这个流程能否直
AI算力与直觉洞察
昨日好友造访寒舍，品茗闲聊，谈及当下火热的AI技术，遂将其记录于此。如今AI演进迅猛，足以取代市面上逾八成的岗位。AI的底层逻辑实则是信息累积：摄取外部数据后持续尝试、优选试错，此路不通便换彼路，凭借庞大算力持续逼近，最终产出较为接近目标的结论。这便是AI执行任务的根本机制，全凭算力堆积、机械试错来获取成果，并未具备真实的思考本领。 那何为直觉？直觉即无需刻意演算、无需按部就班逻辑推演，一眼便能看透本质、做出精准决断。直觉，恰恰源于人类独立的深度思索；是思索沉淀、知识融通后，升华为高阶的判断力。仅凭机械信
和AI协作最值钱的：不是替你干活
今天，我的 Claude Code 出了个 bug。我先让它自己排查，折腾了一会儿还是没能解决；再让它把排查范围扩大，去找更深层的线索，结果依旧不行；我甚至让它去网上找思路，也没起效。于是我把工具换成了 Codex。Codex 一开始就想用 bare 的方式先糊弄过去，我立刻叫停——"你必须找到正常的登录方式。"最后它终于修好了，但我没有停在“能用”上，还追问：你到底是怎么修好的？我把这整段过程复述给 AI 听，它给我的回答让我有点意外：我这一下午算是想明白了：和 AI 协作最隐蔽的价值，
AI时代：突破边界的探索之道
生活里，我时常碰到一种耐人寻味的状况：明明可行的事情，经过某些人的处理，反而变得不可行了。他们总会列举：无先例可循、无资金支持、无政策依据、无人员配备、无充足时间、无有利条件。单看每条似乎都有道理，汇总起来却只有一个意思：此事行不通。更关键的是，这些说辞往往并非出于恶意。有些人并非有意阻挠或刻意拖延，他们只是习惯着眼于阻碍而非目标；习惯先找问题所在而非思考解决之道；习惯等待他人成功案例来寻求安全感。我的做法截然不同。我始终坚信万事皆有可能，继而思考：如何提升效率、优化成果？若条件不足，能否主动创造？若此事
AI重塑组织：从“写代码”到“用AI建系统”
一句话导读：未来组织真正的竞争力，不在于人才密度，而在于"AI试错速度"。与其纠结"AI能不能替代人"，不如先想清楚：你是否已经把自己的AI组织能力搭起来。最近我用Claude Code带着项目跑了一段时间，越来越确定一件事：AI Coding的价值，未必是让工程师更快写代码；它更像是让"懂得用AI的人"，直接具备相当于一支团队的交付产出能力。回到过去，一个功能从需求到上线，往往要产品先画原型、前端落地页面、后端对接接口，还要安排测试与验收流程，少则3-5人