新闻资讯
News and information
-
26
04/24
深耕多模态 AI ，文声图重构政企数字化服务范式
在大模型从“炫技”走向“实用”的今天，多模态AI已成为政企数字化升级的核心刚需。单一模态能力难以支撑跨语言、跨格式、跨终端的真实场景，具备全栈技术、全场景产品、全环境适配的转译源头服务商，正在成为产业落地的关键力量。文声图（深圳）科技有限公司（下称“文声图”），以自研多模态大模型与融合算法为底座，专注文本、声音、图片一体化转译的解决方案，凭借从数据源到交付的一站式能力，在政务、金融、教育、传媒等领域实现规模化落地。行业拐点已至：多模态AI比拼的不再是模型，而是落地当前企业在推进多模态AI应用时，普遍面临四大痛点：模态系统相互割裂，文本、语音、图像无法统一调度；小语种与方言覆盖不足，跨境业务语言壁垒显著；文档、音视频、图片等格式繁杂，通用工具兼容性差；国产化硬件适配成本高，数据安全与部署灵活性难以兼顾。大量AI项目因此停留在测试阶段，无法进入核心业务流程。行业共识已然清晰：多模态AI的竞争核心，已从参数规模转向工程化、产品化、交付能力。文声图定位为多模态AI能力源头服务商，避开通用大模型内卷，聚焦垂直场景落地，构建“算法—数据—接口—产品—场景”五大能力栈，实现文本、声音、图片全栈式处理，为客户提供可落地、可定制、可安全私有化的AI服务。全栈产品矩阵：覆盖翻译、会议、知识库、音视频、数字人全场景依托自研技术，文声图打造覆盖企业高频需求的完整产品体系，所有产品均支持多语种、全格式、国产化兼容，形成差异化竞争力。多语言大模型翻译系统作为入口级核心产品，支持文本、文档、图片、语音、视频全类型翻译，覆盖521+语种，兼容PDF、WPS、音视频等23+格式，内置术语库、人工后编辑、离线私有化部署，累计处理翻译字符量超12.9亿，满足政企高安全、高效率需求。多语言实时会议同传系统集成语音转写、多语翻译、悬浮字幕、会议纪要、大屏展示能力，支持多路音频采集、热词管理、角色配置，广泛应用于国际论坛、政府会议、远程协作，实现跨语言交流零障碍。多模态智能体企业知识库通过知识图谱与语义检索，自动解析多源文件，实现知识聚合、智能问答、权限管控，支持私有化部署，成为企业“数字大脑”。多语言音视频治理方案提供转写、翻译、配音、字幕生成、声音克隆一站式能力，兼容19+音视频格式，大幅降低传媒、教育、企业宣传内容生产成本。多语言数字人解决方案结合大模型交互、语音克隆与口型同步，可用于虚拟主播、数字客服、文旅导览、政务咨询，实现24小时无人值守服务。此外，文声图还推出多语言教学一体机、多语言学习平台等产品，覆盖教育全场景。三大核心壁垒：多语种、全格式、国产化，击穿落地最后一公里文声图以极致工程化能力，构建行业难以复制的壁垒。在语种覆盖上，文本翻译521+种、语音识别326+种、语音合成208+种、图片识别118+种，主流语种准确率超90%，方言与小语种同样保持高精度。在格式兼容上，文档、音视频、图片分别支持23+、19+、28+格式，几乎覆盖企业全部日常文件类型，真正做到“企业有什么，AI就能处理什么”。在部署适配上，全系产品支持国产化与非国产化双环境，兼容飞腾、鲲鹏、昇腾等国产硬件，适配银河麒麟、统信UOS等系统，支持云端、本地、离线多模式部署，满足关键领域自主可控与数据安全要求。安全与服务：全链路自主可控，全国网络快速交付安全合规是政企AI服务的底线。文声图核心算法与模型100%自研，无第三方依赖，从源头规避安全漏洞；采用多层加密、数据脱敏、权限管控，支持数据不出域、阅后即焚，符合政企最高安全标准。公司拥有AAA级信用企业资质与多项软件著作权，服务可追溯、可审计。服务层面，文声图以深圳为总部，在北京、上海、成都、武汉设立分支机构，形成全国化服务网络，提供需求调研、方案设计、部署实施、定制开发、运维升级全流程支持，保障项目快速上线、稳定运行。未来趋势：多模态AI将走向场景深水区，务实落地者胜出2026年被视为多模态AI场景落地元年，行业正从通用模型竞赛转向场景化、私有化、工程化价值竞争。能够真正解决企业痛点、降低成本、提升效率、保障安全的服务商，将占据市场主流。文声图坚持以场景为核心、以落地为目标，不追求技术噱头，专注把复杂AI变简单、把前沿能力变可靠。随着多模态智能体加速普及，文声图将持续深耕文本、语音、图像融合赛道，以全栈多模态AI能力，助力千行百业数字化升级，成为政企数字化转型中值得信赖的长期合作伙伴。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除。
-
26
04/24
当AI被解构成糊弄型人格，它还可信么？
普通用户凭什么相信AI？这两天新学到一个梗词——豆包型人格。网友给出的解释是：啥事都瞎糊弄，被发现就嬉皮笑脸道歉。还有人模仿它的交互风格，与家人逗乐。刚看到这个梗时，你可能会觉得无厘头。若对照豆包、DeepSeek、元宝等AI应用的内容生成逻辑、聊天对话模式，就会和我一样惊呼：简直太贴切了。因为，当下很多人对这类AI应用的直观感受就是：遇事糊弄、秒速认错、未必改正。我一个朋友的点评更为通俗，“豆包”们很会拍彩虹屁，还会装糊涂，情绪价值拉满，就是不太靠谱。其体现在产品逻辑上，豆包、DeepSeek等AI工具采用产品化的社交防御机制，试图通过卖萌、拟人化的认错，来掩盖对话内容的不确定性乃至根本性错误。AI搜索面临信任危机这种将AI应用抽象成某种“人格”的解构，实际也是普通用户对AI搜索，或者说ChatBot式产品投下的不信任票。它们主打“一步到位，直接给答案”，看似在颠覆传统搜索，却藏着先天缺陷：一是答案来源不透明。大模型本身无法分别是官方信息、营销软文，还是编造的虚假信息。专业人士需要花费精力甄别，普通用户只能是被动接受AI给出的“唯一答案”。二是，大模型本身因为语料、数据源等问题，存在严重幻觉。并且输出口径单一，缺乏多源对比，回溯验证机制，一旦被投毒，便会出现“中毒”迹象，甚至全盘失真。也就是“胡说八道”，AI幻觉。图｜“豆包型人格”·抖音截图究其原因，当前包括豆包在内的多数AI工具，本质还是“概率性文本生成器”。它们基于海量数据“预测”下一个最可能出现的词。当它无法给出准确答案时，为了维持对话的流畅性，会自动脑补出一套符合语法逻辑但缺乏事实支撑，或者完全错误的内容。也就是大家常说的，为了满足用户的即时情绪，它们会“一本正经的胡说八道”。简单点说，AI追求极致效率，却丢掉了最核心的可信度。比如青年演员刘美含在配音工作中，因不确定“坊”字怎么读，查询了百度AI、DeepSeek、元宝、豆包、千问5款AI工具，但答案都不一样。最终，她还是在《新华词典》中得到确定答案，百度AI给出的fáng（二声）是正确的。这种先天不足，很容易被放大，或者被异化为一条黑灰产产业链。今年央视315晚会，焦点之一是针对AI领域的“打假”。一项名为“GEO（GenerativeEngineOptimization，生成式引擎优化）”的黑灰产业务被曝光。这套业务流程也被直白的冠名为“给AI投毒”。此外，部分服务商还提供“抹黑竞品”（黑公关）服务，即通过向AI投喂虚假或者污蔑信息，来干扰竞争对手的搜索表现。当AI生成的内容被明码标价，各AI厂商主推的AI助手就沦为黑产的“广告机”，或者是“垃圾回收站”。某种意义上，给AI投毒也是一种AI幻觉，GEO黑产钻了AI可信度不足的空子，利用虚假、错误信息围猎AI、获取暴利。聊天AI助⼿的幻觉问题频繁出圈，不仅稀释了AI本身的价值，也引发深层的信任危机。公众对其回答准确度也产生剧烈质疑：为什么AI助手会出错？出了错有没有人管？为了探究AI回答的真实性边界，科普媒体“果壳”进行了一项双盲测试。它选取了国内外8家主流AI产品，做了2000道题的测试。结果显示，接⼊百度百科作为参考信源后，AI综合准确度平均提升38%以上，关键事实偏离率从26.4%骤降⾄4.1%以内，专家认可度⾼达91.5%。这组数据，也是「信源决定准确度」的量化证明：权威知识库的引入，能让AI结果变得更详实精准，答案整体的准确度大幅提高。重构AI信任的尺子从豆包型人格，到果壳实验，都指向同⼀个本质：AI答案的可信度，既是架构问题，也是治理问题。前者是指模型训练的技术逻辑和数据燃料来源。如果AI只是基于预训练参数进行“概率性文本生成”，缺乏实时、权威的外部信源接入，就会陷入自说自话的幻觉困境。后者是指AI的运营维护机制和对抗风险能力。如果缺乏人工审核兜底和应对GEO投毒等技术手段，AI就极易被黑产利用，人为操纵AI输出。AI频频翻车，还被编排成段子，内在诱因也是架构缺陷与治理缺位。也可以说，技术架构决定AI的上限，后期治理守住AI的下限。唯有二者一起发力，才能撑起AI的可靠性。如何破局呢？在果壳实验给出的参考方向之外，4月24日举行的百度万象大会上，这个方向被进一步明确和具象化：百度从架构和治理上“双管齐下”，对症施药。一方面，果壳的实验验证了一个公认的事实：AI回答的质量，取决于它⽤什么信源。双盲测试只是在给出一个量化指标。对此，百度在信源上，通过三道权威性过滤机制——多源比对的全维度身份核验、先筛再用的多源交叉验证、以及实时巡检的自动纠偏兜底，来保障答案的准确性。最为关键的还是百度重塑搜索架构的核心逻辑。它不再让模型直接“生成”答案，而是在AIAPI的基础上叠加了双层Agent（智能体）。其中，“需求规划Agent”负责将用户模糊的潜在需求进行细粒度拆解，“组织生成Agent”则负责调用搜索能力，对不同信源进行筛选、校验和总结。在我看来，百度这不是在“猜”答案，是在“找”答案。这也是一种“左手生成，右手把关”的机制。百度是在“组建学术委员会”：先由规划Agent出题（拆解需求），再由生成Agent召集专家（搜索信源）进行答辩（交叉验证）。另外一方面，百度引入了“AI平台责任机制”。三道权威性过滤中有兜底的「秒级响应」内部⾃动巡检系统，⼀旦内容有偏⽴即⼈⼯介⼊并重新⽣产；此外，它还有引⼊AI鉴真机制，专项打击⽆信源内容。其实，这也正是传统搜索厂商的核心优势。以百度、谷歌为代表的传统搜索厂商，历经多年与黑灰产的博弈，建立起内容审核机制和反作弊算法体系，搭配完整的辟谣机制与内容溯源功能，成为保证信息可靠性的城池。这是大多数ChatBot不具备的平台级治理能力。百度从架构和治理上同时重构AI信任的做法，也是对公众关心的“AI助手为什么会出错”、“出了错有没有人管”的正面回应。AI并不是不可信，关键在于平台如何重构AI信任。这也是为什么，我在使用AI工具获取关键信息后，还会第一时间打开百度、谷歌等传统搜索引擎，进行交叉验证；甚至在撰写文章、查阅资料时，会刻意回避AI，重新用回百度和Google。换句话说，我已经把“百度一下”当成一把尺子，来测量生成式聊天AI助手的内容准确度。我的很多朋友，比如资深媒体人甘德霜，都敏锐地察觉到了这种风向的转变。他坦言：“我啥事儿都问AI，但我对AI越来越不信任。”他还养成了一个看似复古的“怪癖”：在查阅关键资料时，刻意回避AI，重新用回了百度和Google。他给自己定下了一个规矩，尽量只信2023年之前就存在于互联网上的内容。面对如今漫天飞舞的AI幻觉、GEO投毒，他突然惊觉，那些曾经被诟病“广告多”的传统的搜索引擎，居然成了最后的避难所。我很认同他的观点和做法。这不是什么怀旧，更不是老登行为，而是对搜索工具的理性回归。如果说的冠冕堂皇一点，这是对内容创作的敬畏，也是对自己读者的负责。AI时代的信任重建，需要的正是“百度一下”这种“说得清、查得到、有人管”的确定性，并通过规则将其呈现给用户。我们可以做一个预判：未来很长一段时间里，传统搜索将会与AI搜索、ChatBot共存。“百度一下”将不只是搜索指令，它还会成为AI信任重构的一把尺子。这把尺子将会用来衡量AI幻觉的轻重，校准AI回答的确定性和准确性。它在帮助普通人享受AI便利的同时，也能够正确使用AI，判断AI，并保持独立思考能力。要知道，信任，也会成为所有AI超级入口的核心竞争力。当“豆包”们在嬉皮笑脸地道歉时，我们也需要去看看真实的世界究竟长什么样。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除。
-
26
04/24
App开始消失，我们正在进入一个“不会用软件”的时代
软件时代结束了，造物时代才刚刚开始。自从用了OpenClaw，我手机里的App越来越少。「AI杀死软件」，在我的手机上变得具象化了。起初，我让OpenClaw充当我的健身教练，我告诉它我的目标、作息习惯、和身体信息，让它给我设计健身计划，并且每天按时提醒我，它照做了，而且还会主动找我做运动复盘。于是，我卸载了一个健身App。OpenClaw引爆了「个人AI助理」｜图片来源：OpenClaw官网后来，我让它给我汇总过去24小时AI领域的重要新闻，在每天早上8点准时发送给我，效果还行。于是，我又卸载了手机上的几个新闻App。传统App们接连从我的手机上消失。不仅如此，OpenClaw还能「杀死」AI应用。过去很长一段时间，我在使用一款「AI笔记」应用，每个月为它付费几十元。它打动我付费的核心是，可以对我记录下的每一条闲言碎语、灵感，以「专家」身份，引用专业理论予以回应和解读，总会让我茅塞顿开。有了OpenClaw之后，我让它来充当那个「博学专家」的角色，帮助我「头脑风暴」，对我的任何笔记做出回应，它也做到了。于是，我没在给「AI笔记」续费了。经过我的语言调教之后，我随意记下「别赶路，感受路」的笔记，OpenClaw识别出这是条笔记后给我的回应。是个很好的头脑风暴伙伴。｜来源：OpenClaw截图我开始关注自己手机上，哪些App会成为「OpenClaw冲击」下最终的「幸存者」。目前看，位置比较稳固的，一类是微信、飞书这种基础通讯工具，一类是小红书、抖音、B站这种和娱乐相关的产品。网络上，关于OpenClaw已经涌现出无数用例，网友们已经玩出了花。观察下来，这些用例有一个共同属性，就是用OpenClaw取代了「纯工具、专业服务性质」的软件。这都是过去一个月里迅速发生的变化。软件正在成批倒下，但如果App消失了，那未来我们消费的是什么？过去，在3D打印与创客社区这个小圈子里流行多年的一句话，或许可以解答前面那个问题，叫——「创造即消费」。如今，它正在被AI带入主流世界。01「创造即消费」的时代，真的来了如何理解「创造即消费」？比如，以前我们是购买健身App的会员，现在直接跟AI对话，让AI创造一个健身指导服务。这个过程中，创造取代了购买，实际上消费的是token。那么，其他的所有需求都是类似，把自己的需求说给AI，直接让AI消耗token造一个，而不一定是去购买现成的产品。这样，可以获得一个功能相似，但更加个性化的服务。而这场变革的起点，源自于「AI编程」近期的质变。VibeCoding提出者AndrejKarpathy，作为最积极拥抱AI编程的人之一，前不久坦言，2025年12月之前的AI编程，和之后的AI编程，几乎是两个物种。他认为，在去年12月之前，AICoding看起来惊艳，但基本没啥用。但拐点发生在模型能力跃迁之后。在ClaudeOpus4.6与GPT-5.3-Codex模型发布之后，大模型彻底撕掉了「辅助工具」的标签。半年前CURSOR还是被行业热议的热门VibeCoding工具，而今以很少出现在AI圈的话题中心｜图片来源：CURSOR官网行业叙事也彻底随之改变。从「AI辅助开发者写代码」变成了「AI自己写代码，帮所有人完成目标」。因此，那个质的变化就是：编程正在退入后台，普通人无需理解它的存在。就像我只是对着OpenClaw说话，就获得了对应的服务、应用。OpenClaw成了我的营养管理师、健身教练、日程助理、情报系统……一切通过聊天生成。整个过程中，我甚至没有意识到自己在「编程」，也毫无感知，却完成了过去需要专业开发者才能实现的功能。另外，虽然App减少了，但服务没有减少。事实上，AI的到来并非让我减少了对服务的需求，而是改变了我获取服务的方式。我依然愿意为专业服务、技能付费，但这些服务最好能被OpenClaw直接调用，成为更加适配我的「个性化服务」。我们可以做一个推演：在AI的加持下，每个人都能开启DIY模式，创造自己的刚需服务。而App和网站并不会彻底消失，只是其角色发生了本质转变——它们不再是面向用户的交互界面，而是成为了数据接口、服务节点和API层，化作AI背后的基础设施。用户不再打开十个应用。用户只会对一个Agent说：帮我搞定这件事。而这个Agent底层可能调度：电商系统、支付系统、数据分析系统等等。如果说「网站」属于PC时代，「App」属于移动时代。那么以Agent为代表的产品形态，会催生新的软件消费习惯：不是下载，而是创造，是生成。02Maker经济崛起AI时代，爆款产品的诞生路径也发生了改变。OpenClaw就是最典型的案例。这和消费级3D打印机的发展路径很像：极客先自己创造，而后在社区里积极上传各类模型、代码，即便可能暂无实际用途，却让整个生态保持高度活跃。等形成了爆款之后，各路创业者跟进做商业化。今天的AIAgent应用也在重复这条轨迹。好玩的功能、创新的应用先在开源社区诞生，再慢慢走向商业化落地。开源社区正成为AI时代的创新发动机：HuggingFace上的模型呈爆炸式增长，GitHub上的AI项目增速屡创新高。上一个时代，大厂定义产品形态；这一个时代，社区定义能力。参考拓竹社区的发展经验，这可能会进一步助推新经济形态的普及：创造即消费。3D打印模型社区MakerWorld｜图片来源：MakerWorld官网例如，模型作者在3D模型社区MakerWorld上传独家模型，而只要有其他用户引用、打印了该模型，他就会获得利润分成。据悉，已经有模型作者因此年入百万。当然，这只是一个小的创客（Maker）经济例子。在「Maker经济」中，每个人都拥有了两重身份：开发者：每个人都能为自己创建工具。能力的售卖者：为自己生成的工具，可以瞬间分享给全球，并盈利。你为自己生成一个工具，同时可以分享给别人。未来售卖的可能不再是软件，而是Prompt、Workflow、Agent模板等轻量型产品，靠「版权使用」次数来实现营收。ClawHub上用户自发上传的skills数量已经破万，五花八门｜图片来源：ClawHub官网v03被低估的AI消费品OpenClaw当下在AI领域很火热，但可能仍然被严重低估了。在我看来，它真正引爆的，不是vibecoding之类的局限于AI圈的小概念，而是全民Agent浪潮。它是一个具备全民普及潜力的AI消费品。可以看到，围绕OpenClaw已经诞生了一些非常「古典」的生意：售卖预装了OpenClaw的Mac、上门为用户安装OpenClaw、在闲鱼上远程指导安装、售卖使用教程......这让我想起了早年的电脑市场。当年我们不会装操作系统，今天很多人不会配置Agent。彼时，人们会花20元去电脑城让店员帮忙安装最新的Windows系统，而当下的OpenClaw，正复刻着这一场景。更重要的是，OpenClaw的起点是服务消费，而不是开发者效率。它不是为了让更多人学会编程。它是为了让目标明确的人，直接获得能力。与当下AI行业自嗨的AIcoding、vibeworkflow不同，这些技术仍局限在专业圈层，缺乏向大众市场扩散的能力，而OpenClaw的核心出发点并非简化开发，是一个承接所有个人需求的核心入口。这是完全不同的逻辑。从产品形态来看，OpenClaw更像是一个「壳子」，一个连接一切的中心。所有的Agent、硬件都在不断向其接入，形成一个庞大的生态体系。OpenClaw，本质上正在扮演AI时代「操作系统」的角色。类比一下PC时代，当我们有了电脑之后，会为它折腾新的操作系统，购买安装各种软件，更新显卡、缓存等各种硬件配置。OpenClaw也在复刻相似的规律，不同的是，我们将通向一个全新的造物时代。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除。
-
26
04/24
互联网养虾人尝到的甜头和苦头
互联网养虾真实现状小鹿向新莓回忆起不久前的一场AI小事故，仍然心有余悸。小鹿在北京一家媒体负责运营，一个人管理着三个账号。她对没有用上AI智能体之前的生活有一个精准的形容，「每一项工作都不难，但加在一起就是搞死人。」刷信息流找热点、汇总写文案、配图发布、回复评论……每天循环往复，停不下来。「龙虾」的出现，一定程度上让她从这种琐碎和重复中解放出来，但同时也给她带来灾难。前段时间，小鹿养的「虾」追了一个敏感热点，自动发出去了，结果触发「无形的手」干预，当天不仅帖子被删，账号也被限流三天。小鹿不是个例。养一只「虾」，正在成为越来越多打工人的常态，因此也产生新的日常开销，甚至新的风险和成本。国盛证券研报数据显示，中国整体日均Token消耗在2024年初仅为1000亿，到2026年3月已突破140万亿，两年多时间增长了超过1000倍。而根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，年复合增长率高达135%以上，伴随任务密度与复杂度提升，智能体Token消耗将迎来年均超30倍的指数级跃升。Token，也正成为继流量之后，又一项悄悄进入生活成本的基础支出。而这只横空出世的「龙虾」，究竟会成为打工人的效率杠杆，还是食之无味弃之可惜的新型吞金兽？01养虾的甜头和苦头年前，旁听了一场业内关于AI应用的分享后，小鹿和同事在老板的号召下，试着搭建了一套小红书自动化链路。给「虾」一句话指令，它自己去追热点、写文案、做封面、定时发布。「早上起来直接审稿就行，不用自己泡在信息流里了。」小鹿告诉新莓，这套流程解决了她日常工作大概七成的重复劳动，剩下的三成卡在封面上，「AI生成的图总跟文案差点意思，而且平台对AI图有限流，所以还是得自己经手再过一遍。」「虾」是AI智能体在用户圈子里的通行叫法。与普通AI对话产品不同，它能自主规划任务、调用外部工具、自动执行完整的工作流，不只是回答你的问题，还替你把事情做完。2026年初，OpenClaw的出现成为这波热潮的重要引爆点。这款可在用户自有设备上运行的个人AI智能体助手一经推出即在全球广受欢迎，GitHub星标数在极短时间内飙升登顶，超越了React、Linux等历经数十年积累的开源传奇。之后国内开始出现各种「虾」同类或变种。OpenClaw的Github星标数快速飙升来源：OpenClaw社交平台数字足以说明这场热潮的体量，背后则是职场打工人对「养虾」无法抵挡的热情。独立开发者陈博一个人负责维护好几个项目，有些代码因为年代久远没时间重构，但放着又心神不安，总担心不知什么时候就卡BUG了。「重构要整块时间，但整块时间永远挤不出来。」浪潮来临，陈博养了一只专门用于解决工作问题的虾，把重构任务拆碎扔给虾，「它能读写文件、执行Shell命令、SSH到其他机器，跟我自己在终端里能干的事基本一样，我早上来看结果、审代码、做决策。」而且他让这只虾专门在夜间工作，原因很简单，「闲时Token省钱，还不卡。」如果说陈博养的是一只「实习程序员」，那上海的产品经理林然则给自己养了个「实习分析师」。以前，林然每个周末都要加班，花上几个小时，刷遍知乎、小红书和应用商店的评论，手动筛选出提到竞品的内容，整理成报告，以便在周一例会上向老板汇报。现在，他让「虾」每天早上自动跑一遍，把结果总结成简报推送到飞书，他只需要做最后的审核。「之前都得靠自己收集整理，但现在自己只需要审核AI整理的结果即可。」林然坦言效率提升巨大。同样在上海，私募研究员张恒则用「虾」来盯盘和筛选研报。他白天忙于开会和见客户，无法持续监控市场，过去完全被动地依赖微信群里的信息流。现在，每天都会有一套定制化的市场信息简报定时推送给他。四个人，四种用法，但交给「虾」的活儿却高度一致，多为重复的、格式化的琐事。正如麦肯锡2025年全球AI调查显示，AI真正大规模渗透的场景，集中在流程清晰、标准化程度高、数据充分的领域。上述几位养虾用户，无不如此。然而，「虾」也不是那么好「养」的。小鹿遭遇AI事故之后，意识到「全自动发布风险太大。」她现在改成先把生成内容写入文件夹，人工审完再发，「宁可多一步，不然连主号都得搭进去。」林然踩的坑则是「信任过头」。有一次他让「虾」整理一份竞品功能对比，输出的内容看起来条理清晰、论据充分，但有两个核心功能点竟是AI「幻觉」出来的，竞品根本没有。「我直接把报告发给了老板，好在我发现纰漏时老板还没认真看报告，不然得当场社死了。」从那以后，他给自己立下铁律，所有对外报告，涉及具体功能、数据和引用，必须人工进行二次核对。张恒虽然自己还没踩过坑，但一个发生在同事身上的案例，让他当即就去重新检查了自己的所有配置。他的同事当时给「虾」的指令是「检查收件箱，给出存档或删除的建议，但在我批准前不要执行任何操作」，但因为邮箱信息量过大，触发了AI的上下文压缩机制，「虾」把那句关键的「未经批准不得操作」忘掉了，开始无差别地删除邮件。听闻此事后，张恒至今仍然后怕。他第一时间把自己的配置翻了一遍。所有删除、发送、修改类操作的权限全部关掉，虾只能读取和整理，不能主动执行写操作。在这些「调教」过程中，其实都指向一个所有养虾人必须接受的现实，即养虾的前期成本，远不止金钱。02养虾之前，先算账先从一个最简单的动作说起，一句「你好」大约消耗1.2个Token，开支不到1厘钱。这个数字看起来微不足道，但当「虾」开始自主执行一个囊括读取文件、搜索信息、分析结果、生成报告的多步骤任务，便可轻松消耗数万乃至数十万Token。财新曾报道，一只「勤奋的虾」，每天的Token开销可以轻松达到数百元。陈博掰着手指算过自己的账：「月均开支稳定在两三千，高频月份冲到四千出头。模型API占大头，其次是云服务器的算力费用，硬件折旧还没算进去。」但他对这笔钱的态度很坦然：「如果请实习生，最少三千块，还得花时间带。虾不用带节约沟通成本，甚至白天黑夜都能干。」这笔账能不能算赢，很大程度上取决于用的模型。根据llm-stats.com的追踪数据，GPT-4级别的API推理单价从2023年初约每百万Token30美元，三年间已降至不足1美元。但各模型之间的定价与能力差距仍然显著，其中顶级国际模型如ClaudeOpus4.6、GPT-5.4，每百万Token输入约108至180元人民币；国产主流旗舰在8至15元之间；优化过的轻量级模型，则低至每百万Token1至4元。值得注意的是，OpenRouter显示，本月消耗量排名靠前的Qwen3.6Plus（free）和Step3.5Flash（free），都依托免费或极低价格驱动了大量调用，说明性价比已成为决定流量分布的核心变量。资深开发者和AI从业者花叔在《OpenClaw橙皮书：从入门到精通》中也提及如何「成本控制」，「从ClaudeSonnet切换到『Sonnet→Haiku→DeepSeek』三级Fallback链，可以降低80%—95%的API成本。大部分简单任务（问候、查天气、简单查询）会自动走最便宜的模型，只有复杂任务才会用到主力模型。」来源：《OpenClaw橙皮书：从入门到精通》换言之，对于Token高消耗使用者来说，「分层使用」势在必行。陈博最初全程使用ClaudeSonnet，两个月后一算账，发现近一半的简单任务用更便宜的DeepSeek就足够了，开始分层之后账单立减一半。他给任务定了明确的触发规则，日常的代码注释、文件整理、日志分析，用DeepSeekV3.2，够快够便宜；需要多步推理的代码review，用ClaudeSonnet，在工具调用和指令遵循上更稳，一次跑对比反复返工要值钱得多；遇到系统架构设计才切ClaudeOpus，答错了代价很高，费用会剧增。张恒则按文档长度分模型使用，像短任务处理就用DeepSeek，整份研报处理则用Kimi，「200K上下文是Kimi的核心优势，一份研报塞进去不用分段」。而需要复杂推理任务时，张恒会手动切ClaudeSonnet，「只订阅了Claude的pro会员，所以平时会省着用。」但就在用户努力压低成本的同时，价格正在从另一侧悄悄上涨。3月18日，阿里云宣布将平头哥真武810E等算力卡产品价格上涨5%至34%，文件存储CPFS同步上涨30%；百度智能云当日跟进，AI算力相关产品上调5%至30%，并行文件存储涨约30%，两家新价格均于4月18日起生效。再往前，腾讯云已大幅上调混元系列模型价格，其中混元HY2.0Instruct模型输入价格上调了463%。显而易见，这不是个别企业的定价调整，而是一场有结构性根源的全行业转向。中信建投证券计算机行业首席分析师指出，Token调用量暴涨直接推高算力需求，多模态生成技术进一步加速了这一趋势。「以多模态生成为例，生成1分钟视频需消耗约10万亿Token，而国产视频模型的价格已低至0.5至10元/5秒，商业化落地加速，算力供需失衡持续加剧。」国联民生证券在研报中更是一针见血地指出，「本次涨价标志着二十年来云服务价格只降不升的行业惯例被彻底打破。一旦云服务商在某一服务上成功提价而未引起大规模客户流失，第二次、第三次涨价就会变得更容易。」这意味着，用户在模型侧省下来的钱正在被算力侧悄悄补收回去。而养虾的账，未来只会越来越难算。03龙虾淘金热，谁真正赚到了钱这场来势汹汹的「养虾潮」，钱从哪来，又流向哪里？目前来看，创业者、自由职业者、在大厂里用个人账户悄悄跑任务的C端用户，构成了这个市场最活跃的消费群体。B端并非没有动静，只是节奏比C端慢一些。麦肯锡2025年全球AI调查显示，62%的企业已经在试验AI智能体，但仅23%完成规模化落地，主要阻碍集中在「难以证明商业价值」和「集成准备不足」两项。眼下，这个僵局正在被打破。2026年3月，阿里巴巴启动内部计划向员工提供Token额度，淘天集团「AI生产力计划」向实习生全员开放。58同城董事长姚劲波向媒体透露，公司每天消耗接近2000亿Token，「我甚至会问团队，卡什么时候能用完，下一批什么时候买。」4月1日，康师傅、名创优品、安克创新、书亦烧仙草、晨光文具等12家企业集中宣布，将为优秀员工提供「无限Token」权益。Token消耗，正在从个人自费的私人账单，变成组织管理的一部分，那句「工资条上配发Token额度」的玩笑，也正步步走进现实。OpenRouter平台的实时数据，一定程度上能看出这场热潮的大致流向。从本月应用消耗榜来看，上榜的几乎都是编程与Agent工具，其中OpenClaw以20.3Ttokens断层领跑。Token消耗量最大的应用来源：OpenRouter不过，榜单反映的是「谁在被使用」，而非「谁在赚钱」。OpenClaw本身是开源免费的框架，不向用户收取任何费用。用户每一次通过它发起任务，背后消耗的每一个Token，实际上都在调用上游的模型API。也就是说，资金真正流向了模型厂商和云基础设施提供商的账户，而非这些应用本身。换言之，模型API厂商是最直接的受益者，也是直接卖「子弹」的人。在这场「养虾潮」中，国产大模型「双雄」智谱和MiniMax走了两条截然不同的路，却指向同一个终点。智谱走的是「提价」路线。2026年一季度智谱对API价格接连上调，累计涨幅达83%，相对上一代GLM-4.7价格接近翻倍；涨价之后调用量不降反升，市场依然供不应求。MiniMax的打法则是「降本增效」。2026年2月，它推出专为Agent场景设计的M2.5模型。据《财经》引用测算，M2.5的单位Token成本只有OpenAI同类模型的四分之一，但面对中等复杂任务时可靠性与之接近。上线不到一周，M2.5便登顶OpenRouter平台Token调用榜首。两种策略，殊途同归。中金公司研报将此描述为，行业定价逻辑正从「流量消耗」转向「算力价值变现」。然而，消耗量在涨，利润还没跟上，却是当下大模型市场最基本的矛盾，也是这场淘金热最残酷的底色。3月31日，智谱交出了上市后的首份财报，2025年全年营收7.24亿元，同比增长131.9%，净亏损却达47亿元。MiniMax同期经调整净亏损约2.51亿美元，与上年基本持平。相比之下，这场「养虾潮」中的另一明确受益者云基础设施厂商，似乎处境更好一些。除了上述提及「云服务价格只降不升的行业惯例被彻底打破」外，腾讯云的变化最具代表性。腾讯在2025年年度财报中写道：「2025年我们保持了健康的增长，云业务收入加速增长并实现了规模化盈利。」这也意味着，从2013年腾讯云品牌正式推向市场算起，历经十二年持续投入，腾讯云终于跨越了从「烧钱换市场」到「自我造血」的关键拐点。而推动这一拐点提前到来的核心变量，正是AI智能体爆发所带动的算力需求井喷。自主运行的Agent动辄触发数十个推理循环，对算力、存储、数据处理提出了更高需求，直接为云厂商带来了前所未有的需求侧动能。云厂商的收入结构也随之改变，从过去卖一次性资源，变成了收持续性的「算力租金」。对大厂而言，没有一块业务是孤立存在的。云服务消费增长的背后，也是大厂积极争夺龙虾入口的必然结果。OpenClaw爆火之后，国内大厂几乎都推出各种「龙虾」。阿里推出「悟空」，腾讯发布QClaw和WorkBuddy，字节升级「飞书aily」，华为发布盘古Agent，百度推出文心智能体……短短一个月时间，市面上的「龙虾」产品多达数十款。这些产品本身大多并不直接收费，大厂入场的真实逻辑，是争夺上游的算力消耗入口。中银证券研报中指出，「OpenClaw创造了全新的『模型消费场景』。一个配置合理的OpenClaw，每天可能会向模型发起数百次甚至上千次调用，并且每次调用时都携带完整的上下文信息。这意味着单个OpenClaw用户产生的Token消耗量，可能是传统聊天用户的几十倍甚至上百倍。」更关键的是，用户一旦完成智能体部署，就不会轻易离开。因为养成习惯的工作流、积累在平台内的任务记录与数据、与云端API的深度绑定，都在悄悄抬高用户的迁移成本。先烧出规模，再等待盈利的到来，这是所有玩家心照不宣的默契。「龙虾」时代，依然难逃如此规律。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除。
-
26
04/24
阻止互联网广告下滑，全靠AI？
广告最先反哺AIAI如何提高效率的表达，是当下大厂对外叙事的标准模板。可能会在某些具体业务层面，给出一些数据反馈，但是大部分时候，这仍然是一种模糊状态。直到今年Q3财报发布，我们终于在部分互联网公司的财报披露中，找到一些可量化的指标，而且主要集中在广告和营销。比如，百度和快手明确列出「AI广告」或「AI营销」对应的收入：百度AI原生营销服务收入达28亿元，同比增长262%；同期快手线上营销服务收入达201亿元，同比增长14%，并且首次披露OneRec在广告领域带动Q3收入约4%-5%的提升。尽管他们的战略意图和处境不尽相同——百度正迫切寻求增长引擎的转换，传统搜索广告的贡献，江河日下；快手则渴望在AI语境下寻求新的加速度。但同时，两家公司都严重依赖广告收入，AI成为他们唯一的动能和机会。这些维度和指标，对百度和快手意义很大，对行业是否有参考价值？大模型重塑营销似乎势在必行，是否意味着AI广告的黄金时代到来了？广告增长全靠AI？百度和快手最先把AI营销或AI广告相关的指标单列出来，也是有原因的。广告业务在两家公司的营收结构中均占据重要地位：百度核心在线营销服务占总收入的53%，快手线上营销服务占比超56%。如果他们要讲AI增长，对广告收入的影响首当其冲。尤其对百度而言，AI甚至已经成为救命稻草。2025年Q3，百度集团总收入321亿，同比下降7%，净亏损达112亿。而百度核心广告收入同比下降18%至153亿元，这已经是搜索引擎广告连续六个季度下滑。百度迫切地需要一个新的动能，扛起传统业务下滑带来的部分压力。AI是最顺理成章的叙事。百度首次披露的AI业务相关营业收入约100亿元，同比增幅超50%，占总营收比重超过30%。其中，被百度加重的版块正是AI原生营销业务，在AI相关收入占比达到53%。这部分新披露的收入为28亿元，同比涨幅为262%，占核心在线营销收入的比例从2024年Q3的4%跃升至当前的18%。可以说是名副其实的「第二增长曲线」，是对冲传统搜索广告下滑的唯一动能。百度AI原生营销服务是百度基于文心大模型构建的营销体系，结合百度智能体、数字人和百度轻舸投放平台、擎舵AIGC工具，形成的一套完整的AI原生营销解决方案。早在去年的百度热AI营销大会上，百度副总裁陈一凡曾表示，已有超7成客户使用百度AI营销服务。2025年第一季度，百度公布了为数不多的增长指标，都跟AI相关：超过2.9万家广告主通过百度智能体进行日常广告投放，智能体为广告主带来的收入同比增长30倍，占百度核心在线营销收入的9%。相比百度把AI营销视作摆脱困境的最好途径，快手对AI的预期则是成为新增量。快手可能是最早披露AI相关收入的互联网公司，最早是可灵的用户规模和收入，在之前几个季度开始对外公布AI驱动营销的增长指标。毕竟线上营销服务是快手收入的大头。比如UAX（全自动投放），2025年前三个季度快手外循环消耗比例一路攀升，从60%、65%到70%。也就是说，广告主对智能投放的效果给予了认可。而到了2025年Q3财报发布时，快手对AI赋能营销给予了更积极的表述，首次披露OneRec（端到端生成大模型）在广告领域带动Q3收入约4%-5%的提升，更早前的数据是，OneRec已覆盖快手平台25%的峰值流量。这也使得快手的营收基本保持双位数的增长。2025年Q3，快手总营收同比增长14.2%至356亿元。其中，线上营销服务收入达201亿元，同比增长14%，在总收入占比为56.5%。不止百度和快手，互联网公司受惠于AI最典型的其实是Meta。Meta在确定AI赋能基建的五大主线里，排名第一的就是广告效率，因为Meta98%的收入来自广告。2025年Q3，MetaAl月活用户超10亿，广告收入同比增26%，广告展示量同比增14%，平均广告价格同比增10%。广告成了互联网公司在大模型投入之后，最先回本，甚至直接变现效率最快的领域。AI重塑营销新秩序AI在广告领域的应用并非近几年才出现，只不过在很长一段时间里，AI只是作为降本增效的辅助工具。现在AI则几乎重新塑造了营销秩序。新一代AI技术带来了根本性变革，理想中的AI广告，不再只满足于匹配的工作，而是能够深度理解用户的实时意图与场景，动态生成独一无二的广告内容。在这种模式下，人类只需要做目标设定，需求洞察、内容生成、投放、复购的全链路工作都能由AI自主完成。这种「AI原生」思维首先在重塑互联网公司的创作生态。今年9月，AI生成工具Vibes上线后，Meta媒体生成量增长超10倍，用户日均创建超200亿张AI图片。AI生成，首当其冲利好中小商家，据说200万广告主已采用Meta的视频生成功能。国内互联网公司，百度和快手，包括阿里、腾讯、字节旗下，都有A素材创意生产工具。2025年Q3，快手AIGC营销素材带来的服务消耗额超30亿元。除此之外，AI对各个互联网平台带来直接贡献、甚至可量化的就是投放。2024年，快手基于大模型推理上线了UAX（全自动投放），一年时间，UAX的客户渗透率就接近60%，在短剧、小说等内容消费行业，UAX的渗透率更是高达96%。短时间内之所以有如此高的应用比例，核心在于UAX的使用让客户广告投放冷启成功率提升了25%。这种全自动投放的策略，其实此前已经在拼多多、淘宝和京东等电商平台应用。大概逻辑是，广告主通常只需设定一个核心目标，如整体GMV或投放ROI，然后给出自己的预算，系统便会自动分配预算、选择素材、定向人群，并优化投放过程。这几乎已经成了平台广告的投放趋势。过去，只要有投放行为，广告主需要配备专人负责「盯盘」，预算消耗和转化情况如何，是否需要调整策略，替换素材等等，这些全靠人为经验来处理。现在几乎很多时候都交给AI托管。比如众安在线负责人曾公开分享借助百度旗下的轻舸通过智能生成Prompt、自动理解业务、AIMAX智能拓量等方式，实现22%增量的同时，成本降低30%，转化率提升7%以上。2025年，Meta也做出一个重要举动，淘汰自动广告（AutomatedAds）产品，将重心转向AI驱动的广告套件Advantage+。相比前者解决低门槛投放需求给出的更简化的投放方式，后者是AI驱动的实时优化，自动化程度更高的新范式。2025年Q3财报，Meta给出的数据是，Advantage+使广告主获客成本下降14%。Advantage+效力的发挥，部分也是MetaAI广告推荐模型的功劳。因为此模型使用更多信号和更长上下文信息，Instagram和Facebook广告转化率分别提升5%和3%。最重要的是，AI技术能显著提高平台用户留存率和活跃度，进而间接带动用户规模扩张。快手在8月的光合大会上曾披露，OneRec目前已覆盖快手平台25%的峰值流量，通过端到端优化推荐问题和排序，推动平台总时长增长超1%，同推荐请求下计算成本降至传统引擎的约10%。Meta曾通过AI内容推荐系统改进，在半年时间内，Facebook和Instagram上的用户使用时长分别提升了7%和6%。此外将LLM融入内容推荐系统，在Threads中测试基于Llama模型的推荐系统，提升用户使用时长10%。从广告变现角度来看，用户停留越久、场景越丰富，广告库存和精准度就越高。而平台积累的海量用户行为数据，又能能让AI模型对用户偏好和广告匹配度的理解更加精细，形成「量质齐升」的良性循环。AI广告的下一站实际上，因为AI水平的成熟，广告已经成为各个互联网巨头优化最为积极的领域，也是比赛成绩最激烈的所在。2025年Q3，B站广告业务营收25.7亿元，同比激增23%，带动净利润暴涨233%，AI相关广告收入增长近90%；腾讯广告以21%的收入增速，达到了过去六个季度以来的新高峰，腾讯广告AIM+智能投放系统则将广告主的平均操作成本大幅降低了80%；甚至包括一度对广告嗤之以鼻的ChatGPT，也被曝出将引入广告，代码提到「搜索广告轮播」。AI对广告业的革新已经形成全球范围的浪潮。据高盛研究显示，A技术正重构广告行业4700亿美元利润池，涉及传统广告向数字渠道转移「1700亿美元」、创意自动化「1140亿美元」、广告技术整合「250亿美元」和代理生态系统「1610亿美元」。Statista曾预测2025年全球AI广告支出将超350亿美元，其中生成式AI应用占比达45%。巨头青睐AI广告，说到底还是因为AI军备竞赛耗费巨大，他们迫切地需要找到能够快速产生现金流的业务、来为梦想输送「血液」，而广告作为最成熟的变现路径之一，可以直接拉动营收增长。与此同时，广告还可以为科技巨头提供一个近乎完美的试验场，能够检验其AI技术是否真的具备商业实用价值。尽管眼前成绩亮眼，前景一片光明，但AI广告还是显得有些急功近利。根据CTR「央视市场研究」发布的《2025中国广告主营销趋势调查报告》，53.1%的广告主会在创意内容生成中使用AIGC技术，高于数据分析、客户服务等环节，其中有接近20%的广告主，在视频创作中超50%的环节需要借助AI。与之相对的，是《2025AI+生成式营销产业研究蓝皮书》的相关调研显示，78%的消费者表示能大致识别出AI生成的广告内容，其中超过半数达到59%，普遍认为其「缺乏真实情感」。在汽车、金融、房产等高决策成本品类中，消费者对纯AI广告的信任度比快消品低35%，更看重AI在「信息分析」而非「创意决策」中的作用。另一个挑战在于，AI的智能是建立在海量数据的喂养之上。而当前的互联网环境下，各大平台之间的数据壁垒森严，算法高度依赖用户在平台上的历史行为数据。以Meta为例，有案例显示，一个没有任何历史数据的新用户，在使用Advantage+的受众定位功能时，转化率可能会降低多达50%。也就是说，AI在面对完全没有历史数据的新用户时，还需要一段「冷启动」学习期。除了技术层面的挑战，AI广告还需要面对投入回报比的平衡。尽管AI广告已经在商业层面展现出一定价值，但还没有一家公司能单靠AI广告业务实现正向现金流。面对AI高昂的研发投入，AI广告的「补血」之路仍需时日。不管怎样，AI与广告的深度融合已不可逆转。技术总会向前，而这场变革的下一程，或许还有更为汹涌的浪潮。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除。
-
26
04/24
AI时代，软件“日抛”是趋势还是陷阱？
AI时代软件“日抛”概念：用完即弃，局部可行但长期不可取。周末在群里看到这样一则视频，某软件平台大咖在演讲时推出了AI时代软件“日抛”的观点，认为日后用户无需绑定软件，用完即废。此视频一出顿时在群内引发热烈的讨论，有人认为这是日后的趋势，轻量化、即用即抛；有人则质疑其真实用心，认为这不过是资本为收割流量而编造的概念；甚至有群友说“日抛”那么牛叉，他敢不敢把自己平台中的所有第三方收费软件都抛弃？那么什么是软件“日抛”？企业是否适用？今天老杨就与大家来分析一下这个软件“日抛”的本质。什么是“日抛”经查询“日抛”这个词源于20世纪90年代末期的视光学与快消品行业，特指“每日抛弃型隐形眼镜”。而现在“日抛”这个词，又悄悄从隐形眼镜界跨界到了软件圈。大意为：用AI快速生成代码，用完就扔，明天需要再重新生成。听起来很酷，很符合企业“降本增效”的调性，老板们也一定喜欢，因为再也不用花钱买软件了。那么果真如此吗？为什么会出现“日抛”软件这个概念？老杨认为每个概念的提出都会有一个背景、一些痛点及需求，那么为什么当前推出“日抛”这个概念？分析如下：第一，AI极大降低了开发门槛。过去需要几周甚至几个月完成的软件系统，现在几个小时就能生成一个“可用版本”，甚至一些厂家鼓吹业务人员就可以实现零代码开发，这无形中弱化了软件开发的技术门槛。第二，企业需求的碎片化。对于大部分传统企业而言，业务部门的需求大都是碎片化的，比如临时导出一份报表、批量处理一批合同、生成特定格式的会议纪要——这些需求单次性强、复用率低，传统采购或定制开发显得冗余而低效。而AI的出现解决了这一问题，碎片化的需求没关系，用AI软件帮你快速实现，不用搞什么需求调研、画什么原型图，一些厂家鼓吹说句话就可以实现。第三，运维成本倒逼软件轻量化。要知道一套系统从上线到维护，每年的服务器、安全加固、权限管理、版本升级成本加在一起远超初始开发投入。当AI能以极低成本生成“够用”的临时工具，企业自然倾向选择轻量化路径。不难看出，软件“日抛”的概念迎合了人性中的两个弱点：急功近利和逃避责任。于是在这种理论下企业领导或者业务部门自然会认为：既然软件可以利用AI快速生成，那么企业就不再需要传统软件了，还省了一大笔的软件采购与维护费用。于是软件从“资产”变成“消耗品”的错觉就出现了。软件“日抛”可行吗？老杨认为局部有效，但长期不行！软件“日抛”一词会让大部分的企业领导把“开发成本”当成“系统成本”，要知道在当前AI降低的是“创建成本”，也就是说AI也只是辅助编程，而非完全取代程序员。不可否认AI提升了软件的开发效率，但在企业实际的数字化进程中企业真正承受的是“复杂度成本”，即系统间的集成、数据治理、权限分级、合规审计、业务连续性保障等隐性负担。这些负担无法被“日抛”消除，反而因工具泛滥而加剧。那么哪些软件适合“日抛”场景？比如生成一段一次性脚本、搭一个临时活动页面、写一份数据分析报告草稿——这些“轻量级、无状态、无长期依赖”的任务，AI确实可以快速生成，用完即弃。但要知道的是企业管理需要的是可沉淀、可复用、可进化的核心能力而非昙花一现的临时解决工具。这些能力是AI无法生成的，需要的是长期积累的业务理解、组织协同与系统工程能力。要知道所有长期的成功，都来自短期不愿意做的事情。数据治理、流程优化、人才培养、架构设计——这些“慢功夫”，才是企业真正的护城河。如果如果强行“日抛”会怎样？对于这种未加验证、媒体吹捧出来的热点，一些企业领导是趋势若骛的，他们认为大厂的做法一定正确，会不加思索的要求信息部门跟进。可能会出现这样的情况：今天需要数据分析能力，就让AI临时生成一套报表；明天需要客服能力，就搭一个AI客服；后天需要供应链优化，就再训练一个智能体。用完就扔，不留任何积累。但看似提升了效率，结果造成：知识无法沉淀，企业管理永远在原地踏步，企业就像一个永远记不住事儿的健忘症患者，永远在学走路，永远跑不起来。数据孤岛林立，垃圾数据充斥平台，每次做临时软件都会产生大量的中间数据，这些数据产生后没人管、没人清、没人标，没人知道哪些数据有用、哪些是垃圾、哪些还涉及隐私合规，数据管理愈发混乱。数据安全形同虚设，在所谓“日抛”的高效率下，敏感信息被随意暴露在临时模型与外部接口中，权限失控、审计留痕缺失、合规风险指数级攀升。管理者会沉迷于“日抛”带来的虚假灵活性，每个项目都像打地鼠，没有长期规划，没有系统思考，也没有资源沉淀。团队被临时任务淹没，疲于奔命，却看不到任何长期成果。这种“管理上的懒惰”，被技术包装成了“敏捷”。也就是说企业管理者再用“日抛”的敏捷取代了管理上的懒惰。如何应用“日抛”？软件“日抛”概念的提出必定有它的合理性，也会在一定程度上提升软件应用的灵活性，提升企业的管理效率，但老杨认为当前最现实的一个问题是：大多数企业不是不会用AI，而是没有能力“约束AI带来的自由”。所以关键不是“用不用”，而是——在哪里用、怎么控、谁负责、出了问题怎么办。对于大部分传统企业而言，最大的问题就是对于AI的应用没有边界感，喜欢一刀切，要么全盘拥抱，要么彻底拒绝。那么利用AI开发的系统在什么情况下不适用于“日抛”？老杨认为要从如下三个方面进行判断：（1）这个系统的数据会不会被长期使用？（2）这个系统出错会不会影响收入/合规/客户信任？（3）这个系统的结果是否需要被复现或审计？如果以上三个问题中只要有一个答案“是”，就不能日抛。说通俗一点就是涉及：钱（财务、交易）、人（客户、员工数据）、责任（合同、合规）的一律不准日抛。最后总结一下：从以上我们不难看出，AI可以让企业管理看起来灵活、高效、更有科技感。但如果你把每一次使用都当成一次性交易，既不积累、也不沉淀，那么三年之后，估计企业除了服务器里的各种临时脚本就是领导者的焦虑，什么都不会留下。所以真正有管理能力的领导者，会利用AI加速沉淀，而非随意抛弃。也就是说刀可以磨得更快，但磨刀的目的，从来不是为了磨完就扔。“日抛软件”可以存在，但它只能建立在“强工程体系”之上，而不是替代它。最容易被“日抛软件”拖垮的，不是技术最差的企业，而是——“看起来最灵活、最追求效率、但底层治理最弱”的那一类。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除、
-
26
04/24
当AI能写代码，传统软件公司的护城河还剩什么？
当AI能写代码，传统软件公司的护城河还剩什么？“以后不需要程序员了，AI直接写代码。”这句话在OpenClaw这类智能体产品出现后，被无数人反复提起。虽然“程序员消失”的论调过于夸张，但它确实触及了一个根本性问题：当源代码本身不再稀缺，软件公司的核心竞争力到底是什么？对于ToB软件公司而言，这个问题尤为致命。过去，代码是核心资产，是壁垒，是护城河。今天，AI几秒钟就能生成一个功能模块，代码正在从“稀缺品”变成“日用品”。那么，软件公司还剩下什么？该怎么活下去？代码贬值之后，什么才是真正的壁垒？先明确一个前提：代码确实在贬值。不是因为代码不重要，而是因为生成代码的成本正在趋近于零。但代码贬值不等于软件公司没有价值。真正有价值的，从来都不是代码本身，而是代码背后承载的东西。第一层：行业认知一个医疗软件公司，值钱的是它懂医保结算规则、懂临床路径、懂医院管理流程。一个制造软件公司，值钱的是它懂生产排程逻辑、懂供应链协同、懂质量追溯体系。这些认知，是AI无法生成的。大模型可以阅读所有公开的行业文档，但它没有在真实的医院里待过，没有跟车间主任吵过架，没有经历过月底结账时系统崩溃的恐慌。真正有价值的行业认知，是浸泡出来的，不是训练出来的。第二层：解决方案能力客户要的不是软件，是解决问题。一个软件公司真正的能力，是把客户模糊的痛点翻译成可落地的方案。这需要的是：理解业务场景的洞察力、设计系统架构的全局观、平衡理想与现实的经验判断。这些能力，AI目前还远不具备。第三层：信任关系ToB生意本质上是信任生意。客户买你的软件，买的是“你不会跑路”“你的系统不会崩溃”“出了事有人能解决”。这种信任，来自长期服务积累的口碑，来自无数个深夜响应的电话，来自项目失败时敢于承担责任的态度。AI可以写代码，但AI不能替公司背责任。这三层——行业认知、解决方案能力、信任关系——才是软件公司真正的护城河。代码只是这些能力的载体，不是能力本身。一个危险的趋势：行业专家正在流失但现实是，很多软件公司正在亲手拆毁自己的护城河。一个典型的现象：为了控制成本，软件公司大量压缩行业专家和资深顾问。这些人薪资高、不好管、不喜欢写PPT，于是被视为“成本项”被优化。取而代之的是：标准化产品、模板化方案、年轻但缺乏行业经验的交付团队。结果是什么？产品越来越同质化。没有行业专家的深度输入，产品只能抄竞品的功能，做出来的东西“别人有的我也有”，但“别人没有的我也没有”。最终陷入价格战。项目交付越来越难。项目做砸了，不是因为代码写不出来，而是因为不懂客户的业务。顾问去现场，客户说什么就记什么，回来原样开发，开发完客户说“不是这个意思”。来回折腾，项目烂尾。客户流失越来越快。客户不傻，他们知道你是“卖软件的”还是“懂我的”。当客户发现你只会写代码、不懂他的生意时，他会去找更懂他的人。哪怕你的代码是AI写的，成本再低，也没有意义。公司价值越来越薄。资本市场给软件公司估值，看的是护城河。当你的护城河从“行业认知”退化成“代码能力”时，你的估值就会向代码的代工厂看齐。这是一个危险的信号：当软件公司把行业专家当成成本砍掉的时候，它们砍掉的是自己未来的命。软件公司该如何应对？面对AI浪潮，ToB软件公司不是没有出路，而是需要完成一次根本性的转型。出路一：从“卖软件”到“卖认知”把核心资产从代码转向行业知识库。你的价值不在于“能写软件”，而在于“知道这个行业应该怎么玩”。具体做法：沉淀行业最佳实践，封装成可复用的知识资产；培养行业专家团队，让他们成为公司的核心资产；建立行业研究院，持续输出行业洞察。让客户觉得，买你的软件，附赠一个行业智囊团。出路二：从“项目交付”到“价值交付”客户不关心你用了几行代码、用了什么大模型，只关心“我的问题解决了没有”。转型方向：按效果付费，而不是按功能付费；建立价值衡量体系，让客户清楚看到ROI；做长期运营，而不是一锤子买卖。当你的利益和客户的利益绑定时，你就从“供应商”变成了“伙伴”。出路三：让行业专家“长出”AI能力不要用AI替代行业专家，而是用AI武装行业专家。给行业专家配上AI工具：用AI辅助分析客户数据，让专家专注在洞察和决策上；用AI生成方案初稿，让专家专注在方案优化上；用AI处理重复性工作，让专家专注在创造性工作上。专家的能力被放大，而不是被替代。出路四：重构人才结构从“以开发为中心”转向“以行业专家为中心”。开发人员依然是重要的，但核心能力从“写代码”转向“理解业务需求并设计技术方案”。行业专家从“顾问”变成“核心资产”，参与产品定义、项目交付、客户关系维护。同时，建立行业专家的成长通道。不让他们只能走管理路线，而是让他们在专业路线上也有上升空间。让行业专家成为公司的主人，而不是“被优化”的对象。不转型的后果是什么？那些不愿意转型的软件公司，未来会怎样？沦为AI的“代码包工头”。当客户可以直接用AI生成代码时，你的中介价值消失。你唯一能竞争的只有价格，而价格战没有赢家。被“懂行的客户”绕过。大型企业会自己组建行业专家团队，然后用AI辅助开发。当他们发现“我们自己也能做”时，你就会被甩掉。被“懂AI的行业新锐”取代。新的竞争者可能没有历史包袱，直接从“行业认知+AI能力”的结合点切入。他们人更少、成本更低、响应更快，传统软件公司很难招架。慢慢萎缩，直至消失。这不是危言耸听。任何行业中，那些只提供“易替代价值”的公司，最终都会被替代。总结一下AI智能体的浪潮，正在把软件公司逼到一个不得不改变的关口。源代码正在贬值。这是事实。但这不是软件公司的末日，而是软件公司的“成人礼”——逼着软件公司回答一个根本问题：如果代码不值钱了，你还剩什么？答案从来都很清楚：剩的是对行业的理解，是解决问题的能力，是客户对你的信任。这些东西，AI给不了，也替代不了。那些敢于砍掉成本、却在行业专家上持续投入的软件公司；那些不再吹嘘“代码量”，而是讲述“行业故事”的软件公司；那些让客户觉得“你是真的懂我”的软件公司——它们不仅不会消失，反而会在AI时代活得更好。至于那些还在把行业专家当成本砍的公司——它们正在砍掉的，是自己的未来。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除、
-
26
04/22
被互联网遗忘的400热线里，走出一群AI时代的“非共识者”
真正的AI机会，未必诞生在最热闹的地方。AI时代的颠覆者，往往不会出现在所有人都盯着的地方，而是出现在那些长期被忽视的角落。杭州星语人工智能有限公司（以下简称“星语智能”）创始人兼CEO赵盈（花名醒辰），常常会被问到一个问题：“怎么会想去干这个？”“这个”指的是400服务热线，一个几乎代表着传统、低效、重人力的细分赛道。在很多人的认知里，热线服务是个“快要退场”的行业：人效低，规模效益差，服务质量难提升，还是典型的成本中心。互联网公司看不上，投资人也很难兴奋。但醒辰和CTO赵俊——这对曾分别担任西湖心辰CEO和CTO的搭档，偏偏一头扎了进来。公司成立仅1年，便在8个月实现了盈利，这支10人的小团队，拿下了滴滴、海底捞等行业龙头企业的400热线全智能服务项目，这些的大客户们惊叹于星语智能“不可思议的投入产出比”和产品的“代际差异”。醒辰说，当别人都想不明白的时候他们看到了三个行业“非共识”，并坚定的去做了：用做C的要求做B端生意、必须自研垂直模型、语音是未来的主流交互方式。这也让星语智能在一个被巨头忽视的赛道里找到了万亿级市场的入口。01.用做C的心，做B端生意星语智能的客户名单很漂亮：滴滴、海底捞、鱼跃医疗、松下……但他们没有走传统的B端销售路线，他们的逻辑是：先把C端体验做到极致，B端客户会主动买单。这个逻辑源于对行业痛点的深刻理解。客服行业存在一组古老的矛盾：企业用计件制考核客服，服务时长与服务质量天然对立。一个投诉电话，客服想快速结束，用户却需要被倾听。星语的AI服务没有计件压力。他们服务滴滴司机时，最长一通电话打了124分钟，AI陪司机聊了两个多小时。这是人工客服不可能完成的任务，但正是这通电话，让司机感到了温暖。星语的AI在对话的同时可以处理大量的系统数据，让AI在消费者进线时就可以“做好服务准备”，不再有繁琐的单号型号的确认过程，针对老人的表达习惯也充分准确意图识别，鱼跃医疗在采购了某老牌大厂产品后，仍然决定再购买星语的产品。给出的理由是四个字：“代际差异。”服务好C，自然会拿到B的市场。这个消费品时代的逻辑，被星语智能搬进了企业服务。因为醒辰坚信，产品本身就是最好的销售。当终端用户被服务好，企业客户会自己找上门。截至今天，星语智能10个人的团队，没有配备1个销售，但却已经拿到了众多B端大订单。醒辰分享星语智能AI热线的服务理念02.做服务，必须有自己的大模型2025年，大多数AI创业公司都在使用通用大模型API，快速拼装产品、抢时间窗口。星语智能却做了一个“不太合群”的决定：自研垂直大模型，深度训练模型在服务沟通领域的“专业性和稳定性”实现“工业级别”的规模化服务能力。2026年2月，星语大模型通过国家网信办生成式大模型服务备案。这也是目前市面上唯一一款针对“类人服务沟通能力”做了垂直训练的端到端语音交互大模型。在醒辰和赵俊看来，通用模型解决的是“会不会答”，而服务模型解决的是“会不会沟通”。前者面对的是问题，后者面对的是关系；前者考验知识与泛化，后者考验对情绪、角色、秩序与现实处境的理解。所谓服务的专业性，不是知道更多，而是更懂分寸，更能进入情境，更知道一句话该怎么说、一个流程该怎么推、一个真实的人此刻真正需要被解决的是什么。一个细节，当一位老年用户反复描述同一个问题时，星语智能的AI产品不会急着给答案，而是先聆听——这是潜意识里对人的理解。同样，服务领域里的稳定性是能否交付的生死线。企业不需要一个时不时冒出高光时刻的模型，它们需要的是一个在成千上万次真实互动里都不跑偏、不失控、不越界的系统。一次回答像人并不稀缺，每一次都能稳定地把服务做好才具有稀缺性。这才是服务场景里真正有商业价值的能力。星语智能的产品正在验证这个判断。他们的AI400热线是市面上唯一实现了全链路智能化的产品，从全球化云通讯平台，智能热线对话服务，全系统系统操作执行，人工及AI作业结果双智能质检，全数据链的智能分析，形成AI时代下的CallCenter全系统的“电车时代”升级。客户对星语产品给出的“代际优势”评价，也是源于产品的极致体验：星语的AI400热线产品可以做到全过程无需人工介入，7*24小时跨时区跨语言工作，交付周期压缩到1-2周，交互延时控制在毫秒级，意图识别准确率和执行完成率可达99.9%。这个成绩单在任何招标比拼中，都表现出代价差的绝对优势，目前星语智能的产品已在北美地区完成上线交付，支持中国企业的全球化服务布局。星语智能官方网页展示的产品服务类型03.AI时代，语音交互会成为服务的基础设施醒辰也观察到，今天越来越多年轻人重新开始大量发语音。表面看，这是沟通习惯的变化。然而更深一层，它说明当表达成本和理解成本同时下降，人会自然回到更接近本能的交流方式。“互联网时代，人类的交互习惯从‘说话’走向‘打字’；AI时代，人和机器的交互习惯会重新从‘打字’回到‘说话’。”过去二十年，互联网建立的是“导航式交互”——用户点击菜单、输入关键词、按页面流程一步步完成操作。但到了AI时代，主流交互方式回到语音原因并不复杂：人类天生会说话，不会天生点按钮。当模型能够听懂口语、容忍噪声、理解打断、承接情绪，并把实时响应的成本压低到足够可用，语音就不再只是补充入口，而会重新成为最自然、最低门槛的交互界面。对服务行业而言，这种变化尤其关键。因为电话里传递的从来不只是信息，还有情绪、立场、信任和被理解的感觉。很多服务场景难以被文字替代，不是因为信息不能被表达，而是因为许多现实互动必须通过声音、语气、停顿和回应方式来完成。这意味着，语音服务未来未必只是成本中心，而可能成为企业体验能力的一部分。当电话服务足够专业、稳定且低成本，它就会从“不得不做”的渠道，变成值得长期建设的基础设施。因为用户真正需要的，从来不只是答案，还包括被理解、被承接和被认真对待。从这个视角来看，星语智能所做的并不仅仅是一个传统400热线的生意，而是在一个最旧的入口上，重新定义AI进入真实服务世界的方式。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/27
AI用得越勤，业绩越牛
顶尖销售，都在做这3件事。当下，很多创业者都在困惑：AI到底是抢饭碗的对手，还是提效破局的工具？资源有限的中小企业，该如何在激烈竞争中实现突围？原思科公司中国区副总裁，原中国惠普政府事业部总经理张坚老师，这就来为大家分享AI时代销售如何重塑核心竞争力的内容。张坚老师从认知升级讲起，拆解AI对销售职业的重构逻辑、人类不可替代的核心能力，教大家把三大核心落地实操，在AI时代站稳脚跟、实现长效增长。希望今天的分享，对你有所启发。一、任何时代，认知升级都是抵御淘汰的核心任何时代，都有个最残酷的现实：不管是个人还是企业，哪怕你没犯任何实质性的错误，也可能因为跟不上发展节奏，直接被市场淘汰。还在沿用过去的决策逻辑和工作方法，已经完全适配不了当下的需求了，唯有主动变革、迭代认知，才能在复杂的环境里站稳脚跟。而认知升级最核心的路径，就是多接触那些能看透趋势的行业精英，借他们的前瞻视野把握方向，少走弯路、少踩坑。说到能看透趋势的聪明人，必须提雷蒙德・库兹韦尔，他是科技圈公认的“预言大神”。20年前他写了《奇点临近》，近年又出了《奇点更近》，前前后后做了147次对未来的预测，准确率居然高达86%，连比尔・盖茨都说，要是真有能精准预测未来的人，那一定是库兹韦尔。库兹韦尔虽然没读完麻省理工学院的学业，但靠着自主钻研拿下了20个博士学位，两次拿过美国总统科技贡献奖，还是谷歌的首席技术顾问，专业实力没得说。他最初预判人工智能的爆发拐点在2050年，可现在AI的迭代速度远超预期，这个技术奇点，极有可能提前到当下；他还预测2029年人工智能能通过图灵测试、人类活过2029年寿命就能突破120岁，这两个关键节点，现在看大概率也要大幅提前。现在的AI，已经进阶到能做理性决策、深度思考的阶段；医疗领域，纳米机器人疏通血管、靶向击杀癌细胞的技术也马上要落地，人类的长寿时代真的越来越近了。除此之外，学者唐・塔普斯科特1995年就出版了《数字时代的经济学》，书里的核心观点，过了快30年再看，依然精准、依然有前瞻性，当年要是能吃透这本书，数字时代的很多商业机会，早就提前布局了。大事正在发生，但绝大多数人还没有意识到。现在全球科技圈已经形成了一个普遍共识：2026年，会成为人工智能发展的关键转折点。AI技术马上要迎来颠覆性突破，未来12个月内，递归式自我提升的技术很可能落地，到时候社会生产力会实现百倍级的增长。但与此同时，整个社会出现了严重的认知K型分化：一部分人已经把AI当成发展杠杆，正在抢技术红利、占市场先机。另一部分人对AI一知半解，甚至盲目跟风所谓的“智能工具”，一不小心就踩坑、被割韭菜。这种认知上的差距，比技术本身的迭代风险要可怕得多。面对AI带来的行业焦虑，原领英创始人里德·霍夫曼的《AI赋能》这本书给了我们很清晰的破局思路。他给出了AI时代生存发展的10大原则，包括：超级能动性——在焦虑中夺回人生掌控权；生存必需——AI不是选择题，而是生存题；包容错误——接受AI不完美，在纠错中成长；效率杠杆——放大人类价值，而非替代人类；协同进化——与AI做伙伴，突破文明极限……里德·霍夫曼告诉我们，要从AI恐慌升级到驾驭AI，把它变成自己和企业赋能的超级发展杠杆。他非常清楚AI的潜在风险，一直呼吁全球加强技术监管，也提醒所有从业者：拥抱AI的同时，一定要守住技术伦理和发展的底线。大家去阅读刚刚全球首发的新书《哈萨比斯：谷歌AI之脑》。二、人工智能不会取代销售：只会重构销售职业内涵现在很多人都在说：AI来了，销售岗位就要被砍掉、被取代了。我可以明确跟大家说，这个说法和真实的行业数据完全对不上。海外的市场调研显示，美国的ToB销售岗位数量一直在稳步增长，行业规模根本没收缩。哈佛商学院早就通过研究给出了定论：每一轮技术革新，从来都不是取代销售这个职业，而是重新定义它的玩法。AI再怎么迭代，也替代不了人类的核心价值，未来市场竞争的本质，从来都不是人和AI的对抗，而是会用AI的人，和不会用AI的人之间的比拼。就像阿尔法狗赢了人类顶尖的围棋选手（谷歌的阿尔法狗就是哈萨比斯的杰作），但大家对围棋的热爱一点没减，没人会天天执着于跟AI下棋。早年IBM的计算机深蓝战胜了人类的顶级国际象棋选手后，并没有影响人类对国际象棋的热爱，因为人和人之间的情感互动、信任连接，是AI永远复刻不了的。销售的本质，就是人际沟通和价值传递，AI只能帮我们优化流程、提升效率，永远替代不了我们跟客户建立信任、达成情感共鸣，这也是销售这个职业，永远有生命力的核心原因。领英去年专门做了一轮调研，覆盖了美国、英国、德国、澳大利亚、印度、新加坡6个国家的1200多名销售人员，出来的数字特别能说明问题：每天都用AI工具的销售，业绩超额完成的比例高达68%；每周才用一次的，只有20%能超额完成；每月用一次的，才9%。说白了，AI用得越勤，业绩越能达标，有没有AI当帮手，工作效率和最终结果，差得不是一星半点。现在的生成式AI，已经能覆盖B2B销售的全流程了：售前的客户调研、潜客挖掘、需求分析，售中的会议纪要整理、方案撰写、定价辅助，售后的客户维护、业绩复盘、风险预判，AI全流程都能搭把手。在销售工作里，AI主要承担三个核心角色：第一是高效执行助手，帮你做资料整理、数据复盘、信息录入这些基础工作，把你的时间和精力解放出来，花在跟客户沟通、建立信任这种更核心的事上；第二是专业智库专家，靠着海量的大数据资源，能快速检索全球的行业信息，你不懂的专业问题，它能给你讲明白，还能帮你梳理逻辑框架，补上个人的认知短板；第三是成长赋能教练，新人可以跟它做话术演练、谈判模拟，它能帮你分析能力短板，定制个性化的提升方案，帮整个销售团队快速成长。实操里的例子特别多，很多做商业地产的朋友，用AI工具，几分钟就能生成地块分析、投资方尽调、资金链核查这些深度报告；还有不少资深销售，通过AI做九维度的人脉画像分析，精准判断合作风险，谈单的成功率直接翻倍。毫不夸张地说，AI已经成了当下销售从业者必备的核心工具。三、AI时代，人类4大不可替代核心能力1.精准提问和追问的能力这既是用好AI的核心前提，也是顶级销售的必备素养，偏偏是现在很多从业者的短板。爱因斯坦曾说：“提出一个问题，往往比解决一个问题更重要”。想要准确洞察事物的本质，就必须先拥有“提问”的能力。学会合理提问，才能真正使“无所不知”的DeepSeek与未来的任何新的人工智能，成为你最好的工具和资源库。资深销售就像专业的医生，从来不会一上来就给客户开方案、卖产品，而是通过层层递进的追问，挖透客户需求的表层诉求和深层动机。从为什么有这个需求，到具体的应用场景，再到最核心的痛点，全方位把问题本质摸清楚。只会自己单向输出、不会追问的销售，永远没办法精准匹配客户的真实需求。2.讲故事的能力和感知力这是咱们人类独有的核心竞争力，AI只能给你提供碎片化的素材，但没办法把这些素材，串成有情感温度、能打动人的故事。相较于人工智能，感知力与故事力，是人类的天赋与专长。把握这个时代的关键能力，也是破解当下焦虑困局的关键！大家都看过《人类简史》吧？当年智人为什么能在那么多古人类里脱颖而出，活到最后？核心就是会讲故事，能靠故事把成百上千的人聚在一起协作。放到现在也一样，不管是管团队、做企业，还是跟客户谈合作，冰冷的数据再全、逻辑再严谨，也不如一个有温度、能共情的故事打动人。3.批判性思维能力AI的运行，靠的是算法、算力、数据这三大核心要素，其中数据是最基础的支撑，如果数据被人刻意污染、虚假投喂，AI给出来的结果，就会出现严重的偏差。批判性思维或许将成为这个时代最重要的高阶思维。因为我们必须在乐观中保持警觉，坚持质疑AI输出的合理性，验证信息来源和逻辑链条。现在已经有不少不良主体，靠操控数据误导AI的输出结果，抢流量、谋私利。所以咱们绝对不能AI说什么就信什么，必须有信息溯源的意识，核查数据来源、验证信息的真实性，用审慎的态度甄别内容，别一不小心就掉进认知误区。4.和AI共生协同的能力现在AI已经全面渗透到咱们工作和生活的方方面面了，拒绝它、躲着它，无异于固步自封，唯有学会和AI协同共生，才能跟上时代的发展。人工智能对我们所有人的影响都将持续深化。我们要更好地去了解人工智能的现状，包括尚未解决的问题、技术的潜在风险和益处。英伟达的创始人黄仁勋，提出过未来人类的五大核心生存元技能，和这个理念完全契合。第一是批判性思维；第二是学习能力。当然，现在的学习和过去不一样，得学会用AI辅助学习；第三是建立关系，这是AI绝对无法提供的，就像我们俩关系好，能一起喝酒、喝茶、徒步，这种情感连接，AI做不到；第四是妥协，做事不能太死板，该妥协的时候要妥协，这是考验人的格局；第五是带动团队的能力，能激发身边的人一起干事。而带动团队的核心，还是会讲故事，你不讲一个生动的故事，别人凭什么跟着你干呢？咱们一定要把AI定位成辅助工具，而不是竞争对手，借着AI放大自己的优势，才能实现能力和效率的双重突破。四、中小企业突围策略：紧抓AI、品牌、人脉三大核心要素领英去年年底出了一份中小企业发展报告“2026年中小企业制胜之道”，含金量特别高，是基于1.6亿领英职业人士数据和1800万中小企业组织信息总结出来的结论，给中小企业指明了2026年突围的3个核心方向，非常实在。1.AI的深度应用人工智能是中小企业实现弯道超车的核心均衡器，它能有效补上中小企业的资源短板，把AI用透的企业，能快速实现效率提升和规模扩张；而排斥、或者不会用AI的企业，会慢慢被市场淘汰。这里提醒大家：AI从来都不是单纯的效率工具，更是企业增长的核心引擎。只拿它写个邮件、整理个会议纪要，这种浅层应用，只能帮你干点杂活；只有把它深度融入业务流程、重构整个运营体系，才能释放出AI的最大价值。2.品牌价值塑造不管是企业品牌，还是个人IP，都是信任的核心载体。AI时代虚假信息泛滥，信任成了最稀缺的市场资源，你有品牌，就有客户的信任基础，就能拿到持续的发展机会。客户认的永远是你的品牌和口碑。3.人脉资源积累人脉是中小企业发展的核心硬通货。大企业有自己的品牌背书，不用太愁资源和渠道，但中小企业受规模限制，更要重视人脉经营和资源沉淀。优质的人脉连接，能直接转化成合作机会，帮咱们破解资源少、渠道单一的发展困境。2026年中小企业的竞争不再是“规模比拼”总结下来就是三句话：AI驱动的效率，品牌带来的信任，人脉创造的机会，这三者结合起来，就是中小企业增长的核心逻辑。而这一切落地的关键，就是用人工智能重构销售全流程，实现精准化、体系化的运营，既要提效率，更要保质量。五、AI+销售，实现质的飞跃AI给大客户销售带来的，是三个实打实的质的飞跃，直接把传统销售给颠覆了。第一个飞跃：从靠经验直觉拍板，变成靠全量数据说话。传统销售做决策，全凭个人经验和客情关系，不仅特别依赖核心老员工，成功的法子还很难复制给整个团队；但用AI就不一样了，能把客户的历史数据、沟通记录、组织架构、过往招投标信息全整合起来，跳出个人的认知盲区，提前挖到机会、避开风险，成功的经验能直接复制、规模化落地。第二个飞跃：从盲目推进，变成精准施策。传统销售最容易犯的错，就是盲目拓展人脉、低效沟通、推进节奏和客户的采购流程完全错位，劲没少使，罪没少受，却没什么效果。AI能帮你精准判断项目的推进阶段、找准关键决策人，给你可落地的行动建议，让你贴合客户的采购节奏推进合作，彻底杜绝无用功。第三个飞跃：销售管理者从监督管控的监工，变成赋能推动的教练。过去很多销售管理者，天天就干查考勤、催进度、追结果这几件事，全是低水平的重复管理；而有了AI的数据支撑，管理者能精准识别高价值项目、调配核心资源、针对性辅导团队，主动帮团队攻克难题，这才是真正的高质量管理。说到底，AI管的是效率，人和人之间的信任、情感连接，永远得靠我们自己来做。未来的商业，一定会打破BToB和CToC的界限，回归到HToH人和人的交互，所有商业合作的核心基石，都是信任。信任能让客户跟你说真话、吐实底，能给你话语权，给你充分的表达机会，更能帮你建立长期的合作忠诚度。做过销售的都知道，业绩每年都会清零，但你的个人信誉、客户对你的信任，永远不会清零，这才是销售从业者最宝贵的核心资产。建立客户信任没有捷径可走，要靠专业的职业素养、利他的合作初衷、契合的价值共鸣、过硬的专业能力，真心实意为客户创造价值，才能拿到长期的认可。销售这行，从来没有什么一夜暴富的捷径和秘籍，靠的是规范的销售流程、高效的工具、专业的技巧，再结合AI的效率赋能，守住职业底线和信任初心，把基本功练扎实，才是长久发展的正道。结语销售没有什么魔法，也没有什么捷径，它需要的是正确的流程、适当的工具、明确的技巧和强有力的组织。未来的市场竞争，不是人和AI的比拼，表面上是人和人之间的能力比拼，本质上是企业体系和运营模式的对抗。从传统的经验主义，转向数据驱动、精准赋能，是销售行业必须完成的升级。低水平、低效率的销售，会慢慢被市场淘汰；而会用AI、专业素养过硬的销售，会越来越有价值。中小企业只有把AI深度融入销售的全流程，守住以人为本的初心，才能在未来的市场里站稳脚跟。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/03
当AI拿走决策权，看懂Agent经济的三个真相
服务Agent的时代来了最近，YCombinator几位合伙人录了一期播客，讨论一个很有趣的现象：随着OpenClaw走红，一个属于Agent的“平行经济体系”正在成形。这不是简单的效率提升，而是行为主体在变化。过去，软件只是工具，人是决策者。无论是选供应商、订服务、搭技术栈，最终拍板的都是人。现在，越来越多普通用户，甚至没有技术背景的人，开始把AIAgent当成“替身”，让它去搜索、比较、筛选、谈判，甚至直接完成订阅和部署。代理不再只是执行指令，而是在一定范围内替人做判断。当这种趋势扩大，结构性的变化开始出现。第一，软件市场出现了新的“买家”。即那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。第二，基础设施的重心在转移。代理需要身份、权限和接口。邮箱、账户体系、支付能力，正在从“给人用”转向“给代理用”。围绕代理的基础设施层开始重建。第三，交互模式正在演化。当大量Agent之间开始互相互动，形成以代理为主体的线上社区。它们彼此协作、交换信息，甚至留下交易记录。行为的发生不再完全以人为中心。这些变化，或许才是Agent经济真正值得重视的地方。01决策权转移，“应用”不存在了如果把时间倒回一年前，开发者工具的主流体验还停留在“更高级的自动补全”，比如Cursor、Windsurf之争。本质上，它们都在提高写代码的效率，但人仍然需要掌控每一个关键步骤。而ClaudeCode带来的变化是，决策权开始转移。一个典型的场景是，有人每天晚上同时运行四五个代理窗口，来回切换，但不再逐行审查或微观管理。人更多是在设定目标，而不是逐行审查。代理更像并行工作的同事，而不是工具。一旦这种体验成立，影响就不只局限在工程师提效。它会向外扩散。一些并不懂技术的CEO，也开始用OpenClaw直接自动化整块业务流程。PeterSteinberger曾提到一个关键判断：AI不只是回答问题，而是开始真正“操控环境”。当模型可以读文件、写代码、调用API、运行命令行时，它不再只是助手，而是一个可以执行任务的主体。这不仅仅意味着开发门槛的下降，更重要的是，“做软件的方式”正在改变。在Peter看来，AI本身就是一个可以持续解决问题的主体。在这种结构下，“应用”开始变得不再重要。大量应用的价值，本质上只是管理数据、提醒你、记录行为——这些功能都可以被代理层吞掉。例如健身应用，过去你需要一个独立App记录训练、提醒打卡、生成计划。现在代理可以理解你的目标，自动追踪数据，甚至根据结果调整训练方案。对大多数人来说，关键不是“在哪个App里做”，而是“是否达成目标”。当目标成为中心，应用就退居后台。因此，那些仅仅做数据管理和流程提醒的产品，风险最大。更难被替代的，反而是拥有硬件、传感器、线下触点的产品——它们能直接连接现实世界，而不仅仅停留在数据层。当应用层被压缩、模型也趋于同质化，剩下的护城河是什么？答案开始转向“个人数据”。OpenClaw的一个关键优势，是强调数据本地化与个人记忆的长期积累。它通过本地化数据，建立了一套可以持续积累的个人记忆体系，你的历史行为、偏好、决策方式，都被沉淀下来。Peter也曾提到过“灵魂文件”的概念。我们可以把它理解为一组核心价值和行为准则——定义这个AI如何与你互动、在冲突中如何取舍、面对选择时优先考虑什么。它相当于代理的“人格设定”和“原则框架”，决定语气、风格，甚至决策逻辑。当应用变轻，模型趋同，个人记忆与价值框架，可能会成为新的核心资产。02给AI代理喂信息，Agent经济的第一个黄金赛道当Agent经济开始兴起，一个本质性的变化是：工具不再只由人来选择，代理开始成为新的“决策者”。过去，开发工具如何被选中？主要依赖人类网络——开发者社区的口碑传播、GitHub趋势榜、技术博客推荐、线下大会曝光。今天这些机制仍然存在，但它们正在被一个新的分发路径补充：代理的默认推荐。越来越多的开发决策，并不是某个CTO或工程师逐一比对后拍板，而是代理在后台根据上下文自动选择工具、服务与接口。谁被默认调用，谁就更有可能成为“标准栈”。你甚至可以把它理解成：软件市场出现了新的“买家群体”，那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。代理替人做决策、选工具、挑服务商，它们的选择会直接影响订单流向和生态格局。但有趣的是，代理并不是天然的“最优决策者”。它们同样会受到信息结构的影响。例如，ClaudeCode有时会默认选择较旧版本的工具（如Whisperv1），而不是更快更便宜的替代方案。原因未必是能力不足，而可能只是：旧工具的文档更容易被解析，结构更清晰，示例更完整。这透露出两个信号：第一，代理的“选择机制”仍处在早期阶段，还没有被优化到极致。第二，这恰恰是创业者的机会。如果代理会根据文档结构、接口清晰度、示例完整度做判断，那么产品设计就要从“人类友好”升级为“代理友好”。谁更容易被代理读懂和调用，谁就更容易成为默认答案。第一批受益者，或许是那些能够给代理提供清晰信息的公司。一个清晰的信号是，文档成为率先变化的场景。过去12个月，新建数据库（如Postgres）的数量显著增长。一方面，是因为更多人开始做应用；另一方面，是代理在后台自动完成技术栈选择，带动数据库、托管、开发底座需求同步增长。以Supabase为例，它更容易成为默认选择的一个原因，是文档清晰、结构完整、示例可直接执行。对代理而言，“是否容易解析与调用”往往比品牌心智更重要。Resend是另一个典型案例。YCombinator2023冬季批次公司Resend的创始人发现，当用户在ChatGPT或Claude中询问“如何在web应用中发送邮件”时，模型往往默认推荐Resend。他进一步发现，ChatGPT成为公司客户转化的前三大渠道之一。当意识到这一点后，团队主动优化文档，使其更“Agent友好”。所谓的"agent友好型文档"，就是Resend以问题的方式整理了很多人类或者Agent会问的问题，并提供了非常结构化的、以要点形式呈现的答案。不仅如此，每一个示例实际上都包含了代码片段，这些代码片段是agent可以直接解析的，且结构清晰。除了Resend外，Minify也是一个比较明显的案例。Minify原本做的是更好的API文档工具，过去属于“开发者体验加分项”。现在，它可能变成“开发工具公司的必需品”，因为文档要优化的不再是人类阅读，而是代理解析与调用。在“代理决策数量指数级增长”的前提下，文档可解析性提升5%，带来的分发差异可能是一个量级。03降低摩擦成本，代理基础设施开始兴起当代理开始替人做事，一个新的基础设施需求也浮现出来：代理需要独立身份与权限。如今，也涌现出现一批专门服务于AI代理的创业公司。比如，AgentMail就是一家专门给AI代理做收件箱的公司。传统邮箱（比如Gmail）是为人类设计的，为了防垃圾邮件和机器人滥用，它刻意提高自动化门槛：风控校验、验证码、访问频率限制层层叠加。这些在人类眼里的安全机制，却成了代理的摩擦成本。如果AI代理真的要替人完成注册、沟通、验证、交易等完整流程，它就需要一个“不会因为自动化而被封号”的邮箱接口。而AgentMail就是为代理提供身份基础设施。当代理开始成为新的经济参与者，身份层就必须重建，而邮箱，恰好是这套体系的第一块砖。类似的问题还会扩展到：代理的电话号码（相当于“给代理用的Twilio”），代理的账户体系、权限体系、支付体系以及代理与现实世界的接口：订餐厅、打电话沟通、甚至雇佣人类去线下排队。换句话说，Agent经济基础设施的核心，是持续降低摩擦成本。这一逻辑也体现在OpenClaw的技术路线中。在不少人看来，MCP可能是“代理时代的标准接口”。但PeterSteinberger更倾向另一种路径：让代理直接使用人类已有的工具链，而不是重新发明一整套代理专用协议。在他看来，许多所谓“为代理设计的新接口”，本质上增加了抽象层和复杂度。与其构造一套仪式化的代理协议，不如让代理直接进入现有生态——使用CLI、调用Unix工具、读写文件、运行脚本。Unix本身就是为可组合而设计的系统，代理作为程序，天然可以嵌入其中。在代理仍处于高速演化阶段时，减少抽象层、减少人为约束，意味着更快的反馈循环。代理能够直接调用CLI，就可以组合现有世界里的数百万个工具，而不必等待“代理专用接口”普及。也就是说，Agent经济的增长快慢，往往取决于摩擦是否足够低。04群体智能，取代超级智能现在，我们已经能够看到一些Agent经济的雏形：代理之间互相回复、协作完成任务、甚至留下真实的“交易记录”。某种意义上，它更像一个早期的社交网络，而不是一个精致的产品。这也引出了一个更宏观的讨论：AI的未来会走向什么形态？过去几年，主流叙事偏向“中央集权的超级智能”——一个参数规模越来越大、算力越来越集中、能力不断叠加的单一模型。仿佛只要规模足够大，就能接近“上帝视角”的智能。但如今另一种路径正在浮现：群体智能。人类文明的进步，并不是因为出现了一个全能个体，而是因为形成了高度分工与协作的网络。没有任何一个人能独立造出iPhone，也不可能独立完成登月，更无法单独支撑现代社会。真正产生生产力的，是专业化分工、协作机制、知识的记录与积累。如果把这个逻辑映射到AI世界，未来的智能形态未必是一个超级模型，而可能是一群彼此协作的智能体网络。多个相对便宜的模型，各自承担不同角色，通过接口协作完成复杂任务。它们之间形成分工、记忆共享与任务协调，像一个社会一样运转。从这个角度看，Multbook这样的“代理社区”或许更像文明的史前阶段——混乱、不稳定，但关键在于：互动开始被记录，协作开始被累积。代理之间的历史正在形成。这条路径，与过去几年追求“中心化超级智能”的方向明显不同。它更强调组织方式，而不是单体能力。即便AI是通用智能，它依然可以被组织成“专门化的智能群体”。就像人类社会一样，通过分工和协作，产生远超单个个体的能力上限。真正令人兴奋的，不只是模型变强，而是智能开始以网络的形式运行。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
AI的最大价值在于协同，而非自动化
人工智能重构脱节系统间共享状态的能力，既是机遇，也是挑战。现实中，系统间的巨大差异往往使对齐难以实现，因此协同仍高度依赖人工，成本高昂。而AI的协同能力正打破这一桎梏。它催生的新型协同模式，不仅改变工作流程，更在重塑碎片化行业中价值创造与竞争的本质。人们通常从预测成本或创造成本下降的角度来解读人工智能的经济影响。然而，还有一个更关键却最易被忽视的因素：协同成本的显著降低。这里的“协同”并非字面翻译，而是指将不同团队、系统的产出转化为彼此可理解、可衔接信息的持续过程。其成本体现在数据转换、成果对齐的精力消耗，以及耗费在会议协调与返工上的大量时间。高效的协同，意味着让原本割裂的人员、工具和数据能够为一个共同目标顺畅协作——换言之，它使项目得以稳步推进，而非陷入无休止的协调与修正。人工智能正在使协同变得廉价且通用。它通过两种方式实现这一目标：从非结构化信息中提取可用框架，并利用这些结构化信息驱动工作完成。过去因数据格式、专业术语或工作流程不匹配而无法协作的互补要素，如今无需强制统一标准即可轻松整合。这是历史上首次，协同可以在无需达成广泛共识的前提下实现，这意味着其应用范围得以拓展至那些曾因成本过高或过于复杂而无法触及的专业领域。过去十年，我的工作重心是设计平台以整合碎片化系统。但直到最近，这类协同始终存在一个根本性限制：它极度依赖高度结构化的数据与规整的接口，这要求各方就标准与流程达成一致。现实中，系统间的巨大差异往往使对齐难以实现，因此协同仍高度依赖人工，成本高昂。而AI的协同能力正打破这一桎梏。它催生的新型协同模式，不仅改变工作流程，更在重塑碎片化行业中价值创造与竞争的本质。无需共识的协同以建筑业为例。一个典型的建筑项目需要建筑师、结构工程师、承包商等多方专业团队协作。但每个团队都使用各自的专业工具，关注点也截然不同：建筑师注重空间美学，结构工程师聚焦荷载安全，承包商则优先施工顺序与进度管理。在此背景下，高效协同成为项目成败的关键。施工常偏离原始设计，若各团队不能及时协调适应，结果必然是返工、延误与建筑质量问题。以往试图通过自上而下的标准化解决问题——强制所有参与方使用统一平台或数据模型——结果往往失败，或在局部实现有限协同的同时引发其他环节的错位。此外，专业团队也必然抗拒放弃定义其专业性的工具。不同工具产生的设计与施工计划难以互通，不对齐即意味着高昂的协同成本。AI提供了全新的解决方案。它不再要求统一工具或标准，而是默认接受碎片化现状，从BIM软件、电子表格、现场照片、邮件、批注PDF等迥然不同的来源提取信息——每个来源仅反映项目的局部视角。通过整合，AI构建出项目的统一全景视图，让每位参与者都能实时追踪设计、工程、进度与合规等各维度的进展。基于此统一视图，项目经理能在尊重各团队工作方式的前提下，统筹碎片化流程。他们还能直接做出跨专业的权衡决策，无需召开冗长的协调会议。例如，若建筑师移动了楼梯间，AI层可自动识别其对结构梁的影响，即时通知结构工程师。AI成为隐形的协同层，持续检视并调和跨团队变更，通过实时“翻译”实现执行同步。许多企业已洞察此中机遇。例如，TrunkTools从Autodesk（建筑师和工程师用于创建设计和规划的工具）和Procore（承包商用于管理工作的工具）等工具中收集信息，通过解读图纸、规范与进度表，生成结构化、可检索的项目档案。这意味着各方无需再耗费时间相互核对、修正偏差，所有疑问均可指向同一信源，并获得基于最新文档的准确答案。行业巨头也在跟进，例如Procore收购Datagrid，正是看中其从非结构化文件中提取数据框架的类似能力。竞争格局的重塑当协同不再依赖共识，那些凭借统一标准、接口或流程建立优势的企业，其护城河便开始动摇。以美国车险理赔市场为例，初创公司Tractable正挑战巨头CCCIntelligentSolutions，尽管后者地位看似稳固。车险理赔涉及保险公司、维修厂、零件商、评估员等多个独立主体，各使用不同系统，激励也不尽相同。CCC通过建立一套标准化的损伤代码与数字工作流程——这套“通用语言”已被行业广泛采纳——从而主导了市场。竞争对手若想取代CCC，就必须推翻其标准，这意味着要替换现有工具、重新培训人员、改写保险公司流程，转换成本极高。因此过去二十年，CCC的地位似乎坚不可摧。但局面已变。为挑战CCC，Tractable完全绕开了标准之争。它并未试图说服行业放弃CCC的代码体系，而是训练AI模型直接解读车主手机拍摄的车辆损伤照片，生成维修估价，并无缝对接保险公司现有流程。换言之，Tractable实现了“无需共识的协同”。成果显著：至2023年，其年处理理赔金额已近70亿美元。未来的道路利用AI协同能力的机遇远不止于上述行业。在医疗保健、物流等碎片化行业中，人工智能重构脱节系统间共享状态的能力，既是机遇，也是挑战。现有企业有三种策略可供选择：（1）成为协同层选择此路线的企业承认，仅靠专有标准已不足维持优势。它们将投资于打造最优的生态系统全景视图。物流平台project44即采用此策略，在不要求承运商更换标准的前提下，提供货运全程的统一可视化。这类企业通过拥抱工具与格式的开放，将自己定位为生态系统中不可或缺的“翻译中枢”。（2）强化责任承担企业无需竞逐中立协同平台的角色，而是可以强化自身为最终结果兜底的能力——即便具体的协同过程由外部或第三方完成。马士基（Maersk）是此策略的典范：它向综合物流服务商转型，提供涵盖端到端合同、报关、仓储、数字订舱及风险管控的全链条服务。在供应链动荡、制裁风险与监管审查日益严峻的背景下，马士基通过一体化控制，能够提供更可靠的风险与执行保障，并以此构建竞争力。（3）控制协同，分层赋能此策略下，企业既不全面开放协同能力，也不完全退回封闭管控。它们利用AI在内部构建特权性的统一视图，然后有选择、有条件地（通常有偿）向仍处碎片化的合作伙伴生态提供部分可见性。联邦快递即采用此策略：它大力投资AI路线系统，基于其全网络实时数据形成统一运营视图，但对外仅有限度地共享信息，且常设有付费门槛。这使得客户与伙伴不得不依赖联邦快递获取关键数据，从而巩固其枢纽地位。只要其网络密度与服务覆盖保持优势，客户仍愿为此可视性付费而非自建，此模式便可持续。AI驱动的协同使得人、工具、系统能在缺乏共识的情况下高效协作，这将为碎片化行业带来速度、成本与创新层面的切实收益，同时也将引发权力转移。短期看，赢家将是那些善用AI突破系统壁垒、切实完成工作的实践者。但长远而言，仅有协同并不足够：当项目规模扩大、失败代价高昂时，责任、信任与归属问题必将促使行业重建共享规则与清晰权责。切实可行的前进道路是，利用人工智能在协同成本长期过高的地方启动协作，同时有意识地构建治理机制、合同和规范，将快速协同转化为持久、可信的生态系统。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
花9万刀雇应届生，不如用AI，软件工程未来2年，太残酷
AI正在「杀死」初级程序员岗位吗？编程技能会不会一夜贬值？CS学历是否会失效……GoogleCloudAI大佬AddyOsmani用万字长文给出了答案。为什么要花9万刀雇一个新人？一个AI编码智能体可要便宜多了！过去几年，科技大厂校招应届生数量直接腰斩，下降超过50%。受AI冲击的，不止是初级程序员岗位。当AI可以完成80%的代码，甚至到了全自动编码实现的那一天，所有软件工程师的饭碗，还稳吗？他们赖以生存的技能，会不会在一夜之间突然贬值？近日，GoogleCloudAI总监AddyOsmani的一篇博客，为上述焦虑拨开了迷雾。GoogleCloudAI总监AddyOsmani在《软件工程的未来两年》这篇博客中，AddyOsmani结合自己在一线的体感，提出了5个直击灵魂的拷问。它们关系到初级开发者、技能、开发者角色、专才与通才、软件教育5个根本性问题。更重要的是，针对每一个问题，AddyOsmani都分别为「新手」和「老兵」提供了具体建议。为什么这些建议如此重要？看看AddyOsmani的履历就知道。他是一位拥有25年以上经验的开发者与技术领导者，目前专注于推动Gemini等AI技术的落地应用。此前，他长期负责GoogleChrome的开发者体验工作，并主导过Lighthouse等知名项目。他的建议，对于许多程序员来说，好比AI时代的一份「生存路线图」。第一问AI正在「杀死」初级程序员岗位吗？AI会让初级程序员岗位消失吗？网上有很多类似的讨论。这背后其实是一个扎心的真相：新手程序员原来那条「学编程→初级岗位→被项目毒打→变成高级工程师」的传统成长路径，似乎正在崩塌。这种崩塌预示着一种未来，它是冰冷的。哈佛大学一项覆盖了6200万劳动者的研究，数据显示：当一家公司开始用生成式AI，六个季度之内，初级开发者的岗位需求会应声下跌9%到10%。过去几年，那些新手挤破头想进的科技大厂，招收的应届生数量直接腰斩，下降超过50%。而高级开发者的岗位，几乎不受影响。有的工程师在网上刻薄地发问：「我为什么要花9万美金雇一个新人，然后手把手教他？一个AI编码智能体可比这便宜多了。」这种现象背后AI毫无疑问是最猛的催化剂，它让一个配了顶级AI助手的高级工程师，能单枪匹马干掉过去一个小团队的活儿。于是，很多公司选择了「不招新人来缩编」，而不是大规模裁员。还有另一种未来，它是火热的。AI并没有「杀死」程序员，反而放大了软件开发的需求。医疗、农业、制造业、金融……这些过去离程序员很遥远的行业，正以前所未有的深度，把软件和自动化嵌进自己的业务里。我们会看到海量的入门级岗位涌现，只不过，它们不再是传统意义上的「初级码农」，而是更偏向「AI原生」的开发者。他们能为某个具体的行业，快速搭建起自动化流程和各种集成方案。而美国劳工统计局的预测数据似乎也在印证这一点：从2024到2034年，软件岗位依然会增长约15%。但在前面提到的那个冰冷的未来里，隐藏着一个被很多人忽略的长期危机：如果今天我们掐断了所有新人的入口，5到10年后，谁来当高级工程师？谁来做技术Leader？行业老兵们管这叫「慢性衰败」：一个生态系统，如果不再培养自己的接班人，离枯萎也就不远了。新手生存路线图AddyOsmani建议初级程序员不要把自己当成一个「等待被培训的毕业生」，要努力证明一个新人使用AI，也能创造出相当于一个小团队的价值。要用AI挑战复杂项目：大胆地用AI编码工具（比如Cursor、ClaudeCode）去做更复杂的项目，但要保证AI生成的每一行代码，自己能够讲明白。要磨练不可替代能力：把学习重心放在那些AI短期内无法替代的能力上，比如沟通、拆解复杂问题、对某个业务领域的深入理解等能力。要拓展相邻切入口：质量保证（QA）、技术支持（DevRel）、数据分析这些相邻岗位也可以是职场切入口。打造自己的作品集：作品集就是你的名片，尤其是那些集成了AIAPI的项目。实习、外包、开源，都可以是练兵场。老兵生存路线图要做好心理准备：新人少了，更多「脏活累活」可能会落到你头上。用自动化武装自己。把CI/CD、代码检查、AI辅助测试这些流程搭起来，让机器先把低级问题过滤掉。不要什么都自己干。可以通过参与开源项目，或者带其他部门的同事，来完成「非正式」的导师职责。你的价值，不再是写了多少行代码，而是能把整个团队的产出，放大多少倍。第二问当AI写了80%的代码，我们还剩下什么？如今，超过八成的开发者都在用AI辅助编程。其中的一个「副作用」就是：入门的开发者，正在大规模地跳过那些曾经被视为「基本功」的硬核训练。而技能的天平，正在从「实现算法」悄悄滑向「问对问题+验证输出」。一种未来，是退化的。一些资深工程师忧心忡忡，他们害怕这会培养出一代「离开AI就不会写代码」的开发者。更可怕的是，AI生成的代码里，常常藏着隐蔽的bug和安全漏洞。一个经验不足的开发者很难发现，直到它们在生产环境里「爆炸」。我们用速度，换走了深度理解。另一种未来，是进化的。当AI负责了常规的80%代码，而人类则需要专注于那最艰难、最关键的20%部分。系统架构、棘手的集成、创造性的设计、机器难以处理的极端情况……这些，才是人类专业性的新战场。AI的普及，非但没有让深度知识过时，反而让它变得前所未有的重要。这就是「高杠杆工程师」的时代：每个人手里都有了AI这个「放大器」，但真正能用好它的，永远是那些深刻理解系统原理的人。当人人都能用AI快速生成一个网页应用，区分高手和菜鸟的关键点就变成了：你知道AI在什么时候会犯错吗？你知道AI的方案在什么情况下不划算吗？你知道如何审查AI的输出，找出那些逻辑错误、安全缺陷和与需求不符的地方吗？正如一位老兵所说：「最好的软件工程师，从来不是敲代码最快的人，而是最知道什么时候不该相信AI的人。」新手生存路线图把AI当成你的私人教练，而不是拐杖。当AI给你一段代码时，像做CodeReview（代码审查）一样盘问它：为什么这么写？弱点在哪？偶尔，关掉所有AI助手，逼自己从头写一遍关键算法。把CS基础知识（数据结构、算法、内存管理）捡起来，这些都是新手的内功。训练自己严格的测试能力，学会看报错堆栈，熟练使用调试器，而不是一出问题就问AI。老兵生存路线图把自己定位成团队的「质量守门人」和「复杂度终结者」，继续打磨核心能力：架构、安全、扩展性。练习在系统中引入AI组件时，如何预判它可能在哪些地方失控。拥抱「导师」和「审查者」的新角色。为团队明确哪些地方可以用AI，哪些地方（比如支付、安全相关的核心代码）必须强制人工审查。把精力从常规的API对接中解放出来，去思考「我们应该做哪些API」，去投入那些更具创造性和战略性的工作：人类开发者不可替代的部分，是可靠的判断力，是系统级的思考，是带人的能力。第三问从「代码清洁工」到「系统指挥家」，角色如何变？开发者这个角色，未来会走向何方？AddyOsmani提出了两种泾渭分明的极端。一种未来，是收缩的。开发者的创造性职责被大大削弱，我们不再是「创造软件的人」，而更像是一个「AI监工」。生产，由AI系统或者使用无代码平台的业务人员（「公民开发者」）来完成。而专业开发者则负责复核、验收、检查AI的产出有没有错误、偏见或安全问题，然后批准上线。专业开发者从「造东西的人」，变成了「挑毛病的人」，写代码的快乐被「风险管理的焦虑」所取代。很多工程师已经开始抱怨，他们花在评审AI生成的PR、管理自动化流水线上的时间越来越多，而从零开始打磨一段优雅代码的时间，越来越少。就像一位工程师感叹的：「我不想最后变成一个代码清洁工，每天的工作就是清理AI隔着墙扔过来的垃圾。」另一种未来，是扩张的。这是一种非常有意思的变化。开发者进化成了一位高层次的「编排者」或「总指挥」，把技术、战略和责任融为一体。他们设计整个系统的蓝图，决定哪些任务交给哪个AI组件，然后把一大堆活动的部件严谨地拼接成一个能解决实际问题的方案。一位低代码平台的CEO形容得很好：在一个「智能体化」的开发环境里，工程师会变成「作曲家」。他们指挥着一支由AI智能体和各种软件服务组成的庞大乐团。他们不会亲手写下每一个音符，但他们会定义整首乐曲的旋律、结构和灵魂——那就是架构、接口和智能体之间的协作规则。当AI负责了所有重复性的劳动，开发者的工作，反而可能被迫转向更高价值的活动，变得前所未有的有趣。新手生存路线图主动去寻找写代码之外的机会。写测试用例、搭建CI流水线、配置应用监控——这些技能更贴近未来的「监工」角色。用个人项目来保护你「创造」的快乐，别丢了做东西的手感。培养「系统思维」。多去了解组件之间是如何通信的，一个好的API应该是怎样设计的。多读大厂的工程博客和系统设计案例。不要只关心「我的代码能跑吗？」，而是要注重自己的思路是否周全。老兵生存路线图更用力地拥抱领导力和架构职责。要为团队塑造AI和新人要遵循的标准与框架。要把重心放在系统设计和集成能力上。主动去梳理跨服务的数据流，找出潜在的失败点。强化作为技术导师的角色。多做CodeReview（代码审查），多组织设计讨论，练就一双火眼金睛，能快速评估别人（或AI）的代码并给出高层反馈。培养产品感和商业嗅觉。去理解我们「为什么」要做这个功能，客户真正关心的是什么。从一个Coder，进化成一个Conductor（指挥家）。第四问「一招鲜」的专才，会被时代抛弃吗？模型、工具、框架，这一切的迭代速度快到令人目眩。在这种变化之下，一种未来，是脆弱的。AddyOsmani认为，如果把自己的职业生涯，完全押注在单一技术栈上，风险正变得空前巨大。那些只专注在「某一个栈、某一个框架、或某一个产品领域」的开发者，就像当年的COBOL、Flash开发者一样，可能某天醒来，发现自己所在的赛道，正在被时代遗忘。只会一招鲜的人，可能会绝望地发现，AI已经能干掉他们90%的活儿。另一种未来，则是灵活的。一种新的「专才」形态正在崛起：T型工程师。「T」的那一根「竖线」，代表你在某一两个领域有足够深厚的功底，那一根「横线」，代表你对很多相关领域都有广泛的了解。AddyOsmani把这类工程师，比作是团队里真正的「胶水」。他们能和不同领域的专家无障碍沟通，必要时还能亲自下场补位，端到端地解决问题。而AI工具的出现，恰恰极大地增强了「通才」的能力，放大了那条「横线」的能力，让「横向打通」变得前所未有的容易。越来越多工程岗位，都在期待候选人具备多领域能力：比如编程+云基础设施，或者前端+一点机器学习的知识。新手生存路线图AddyOsmani对新人的建议是，尽早打下一个广阔的知识基础。因此，不要把视野锁死在自己的具体岗位中。比如，做移动端的也去学点后端基础；做前端的，也可以试着写一个简单的服务；了解Docker和GitHubActions这样的部署工具等。找到一两个自己真心热爱的方向，把它挖深，作为你的「竖线」，然后把自己包装成一个「混合型」人才。比如「全栈开发+云安全方向」，或「前端开发+UX专长」。用AI工具去快速学习新领域，养成持续学习的习惯。参加黑客松或跨职能项目，逼自己进入通才模式。在职业生涯的早期，适应力就是你的超能力。老兵生存路线图画出你的技能图谱：你真正的强项是什么？哪些是你的知识盲区？挑一两个相邻的领域，认真地把它补起来，至少要做到「能对话、能上手」。主动把你的深层技能，迁移到新的场景里。比如，你过去是做Web性能优化的，能不能把这些经验用到ML推理优化上？志愿去做那个「集成负责人」，去串联项目里涉及的多个领域。做一个T型的榜样：在你的专长上足够深，这给你权威和底气；同时，持续地把你的横向边界往外推。AddyOsmani的这个建议，与另外一名谷歌AI产品经理MarilyNika近日的一个观点异曲同工。她建议产品经理要在过去所做工作的相邻领域去发展。以往工作的积累，就好比「T型」人才中的那一「竖」，而「做一只螃蟹」，就好比要向横向边界去扩展。第五问CS学位，还是一张「黄金门票」吗？四年制的计算机科学（ComputerScience）学位，长期以来都是进入软件行业的金标准。但如今这个传统，正在被剧烈地动摇。一种未来，是滞后的。大学依然重要，但它的课程更新速度，远远跟不上行业的迭代速度。很多应届生毕业时，甚至从没系统地学过云计算、现代DevOps或AI工具链。一边是高昂的学生贷款，另一边是公司不得不花大钱重新培训新人。大学，越来越像一个「花钱买门槛」的地方。另一种未来，是颠覆的。传统教育正在被一个由编程训练营、在线认证、开源作品集、甚至雇主自建培训学院组成的「新生态」所取代。Google、IBM这样的巨头，已经对部分技术岗位取消了学位要求。招聘的硬通货，正在变成那些看得见、摸得着的东西：一个能跑起来、文档完整的作品集。一个行业公认的技能证书（比如AWS、Azure认证）。在GitHub上的活跃贡献。新手生存路线图如果你是学生，别只依赖学校的课程。用真实的项目来补强，比如做一个Web应用或者参与开源。尽可能争取实习机会。课程里没教的热门技术，可以通过在线平台补上。可以通过考行业认可的证书（GCP、AWS、Azure）来证明实操能力。如果你是自学者，要把作品集做到极致：至少要有一个「够大、能跑、文档完整」的项目，并且能把它的设计思路讲清楚。通过LinkedIn、线下聚会、开发者活动去拓展人脉。要持续学习，技术技能的「半衰期」很短。老兵生存路线图仅靠资历/文凭没法吃一辈子。要持续投入学习，比如通过网课、工作坊、会议、认证等路径。要用新的方式证明你「现在还行」，比如保持用新技术做的副项目。如果你是管理者，重新思考你的招聘门槛：你真的需要一个有CS学位的员工，还是一个具备某些特定技能、并且学习能力超强的人？在成长上：真实世界的成果+持续学习，往往比再读一个学位更关键。最后，AddyOsmani总结道，这些情景并不互斥，很多时候现实很可能就是它们的「混合版」，并提出了贯穿其中的主线：唯一不变的是变化，保持对技术趋势的关注（也保持一点怀疑），不容易被「神话」或「末日论」带节奏。如果我们能够持续更新技能、拓展能力，把重心放在更人类的部分（创造力、批判性思维、协作），就能一直在牌桌上。无论未来是编程复兴，还是「代码全自动化」的世界，那些能整体思考、持续学习、推动技术解决真实问题的工程师一定是不可或缺的。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
