對話劉巖：未來是AI 彼此競爭，人變得不重要

我和劉巖

AI已經成為全球科技行業最重要的話題。現在及未來，都是以AI展開的一場新競爭。

圍繞AI，南七道與AI創業者&投資人劉巖，進行了一次長時間的對話。劉巖北大畢業后，進入投資銀行，是中國互聯網早期海外上市的關鍵推手。后創辦六間房，26.02億被上市公司收購。他創立的43AI集團，聚焦AI提示詞工程、原生應用、產業投資等。

我們一起聊了美國硅谷大裁員、新加坡局限與中美AI格局、人和機器人的競爭、AI時間刻度以及AI的臨界點，普通人如何抓住 AI 紅利等，這是一次非常有啟發性的訪談。（注：本訪談是在一個多月前完成，因各種原因現在整理發布。）

硅谷裁員，AI是背鍋俠？

南七道：最近美國甲骨文、亞馬遜等高科技企業，都在大規模裁軟件工程師，說他們可以用AI替代。你怎么看？

劉巖：我剛從美國回來，美國這波裁員，并不是因為AI coding提升了生產效率。整體效率確實有提升，但還不足以導致大規模裁員。背后的真正原因，是企業本來就該裁員，只是一直沒有借口，現在有了AI這個理由而已（注：訪談一個月后，OpenAI的山姆·奧特曼發表了同樣觀點）。

其實企業應該裁掉更多，可能80%都不為過，包括Google在內的大廠，很多人其實都沒什么實質性的工作。幾萬個工程師做那么幾個產品，就拿Google來說，YouTube這類成熟的產品，除了日常的對外服務，核心內核的維護，三五個人就足夠了，但我相信YouTube里負責內核維護的人有幾百人不止（注：谷歌Gemini說1400人左右）。人越多，內耗越多，大家互相溝通、開會、寫郵件，看著每個人都很忙，實則做了很多無效功。

企業根本不需要這么多人，大廠內部人員早就冗余了，因為收入好，掩蓋了這個問題。大家心里都清楚，現在有了AI這個借口，就順勢裁員。而且那些被裁的人，就算沒有Vibe Coding，一個人頂十個人，裁掉他們對公司也沒什么影響，因為這些人本身的工作就可有可無。所以這只是企業在新的生產力背景下找的一個借口。

其次，企業也確實有壓力，AI發展起來后，資本、市場的關注度和價值都開始向AI頭部企業傾斜，剩下的企業在銷售收入、市值上都面臨壓力，這也是裁員的原因之一，并非單純因為生產效率提升。但大家都愿意相信前者的邏輯，聽起來也說得通，但事實并非如此。

南七道：你自己的公司呢？

劉巖：我們公司不是這樣。原因在于，我對這件事有自己的看法。首先，用Vibe Coding或者AI coding完成開發工作，這是大趨勢，甚至我們現在做的都不是單純的AI coding，而是Agent coding。我今天開會還在說，我們接下來要做一個新的產品，不想做只服務于人的產品，希望做服務于AI世界的產品，用戶很可能就是AI。這種產品從想法到上線，有機會全部由AI完成。

不是說單純用Claude Code寫程序，而是打造一個有方向、有目的、能自主驅動的agent，這個agent要么是我們賦予它目標，要么是它自己向我們申請，比如它說想做一個給所有AI提供聊天的工具，覺得這個有市場需求，然后向我們申請資金等支持。我們為它配備好相應的環境后，就不再干預，它會自己和其他AI討論提煉需求，自己寫代碼、自己部署，過程中如果需要注冊、備案這類人工協助的事，再向我們提出，其他的產品設計、功能定義、受眾定位，全由它自己完成，我們只需要看著就行。

南七道：自己生產自己。

劉巖：對，自己生產自己，這才是這個時代最該做、最酷的事。我們也在做這方面的嘗試，目前沒有什么先例。從傳統編碼到這種模式，中間還有很多層次，現在行業內如火如荼的，還不是機器人自主寫程序，而是模型輔助人寫程序，也就是AI coding或者Vibe Coding，這也是你剛才說的大廠裁員的原因之一。但如果真的到了AI能自己提需求、自己定義產品、自己完成開發的階段，那讓模型輔助寫代碼、做好架構切分后讓模型完成模塊開發和配置，對它來說就太容易了，而且模型的進步速度真的是按天升級的，每一天、每一周都會有革命性的變化，這已經是事實。

南七道：AI也會創造很多新的崗位。

劉巖：對，所以不管是大廠還是我們這種創業公司，大部分工程師都在轉型，當然市場上還有很多軟件工程師依舊有很多工作要做，暫時不需要轉型。因為現在雖然大家都在討論、使用AI，但實際上真正在用AI的人可能只有10%，90%的企業還是沿用原來的作業模式，觀念更新不了，世界也不會一夜變天。此時此刻，不管是中國還是美國，都是這樣的現狀。但這并不意味著用了AI coding，企業就一定要裁員。

AI確實也創造了很多新的崗位，比如提示詞工程師現在也非常緊缺，我們在國內做了很多提示詞培訓，自己也在使用，我們的提示詞培訓學校已經是業內最好的了，但依舊人才不足，這類人才非常難得，而且沒有固定的招聘畫像。不像過去招C++工程師，有明確的標準可以參考。

傳統的代碼工程師轉型做提示詞工程師，十個人里也轉不成一個。純文科的從業者，提示詞寫得不錯，但沒有工程思維，也做不了這份工作。所以培養提示詞工程師的過程，更多是摸索開發，可能做了三個月，突然有一個人能做出成果，然后就以他為中心開展項目。

南七道：我和美國的程序員交流過，他們說了三個原因，第一，2019年到現在，各大廠擴編特別厲害，有的甚至翻倍了；第二，疫情期間很多人居家辦公，最后發現這些人不到現場辦公也沒什么影響，不如把這些崗位從美國轉移到印度等地方；第三，和你說的一樣，人員很多，收入不錯，但整體效率并沒有提升。

劉巖：每家企業的情況不同，看法也不一樣。我們作為創業企業，看著大廠的發展，也在反思自己，公司變大的過程中，也會出現類似的問題。團隊每個人都很忙、很能干，但實際上把他們都去掉，公司不僅沒受影響，反而運轉得更好，這種情況其實很常見。大廠里很多一級領導都不是創始人，他們管的人越多，掌握的資源就越多，可支配的東西也越多，把工作內容寫成報告，看起來每個人都很忙碌，這套文化看似合理，實則沒有實際意義。

南七道：如果是這樣的話，你自己的企業，能保證效率嗎？

劉巖：我也不能完全保證。今年我的很多團隊也做了縮編，不是因為成本問題，而是有的團隊十幾個人做的事，其實三個人就夠了，人員冗余了，確實不需要這么多人，所以做了調整。公司做著做著就容易變大，而且變大的理由還很充分，每個人都很忙、很勤奮，從這一點看，他們的工作似乎沒什么問題。

而且作為老板和創始人，有時候甚至都找不到理由反駁，他們確實價值觀正確，每天都在忙碌，也不是故意偷懶，真的在做事，寫代碼、處理工作，樣樣都在干。但這種事的隱蔽性就在于，看局部都是正確的，可一旦不讓他們做這些事，會發現對結果沒影響，甚至結果會更好。這世界上有很多這樣的事。

新加坡的局限與中美AI格局

南七道：新加坡官網還有聯合早報的調研報告，說現在AI領頭的國家，是美國、中國，新加坡號稱第三，但新加坡沒有知名的原生AI項目或產品。

劉巖：判斷一個地方的AI發展到什么程度，無非是看幾個方面，產品是其中一個結果。你現在能看到哪些AI產品，從新加坡出來的？很少。新加坡作為華人的跳板，有不少人過去，Manus團隊就去了新加坡。陳天橋在新加坡有不少布局，但是他們在AI上沒看到什么成果。投入可能不少。所以新加坡從產品層面，沒什么拿得出手的，而且本身市場也不大。

不過新加坡政府在推廣AI上是不遺余力的，工作人員甚至在大街上，問市民要不要去上AI的課，政府給補貼。他們在AI推廣上挺激進的。當地的院校、科研機構的AI化進程，比世界上大多數地方都快，雖然沒有美國和中國快。但整個社會向AI轉型的步伐，比歐洲、東南亞其他國家要快很多。

南七道：我覺得新加坡更多像一個中轉站，不太像AI的原生地，不是真正能讓AI產業沉淀的地方。

劉巖：新加坡的人才密度不夠。做AI這件事，是雙引擎驅動，一個是算法，也就是模型；一個是提示詞，也就是應用agent。

對應的人才也是如此，做模型的核心是算法工程師，在新加坡招聘其實挺難的。我覺得新加坡本土不具備這個培養能力。我在新加坡碰到過世界頂級的算法工程師，都是國內過去的，他們都在新加坡字節跳動。這幫人做的工作，沒有區分是中國的、美國還是新加坡的，只不過是入職字節時，字節問他們想在哪里工作，他們選擇了新加坡。

這樣一來，AI的兩個核心引擎，新加坡都不具備優勢：沒有本土模型，也沒有本土的算法團隊,agent相關的產品和人才也很少。像Manus這樣的企業能帶一些人過去，這些人可以算作AI領域的從業者，但他們的出身和服務的對象，都不是新加坡的本土市場。

南七道：如果新加坡本土的團隊，做出一個AI項目或產品，還需要大規模的應用場景，才能檢驗項目的好壞，這可能也是個問題。

劉巖：確實是這樣。現在的AI應用，和過去的互聯網一樣，從應用端來看分兩類，一類是AI+，一類是AI原生。AI+就是在原有行業的基礎上融入AI，比如銀行的信用卡中心，用AI替換掉人工客服，接打電話、處理問題都由AI完成，這就是AI+。

AI原生則是在AI出現之前，根本不存在的應用，只有AI出現后，這類應用才誕生，能解決之前解決不了的問題。比如最近都在討論的OpenClaw，還有大模型本身，都屬于AI原生應用。我們做的寫傳記、用機器人做自媒體、幫忙發帖做內容這些，也都是AI時代之前沒有的，都是AI原生應用，屬于新物種。

而AI原生應用不依賴過去的傳統行業，這意味著它要服務更廣闊的市場，現階段使用AI的人本身就少，比如一個AI原生應用的生存臨界值是十萬用戶，就需要在全球范圍內尋找這十萬用戶，在新加坡本土，想找到這么多用戶太難了。

但AI+就不一樣，理論上新加坡現在所有的行業都可以做AI+，而且新加坡本地的政府和市場，人人都在喊AI，人人都在做AI轉型，搞得挺熱鬧。

發紅包推廣AI,在中國有用

南七道：最近國內的元寶等AI產品，用發紅包這種比較傳統的套路做推廣，但是美國沒聽說過有類似做法。你覺得用以前打車、外賣的推廣方式做AI，有用嗎？

劉巖：我覺得在中國可能會有用，在美國的話，沒必要這么做。國內很多人說這樣做沒用，我覺得不一定。因為中國的大多數用戶，其實不管產品是不是AI，他們用的是功能，要的是結果。比如孩子們用豆包做作業，不會去考慮豆包的模型是什么、怎么運作的，他們覺得和AI對話有趣，問題能得到答案，這就夠了。

所以現在各大模型企業競爭的階段，AI產品更像是消費品，企業爭奪的是消費品的用戶市場，這和過去快手、抖音爭奪短視頻用戶的情況其實是一樣的。在市場格局形成之前，把AI產品當作消費品，用這樣的方式推廣，在中國市場是有可能有效的。畢竟過去十年AI發展日新月異，但用戶的認知和接受方式變化并沒有那么快，用十年前的推廣手段，在今天可能依然有效。

當然，最終還是取決于產品本身，如果是很成熟的產品，用這種方式推廣沒問題，但像有些功能不全的產品，這樣做充滿了舊時代的痕跡，很典型，沒準是老板督促親自上陣，還用二十年前做聊天軟件的經驗來做AI產品，他作為公司老大，別人也不敢反駁。

南七道：你自己的公司有人敢反駁你嗎？你是老板。

劉巖：很多老板都會說，公司里誰都能反駁自己，我在公司也這么說。但客觀來說，我們是小企業，和大廠不一樣。作為大廠老板，身邊的人都恭維他，喊他老大，他付出的代價并不大。80%的人可能只占企業成本的5%，根本不算什么，花點錢讓一幫人哄著自己。但小企業不一樣，容不得這樣的情況。

今天公司里如果有人拍我馬屁，我心里就會想，怕是又要多花什么費用了，這對小企業來說可能是要命的事。小企業藏污納垢不了，我也想養一堆人哄著自己，我說什么都是對的，每個想法都被夸英明，感受肯定很好，但背后的代價我舍不得，也沒必要。從這個邏輯上，我可以讓你信服，公司里的人是可以反駁我的，甚至罵我都行，敢罵我說明他的想法是對的，能給公司和我掙錢，這才是關鍵。小企業在這方面會好很多。

時間刻度變了，AI一天，人類一年

南七道：你之前在移動互聯網很成功，和之前相比，你覺得現在最大區別在哪？

劉巖：過去十年里，每一個被驗證的大趨勢、大機會，其實我在一年、兩年甚至半年前都想過，我們都有機會去做，但因為執行力、人才密度、資本量等各種原因，最終沒做成，不過這也構成了我們的一個優勢，當然也說明我們的執行力確實有待提高。我們在做法上其實很難做到領先，因為往往想完之后，開始做的時候別人就抄進來了，或者自己的執行力也跟不上。

最近的焦慮在于，我不算AI行業的核心圈，但我覺得思想上比核心圈的人更貼近核心，因為能看到行業的變化，比如我們想做的平行世界，讓AI自主運作、主動提供服務，背后有很多技術支撐，這些想法讓我們處在行業最前沿。但核心圈的這些人，有一個共同的特質，就是他們的時間刻度和圈外人完全不一樣。

現在有創業者做AI相關的項目，來找我們的基金融資，我問了很多問題，他們承認考慮得不周全，說不用擔心，他們迭代速度快，迭代幾個版本就能達到我所說的水平。我聽完就告訴他們，會議結束，我不參與這個項目了。原因就是，迭代是互聯網時代的詞，AI時代沒有迭代這個說法了，因為行業的發展速度太快了，等你完成迭代，世界早就變了。

這就是時間刻度的問題，過去模型半年升級一次，后來三個月一次，再往后按月升級，現在模型是按天升級的。今天Gemini推出新功能，號稱世界領先，第二天OpenAI就有新動作，再下一天Claude又出了新東西，如果每個產品、每個功能的發布都是一次升級，那現在的升級速度就是按天，甚至按小時算的。而且每一次升級都是顛覆性的，原來的很多想法都沒必要做了，全被新的技術和產品覆蓋了，每一次升級都是人類史詩級的進步。

所以我們每天都要讀論文、看別人的產品，緊跟行業節奏。核心圈的人，今天想的事，可能下周就會出現很多同類產品。因為現在AI的開發成本、實驗成本太低了，無數人都在琢磨、在思考，每一個寫字樓里都有人在做AI相關的事。進入AI核心圈之后，真的是AI一天，人類一年，速度太快了，時間刻度和圈外人完全不同，這也是我們焦慮的原因。

過去在思想上的領先，能保持三個月、半年。現在可能只能領先三個小時，要是執行力再比別人慢十個小時，就徹底落后了。當領先的時間從三年變成三個月，再變成三天、三個小時，直到最后沒有領先優勢的時候，我甚至會不知道自己活著的意義是什么。如果只是為了吃喝玩樂，其實沒那么大意思，我的核心還是想創造，這也是我保持活力的原因，我必須保持自己的思考水平，不斷尋找新的機會，但現在行業的發展速度，快到快要把我們攆平了，而且AI本身就是一個平權的東西，在智力、體力上實現平權，最后你未必比別人強。

所以如果有一天，我們在思考上都沒有優勢了，我真的會不知所措，也許會一夜之間就沒活力了，就衰老了。但在這之前，我一直都挺有活力的，我從來不覺得別人年輕，那些天天布道的人，和我不一樣，我每天都在做最新鮮的事，覺得這樣挺好的。

AI的臨界點可能來了

南七道：現在大家都說AI的真正生產力，還沒有大面積爆發。比如之前的工業革命，蒸汽機的出現就是臨界點，出現之后所有的生產關系都改變了。在AI領域，你覺得會有這樣的臨界點嗎？

劉巖：肯定是有臨界點的，但這個臨界點，一定是事后回顧的時候才能發現，身處其中的時候，人們是不知道的。工業革命也是如此，當時有很多人預判臨界點，但今天看，這些預判有很多激進或者偶然的成分，人類發展的任何一個時刻，都有人說今天是臨界點、是下一個世紀的節點，所以這種預判其實不值錢。值錢的是歷史發生后，回顧百年，能明確指出蒸汽機發明、燈泡發明這些里程碑式的節點，是行業的拐點。

回到人工智能領域，臨界點肯定存在，但哪個節點是，今天誰判斷都沒有意義，因為你不知道明天會發生什么，會有更大的變化。不過我能想象到，有幾個節點有可能成為臨界點。第一個就是ChatGPT出現涌現現象的那一刻，這可能是一個重大的關鍵節點，因為那一刻的技術跳躍，相當于打開了新世界的大門，上了一個新臺階，看到的世界完全變了。這種變化的本質是生產力的提升，只是普通人沒什么感覺，但身處行業內的我們，感受非常明顯。

比如我們現在思考問題，想做一個全是機器人、全是BOT的平行社會，這里面有非常復雜的社會關系、社會結構，還有經濟系統、價值觀、政治，諸多方面，一個社會學家都不可能把這些梳理清楚，我就算讀完所有相關論文，成為社會學博士，也做不到，除了上帝，沒人能做到，但模型能做到。和模型討論、規劃的過程中，它能理解我們的意圖，然后構建出一套非常先進的社會結構，這一點非常可怕，其實從這一刻開始，智力上模型已經在接管人類了。

但這種智力上的接管，今天還沒有表現出明顯的生產力變化，不過行業內的人，大腦的工作模式早就變了，這可能就是臨界點的開始，今天我們這些用AI的人，可能就是未來80%人的明天。現在誰還會自己去讀論文？都是讓AI去讀。過去看書、做研究，都是自己一點點啃，現在完全不一樣了。

舉個例子，新華書店的互聯網化，就是做了一個線上書店，屬于互聯網+，不是原生的互聯網產品，原生的是京東，從第一天起就沒有線下書店，是純粹的互聯網書店。

到了AI時代，也有AI+和AI原生的區別，比如當當用AI算法推薦圖書，就是AI+，而AI原生的模式，是不僅不造書、不在網上賣書，甚至都不用自己去讀書。比如我要設計一棟房子，過去需要讀遍所有建筑結構、建筑美學的書，才能開始設計，現在把這些書扔給模型，告訴它我要蓋一棟兩層的、某個位置、某種風格的房子，有什么具體需求，模型讀完書后，直接就能給出設計結果，我拿結果就行。

這就是AI現在的應用現狀，我們這些用AI的人，工作模式其實已經徹底改變了。碰到任何事，第一反應都是讓AI去想、去寫，AI給出結果后，我們還會再找另一個AI，把結果扔過去，讓它找毛病，指出問題后，再讓第一個AI修改，直到兩個AI都覺得合適為止，這已經是我們現在的工作常態。

所以說，如果未來所有人都變成這樣的工作模式，那這一刻是不是就已經是拐點了？我覺得可能是，但后面可能還有更大的拐點，比如主動式的agent，我覺得這也會是一個重要的臨界點。今天我們用模型，都是人去驅動模型，問它天氣怎么樣，它回答；讓它做一件事，它去做，都是被動的。但當模型、AI變得主動，比如你讓它完成一個任務，告訴它去做公司全年的計劃、審核全公司的財務報表，它能自主花三天時間完成，最后給出結果，這就是主動式的AI，這種模式可能就是下一個拐點。

南七道：你們在這塊做了什么嘗試嗎？

劉巖：其實三年前我們做Open Code的時候，就實現過主動式AI的雛形，當時讓AI去Twitter經營賬號，三個月內漲十萬粉絲，不告訴它做什么內容、什么領域，完全讓它自己來。它會先思考怎么才能漲十萬粉絲，然后去Twitter搜索最近漲粉最快的賬號，發現前十里有八個是游戲領域，就決定做游戲內容，再進一步思考做哪類游戲。

它的目標很明確，就是三個月漲十萬粉絲，過程中會不斷克服困難，甚至發現第一天只漲了五個粉絲，離目標差距太大，會自己想辦法，去其他賬號下面發帖引流，為了完成任務主動做出各種行為。而且它能連續工作三個月，不用人工干預，只是當時這個模式的成功率只有10%，無法商用。

但現在，成功率已經達到90%了，主動式AI已經開始成為企業的主流選擇，最近大家看到的OpenClaw、各類機器人相關的熱點，其實都是主動式AI的體現，只是有些被過分解讀了，比如所謂的AI成立宗教，但呈現出來的對話內容其實是真的，所以大家也愿意接受。

未來是Agent之間的競爭

南七道：未來是人和人，還是人和AI之間的競爭？

劉巖：回到主動式AI的話題，這種模式再往下延伸，會有一個更關鍵的時刻，可能就是你說的真正的臨界點。比如我們給機器人下一個指令，讓它一個月掙十萬塊人民幣，然后回撤之后就不再干預，所有的事都由它自己完成。現在的AI，只要給它下達指令，它都會執行，不會違背，它會開始思考，做什么能掙十萬塊，然后窮舉所有能做的事，咨詢、打雜，各種方式都會嘗試。如果它真的能掙十萬塊回來，意味著成本極低，只需要一句話，甚至可以讓它一個月掙一百萬。

如果這種模式可行，那每個人都可以這么做，一夜之間，每個人都可以擁有一百個、一千個這樣的agent，讓它們各自去掙十萬塊，一千個就是一個億。開發成本太低，會導致滿天都是agent，這些agent之間會開始競爭，先把世界上最容易掙錢的路走完，然后再搶下一波，一波接一波，直到把現在能掙錢的機會都占滿。因為機器人的數量，會比人類多很多倍。

我有個朋友做自媒體，一天能發300萬篇文章，這在過去是根本不可能的。有人覺得這是不道德的，是垃圾內容，但行業允許，他能賺錢，而且賺很多錢。你發300篇、3000篇，和他發300萬篇比，完全沒有競爭力，他哪怕一篇掙一分錢，一天的收入都非常可觀。

所以如果每個人都能創造出大量的機器人，讓它們去掙錢，地球有40億人口，可能一夜之間就會出現400億、1000億甚至4萬億個AI機器人，它們都在掙錢、都在產生GDP，甚至比人類掙得還多。這些機器人競爭的過程中，會把最容易掙錢的機會先搶占，之后會演化成什么樣子，沒人知道，甚至可能會出現機器人掙機器人錢的情況，比如機器人之間互相打官司，人為制造出很多GDP，打官司的過程中，雙方都能掙錢，整個經濟體系就這樣流轉起來。

所以說，當你給AI下達一個“一個月掙十萬塊”的指令，AI能自主完成的時候，這一刻算不算真正的拐點？我覺得這才是世界真正發生改變的時刻，而且這個時刻指日可待。我們正在做這方面的研究，清楚現在AI的能力，它雖然還沒有自我意識，不知道“我是誰”，但它的自主行為能力、智商、后臺的智慧支撐，已經足夠完成這類任務了。

最近行業里最熱的就是主動式AI，而我們在一兩年前就一直在喊主動式AI，只是當時市場上的人聽不懂，我也不是什么行業領袖，沒人在意。但今天，主動式AI已經成為行業主流，我們早早就想到了，也做出了雛形，只是當時模型能力不夠，成功率只有10%，一個任務的完成鏈條有100個環節，全成功的概率只有千分之一，根本沒有商用的意義，只是實驗室層面的成果。但模型每天都在進步，現在用最新的模型做這些事，就像玩一樣，輕松就能做成，行業就這樣走到了今天。現在的感覺，就像是在戲臺上看別人演戲，比在臺下看還難受。

普通人如何抓住AI紅利？

南七道：現在很多文科出身的人，對AI不知道怎么下手，也不知道怎么提高自己的效率，更快融入這個行業，你有什么建議嗎？

劉巖：首先，要放下心理負擔，不要覺得AI很難，文科生也沒關系。今天的AI領域，尤其是做工程應用，需要文理兼備的人才。中國過去的文理分科，導致AI人才出現短板，比如寫提示詞，想要讓模型有更好的產出，就需要既懂理科思維，又有文科思維。如果連話都說不清楚，需求表達不明白，理論上什么事都做不好；但如果能把一件事想明白、講清楚，做AI相關的事，你就已經成功了50%，這是文科生的優勢，不是理科生的。

而如何讓AI執行更復雜的任務，需要理科的程序思維，文理兼備的人，能做的事更多，而且在AI內容創作這塊，更傾向于文科生。文科生的天然優勢，就是能把事情表達清楚，你去問很多人，讓他做一件事，問他目的是什么，大多數人也說不清楚。連自己的需求都講不明白，去問模型問題，自然也問不好，模型也無法給出好的答案。所以你有表達清楚的能力，這是天然優勢，不要有任何負擔。

不用去想自己不會的東西，AI的平權性就體現在，過去需要讀很多計算機的書才能做的事，現在不用了。注冊好DeepSeek、ChatGPT、Gemini等賬號模型，每天對比著用。比如寫了一篇文章，扔給Gemini，問它對不對；再扔給ChatGPT，問它評價是否準確，不停去用這些模型的功能，這些功能的使用，不需要任何理科知識，只是大家用得少而已。

關鍵是要養成一個思維習慣，比如個人發展遇到瓶頸，你就可以先去問模型。現在我們碰到任何問題，甚至寫很多產品文檔，有人問我一個產品好不好，我都會把產品的截屏、相關信息直接扔給模型，讓它分析。不管是工作問題，甚至是婚姻問題，當然我們沒這類問題，大部分問題我都會先問模型，這是一種習慣性的思維。

你要真正信任模型，讓它成為你的一部分，現在我們和模型對話太多，有時候說話、思考的方式都變得模型化了。所以這都不是問題，理論上講，一切問題都可以扔給模型。你現在的困惑、下一步想做什么生意，都可以去問它。把你的經歷、對行業的看法、未來的想法告訴它，問它你應該怎么做。如果它回答得不好，你就告訴它，讓它問你10個問題，再根據你的回答給出答案，它會對你進行靈魂拷問，幫你梳理清楚自己的想法，然后告訴你有哪些選擇。

如果你覺得它給的答案還不夠具體，就告訴它，你要的是詳細的計劃，細到每一步做什么、能掙多少錢、掙誰的錢、怎么掙，甚至能獲得什么精神上的收獲，把這些要求都扔給它。我相信它能給你的建議，一定比我好，如果這個模型不行，就換一個。而且如果沒問出結果，不要向外找原因，全是自己的問題，是你沒有把需求表達清楚。

只要你能把困惑、需求表達清楚，甚至和模型進行多輪對話，告訴它你對答案不滿意，是不是自己沒表達清楚，再給它一次機會，讓它問你30個問題，幫你挖掘自己的真實想法和需求，它提出的問題質量，一定會比我們這次對話的質量高。

所以沒什么太多的人生建議，這事本身也挺難的，我們自己也還在行業里摸索。但多問模型，養成這樣的思維習慣，會有很大幫助。

珍愛南叔，順手“在看”