副标题：2027 年前，请重新认识一次 AI
TLTR
ChatGPT 3.5横空出世还不到4年，那时候我们还不知道什么是提示词，怎么有效地和AI对话。2026 年8月，一个只有 392 个粉丝的普通人，用 AI做出了一个产品，1.8 万个陌生人用真金白银的投币给他盖章。这种事在Bilibili一场AI大赛里发生了超过2000次。
我一直以为自己在关注 AI，直到我把这2002个AI作品扒完，才发现我对 AI 的认知，也落后了大半年。所以我想认真回答一次这个问题：AI 到底有什么用，你该重新认识它了。
本文精粹了我从2022年12月到2026年8月期间的AI实践的经验和市场调研，包含了科技与投资趋势、一人公司、自媒体、第二曲线等。并且将科技圈、金融圈等晦涩难懂的术语翻译成大白话给希望在这个时代把握趋势的朋友们。
为什么我强烈建议大家重新认识AI？简单的说，AI时代带来了技术的变革，规则也变了，你的处境变了，而你的认知没变。
写在前面：
- 1.给自己一笔token预算，到AI里去冲浪。
- 2.每次技术变革蕴藏着足以改变个体命运的投资机会。
- 3.当你不知道做什么的时候，唯一能做的是先提升自己的认知。
一、为什么要重新认识 AI
（一）技术变了
腾讯云Workbuddy OPC白皮书里把这种形态进化写成了三个阶段：硅基员工在 2024 年还是单点对话模式，2025年进化成多步骤工作流，2026 年已经是自动化系统。一年一个台阶。
1. 多模态大模型成熟：
这2年时间各种AI模型层出不穷，并且以超乎想象的速度进化。从ChatGPT到Claude Code再到Deepseek大语言模型、从MidJourney到Banana文生图模型、从ElevenLab到CosyVoice文生语音模型、从Sora到SeeDance的文生视频模型、从Suno到Mureka文生音乐模型。人工智能的存在形式从单线程的模型调用与输出（比如聊天对话AI）进化到能自主学习并完成多任务的Agent，还有弥补大模型功能连接的MCP、Skill。
这么多模型，绝大多数可能没有听过，更没有用过。但大家一定都用过豆包，以及现在越来越火的对标Codex的国产产品workbuddy和codebuddy。为什么这几款AI产品的接受度高？主要就是因为“一站式”满足了问答、绘图等基础功能。前阵子很火的“龙虾”Openclaw，在深圳的上门安装费一度高达1000元。而在1年前，大家还在用网页聊天工具免费与AI对话。
最近我用openclaw的频率越来越少，并且删掉了cursor，用claude code cli和workbuddy越来越多。主要原因是使用体验上，后者优化和本地化更舒服；一方面没必要订阅，只需要支付API费用。我记得我的一篇笔记里有粉丝留言，“只要学得慢，淘汰的就是AI”，看似开玩笑的一句话反映了AI产品迭代和淘汰的速度很快，不过范式会越来越清晰。
2. 价格友好：
AI 大模型的单位价格正在快速下降。比如，从 2024 年到现在，达到 GPT-3.5 水平的 AI 推理成本已经从每百万 Token 约 20 美元降到 0.07 美元左右，降幅超过 99%；Deepseek的每百万Token输出9元人民币。而今天不同模型之间的价格竞争仍在继续，OpenAI 在 2026 年 8 月还宣布将部分前沿模型的 API 价格再下调超过 20%。这意味着，同样让 AI 处理一百万个 Token，现在已经比过去便宜得多。
但价格越便宜，人们反而越愿意使用，比如我用deepseek pro v4每个月要充300元人民币，消耗几亿token。过去 AI 可能只是帮你写一段文字，现在却可以阅读几十份文件、写代码、分析数据、搜索资料，甚至连续调用几十次模型完成一个完整任务。
因此，AI 出现了一个很有意思的现象：单价下降，但总用量增长得更快。 Gartner 最近预计，到 2028 年，一个 Agent 完成一项复杂工作流所产生的推理成本可能是现在的 5 倍以上，原因并不是模型变贵，而是 AI Agent 会进行更多轮思考、调用更多工具、读取更多上下文。一个很直观的例子是 Uber：2026 年Uber的AI Agent 的每周请求量从 2 月以来增加了 9.4 倍，但由于模型和工程优化，整体 AI 成本反而暂时保持稳定。这说明企业真正面对的问题已经不是“AI 一次多少钱”，而是“我们会让 AI 做多少事情”。
所以，AI 正在变得越来越便宜，但企业使用 AI 的总支出未必下降，甚至可能增加。这就像以前一度担心“电脑太贵”，后来电脑越来越便宜，但企业并没有因此少花 IT 的钱，而是因为电脑变得便宜，最终让更多业务都数字化了。现在 AI 也是类似的逻辑：AI 的单位成本下降，使用门槛降低，使用场景增加，使用量暴增，整体 AI 支出上升。 McKinsey 的数据也显示，企业 LLM 支出在 2025 年一年内大约增长了 3 倍，而其 2026 年调查中有 93% 的受访企业表示 AI 支出超过了预算。
同时这里藏着关于AI基础设施的投资机会，以后有机会再拆开来讲。
3. 集成工具越来越成熟：
上面提到，AI 让我们的“选择”越来越多，使用价格却越来越低。与此同时，越来越多的开发者也开始进入这个市场，敏锐地捕捉各种细分需求，开发出越来越多“真香”的 AI 工具。过去使用 OpenClaw 这样的工具，还需要对电脑系统、命令行甚至开发环境有一定了解；现在，AI 工具正在越来越接近普通软件的使用方式，下载安装、用自然语言描述需求，就可以直接开始工作，我甚至因浏览器卡顿让claude code cli帮我查杀毒成功。更重要的是，工具本身也开始集成单任务、多任务 Agent，让用户不需要学习复杂的软件操作，只需要用文字告诉计算机“我要做什么”，AI 就可以自己拆解任务、调用工具并完成执行。
我自己就是这种变化的直接受益者。我用 Vibe Coding 开发了行业信息洞察工具 readay.xyz，搭建了自己的播客网站 olawang.com 和部门网站，重建了工作中的接待协作流程，更在自媒体内容生产中建立了一套数据驱动的内容模型。以前这些事情往往需要产品经理、设计师、程序员甚至运营人员协作完成，现在一个人借助 AI 就可以完成从想法、设计、开发到上线的大部分工作。软件开发的门槛正在快速下降，而一个人的“动手能力”正在被 AI 成倍放大。
从 B 站 AI 大赛中也能看到类似的趋势：除了游戏之外，效率工具也是非常重要的一类应用。这意味着 AI 工具正在从“一个通用聊天机器人”快速走向大量垂直、具体、可执行的工具。未来我们可能不再需要为了一个需求专门购买一个软件，而是直接告诉 AI：“我需要一个这样的工具”，AI 当场帮你生成。软件不再只是被开发出来供人使用，而是开始根据人的需求即时生成。这里面蕴藏着可能会改变商业的趋势，个体+AI+垂直=稳定持久的小生意，以后有机会再详细拆解。
把这三件事放回时间轴上，节奏就出来了：技术、价格、工具三个维度，同时以一年一个台阶的速度在进化。你记忆里的 AI，还是 2023 年那个只会聊天的版本，中间每一年的台阶，你都错过了。我正在写关于Bilibili的AI大赛作品的分析洞察，发现AI不是少数人的玩具，也是能产生收益的。相信这份洞察会对每个人未来至少10年的发展有参考意义。
（二）认知没变
1.不是 AI 淘汰你，是用 AI 的人在和你拉开差距。
你记忆里的 AI 还是 2023 年版，你可能不服：我天天刷到 AI 新闻，怎么会落后？
微软一份覆盖 147 个国家的报告（Global AI Adoption in 2025—A Widening Digital Divide）给了一个冷冰冰的数字：全球 84% 的人，从未用过任何 AI 工具。在用的人里，只有 0.3% 付了钱。与此同时，哈佛与 OpenAI 合作的学术论文（How People Use ChatGPT）显示周活跃用户已经冲到 9 亿，一年翻了不止一倍。
这两个数字看上去好矛盾，但恰恰说明了认知分布极端不均：用过的人离不开，没用过的人看不懂。中间隔着的，就是认知的鸿沟。女性用户占比（53%）已经反超男性，非英语用户过半，35-44岁的人群从14%涨到18%，是增长最快的群体。AI 正在从极客的玩具，变成普通人的日常工具。
哈佛商学院几位经济学家和 OpenAI 合作，把 2024 年 5 月到 2025 年 6月间一百多万条真实对话做了分类，结果和你以为的完全不一样：用 AI的人，30%是在要建议，25%在查信息，24%在写作，而编程只占4.2%。更值得看的是这一年的变化，查询信息的人几乎翻了一倍，写作从 36% 跌到 24%，编程从 12% 跌到4%，工作相关的使用从 47% 降到了 27%，剩下70%全用在生活里。AI正在从一台帮你干活的机器，变成一部帮你做判断的参谋。
我在 B 站那场 AI 大赛里扒过 2002 个作品，作者里有物理老师、全职妈妈、山村中学生，超过60%的创作者并不是专业开发者，有超过30%的素人只有不到千粉。以前“产品”两个字背后是一个团队，现在是一个人和一个周末或几个小时。
2.规则制定者已经下场了
20 多个省市，已经给一人公司出台了专项扶持政策，补贴细到工位、房租、算力券。深圳的人才政策里，白纸黑字写着淡化学历评价。腾讯开始卖 AI 从业者认证。你还在观望的时候，政策开始补贴了，身边的人开始冲了。
大家发现这个组合拳预示着什么？国家在补贴自雇，深圳在给学历之外的能力定价，平台在抢占下一个时代背书的发证权。你还在观望犹豫的时候，规则制定者已经下场了。所以，不是 AI 会淘汰你，是用 AI 的人在和你拉开差距。差距具体拉在哪里？看你的处境就知道了。
（三）你的处境变了：独立个体的三个困境
1.就业机会收缩
以前求职市场的规则是熬资历就有位置，现在这个规则作废了。不是你不努力，是池子的规则换了。
小红书上的“#失业、#辞职”话题分有30.6亿和29.3亿浏览。我对小红书平台做了两期关于失业话题的调研，第一期调研了1万条左右的评论，关键字是“哭”，出现1963次，是“焦虑”的 2.3 倍；第二期有1.6万条评论，关键字是“等被裁”。 有一个裁员评论说“合同到期喜提大礼包……我可开心了”，获得了6646个赞， 另一个幸运上岸的评论说“找到工作，又会因为工作深夜崩溃痛哭”，获得了8975个赞。 “明明30到45是壮年，为什么就被淘汰”，则道出了现在人的无奈。 还有印象最深的一条评论是“35岁被裁，到65岁退休，这30年怎么过”，是啊，这30年难道就躺平了吗？太难了。
中国白领行业从业者约 1.9 亿人，过去五年年化增长 4.6%。而现在一人公司存量 1600 万家，一年增长了47%。一条曲线平，一条曲线陡，差了十倍。陡的那条，是不是预示着一人公司是有存在的价值的？
2.被雇佣的理由被拿走
许多人都会讨论，AI会不会替代人？这里应该有两层解释：
- 1.在社会层面，AI不会替代人，替代人的是会用AI的人；
- 2.在功能层面，AI替代的不是人，替代的是具体执行的行为，不被替代的是认知、判断和审美。
AI 替代的不是你这个人，是你“被雇佣的理由”，怎么理解呢。公司雇你，为你的工作时间和效果支付工资；当 AI 能更便宜地完成那套东西，公司就没有理由再为结果去雇一个人。
腾讯workbuddy白皮书把人群按这个逻辑分成了四层：约 5% 的人把 AI 杠杆和自己的判断结合，约 15% 的人做的工作恰好是 AI 最容易替代的。多数人并没有意识到自己在哪一层，如果大家对这个话题感兴趣可以告诉我单开一期。
我失业的那两年，最难受的不是没钱，是”被雇佣的理由“消失了，我不知道自己凭什么值钱。后来才想明白，我凭什么值钱：凭 AI 替代不掉的那部分。
3.被迫”接触”AI
焦虑逼着你“接触”AI，但不知道怎么切入、不知道怎么用起来，卡在“知道该学，不知道学什么”。
一边是身边的人都在用。注册六个月的用户，日均消息量比注册时多了 50%，尝试的任务类型翻了一倍。AI 这个东西，越用越离不开。
另一边是你想学AI，但不知道怎么切：该学什么工具？从哪件事开始？我在失业期，赚钱之外，一定要学AI和自媒体里就提到，当你不知道学习什么的时候，你就和AI聊天，聊你的困惑、兴趣、目标等，AI会给你指引然后鼓励你坚持。比如你想抓取社交媒体平台的帖子和评论，就可以详细的把想法告诉AI，让它帮你一步一步实现。另外还有一件有意思的事情，分享给大家，让AI帮你认识你自己。你在你能够使用的AI里，输入下面的文字：“我要做个实验，你任意问我问题。我会真实完整的回答。基于我的回答你再问一个问题，直到你觉得能挖掘到真实的我，包括我的特点、局限、潜能、我未来适合发展的路径，还有一切潜藏于我潜意识的内容。”，然后跟着AI的问题开始问答，最终你看看有什么收获，可以发邮件给我或在评论区分享你的答案（很期待）。
这种状态我太熟了，焦虑逼着你拥抱 AI，但拥抱的姿势没人教。包括我其实也清楚的认识到，我采用AI的节奏比现在AI的发展慢了约3-6个月。这个怎么算出来的呢？比如今天你在网络看到一个博主介绍了AI的新应用或新版本，你在3个月后才开始下载使用。
机会总是留给有准备的人，保持学习是必须的。一方面要学习新的AI应用，一方面要在“学中干”，也就是要给自己一笔Token预算。我在我的《自我迭代》第三章 “为什么优秀的人总在一起”和第五章“未来社会的竞争规则”里讲到，我不光每天消耗2500万token，也强烈建议所有人都把token消耗量提上去。这有点像以前的“微信步数”，是你“进步的脚印”，反映你在AI实践的路上做的努力。
（四）规则变了：生产关系的三个变化
1.生产规则变了
AI 替代不掉的部分，到底是什么？
AI 替代 80% 的生产流程，人只负责剩下的20%：决定做什么、审美、判断。Polsia 的创始人给了一个公式：80% AI + 20% 品味。80% 的执行工作交给硅基生命，代码、调研、广告、客服、财务；20% 的方向、审美、战略、情感共鸣，由碳基生命来定。哈佛与 OpenAI 合作的学术论文（How People Use ChatGPT）的结论是 ChatGPT 的经济价值主要是“决策支持”，它是顾问，不是自动化机器。这条和腾讯workbuddy白皮书的“判断力稀缺”、我的判断“AI 只给彩虹屁，人是最终决策者”完全吻合。
我有两次亲身体会。readay 那款行业趋势洞察AI，我花了很大力气做功能、做增长体系，稳定运行了一年，回头看问题出在原点上：我证明了“我能做出来”，但没想清楚用户要的到底是什么。后来我爬了两万七千条失业评论，先搞清楚大家在焦虑什么，再写文章，两万多人看过。同一个我，执行层一样，判断层两次不同，结果天差地别。
再回想一下创办普拉提防滑袜品牌 Grounded 的老哥，他开局没有说我要生产袜子，而是找趋势、缩小需求范围、调研目标群体、验证、冷启动…我在我的播客文章失业期，赚钱之外，一定要学AI和自媒体里分享了他的故事。我再实践他的这套方法论，数据驱动挖掘需求、内容生产、变现闭环，建议大家学习这套方法论。
2.组织规则变了
上面提到“一人公司”的工商主体成为主流，现阶段（2026年8月）存量 1600 万家、占企业 27.4%、增速 47%，B 站大赛 1604 个普通人做出2002 个产品，超过60%并不是专业开发者。其中有些产品演示，我一看就想充值。
过去的天花板由“能招到什么人”决定，现在由“选择造什么”决定。公司不再是先有人再有活，而是先有活再组人。
3.信任规则变了
中心化背书正在失效。学历、职级、公司背书认证的是“知道什么”，未来的市场只认“创造了什么”，作品自证和去中心化荣誉将会接管。腾讯开始卖 AI 从业者认证，800 元一次，但卖的还是考试，认证的还是“学过什么”，新瓶装旧酒。
真正在接管背书的，是作品本身。B 站大赛的投币机制就是雏形：一千个陌生人用真金白银给你的作品投票，比任何机构盖章都真实。一个 392 粉的素人和一个 209 万粉的头部 UP 主，出现在同一张投币榜上，靠的只是作品。
最近刷到一个采访，一个 13 岁的初一女孩，从 9 岁开始玩 AI，玩了 4000 多个小时，做出了 100 多个应用，商单报价几万起步，作品登上了字节豆包大模型的发布会。记者问她打算上什么高中，她说：考不上高中就直接去上班呗，重要的不是学历，是能力。（）
这四件事放在一起看：技术变了，你未必跟上；认知没变，差距在拉大；处境变了，你在焦虑；规则变了，而新规则里的判断、作品、信用，恰好都是你可以自己攒的东西。这就是现在所有人应该重新认识 AI 的原因。重新认识之后，AI 对你到底有什么价值，是第二部分要回答的问题。
二、AI 到底有什么价值
这一部分，我试着回答所有人都关心的问题：AI 对你到底有什么价值，AI 到底能帮你什么。
（一）第一层：工具
AI 是个工具，帮你把事做完。最直观的效果有：写文案、做翻译、写代码、生成图片，给它一个任务，它给你一个结果。多数人对 AI 的全部认知，就停在这一层。
但它已经比你理解的更能干。任务完成时间平均减少 80%（Anthropic 的生产力研究 2025），每投入 1 元 AI 成本，可等效替代约 72 元的开发人力（腾讯workbuddy白皮书）。哈佛和 OpenAI 把一百五十万条真实对话目的分了类：实用指导 28.8%，信息查询 24.4%，写作 23.9%，三大用途占了近八成，而编程只占 4.2%。写作里三分之二是改你写的东西，编辑、总结、翻译，不是替你写。
换句话说，AI 在这一层最真实的角色，不是代笔的枪手，是改稿的同事，是查资料的实习生。它帮你把一件件事做完。
这一层我还有两个自己的判断。
第一个判断：人要的是结果，不是工具。工具让人干活更利索，但人花钱买的从来是结果。所以我一直问自己三个问题：工作的结果是什么，企业的结果是什么，生活的结果是什么，AI 能不能直接交付结果。美国有一家叫 Sierra 的 AI 公司，由 OpenAI 董事长 Bret Taylor 和谷歌前高管 Clay Bavor 联合创办，专做企业级 AI 客服。它最有名的一点，是按结果付费：只有 AI 真正解决了客户的问题，它才收钱。
工具层还有一个我每天都在用的价值：有一次我写方案卡到晚上十点，越写越焦虑，最后把两个政策文件丢给 AI，请它用表格把我院和同级三甲医院的要求梳理出来。关系一摆开，豁然开朗，凌晨两点方案写完，而且我确信这就是要做的事。想不明白的时候，把表象写出来，把背景和问题交给 AI，它会帮你分析，给你建议。这一层最值钱的，不是它帮你做，是它帮你想。
第二个判断：一切只会用工具的人，都有被淘汰的风险。工具是科技的产物，科技一进步，工具就升级，升级就一定有人跟不上。第一次工业革命里不会开纺织机的手工工人，电脑普及后不会打字的人，都是这么掉队的。除此之外，你要警惕，谁是“最会用工具”的人？
（二）第二层：它是员工，帮你把流程跑完
第二层，AI 是个员工，帮你把流程跑完。
工具和员工的区别在哪？工具是你来操作，员工是你来委派。你交代目标，它自己规划路径、串起多步骤、交付结果，比如一份完整的分析报告，一条从获客到交付的自动化流程。
腾讯workbuddy白皮书分享了这个案例：蔡琛律师，46 岁，非技术背景，用三个月搭了 60 个工作流，从接案、文书、庭审到营销全流程覆盖，新案准备从两三天压到一天以内。
我自己也在这条路上，请AI担任我的CMO，研究了两万七千条失业评论，统计、分类、找规律、写洞察，一条流水线跑完。以前这种活要一个团队干几周，现在一个人加 AI，几天。
这一层有个关键问题：你凭什么委派？我以前觉得，得先成为“资深专家”，把一件事的核心环节和每个环节的坑都想清楚。比如开一家面店，采购、煮面、作料、营销，哪一环不会，都不敢投钱。
后来我发现这个门槛也被 AI 拉平了。你完全可以和AI聊：这件事有哪些核心环节，每个环节有什么潜在问题。有个国外的小伙子，用 10 个”龙虾“（OpenClaw）搭了一个健康管理服务，环节是 AI 列的，坑是 AI 提醒的，服务就这么跑了起来。
所以员工层真正要你做的，不是什么都懂，而是知道你要什么结果。环节可以问 AI，坑可以问 AI，但“要什么结果”必须你自己定。再往上一步，员工可以复刻你自己：把你这几十年的经验写成文字，蒸馏成 Skill，Agent 就能按你的方式替你干活。我自己就在干这件事，简单的说，我用龙虾做了3个Agent，分别是编辑AI、播报AI、绘图AI。编辑Agent帮我把每周我所关注的行业里的机构新闻汇总分析，撰写分发到不同渠道的不同风格的文章；并用播报Agent每周生产2期周报语音；再用绘图Agent绘制图文。我现在还差自动发布的Agent来帮我自动发布。这个工作流我运行了快3个月，已经帮我吸引了128名业内比较知名的人士了。
为什么你的经验能被复刻？因为经验本来就可以变成模型。以前我的模型是长在脑子里的经验模型，没形成文字，更没形成产品，积累全靠润物细无声。现在不一样了：每天的总结、和 AI 的讨论，AI 会帮你提炼、补充，把脑子里的模型一步步写成文字，再变成 Agent 能用的东西。三个 Agent 是这么来的，我的书《自我迭代》也是这么来的。
其实要运行这些“员工”，你只需要一个普通的电脑和一个大模型的账号（接入）就行了，我是在我原本的mac mini上运行的，不要认为很麻烦复杂。
（三）第三层：它是一支团队，帮你把生意托起来
第三层，AI 是一支团队，帮你把生意托起来。
这一层的系统不再等你下指令，它完全可以自己规划、自己调用工具、自己监控执行，你只做决策。
最极端的奇葩案例是 Polsia：零员工，托管 8700 多家自动化公司，估值 2.5 亿美元。但它的数据同时泼了一盆冷水：只有 10% 的自动化公司产生了收入，首月流失率 50%。
宏观上，这一层已经长成了主流：1600 万家一人公司，平均每 10 个白领就对应一家。这一层改变的已经不是效率，是生产关系。
我自己也在尝试建立我的“初创团队”。我让虾米 AI 当总管，管理我名下其他的 Agent，我只和总管对接。这个架构像极了现代企业：我是董事长，总管是总经理，下面的 Agent 是员工。
这也回答了我很早就想过的一个问题：AI 到底是代替人，还是放大人的亮点？我的答案是后者。无论主动还是被动，人都会用 AI 武装自己，而 AI 放大的，恰恰是你身上本来就有的那点东西。
把三层放一起看，就是一条升级路线：从“AI 帮我做一件事”，到“AI 帮我跑一条流程”，到“AI 帮我撑起一盘生意”。每一层往上，人的角色都在变：从操作员，到委派者，到决策者。
沿着这条路线走到头，人的最终形态是什么？我的判断是跨界通才，因为AI 把人的知识领域拓宽了，有一技之长的人反而危险，学习能力强、能横跨多个领域判断的人会站到最后。
但有人会问：AI 这么强，人凭什么和它比？我的答案是：在夹缝里求生存。效率、准确性、知识面，AI 全胜；但有两处它还没追上来：一是情感，人还没法接受”冰凉凉”的 AI；二是跨界的实践经验，AI 比初级码农强，但比不了一个既是码农又是建筑设计师的人。我融合了医学和商业两个赛道，这种跨界通才，还能”香”一段时间。
所以我的对策是：养自己的 AI。把它培养成同样有跨界能力的通才，让窗口期变成永久优势。
情感这条护城河，也正在长出新的用法。以前表达情感是艺术家的专利，现在一个非技术背景的女孩，用 AI 做出了视频“陪姥姥上大学”，让昨日重现，让感情有寄托。