我经过将近两百天的高强度使用AI学习、工作、观察AI产品。

得出一些暴论:

1、AI提高效率是一个伪命题。

2、大多数AI产品都会死于大模型的迭代升级。

3、你用AI很快会变成AI用你,然后AI脱离你。

---

一、AI提高效率是一个伪命题

为什么?

网络上铺天盖地的都在说AI提效,我为什么觉得是伪命题?

最本质的问题在于两点:

从AI技术层面来说,它本质上还是一个概率抽卡的黑盒。

对与错在模型的算法层没有区别,只是位置不同的向量位置罢了。

上下文工程(提示词工程)就是为了提高AI输出命中率。

你用AI提效,就是通过工作流,找到一些方法、技术,拉高自己预期答案的命中率。

可是,在这个过程中,你其实需要花大量时间适应模型,寻找解决方案。有可能用AI做的步骤比原来的工作流程更复杂或更不可靠。

大模型迭代的速度往往是超过人类探索解决方案的。

也就是说,你研究几个月的方案,大模型一次更新就替代了,甚至更好更方便。

从人的层面来说,其实很多人对于AI的认知还在deepseek和豆包。(没有说不好的意思,我自己日常也在用)

拼多多上9.9 deepseek会员一个月能卖3000单,这是很多人无法理解的。(赠送的甚至是kimi的apk安装包)

对于专家而言,现在能够解决80%问题的AI大模型可能还解决不了他的需求。

对于普通人的日常来说,甚至目前看不到AI解决需求的场景。

AI替代的,或者说真正拥有大量场景的,是职场中的年轻人。

这个过程就像水坝蓄水,慢慢将很多功能和需求淹没,然后到达一个平衡,人们又将水坝修建得更高,以期望AI的能力能够覆盖更多的需求和场景。

可是,随着水位的提高,人们面对的不是提效,而是被替代。

写了10年文案的人,不会比一个大学生花一天写出的智能体的表现更好。

所以提效是伪命题,被替代才是真的。

---

二、大多数AI产品都会死于大模型的迭代升级

这是一个残酷但清晰的趋势。

现在市面上的AI产品,90%都是在做一件事:在大模型上面套壳。

什么意思?

包装一个UI,设计一套工作流,调教几个prompt模板,然后告诉你"这是专门为XX场景打造的AI助手"。

问题是,这些东西的护城河在哪里?

今天你花3个月做出来的"AI写作助手",明天GPT一次更新,原生就支持了你所有的功能,而且更好用。

你精心设计的工作流?人家直接集成到了模型里。

你调教的prompt模板?人家系统级优化了推理能力,根本不需要你那套话术。

我见过太多这样的产品:

• AI简历生成器——结果GPT原生就能写简历,还更个性化
• AI翻译工具——DeepL和GPT的翻译能力一升级,你的差异化瞬间消失
• AI客服机器人——大模型多模态一上,你的产品优势荡然无存

更致命的是,大模型的迭代速度远远快于创业公司的产品迭代速度。

你可能需要半年时间才能上线一个新功能。

但大模型可能一个月就更新一次,每次更新都把你的"创新"变成了"标配"。

所以你会看到一个现象:

AI产品的生命周期越来越短。

去年火的AI产品,今年已经没人用了。

不是因为产品做得不好,而是因为底层能力变了,游戏规则变了。

那些真正活下来的AI产品,要么是掌握了独特的数据源,要么是深度绑定了特定的行业场景,要么是建立了强大的用户网络。

单纯靠"会用AI"或"prompt工程"建立的壁垒,根本不是壁垒。

这就像互联网早期,很多人靠"会做网站"创业,结果WordPress一出来,这个技能瞬间贬值。

现在的AI创业,就是当年的"会做网站"。

技术门槛越来越低,差异化越来越难。

最后活下来的,一定不是"AI产品",而是"用了AI的产品"。

AI只是工具,真正的价值在于你解决了什么问题,服务了什么用户,创造了什么不可替代的价值。

---

三、你用AI很快会变成AI用你,然后AI脱离你

这是最违反直觉,却最真实的一个现象。

很多人以为自己在"驾驭"AI,实际上是在被AI"驯化"。

什么意思?

你开始用AI的时候,可能是为了解决一个具体问题——写个文案,做个表格,优化个代码。

但慢慢地,你会发现:

• 你在调整自己的工作方式去适配AI的输出习惯
• 你在学习各种prompt技巧,花大量时间研究怎么"问对问题"
• 你开始把本来完整的思考过程拆解成AI能理解的碎片
• 你的工作流程从"我要做什么"变成了"AI能帮我做什么"

这就是AI用你的开始。

你以为自己在提效,实际上是在把自己训练成AI的"提示词工程师"和"质检员"。

你的价值不再是"做事",而是"让AI做事"。

听起来好像没什么问题?

问题大了。

更可怕的是第三阶段:AI脱离你。

当模型足够强大,当智能体可以自主规划任务,当AI to AI的协作成为主流——

你会发现,那些你花了几个月摸索出来的工作流,那些你精心调教的prompt,突然之间都不需要了。

一个大学生用最新版本的模型,5分钟就能达到你花3个月才达到的效果。

因为模型进化了,它不再需要你那套复杂的"驯服"技巧。

就像你精心学会了如何驾驭一匹马,结果发现大家都开上了自动驾驶汽车。

你和AI之间建立的那些"默契",在新版本面前一文不值。

而那些真正有价值的能力——判断力、创造力、对问题本质的理解——你可能已经在"让AI代劳"的过程中慢慢退化了。

这就是最可怕的地方:

你以为自己在用AI进化,实际上是在用AI退化。

---

那我们该怎么办?

这个问题一度让我很焦虑,其实现在也同样焦虑。

但我觉得,需求是变化的,市场也是变化的。

让生命流动起来,顺其自然,自强不息,是不会错的。

听起来很空,但这是我在今年最大的收获。

用AI的目的之一就是对抗真实世界传递过来的焦虑。

那么为什么用了AI还会焦虑呢?

简单来说,大家都用AI两年了,谁用AI挣到钱了,谁用AI拿到结果了?

其实细细去看看,很多人就是换了个壳子罢了。

几年前教新媒体运营,后面是产品经理,再后面是RPA和Python。

现在换成了AI,将以上的东西都打包装起来,看起来就能够解决所有问题。

我的一位老师和朋友分享过一个观点:使用AI,就是用已知求未知。

这句话值得好好咀嚼。

AI不是魔法,它解决的永远是你能清晰描述的问题。

如果你自己都不知道要什么,AI给你的只会是一堆看起来很专业的废话。

很多人用AI失败,不是因为AI不够强,而是因为他们根本不知道自己要什么。

他们只是看到别人在用,于是也跟着用。

就像当年人人都说要学编程,结果大部分人连"为什么要学编程"都没想清楚。

所以,真正的答案是什么?

第一,把AI当工具,不要当救命稻草。

它能帮你提高30%的效率,但解决不了你能力不足的问题。

一个不会写作的人,用AI写出来的东西仍然是垃圾,只是变成了"看起来专业的垃圾"。

第二,专注于AI解决不了的东西。

判断力、品味、洞察力、对人性的理解——这些才是壁垒。

AI可以写文案,但它不知道这个文案是不是真的能打动你的目标用户。

AI可以生成策略,但它不知道这个策略在你的公司里能不能推得动。

AI可以分析数据,但它不知道哪些数据背后藏着真正的机会。

第三,保持流动性,不要执着于任何一种方法论。

今天的最佳实践,明天可能就过时了。

与其花3个月研究一套prompt工程,不如用这个时间去理解你的用户,理解你的问题本质。

方法会变,工具会变,但对问题的深度理解永远有价值。

第四,面对被替代的可能性,别装鸵鸟。

那个写了10年文案的人,确实可能不如大学生调出来的智能体。

但如果你只是一个"执行者",那被替代是早晚的事,AI只是加速了这个过程。

你要做的是往上走——

成为那个知道"什么样的文案是好文案"的人。

成为那个能判断智能体输出质量的人。

成为那个能定义问题的人。

第五,用AI,但不要依赖AI。

这听起来很矛盾,但这是我最深的体会。

AI是放大器,不是替代品。

如果你本身是1,AI可以把你放大到3。

但如果你本身是0,AI只能把你的0放大成0。

---

最后想说

说到底,AI时代最大的焦虑,不是AI会不会替代你,而是你有没有不可替代的价值。

如果你的工作本质上就是"按照固定流程执行任务",那你本来就应该焦虑,AI只是让这个事实更快地暴露出来了。

而如果你做的是真正需要判断、创造、洞察的工作,那AI反而是你的放大器。

这200天的高强度使用,让我看清了一个事实——

AI不是答案,它只是一面镜子。

它照出了你的能力边界,照出了你的思维模式,也照出了你到底有没有不可替代的价值。

焦虑不会消失,但起码我们可以选择带着清醒去焦虑。

而不是带着幻觉去狂欢。

共勉。