AI重塑格局：人才奔涌、机器人反超，别再纠结学不学AI

本周AI圈发生两件大事，串联起来，信息量惊人。

第一：Noam Shazeer 离开谷歌，加入 OpenAI。

如果你不熟悉这个名字，先看一个数字——27亿美元。这是2025年谷歌为将他从 Character.AI 挖回所支付的代价。当时不仅收购了公司，还签了对赌协议，连人带团队全数打包。

如今，他再次离开。

第二：AlphaFold 负责人 John Jumper，在 DeepMind 工作近九年，刚斩获2024年诺贝尔化学奖，随即转投 Anthropic。

两位全球顶尖AI科学家，几乎同步做出相同抉择。

这不是偶然，是信号。

先看人才流向。

Noam Shazeer 是Transformer架构的核心奠基人之一，你每次使用ChatGPT时，背后都有他的影子。2021年他离开谷歌创立Character.AI，2025年谷歌花27亿将其买回，硅谷震动。可不到两年，他又走了，这次直奔OpenAI。

John Jumper 更无需多言。AlphaFold 解决了生物学半个世纪的难题，让他站上诺奖之巅。全球此类人才不足二十人。他在DeepMind深耕九年，最终选择Anthropic。

若绘制人才轨迹，路径清晰可见：

大厂 → 创业公司 → 另一大厂 → 回归创业型组织。

OpenAI 与 Anthropic 虽规模不小，但组织形态与文化仍延续初创基因。而谷歌、微软等巨头，在经历两年狂追后，暴露出大企业通病：决策冗长、内耗严重、创新被流程拖累。

这对产品经理意味着什么？

若你的团队超50人，上线一个功能需三层审批，你已落后。AI竞争的本质是两个速度：模型迭代与产品落地。谷歌不缺钱、算力、数据，但顶尖人才仍选择离开——他们缺的不是资源，是敏捷。

再看一组更震撼的数据。

今年6月，Figure 宣布：公司内部机器人数量首次超过人类员工。

不是实验室演示，而是真实产线——机器人干活比人多。

同期，Nature 连发两篇重磅研究：

一是MIRA，AI急诊分诊系统，准确率达88.9%，超越参与测试的专科医生。急诊分诊容错率极低，漏诊即致命。

二是谷歌AMIE，治疗方案生成系统，适切率高达95%，超越初级医生。

再叠加一条：OpenAI 联合哈佛，用o3 Deep Research模型重新分析376例罕见病，额外诊断率4.8%，成果发表于《NEJM AI》——非预印本，是顶级期刊。

三件事合起来看：

这不是「AI辅助医生」，是「AI在某些关键任务上已超越人类」。

商业端同样惊人：AI员工 Viktor 在 Slack 上实现年化2000万美元营收，非融资额，是真实付费。现已接入 Microsoft Teams 的3.2亿用户池。

常有人问：「AI会取代哪些工作？」

问题本身已过时。真正该问的是：AI现在还做不了什么？因为「做不到」的清单，正以肉眼可见的速度消减。

这周还有一条易被忽略的宏观信号。

彭博社披露，微软正测试 DeepSeek-R1 与 DeepSeek-V4，计划向西方客户开放；与此同时，微软持续将 OpenAI 模型售予中国企业。

微软成了全球最大AI中间商：左手GPT卖中国，右手DeepSeek卖美国。

这背后是中美AI生态的双向渗透。不是零和博弈，而是两个独立系统开始交叉融合。

再看中国政策动向：

商务部等八部门联合发文，推出17项举措推动「AI+消费」——AI手机、智能网联车、人形机器人全数纳入，配套个人消费贷款财政贴息。

同日，上交所发布新规，允许未盈利AI大模型企业通过科创板第五套标准上市。

同日，工信部公示L3/L4自动驾驶强制国标，引入Safety Case机制，拟于2027年7月实施。

三件事同天发生，绝非巧合。

产品端也在加速：DeepSeek识图功能上线，豆包语音模型3.0开启邀测，通义实验室开源首个统一科学大模型LOGOS，阿里直接开源内部向量数据库Zvec。

我判断：中国AI正从「跟随追赶」转向「自主造轮」。这对产品经理的冲击是：你设计的AI产品，越来越多需基于国产技术栈——DeepSeek API、豆包语音、通义文本，不再是可选竞品，而是必选底座。

以上种种，归结到产品经理，三点关键判断：

第一，别再问「AI会不会取代我」。

这问题如同2007年问「手机会不会取代我」，毫无意义。真正该问：你负责的产品，AI能力占比多少？若低于10%，且未来半年无提升计划，你的护城河已出现裂缝。

第二，产品护城河正从「功能」转向「数据飞轮×AI能力」。

过去一个功能，竞品抄需三个月；如今AI辅助编程，三天即可复刻。功能差异正在归零。真正的壁垒是：你能否获取独特数据？能否让AI持续优化？

举例：同样做客服SaaS，A用通用模型，B用客户对话数据微调专属模型。三个月后，B的回复质量碾压A——这不是功能能弥补的差距。

第三，理解AI的成本结构，远比懂技术原理更重要。

你无需推导Transformer公式，但必须清楚：用DeepSeek-V3跑一次多少钱？GPT-5.5又是多少？延迟差异如何影响体验？你得算清：调用成本X元，用户愿付Y元吗？

我见过的AI产品失败案例，70%不是技术不行，是算不清经济账。

这篇文章三千字，核心只有一句：

AI行业的变化速度，已快到「新闻刚看，趋势已过」。Noam Shazeer 27亿留不住，Figure机器人已超人——这不是未来，是现在。

作为产品经理，你无需焦虑AI。

你需要的是每周花一小时，认真浏览AI圈动态：谁跳槽？谁发新品？然后问自己：如果重做我的产品，AI该加在哪？

这个问题，值得每周问一次。

💬互动话题：你最近工作中用AI最多的场景是什么？写PRD、做竞品分析，还是辅助编码？评论区聊聊。

👇在看+转发，让更多PM看清AI的真实变革。