2. Linux.do
  3. 人工智能究竟是如何不仅不让你失业还让你可以腾飞的关键是什么？

人工智能究竟是如何不仅不让你失业还让你可以腾飞的关键是什么？

秦始皇 2026-06-08 14:14 1

作为一个持续创业者，一直到了快破产了才把闲置了20年的编程重新捡起来，一直熬到了CHATGPT3.5，突然发现路开始宽了。


首先我给大家说一个例子，为什么人工智能表面上看上去让很多人面临失业危机。

京东招聘实习生审核发票，一天至少300张，给到150左右。


那么这样的岗位在人工智能出来以后，还有价值吗？

还有！！

因为虽然他们的效率仅仅只有OCR的千分之一，但是，软件不能背锅，活人（尤其是实习生）可以！！


所以得出规则1：人工智能会让背锅人变得更爽

（比如财务，核算发票的实习生，盖章的文员等等，甚至某种意义上的内科大夫等等，原来吭呲吭呲半天，现在10分钟搞定，剩下的时间可以摸鱼了！）！


接下来讲第二个故事，每天BOSS直聘上打招呼，看简历。

这个可以自动化AI化吗？太可以了！！

但为什么大公司不这么干？小公司也不这么干呢？

大公司是属于谁的？大股东？！ ＮｏNO NO ,真正的大公司基本上都股权分散，基本上属于大家的，也就属于公家。

那么你那么卷，对你有啥好处？ 对领导有啥好处？

领导要的是轻松自在+免责+有好处！

你带来了200个面试？谁去面？ 让领导去面？你怎么想的？

所以大公司的HR最喜欢的是让一堆供应商围绕着自己，情绪价值拉满+自己不用那么忙+懂得都懂的东西。。

而对于小公司，你有那么多需要招聘的职位吗？你确定把人招进来给得起五险一金？

所以这玩意压根就是一个伪命题，你生产力提升了，考虑过环境能否接受的了吗？

所以得出规则2： 一个没有危机感的大组织里，AI只会成为所有领导的抵触。一个很有危机感的小组织里，绝大部分AI压根还没有到要发挥就前提都消失了。


接下来讲第三个故事

我们曾经做过一个百万级的项目，全自动化电商， 数字人视频种草–自动化电商交易。。。看上去完美闭环，120多个自动化模块。。。

结果发现， 做出来的视频没有流量！！！！！

然后，项目就毁了。。。款也只收了不到一半。。。浪费整整一年时间。。。

你看到了没有？

AI给了我们幻觉，感觉可以大干一把，然而AI不能实现你本来就没有实现的东西，里面的关键诀窍你不明白。

规则３： 不要担心别人用AI冲击你，只要你的赢的关键诀窍AI替代不了就可以


接下来的故事很有意思， 我上上周去参加一个AI沙龙，一个佬们在和一堆姑娘们分享AI，他从机器学习说起，一直说到openclaw和Hermis， 姑娘们娇笑惊叹不止，很好的提供了情绪价值，可是我一看不对啊， 这佬们一共充值了100怎么还剩95呢？合着你一共也就花了5元API调用？ 合着姑娘们压根都没有应用。。。。。

但实际上姑娘们每天都在接触，比如刷的小红书抖音或者某些修图软件，背后都是AI，实际上，我给当时做我对面的姑娘一个建议：

你花在自己脸上和身材上的时间应该满足“一万小时定律”了，你需要用AI去强化它！而不需要也不应该把精力花在ＢｉｄｅＣｏｄｉｎｇ， 文档处理， 智能体上面。。。


你只需要找到在 美容，美体、美言、钓凯子方面最好的AI应用，充值去强化你就可以了。


实际上我想讲的是最后一条规则，最后我用一个故事来强化这一条。


规则4：2022年12月前你存在的优势，用AI去强化他，你的路就越来越宽！

我曾经在编程上吃了巨大的亏，本质是懒惰，懒得背函数用法，懒得去debug。

但是这个导致我创业的几乎所有利润（来自于营销）都贴进了一个由10-15人左右的低水平程序员团队（前端，UI，设计，后端，产品经理，测试），整整10年。

当我雇佣不起一个时，我只好开始自己写代码做迁移。

我惊讶的发现，原来我们的几十个项目居然99+199一共300元就搞定了服务器。而原来需要每年5万。

我惊讶的发现，原来部署是如此简单，用宝塔就好似在傻瓜式操作。

我惊讶的发现，原来SOP以后，迁移网站和安装一个软件差不多。

我惊讶的发现，全局变量局部变量居然之前的程序员连这个都不明白，密码明文写在代码里。

然后。。。。我发现我输的不冤，我居然在我可以很强的领域，为了偷懒，而足足损失了数千万，结果换来了一堆垃圾。。。

然后我写了差不多15万行代码，其中有一个应用经历了大约350个版本后，跑到了全国第一名。

然后就是bide-coding. 我用2周时间重构了之前团队10年的结果，结果光一个项目就发现和修复了差不多500多处改进的地方，重大的漏洞，缺陷。。。。突然之间，我突破了，编程自由了。

然后，我就发现，这个仅仅是基础步骤，后面还有大量的需要迭代（来自物理世界的真实反馈），这个才是最关键的。

这一切，只不过是AI强化了我本来就很强的学习能力，尤其是数理化。

但是AI强化不了我的管理能力（很差），也强化不了我的性格（不怎么给别人情绪价值）。


**如果用AI强化自己本来就很强的部分，你就不仅不会失业，还可以腾飞！不仅不会创业失败，还可以腾飞！**不仅不会不幸福，还可以更加掌控人生。

反之，你很难赢（好比我做出的数字人视频和爆款一样，可就是没有流量）

最新回复 (7)
  • 冰原Bill 06-08 14:24
    1楼

    描述的这个景象只会在AI普及前短暂存在一段时间。

    当AI嵌入全领域的基础工作流后，成本坍塌会赋予最先拥抱AI的小公司在投标时拥有极强的溢价能力，大公司也会被迫跟进卷AI。

  • 秦始皇 楼主 06-08 14:26
    2楼

    并不会发生你所说的情况哈。 小公司直接中标大甲方几乎是不可能的，你进不去供应商名单。 我们已经经历过这些3年。

  • 四季豆 06-09 10:13
    3楼

    规则4很重要，ai是个人能力的杠杆，ai无法做到你认知以外的事情。所以感觉提升洞察本质，商业敏感等其他个人能力是重点

  • 秦始皇 楼主 06-09 11:23
    4楼

    是的，你说的非常对，抓住了关键点。 实际上掌握了这一点，AI只会成为一个工具，而不构成威胁。

  • tomato.potato 06-09 11:42
    5楼

    你只需要找到在 美容，美体、美言、钓凯子方面最好的AI应用，充值去强化你就可以了。



    说白了，就是哪怕你写几个提示词，然后对接 gpt-image 就已经是一个很好的应用了。

  • 杨密 06-09 11:55
    6楼

    比如你第一个举出来的例子，我就做过。那个时候我放弃本校保研，考研北大没考上。

    一赌气，找了个审核工作，那个公司也不是太小，市值在互联网一度排到前十。


    我知道那个工作做不长，且不说工资低。

    而且没发展，当时还是 2016 年，我也知道我们审核的结果，以后肯定用来训练模型，

    然后取代我们。事实上，我当时还用编程提效了好几倍。


    一年后我离职了，后来没多久，那个地方也解散了。高峰期，也有两三百个审核。


    我想表达，你列举的例子1：本来就是过度临时性的工作，实习生3k，就可以。大部分人不会长期把它当成正式工作做下去，就算如此，这种审核或者服务类的，我们称为 SSC，也经常是降本的第一环。靠它论证 AI 不会取代人，支撑不住。


    所谓 AI 背锅，又不是把人全部裁掉。300个审核只留下 10 个复审背锅，还不行吗。又不是 AI 取代人就是全部裁掉这 300 个

  • ss s 06-09 12:30
    7楼

    回顾历次工业革命和技术变革的历史可以发现：先进的生产力一定会淘汰落后的生产力。无论是机械化取代手工业、电气化取代蒸汽动力，还是互联网重塑传统商业模式，本质上都是生产力跃迁带来的产业重构。所以总的方向一定是主动拥抱先进生产力并参与其中。


    当前我们正处于AI驱动的新一轮生产力革命初期，与AI技术本身的高速发展相比，大多数垂直行业的组织结构、业务流程和管理模式仍然沿用工业时代甚至信息化时代的范式，这导致AI的潜力远未被充分释放。我认为，未来最具价值的方向并非简单地利用AI为既有流程提效，而是以AI为核心重新设计业务流程和组织协作模式。两者的区别在于：


    AI提效：在原有流程框架下引入AI工具，对局部环节进行优化。

    AI重构：围绕AI能力重新定义流程、角色分工和决策机制，从底层重塑生产方式。


    前者通常带来10%～50%的效率提升，而后者则有机会实现数倍甚至数量级的生产力跃迁。

    举个例子：传统代码补全工具（如Tab补全）本质上属于局部效率优化，而Claude Code则是重塑后的新范式


    从更长远的技术演进来看，我认为当前主流大模型仍属于基于大规模数据统计规律的模式学习系统，其能力主要来源于对历史经验的压缩与泛化，而非真正意义上的持续学习与自主成长。


    一个更高级形态的人工智能，应当具备：


    持续感知环境的能力

    长期稳定的记忆系统

    基于经验进行自主学习和策略更新的能力

    长周期自我优化与进化能力


    换句话说，未来AI的发展方向不应仅是更大的模型，而应是能够形成“感知—记忆—学习—进化”闭环的自主智能系统。


    基于这一判断，我更看好类脑计算和脉冲神经网络，相比传统深度学习架构，它们更接近生物神经系统的信息处理机制，也更有潜力支撑持续学习和低功耗智能。当前我重点关注的问题是：如何解决SNN中的信用分配难题。因为信用分配机制决定了网络如何将最终结果反馈到大量跨时间、跨层级的神经元活动中，它既是实现高效学习的核心瓶颈，也可能是迈向真正自主进化智能的重要突破口。若这一问题能够取得范式级进展，未来有望推动AI从“数据驱动的模式匹配器”向“经验驱动的自我进化系统”演化。

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐