AI大模型發(fā)展至今，已經(jīng)有很多信息成為大家的共識。但在一些細節(jié)和前沿內(nèi)容上，還有一些大家不理解的知識。這篇文章，我們看看作者分享的這些經(jīng)驗。

先把這次的“非共識認知點”全部列出來（其實不止10個……）

1、最大的坑，就是過于簡單的認為“把XXX用LLM/CUI全部重新做一遍”。

2、沒有know-how支撐的嘗試是賭博，有“非共識認知”支撐的迭代才是MVP。

3、AI公司的妄念：招個很牛的AI產(chǎn)品經(jīng)理來想idea。

4、跨語言，可能是大模型最Native、現(xiàn)階段最容易被感知和落地、但又最容易被忽視的能力。

5、長文本，可能是又一個“看起來不起眼、但增加數(shù)量就躍遷、涌現(xiàn)”了的東西。

6、當自己本身都搞不定業(yè)務(wù)的時候（從 0 到 1），不要指望 AI。

7、技術(shù)維度+產(chǎn)品維度+商業(yè)維度，不是在做加法，而是在做“歸一化”。

8、危險：AI導致的風險，可能不是潮水，而是颶風。

9、一旦我們學會“剝離人性弱點的弊端，僅使用其工具屬性價值”，負面影響，是會讓人，更加自私。

10、機會：如何解脫？要么向上成長為最牛的人，要么躺平過生活。

11、當ChatGPT被研發(fā)出來之前，我們問AI的空氣動力學是什么？當ChatGPT被研發(fā)出來之后，我們需要問，AI的“制動器”是什么？

12、【重要】AI時代超級個體的10倍、100倍、1000倍成長路徑，到底在哪里。

另外，還有一些認知點，是之前《深度 | 關(guān)于AIGC商業(yè)化的13個非共識認知（8000字長文）》中提過的，這次口述，大家體會將更深，比如——

1、AIGC的差異化核心指標，不是節(jié)省了多少時間/人力（效率屬性），而是提高了多少“轉(zhuǎn)化率”（利潤屬性）。

2、現(xiàn)階段AI落地的低枝果實，可能反而是情感AI。

3、對于轉(zhuǎn)化率的提升，虛擬人很可能會有“巨大”的增量空間。

4、關(guān)于Agent：目前主流的“單體智能”思路有隱患，可能的突破口是“多體智能”——類似復雜系統(tǒng)/鳥群，單個智能體可能很簡單（不一定要超過單個人類），但整體有非凡的智慧（AI Agent 團隊 >人類團隊）。

5、“場景-用戶-需求”之外，需要增加一個關(guān)鍵詞，“關(guān)系”——定義了關(guān)系，就定義了約束條件和需求屬性。

6、使用AI時，把AI當成人；設(shè)計AI時，把人當成AI。

7、未來AI企業(yè)，方向定位將不是按照To C/To B來劃分，而是按照To 人/To AI 來劃分。

……

注：本文是我去年參加某次直播訪談活動的文字版，下面是全文，開場過程略。

一、開場話題：比起AI 1.0，AI2.0帶來了哪些機遇？

主持人刀姐：剛提到，你之前完整經(jīng)歷了AI 1.0時代，那現(xiàn)在AI 2.0階段，帶來了哪些機遇呢？你怎么看？

黃釗hanniman：我想先跳出來說一個關(guān)鍵詞，“周期”。

認知這是“多少年一遇”的機會，其實會決定我們的心態(tài)和做事方式。咱們從小往大說——

1）從產(chǎn)品視角看來說，類比十年前的移動互聯(lián)網(wǎng)，是十年一遇的機會。會有很多應(yīng)用層產(chǎn)品創(chuàng)新的機會出來。

所以很多人想的是，如何把自己的業(yè)務(wù)/產(chǎn)品形態(tài)，盡快的和大模型/AIGC結(jié)合。所以會很卷、很急的去發(fā)布產(chǎn)品。

2）從行業(yè)視角看，至少是類比互聯(lián)網(wǎng)的，25年一遇的機會。

這意味著什么呢？這意味著，對于很多40多歲的第一波互聯(lián)網(wǎng)從業(yè)者，這可能是他們這輩子最后一個、大周期性的成功（暴富）機會。

最有名的那個理論，“人生發(fā)財靠康波”，人的一生，會有三次大機會。

這也是為什么很多人把大模型，當作這輩子的“最后一仗”。

3）從人類社會視角看，這是幾百年一遇的機會。

比如傅盛最近說，人類歷史上唯一可以與AI相比的是蒸汽機，把熱能變成動能，今天的AI，是把電能變成智能。

包括馬化騰說，AI是幾百年不遇的的機遇。

采取這種認知的人或者公司，會有什么心態(tài)呢？不急！慢慢來！

4）當然，從賺快錢視角看，可能是1、2年一遇的機會，那就得趕緊去做。

5）所以，整體我想表達的是，AI 2.0有那些機遇，不同的人，看到的世界是不一樣的。我們每個人，選擇適合自己認知、性格和擅長模式的機遇方向就好了，千萬不要錯配。

1年一遇的機會，是賺錢；10年一遇，是產(chǎn)品；25年一遇，是創(chuàng)業(yè)；百年一遇，是事業(yè)。

主持人刀姐：ok，剛咱們說的是底層認知，那具體來說，對于AI產(chǎn)品方向、對于個人職場發(fā)展、對于未來的超級個體，分別有哪些具體的機會呢？

黃釗hanniman：好，這里面內(nèi)容比較多，咱們一個一個說。

刀姐：好~

（方便起見，下面跳過對話形式，直接寫干貨——）

二、AI產(chǎn)品的機會

分短期和長期，里面再分別按照“什么可能不對、什么可能對（有機會）”來劃分。

1. 短期，哪些常規(guī)認知，可能是不對的

1）最大的坑，就是過于簡單的認為“把XXX用LLM/CUI全部重新做一遍”

這種觀點，不是說完全不對。但問題在于，最危險的認知，就是一半對、一般不對，這種最容易帶溝里去。

類比移動互聯(lián)網(wǎng)時代，大家想當然的認為，要把所有PC上的內(nèi)容，都搬到手機上。

不能這么簡單的來看。

具體做什么，都是what層面的東西，不重要——重要的，是背后的how和why。

或者更具體的來說，很多時候，不是技術(shù)不夠，而是缺乏深度的“行業(yè)know-how”。

比如說，設(shè)計一個直播數(shù)字人，如果沒有行業(yè)理解，很可能是一個端莊、顏值高、說話語氣舒緩、手部有一些簡單動作的產(chǎn)品，事實上直播完全不是這樣的！

• 你必須知道大家平均在直播間停留的時間有多長、在哪個時間段就應(yīng)該說銷售話術(shù)了。
• 必須知道什么時候全身出鏡/什么時候半身出鏡
• 必須知道哪個環(huán)節(jié)是容錯率高的，哪個環(huán)節(jié)是容錯率低的
• 總之，要跟這個行業(yè)相匹配的方式做對應(yīng)的串聯(lián)……

否則就會出來一個傻傻的、大陸貨的數(shù)字人主播。

我社群里有一位產(chǎn)品經(jīng)理，之前在某家數(shù)字人相關(guān)公司工作過，而且是近距離的接觸過老板，她就跟我說，確實他們不是很懂這個領(lǐng)域，很頭痛的問題，不是技術(shù)或產(chǎn)品怎么實現(xiàn)，而是如何去打造一個IP。

跟這相關(guān)的，還有2個問題，我特別想分享下——

a）沒有know-how支撐的嘗試是賭博，有“非共識認知”支撐的迭代才是MVP

什么意思呢？一定不要說，雖然我（企業(yè)方）知道這個業(yè)務(wù)方向定位，暫時是不對的（比如過于簡單的說“現(xiàn)有業(yè)務(wù)+LLM”），但明年可能會冒出新的對的方向/認知?！@是賭博。

應(yīng)該是，今天就能夠說出自己的非共識認知。——有就是有，沒有就是沒有。這里有一根金線，明眼人是看得到的。——基于這個非共識認知，再去做產(chǎn)品定位預設(shè)，再去做MVP驗證預設(shè)，這樣的迭代，才有意義。

而且需要知道，今年的這個判斷，未來可以變（類比幾乎所有大公司，后來真正做大的業(yè)務(wù)，都不是最初的起點方向了），但今年一定得有，并且是基于“非共識認知”的！

即，認知能力深度是本，業(yè)務(wù)方向判斷是末。前者一定得有，后者可以變化，但后者一定是需要基于前者而推演出來的。

b）AI公司的妄念：招個很牛的AI產(chǎn)品經(jīng)理來想idea

老板或部門負責人自己的想法陷入瓶頸，往往會希望招一個AI產(chǎn)品經(jīng)理來想idea（創(chuàng)新/探索新方向），希望他突然某天想出來個特別好的點子。這個思路本身，是有極大偏頗的。

i，如果有絕對信息和視野優(yōu)勢的老板/部門負責人都想不出來，其他條件相同前提下，指望一個具體做事的AI產(chǎn)品經(jīng)理來想，本身就有點強人所難。

ii，也許有的老板會認為，只是希望這個AI產(chǎn)品經(jīng)理腦子靈光、點子多，能提供一些有價值的參考信息給自己；即使是這個定位，結(jié)果一般也不會太好，這是因為——

由于AI領(lǐng)域的特殊性，如果老板自己沒有深度的AI產(chǎn)品認知水準，即使AI產(chǎn)品經(jīng)理能夠提出一些有價值的idea，老板（和其他人）也根本不知道如何認知評估這個idea是否靠譜、為什么、關(guān)鍵點在什么地方。

最終結(jié)果很可能是，即使運氣好，碰巧選對了方向和需求定位，公司也愿意投入一定資源去實施，仍然大概率的會因為搞不清楚事情的關(guān)鍵點、最核心的指標是啥，而錯過機會（淺嘗輒止的把項目砍掉，直到1、2年后再后悔沒有持續(xù)投入）

最大的風險就是所有人都不懂行業(yè)/場景，且自己也不是典型用戶。

iii，更好的方式是，老板/部門負責人，自己先判斷篩選出幾個大方向（或細分方向），然后，去找這個方向內(nèi)，有“資深行業(yè)背景”的產(chǎn)品經(jīng)理，或本身就是該方向“典型目標用戶”，來幫忙過濾需求！

why？這是因為，老板/部門負責人們，表面上需要的是一個好的點子（idea），其實真正需要補齊的，是“垂直領(lǐng)域內(nèi)的需求認知”。

即，“某個需求點是真實存在還是偽需求”這個坑別傻趟了——直接讓有資深行業(yè)背景的人來告訴團隊。

至于具體用AI可以怎么做（what），其實是相對容易的。因為只要需求把握不偏差太多、目標導向明確、評估指標定義清晰，總會有效果和積累的，無非多少/快慢的區(qū)別而已。

結(jié)論：需要招“資深行業(yè)背景”或“典型目標用戶”來過濾偽需求，而不是“腦子靈光、點子多”。

剛說的是第一個點，最大的坑，就是過于簡單的認為“把XXX用LLM/CUI全部重新做一遍”，然后說第二個——

2）AIGC的差異化核心指標，不是節(jié)省了多少時間/人力（效率屬性），而是提高了多少“轉(zhuǎn)化率”（利潤屬性）。

首先聲明，所謂“差異化核心指標”，意思不是說，沒有降本增效這個維度的價值，而是說，降本增效類的指標，不是事情成敗的關(guān)鍵，不是一個新品類能夠立住的核心指標。

關(guān)于這點，有個經(jīng)典的例子：從功能手機到智能手機，大家都認為品類已經(jīng)變了。

i，作為通信工具，功能手機的核心功能是撥打電話、發(fā)短信，核心指標是接通率或穩(wěn)定性

ii，而智能手機（iPhone）也有電話、短信等通信功能，但是其真正決定成敗的差異化價值，其實是娛樂/社交/購物等等其他功能，重點指標也變成“占有用戶時長”等等，而并不是打電話的通話質(zhì)量等通信指標了！

而且，對比開源節(jié)流來說，人類天然更愿意為開源付費，而不一定是節(jié)流，特別是在中國，特別是小B和大C。

AIGC領(lǐng)域的例子，就是我文章里提到的，PhotoRoom，具體是做什么的？服務(wù)于二手電商賣家，去掉圖片背景、并增加各種細分電商應(yīng)用場景所需的背景和效果。各種社交媒體、電商網(wǎng)站，都有不同的具有銷售文案的圖片，以及風格模版，用戶使用后，平均提高了31%的轉(zhuǎn)化率！

2. 短期，哪些非常規(guī)認知的產(chǎn)品方向，可能是更靠譜的

1）跨語言，可能是大模型最Native、現(xiàn)階段最容易被感知和落地、但又最容易被忽視的能力

其實我在社群里，之前分享過很多這個角度的案例

先說一個2B方面的，情況是這樣，那些出海公司每到一個國家地區(qū)，就需要了解當?shù)馗鞣N法律法規(guī)條文，有巨大的時間成本。那有家AI公司，就專門提供“快速將當?shù)胤煞ㄒ?guī)情況翻譯、整理成母語”的服務(wù)。從產(chǎn)品視角看， 非常清晰。

而且，2C方面，Spotify也推出AI語音翻譯功能，“讓你喜歡的播主用你的母語為你播報”——已經(jīng)點出了本質(zhì)：內(nèi)容或IP價值是才是前提，不是任何一個小白都能把ROI跑正的。

另外，還有AirChat，一款所謂AI Native的社交產(chǎn)品。類似異步版的Clubhouse，用戶創(chuàng)建私有或公開房間后，能用語音展開交流。

令人眼前一亮的是，基于LLM，用戶發(fā)布語音之后，不僅可自動生成文本，并且還能根據(jù)用戶選擇的語言，模仿用戶自己的音色，自動完成語音翻譯。即，用戶可以暢快地用母語和其他國家的人交流了！——這里面有很大的想想空間

另外還有：

• 自動翻譯菜單APP
• 將（動漫）圖片上的文字自動翻譯工具
• 日本地鐵站使用“即時翻譯屏幕”
• 沉浸式網(wǎng)頁閱讀翻譯工具
• 將YouTube視頻翻譯配音成多種語言、并支持下載的工具

……

有這么多案例，其實是很有意思的機會的。

2）現(xiàn)階段AI落地的低枝果實，可能反而是情感AI

首先說，為什么情感AI重要？這里涉及很多個認知點：

a）“情感”是比NLP更底層的東西。不是我一個人這么認為，2017年我私下跟一位NLP技術(shù)牛人交流時，她就表達了這樣的觀點。

b）AI/機器人在（多模態(tài)）表達時，人“必然”會被動的有“情感體驗”，這不是以人的意志為轉(zhuǎn)移的。——舉例子，我第一次現(xiàn)成看到大型機械臂。——所以，產(chǎn)品經(jīng)理在設(shè)計的時候，如果只考慮理性、不考慮感性維度，一定會出問題的。比如恐怖谷效應(yīng)。還比如最近那個“醫(yī)院里保潔大媽跟機器人打架”的視頻。

c）“情感”很可能是未來AI真正的突破方向之一，未來會有很多的“黃金機會”——效率最優(yōu)，升級為情感最優(yōu)。

……

為什么說，情感AI可能反而是現(xiàn)階段的低枝果實？比如，大眾情商平均水平是60分、人性需求是至少75分，而ChatGPT默認有70分的水準——這里就有60分—>70分之間的低枝果實可以摘取。

一個“醫(yī)療+ChatGPT”相關(guān)例子——

「……研究者們原本期望ChatGPT能承擔醫(yī)生大量例行工作，如撰寫病例、醫(yī)保理賠申訴，但實際上更多時候，醫(yī)生們使用ChatGPT幫助他們，以更富同情心的方式與患者進行溝通（85%的患者表示醫(yī)生的同情心比等待時間或費用更重要）。

很多醫(yī)療工作者并不擅長寫出深入淺出的醫(yī)學手冊。例如針對酗酒者，讓ChatGPT被要求以五年級的閱讀水平重寫時，它產(chǎn)生了令人信服又充滿安慰性指導……」

而反過來說，在專業(yè)領(lǐng)域，ChatGPT類產(chǎn)品的準確度、穩(wěn)定度，可能暫時只有70分、反而達不到95分的商用標準線（人類平均水準是92～98%，所以95%是可感知、可接受的那根線）。

跟情感AI相關(guān)的，還有一個認知點——

3）對于轉(zhuǎn)化率的提升，虛擬人很可能會有“巨大”的增量空間。

why？因為虛擬人是文字、聲音、圖像（表情/動作）等多模態(tài)信息的集大成者，是最自然的情感溝通形式。

小冰CEO李笛提到過，幾年前開始，他們和MSN以及Lawson做了大量實驗，實驗內(nèi)容就是讓AI Being和人交流，最終目的是把商品準確地推送給人，同時讓人能夠更愿意接受消費的商品?！白罱K測試表明AI推薦的商品購買率達到68%，與絕大多數(shù)人類員工推薦的購買率差不多”。

要知道，互聯(lián)網(wǎng)/移動互聯(lián)網(wǎng)時代，常規(guī)的推薦系統(tǒng)或AI 1.0時代的人機交互系統(tǒng)，即使把推薦算法、NLP做到極致，購買率據(jù)說也不超過20%——這里面有多么大的增量空間！這是很多做AI的人，之前沒意識到的認知維度。

4）長文本

我昨天突然感覺到，長文本，可能是又一個“看起來不起眼、但增加數(shù)量就躍遷、涌現(xiàn)”了的東西……類似之前的堆參數(shù)。具體以后在社群里分享。

（時間關(guān)系，長期的方向，就簡單分享幾個結(jié)論——）

3. 長期，哪些常規(guī)認知，可能是不對的

關(guān)于Agent：目前主流的“單體智能”思路有隱患，可能的突破口是“多體智能”，類似復雜系統(tǒng)/鳥群——單個智能體可能很簡單（不一定要超過單個人類），但整體有非凡的智慧（AI Agent 團隊 >人類團隊）。

4. 長期，哪些產(chǎn)品方向，可能是更靠譜的

• Agent（后面還會涉及）
• 機器人/具身智能
• AR/VR/元宇宙
• 情感AI
• 量子計算
• ……

五、其他：關(guān)于Open開發(fā)者大會，你怎么看？

詳見我之前文章 《OpenAI幫助我們反思：壁壘到底在哪里》。其中包括：移動互聯(lián)網(wǎng)能夠存活的app是少數(shù)，那AI時代，會更多還是更少呢？有人可能認為更少，但我認為會更多……

六、AI產(chǎn)品方法論

1、AI是個放大器，當自己本身都搞不定業(yè)務(wù)的時候（從 0 到 1），不要指望 AI。

2、技術(shù)維度+產(chǎn)品維度+商業(yè)維度，不是在做加法，而是在做“歸一化”。

是不能把90分作為整體產(chǎn)品價值的baseline的。舉例：siri，10次，9次對，1次錯，慢慢就不用了。

3、“場景-用戶-需求”之外，需要增加一個關(guān)鍵詞，“關(guān)系”——定義了關(guān)系，就定義了約束條件和需求屬性。

舉例：智能汽車上的AI語音助手。傳統(tǒng)的思路，容易局限在幫駕駛員解放雙手；但如果這個場景定位，是家庭（family）

• 家庭里，有爸爸、媽媽、兒子、女兒，那AI助理在其中是什么關(guān)系？（哆啦A夢？）
• 音樂/聽歌場景，爸爸要聽歌曲A、媽媽要聽歌曲B，女兒要聽歌曲C，AI助理該怎么處理？
• 是否可以調(diào)侃的方式參與這個對話？是和稀泥，還是自己來做這個壞人？

……
更擴展的說，關(guān)系可以有很多種，員工、情侶、顧問、君臣父子……

“關(guān)系”這個詞的微妙之處在于，一旦定義了關(guān)系，其實就隱藏著給“價值/功能”圈了一個邊界。

比如，比如老板/領(lǐng)導對下屬，家長對子女，天然就有“優(yōu)勢地位”，同樣的話，會比其他人份量更重；還比如，同樣的話，夫妻之間可以說，但對外人，就得換個方式表達了。

即，關(guān)系帶來體驗；而以前，都是工具。

4、使用AI時，把AI當成人；設(shè)計AI時，把人當成AI。

1）使用AI時，把AI當成人

使用ChatGPT時，初階是當成“搜索/工具”來獲取信息，更有價值的方式，是把她（AI）當成一個人，是為了“激發(fā)”自己的靈感。

i，你獲得反饋信息的質(zhì)量多高，其實是取決于自己輸入的數(shù)據(jù)質(zhì)量的（思路、提問能力和認知水平）

ii，不要用搜索的慣性去認知和使用ChatGPT/AI 2.0產(chǎn)品、不要簡單的一問一答。

iii，最好不是期望它直接給你答案、而是用交談（我覺得對這個問題，balabala，你覺得如何？）

2）設(shè)計AI時，把人當成AI

在設(shè)計“XXX+ChatGPT”類產(chǎn)品體驗時，應(yīng)該怎么去思考呢？

完全跳過目前的技術(shù)局限性，直接去回想/體會，自己平時工作/生活中，是怎么跟一個活生生的人在對話交互的。

比如，你在培養(yǎng)實習生（或者自己被培養(yǎng)）的時候，你是如何給ta說明需求、指出思路/原則，然后根據(jù)他的結(jié)果反饋，再去指導ta調(diào)整？

如果好好體會這些細節(jié)，是會非常非常好的、直接有助于自己的AI產(chǎn)品設(shè)計的。

如果忘記了當時的場景和對話內(nèi)容，怎么辦？直接去看微信聊天記錄！都會很有收獲的。

還包括，今后和自己身邊的人對話時，可以讓自己把他當成一個AI，去體會你們之間的對話過程，會自己冒出很多的feature思路和認知出來的。

5、未來AI企業(yè)，方向定位將不是按照To C/To B來劃分，而是按照To 人/To AI 來劃分。

因為LLM、AI 2.0，天生就是要端到端的解決問題。

所以未來可能是，LLM提供基座能力、中間層提供原子能力、用戶完成最后一公里（按需、自己攢一個“趁手”的工具）。

用戶側(cè)，就這么打通了。2B、2C，融為一體。

然后，是另外一片天空——機器和機器交互。

……

更多相關(guān)內(nèi)容，詳見《深度 | 關(guān)于AIGC商業(yè)化的13個非共識認知（8000字長文）》

七、個人職場發(fā)展的機會

1、對于這種新的行業(yè)周期性機會，存在我所說的“轉(zhuǎn)型紅利期”，沒直接相關(guān)經(jīng)驗，有機會拿到面試機會。

2、特別的，還會有“填補行業(yè)空白的機會”?，F(xiàn)在，對于CUI交互規(guī)范，誰能做好，誰就能在行業(yè)歷史上留下自己的印記。

3、AI 2.0時代，選什么樣的AI公司老板/負責人？經(jīng)歷過AI 1.0 周期的。

八、未來超級個體的機會

危機危機，先說危險，再說機會

1. 危險：AI導致的風險，可能不是潮水，而是颶風

人工智能/機器人時代，很多人會被卷得非常痛苦

1）內(nèi)容：信息過載嚴重、虛假信息過多。半年前AIGC/ChatGPT相關(guān)信息太多，都要看吐了。而且，如果缺乏有效監(jiān)管，以后看到或聽到的所有信息，都有可能是被偽造出來的——甄別信息的成本大幅提升。

2）職位：職場機會被壓縮到60~80分位。不到60分的簡單重復、容易被標準化sop掉，以及坐在電腦前的職位，背后根本是教育體系培養(yǎng)出的是“做題家”。而另一邊，以前是90分的人才去創(chuàng)業(yè)，以后80分的人才，比如一個不錯的產(chǎn)品經(jīng)理，借助AI，以及2、3個朋友，就能每人一年賺個幾十萬，那為什么要打工？

3）而且，AI的卷，是一層一層的，先卷60分，然后卷65分，再卷70分……到最后，電影真的會成為現(xiàn)實：“精英+AI”掌控核心權(quán)力，最底層民眾被圈養(yǎng)。不是歐洲那種完全免費、無約束的全民福利，而是“注意力經(jīng)濟”（看廣告、玩游戲）。

4）這里，還會存在社會風險，就是我所說的“圈層踩踏問題”。比如，卷60分，這部分人，需要有時間和職場空間的疏散，對吧？他們需要有合適的安置之處。如果說，60分的人還沒安置好，AI又卷到65分、70分了，那擠壓的待安置人群圈層越來越多，是可能有社會動蕩風險的。這也是為什么這么多大佬要呼吁，慢一點，慢一點。

5）安全：不僅是那種數(shù)字投毒，AI還會放大普通人作惡的能力。

6）被操控：價值觀/思想認知。Sam Altman就提出過，大語言模型可以影響、甚至是主宰社交媒體用戶的體驗和互動。

7）心理扭曲：自私、沉迷、分不清虛擬和現(xiàn)實的界限

如果AI僅僅是為了人類個體的物質(zhì)生活，那一定會造成人們更加自私的。

智能手機/游戲，其實已經(jīng)讓很多小孩子沉迷了，AI會比手機嚴重至少10倍。

未來，AI/元宇宙，還將極大的模糊掉人對“現(xiàn)實”和“虛擬”的認知界限。我看電影《失控玩家》的體會。年輕人可能會對上街打砸搶不以為然——因為虛擬世界里是可以隨便打罵NPC的。

……

8）精神痛苦：所有以上問題，都會集中加權(quán)影響到每個個體的內(nèi)心。

……

新興技術(shù)落地，往往是雙刃劍，其實是需要對應(yīng)的“制動器”。

什么意思？

例1：電報技術(shù)是鐵路技術(shù)的“制動器”

火車問世之后很長一段時間，事故頻發(fā)，列車調(diào)度員們必須非常小心，想各種辦法，才能讓這個體系不再自己手中失控。

直到1837年電報的問世和不久之后普及，才真正被解決——讓調(diào)度員提前知道有火車來，進而錯開軌道上的列車。

例2：安全帶是汽車的“制動器”之一

汽車是 19 世紀末被發(fā)明出來的，但直到 20 世紀下半葉，不同的國家才出臺了強制要求開車系安全帶的法規(guī)?？梢韵胂螅@中間必然有多少人白白喪命。

所以我想說的是，當ChatGPT被研發(fā)出來之前，我們問AI的空氣動力學是什么？當ChatGPT被研發(fā)出來之后，我們需要問，AI的“制動器”是什么？

2. 機會：這么危險，如何解脫？

要么向上成長為最牛的人，要么躺平過生活。

都可以，但分開說。

1）對普通人

等到未來，Sam Altman的UBI（universal basic income，全民基本收入）愿景成為現(xiàn)實的時候，是可以選擇好好生活、不用工作的。

免費發(fā)放生活必須品、不要鬧事、甚至需要按照規(guī)則要求去做一些必要的動作（比如看廣告、看娛樂節(jié)目、玩游戲等等）。

但關(guān)鍵是，有自己清晰而調(diào)和的“價值觀”、以及對自己內(nèi)心的把握能力。

很多人通過工作來塞滿自己的時間。如果整天無所事事，很多人會覺得無聊的。

所以，至少，你需要有點興趣愛好，以后會好過一點。

學知識，是意義不大的；得知道自己要什么。

2）AI時代超級個體的10倍、100倍、1000倍成長路徑，到底在哪里

軟件大牛Kent Beck說，The value of 90% of my skills just dropped to $0. The leverage for the remaining 10% went up 1000x.——個人90%的技能價值歸零，但剩下10%的價值會提升1000倍。

很多人以為這是說的好玩兒的，沒多想；在我看來，這是真的有可能的——

所謂的“1000 倍”增幅的可行性在于：

第一個 10 倍：構(gòu)建一個系統(tǒng)，盡量 sop 化。

第二個 10 倍：團隊

第三個 10 倍：把 1 和 2 都用 AI 實現(xiàn)。

最終就是超級個體、超級組織了。

不過有趣的現(xiàn)實問題可能在于，很多人想直接做到第3步，但其實如果第1和2步還沒搞定，第3步是不現(xiàn)實的，因為第3步對于“認知深度”的要求，可能遠比我們想象要高得多。

1）構(gòu)建一個系統(tǒng)，盡量 sop 化。

A，為什么需要構(gòu)建系統(tǒng)？因為如果沒有系統(tǒng)，是不能“穩(wěn)定”拿到結(jié)果的。

很多人做副業(yè)/小紅書，可能運氣好，一開始能賺點錢，但后來，即使外部環(huán)境沒有變化，自己都可能發(fā)現(xiàn)“收入慢慢就降下去了”，但根本不知道問題在哪里。

甚至，更多人的情況是，一直就賺不到錢（比如最近新聞里說，3個年輕人投資幾十萬賣漢堡包，一天收入幾十塊錢），因為從來沒想過，整個事情是可以被抽象成一個公式的。

收入結(jié)果=A*B*C*D*E……

要把事情做壞掉，1個因素（沒做好）就夠；但要想真正拿到結(jié)果，可能需要每個地方都做對?。ㄖ辽俨怀龅图壥д`）。

B，為什么我們從來沒有鍛煉過這種“構(gòu)建系統(tǒng)”的能力呢？因為我們一直在“打工”。

企業(yè)自身，就是在構(gòu)建這個“系統(tǒng)”，每個員工只需要讓自己的長板足夠長，不需要考慮“體系間如何協(xié)作”。

C，構(gòu)建系統(tǒng)的能力，難嗎？

能夠走上“對商業(yè)結(jié)果負責”崗位的人，都是少數(shù)，比如老板/操盤手/部門負責人；而其中，能把系統(tǒng)構(gòu)建好的人，更是稀缺——不僅是邏輯能力，還有，對認知能力要求太高，因為這背后是對行業(yè)/場景/用戶的know-how。

D，成功構(gòu)建系統(tǒng)的好處

3個要素，每個做到2倍，就是8倍增長了

5個要素，每個提高60%，就是10倍增長了。

看起來，好像有點難度，對不對？

E，一個關(guān)鍵認知：專業(yè)產(chǎn)品能力和商業(yè)能力，是2個維度的能力！

這個世界上，有很多專業(yè)領(lǐng)域非常牛的專家，但是，他們?nèi)绻约喝プ鲆粩偸?，是賺不到錢的。

原因還是前面提到的，作為系統(tǒng)中的一環(huán)，你需要考慮的邏輯是，讓自己的長板足夠長，這會讓自己更加不可被替代。

但是，要想讓用戶真金白銀的掏錢出來（還要能穩(wěn)定/持續(xù)），他需要給自己一個理由（不論理性或感性）。即，到底用戶獲得了什么價值。

我們很多時候的隱含邏輯是，我這么牛，或我的內(nèi)容這么牛，你怎么還不付費??？

但用戶的心態(tài)是，你牛是牛，但跟我有什么關(guān)系？需要把這個理清楚。

F，所以，這個世界上的大多數(shù)人，從來沒有真正構(gòu)建過一個運轉(zhuǎn)基本ok的商業(yè)系統(tǒng)（不論大?。?、從來沒有體驗過“10倍增長”到底是怎樣的一種體會。

G、當系統(tǒng)建立起來后，其中有很多簡單重復的工作，是可以被“標準化/sop、自動化”來大幅優(yōu)化的，比如流水線。

但是我們想一想，自己工作中，到底做過多少sop的事呢？

2）第二個 10 倍：團隊

為什么說，不能跳過系統(tǒng)/SOP（第一個10倍）、團隊（第二個10倍），直接應(yīng)用AI呢？

背后的方法論原因，就是我提過多次的：

做MVP的時候，如果用真人，其實用的就是“最佳效果”來測試驗證整個定位、流程和產(chǎn)品體驗——如果用真人的效果都不可接受（這里指的是，沒達到“及格”線），那就不用去試AI了。

反過來說，如果一開始就用AI，如果體驗不及格，我們是無法判斷，到底是產(chǎn)品思路錯了，還是僅僅因為技術(shù)沒實現(xiàn)好、還值得繼續(xù)投入。

而且，通過“系統(tǒng)/SOP”和“團隊”兩步，我們其實是在鍛煉自己用好AI的底層能力：

• 知道自己要什么（價值觀）
• 擁有行業(yè) know-how
• 能夠拆解任務(wù)
• 構(gòu)建一套產(chǎn)品和商業(yè)系統(tǒng)
• 沉淀出 sop
• 學會溝通/prompt（定義任務(wù)、目標、邊界、約束條件、反饋迭代優(yōu)化）

……
上面這些，基本上就是老板/owner/操盤手/高級PM才具備的能力段位。

現(xiàn)實生活中的大多數(shù)人，是達不到的。

3）第三個 10 倍：把 1 和 2 都用 AI 實現(xiàn)

A，為什么AI還能提高10倍？

因為一方面，應(yīng)用AI之后，“我”將不需要去解決人的負面影響。比如，

管理“人心”。常規(guī)的協(xié)作/團隊管理，往往首先需要考慮其底層動機（為什么愿意干？）、表層情緒（當天開不開心？）、統(tǒng)一思想認知（在不在一個維度上？）。

人類不可能“隨時隨地在線”。（僅僅AI“24小時在線”這點，就有2～3倍的提升。）

突然鬧出什么幺蛾子，或者有事沒事來打擾我。

簡答說，就是剝離人性弱點的弊端，僅使用其工具屬性價值。。。

比如最近看到個例子：

同樣是提問，當問同事工作問題的時候，你會發(fā)現(xiàn)「人性」很快會體現(xiàn)出來。

老板越過一層，去問下面銷售或研發(fā)，「這個事兒怎么樣了？」很時人的第一反應(yīng)是：「老板為什么問我這個問題？」

于是，老板得到的第一個回答是：老板，我剛剛拜訪過這個客戶 blahblah，他要先解釋一圈。因為他不知道你想要啥，其實我只是想要一個數(shù)字，相比之下 AI 這點就好很多，問啥就答啥。

B，除了單人，還有多人團隊協(xié)作時的“內(nèi)耗”，比如達成共識、流程損耗、互相等待在線……

這里，其實就對應(yīng)前面提到的，“多體智能”——類似復雜系統(tǒng)/鳥群，單個智能體可能很簡單（不一定要超過單個人類），但整體有非凡的智慧（AI Agent 團隊 >人類團隊）。

C，不需要處理前面這些問題，這能省出多少時間??？！可以用來做更多的事情了。

D，本身AI對于個體在“工具”屬性，就有降本增效的價值，這個就不多說了。

E，當所有以上這些benefits成為現(xiàn)實，還會有整個“系統(tǒng)”層面的價值涌現(xiàn)提升。

大家心里稍微算一下，整體10倍，應(yīng)該是有可能的吧？

最后，要再點一下，那個可能有點觸目驚心的觀點：一旦我們學會“剝離人性弱點的弊端，僅使用其工具屬性價值”，負面影響，是會讓人，更加自私。