2024 年以来，我观察中的 AI 话题下大概有这四类人：
我是第三种 “理性悲观者”。这种倾向经常被误解为 “纯银觉得 AI 不行”，还是我自己来解释吧。AI 当然很好，而我的悲观倾向是：- 目前的语言大模型技术路线无法通往 AGI，语言的边界也是语言模型的边界。在这一点上我相信部分 AI 科学家如杨立昆的观点。
- AI 在可见的未来，比如两三年内，很难在广泛的领域带来商业价值的迅猛增长，但可以在部分 AI 长板领域迅猛增长。
第一点没什么好聊的，只能说你选择相信哪一边的顶尖科学家。本文是对第二点倾向的详尽解释。一直以来，我都在收集成功案例，迭代对当前 AI 能力边界的判断。最近几个月收集了这几个 AI 赋能的成功案例：A 作为老牌科普自媒体，熟练地应用 AI 辅助创作科普文章，配合语音输入法修改，大大提升了内容输出的效率，同时内容质量基本上没有影响——这其实是科普文章的类型优势。
B 作为独立开发者，熟练地 AI Coding 完成自己不了解的客户端技术栈开发，在这个过程中高效率学会了新的技术栈，发布到多语言市场。由于应用本身有一定竞争力，很快做到了六位数的年流水。
C 在海外大厂管理技术团队，对 AI Coding 提效十分乐观，尤其是在 QA 和 review 场景下 “效果非常好”，坚信会用 AI 的程序员替代不会用 AI 的程序员正在发生。
D 在大厂做产品，工作环境有大量文档化的历史知识需要整理学习，文档非常规范，信息相对完整，交给 AI 进行信息理解和结构化输出，正是大模型的长板。在高度规范化的工作环境中，辅助（相对刻板，强逻辑性的）产品设计和写 PRD 也在 AI 射程之内。
E 在创业团队身兼多职，涉及自己从没做过的任务时（比如增长活动），会向 AI 咨询和讨论，理清楚新任务的结构，AI 也可以介入更具体的任务环节，比如数值设计和运营提效。
F 的新工作是一条新赛道，工作中经常和 AI 展开讨论，当 AI 对背景信息有了较多了解，有时候能提出相当不错的，基于逻辑推演的产品创意和活动创意，带来灵感启发。
G 最近迷上了跳水，这项冷门活动的相关资料较少，而 AI 给出的指导相当专业，受益匪浅。
在我收集的成功案例中，抽象出了被 AI 赋能的「超级个体」这个概念。- （划重点）用 AI 跨界学习新的能力，在陌生领域快速做到及格线以上的水准。
坦率说，我并不是这样的超级个体。AI 对我来说完全替代了搜索引擎，每日高频问答几十次，但它并没有赋能我在问答之外的需求。我仔细想过其中的变量是什么？在我的观察范围内，大多数超级个体在 AI 帮助下认为自己能力大增，射程大增，效率大增。与传统的追求深度的专家路线不同，超级个体更在意能力的广度，不追求垂直领域的八九十分，而是在大量领域快速达到六七十分并高效产出，以至于可以一人顶替数人。
再进一步分析，AI 赋能超级个体的前置性条件是，这些个体的需求恰好可以被 AI 满足，澎湃的正反馈激励他继续探索和深入使用。这就能解释我为什么不像他们一样兴奋，因为当下的 AI 能力恰好赋能不了当下我的需求缺口，在我的长板上令我觉得 “差太多了，不如自己动手”，短板上则是 “完全不可用啊妈的”。显而易见的是，需求无法凭空生造。是否拥抱潮流，怎样拥抱潮流，其实是自然演化而非爱拼才会赢。你的条件和环境决定了如何演化，决定你是否热爱 AI 的不仅仅是行动力与好奇心，更加是「当下的 AI 能力」和「当下自己的需求缺口」之间的耦合度。AI 能解决你遇到的问题，你就会热爱 AI，否则只能等待 AI 的能力进展到解决自己的问题那一天。
二、
接下来，我们对 AI 解决问题的能力做一些定义：
AI 在大量的领域可以赋能 60-70 分标准，这是一个行业基调。相当于对于熟练使用 AI 的人来说，能力被普惠提升到了 60-70 分标准。而我当下的需求缺口，需要的是专家级水准，AI 帮不了我，我也没有 60-70 分水准的需求，以至于 AI 赋能与当下的我插肩而过。那么问题来了，哪些领域 AI 更容易做到更高的水准？以及随着技术发展，是否半年一年后，AI 就可以在我的需求缺口上达到我的质量要求？对这个命题我是这么看的，AI 解决问题的能力存在如下关键约束：三者同时为 “是” 的领域，你肯定想到了，那就是 AI Coding。故而 AI 理直气壮地在编程领域大杀四方，迅猛增长。至于 AI 能不能在其他领域做到更高水准，同样可以套上这三个关键约束去分析。我不赞同线性外推 AI 即将无所不能，这相当于用信仰替代思考。由此看来，在 AI 实现下一次技术涌现，在编程之外的更多领域高水准解决问题之前，成为超级个体的捷径非常清晰。由于大模型目前总体上只能赋能 60-70 分标准，一方面你的需求标准越低，越容易被大模型满足；另一方面跨界的需求越多（跨界后总是重新开始的），越容易被大模型满足。拥有这两类需求的人更容易成为超级个体。传统上的个人发展路线是「专家路线」，成为专家，拥有能力金字塔上的头部价值，获取丰厚的商业收益。而「超级个体」走出了史无前例的另一条 “发展能力广度” 的路线。本文标题是《AI 时代的超级个体与懵逼机构》。对大多数的商业机构而言，AI 时代茫然四顾，老板一边 all in 一边懵逼。这个现象大家都有观察甚至亲历，直接说我的观点吧——AI 在大量的领域赋能 60-70 分标准，带来了一定的提效，尤其在部分领域大大提高了人效。但节约人力成本这件事对于互联网公司并不重要，对于以信息处理为主的（也就是白领）工作来说并不重要。因为工作效率对白领来说是一个中间目标，而不是所属商业机构创造商业价值的直接目标。在我的理解中，商业机构创造商业价值的直接目标有三点：你告诉我，在你负责的业务里，AI 赋能实现了以上三点的哪一点？我们可以轻而易举地回答，从早期互联网到移动互联网，再到算法时代，这些技术革命怎样在以上三点创造更大的商业价值。但 AI 时代普惠性的工作效率提升，并没有带来普遍性的商业价值提升。对于传统商业机构而言，AI 时代大多数商品与服务质量、交易效率、交易价格并没有显著改变，原生 AI 产品能做到这三点的也并不多。对此，有一个残酷的问题：“给你的公司增加免费的两倍人力，不，三倍人力，业务就能获得显著增长吗？”给你免费的一千个写手，能做出来自媒体大号吗？给你免费的一千个程序员，能做出来成功的独立产品吗？给你免费的一千个运营，能在这次大促活动中打败竞品吗？就像游戏的成败是因为开发成本太高吗？不，是因为它不好玩。同理，对于大多数互联网商业活动而言，增长并不取决于工作效率。蓝领不太不一样，蓝领的提效可以降低价格，但白领又是另一回事情。仅仅提高工作效率并不能指向增长，大量供给 70 分能力的白领并不能指向增长，因为 70 分并不稀缺，增长取决于有稀缺性的 “关键链路的质量”。在关键链路上提高质量，更高质量地解决关键问题，这就是传统的专家路线。商业竞争力来自于质量金字塔的头部，工作效率提升相当于金字塔的腰部更加粗壮，但商业竞争的结果取决于关键链路 PK 而非工作效率 PK。这就是大厂往往官僚缠身，效率低下，却依然屹立如高山的原因。因此，AI 看起来很厉害，也的确很厉害，但 AI 不仅赋能工作效率，还能显著提升商业价值，这样的案例并没有普遍发生。AI 的商业价值喷发必须提高解决问题的质量而不是效率，效率与质量划等号的案例是不多见的。按我的理解，给你免费的一千个 XX 是远远不够的，给你一千万个能带给用户高质量服务的 XX 才是盈利之道——最简单的例子就是 “自动会议纪要”。最近看到另一个很赞的案例，用 AI 收集你感兴趣的新闻，每日为你生成早晚各一档男女主持人的新闻电台，你甚至可以随时打断电台与主持人对话。这是我看过的最好的 AI 产品创意。一千万个私人电台的引入，大大提升了在播客模式下获取每日新闻的质量。只不过，这样的原生 AI 产品，成功案例还很少，普遍存在的现象还是一边喊号子 all in 一边懵逼。AI 带来的商业收益基本上被头部基座鲸吞，AI 能力倒是普惠，商业收益马太得不能再马太了。大多数传统商业机构在 AI 赋能下提高了一定的工作效率，产出与过去相似的商品与服务，相当于一次全面基建升级。一件略微尴尬的事情是，不仅商业机构没能在 AI 时代获得普遍性的商业价值提升，超级个体获得的商业收益也并不显著。直截了当地问：作为超级个体，你赚到了多得多的钱吗？作为公司职员，哪怕超级个体能干六个人的活，恐怕也拿不到两个人的工资。何况许多公司压根没有给超级个体身兼多职，施展能力广度的机会。作为自由职业者，如果能找准适合自己的赛道，超级个体的确会获得更多的收益。但在我的观察范围内，大多数人增加的收益还谈不上丰厚。作为创业团队成员，身兼多职倒是不假，只是得面对上述的灵魂提问：给你免费的一百个熟手，这一次创业就有大得多的成功概率吗？我当然认同超级个体在提高工作效率，拓展能力广度方面，获得了充足的自我认同，也的的确确提高了个人价值。这种基于工作效率和能力广度的价值提升，目前还不能流畅地转化为个人的商业收益提升。（换一个角度来理解，一个人在许多方面都能做到 60-70 分并且效率较高，是否是一件商业收益丰厚的事情？）对此，如果寄托于 AI 实现下一次技术涌现，超级个体从 lv2 升级到 lv3 甚至 lv4，前面说过，我并不赞同这种线性外推，用信仰替代思考。何况集体升级并没有改变竞争格局，只是水位整体上升。从叠甲的角度，我必须再重复一次，我个人相当认同超级个体的个人价值提升。AI 时代的早期就像互联网早期一样，有趣，有用，已经很好。只是本文的主题是我对 “广泛的领域带来商业价值的迅猛增长” 的悲观预期，这是个人成长视角之外的另一种行业增长视角。毕竟大多数人受雇于商业机构，如果商业机构没有普遍增长，站在行业角度我可乐观不起来。更糟糕的是，商业机构发现业绩没有增长，但工作效率的确提升了，于是更有动力进行裁员降本增效……最近看到一句很刻薄的评论，大意是，互联网公司原本裁员一半也没有丝毫影响，AI 赋能工作效率，给了这次大裁员一个体面的理由。写到这里，我的观点和倾向应该已经表达清楚了。时间线拉长到五年，十年是无法预测的，但两三年内，在大语言模型这个技术路线下，基于上面提到的关键约束，我对于 AI 的商业价值大量喷发是悲观的。我相信技术发展可以在更多的垂直领域，尤其是 AI 的长板领域迅猛增长，AI 会建造新的结构，但不会是普惠性的商业价值提升。少数人和机构从新的结构中获益，这里最重要的并不是你对 AI 的先行一步，而是你的市场洞察可以和 AI 的长板能力结合在一起。市场洞察永远是创业者和产品经理最稀缺，也最重要的能力。技术服务于市场洞察，而不是技术领导市场洞察（经典的 “拿着锤子找钉子”）。换一个建设性的角度，犬校讨论的另一个话题是，当下的 AI 生态应该着眼于 to ProC 而不是 to C。也就是围绕着超级个体去设计 AI 产品，当前阶段放弃对用户规模的追求，服务好超级个体是更坚实的一步。我对此深感赞同。
内容来自“用思考交换思考”的 PM 思辨社区「犬校」。©2017-2025
