分类目录归档:AI

养荒地上的龙虾?不如踏踏实实住精装修的房子

小龙虾越来越火了。

2026 年开春,开源项目 OpenClaw 在中国互联网引爆。GitHub 星标破 27 万,B 站“保姆级教程”铺天盖地,地方政府补贴跟进,单项目最高 500 万。朋友圈里隔三差五就有人晒“数字分身”截图——一个跑在本地电脑上、能读文件能发消息能自动执行任务的 AI 助手。——人人都可以拥有一个 AI 打工仔了。

小龙虾的方向是 AI 落地的正确方向。问题在开源路径。小龙虾是开源项目。

“开源”项目免费、自由、可控——但开源也意味着:从第一步开始,所有事情你自己负责。——全部的质量问题、效率问题、速度问题、能耗问题,都得自己负责。

算三笔账。

第一笔:硬件账。

本地跑一个够用的大模型,需要至少 64GB 内存的 Mac Mini,四万人民币起。而 Claude Code Pro 套餐 20 美元一个月,一年一千多人民币。四万的硬件等于二三十年的订阅费用。花了几十年订阅费的钱,买到的却是打了折的体验——本地模型的速度远不如云端,开源模型的能力天花板远低于 Opus 4.6 这样的闭源顶级模型。

第二笔:时间账。

这笔比硬件贵得多。配置小龙虾不是“装一个软件”,是一整套系统工程:选模型、下模型、配环境、装依赖、调参数、接聊天界面、测试、排错、再测试。B 站教程四十分钟起步,那还是“跟着做不出错”的理想时间——实际上,依赖冲突、版本不兼容、内存不足、网络超时,随便撞上一个就是一整天。

用房地产类比:小龙虾是拿了一块荒地从三通一平干起,自己平整、打地基、盖楼、装修,全程没有开发商没有施工队。而订阅云端模型是买精装修商品房——楼盖好了,装修完了,你的精力花在软装和智能家居上,花在“住”上面,不是“盖”上面。

同样一个周末,一个人在荒地上和依赖冲突搏斗,另一个人在精装修房里调配数字分身技能。Opus 4.6 已经出了 1.0 版,小龙虾这边还没见到 hello world,差的不是一个数量级。

第三笔:隐性账。

小龙虾架构下每次对话都是“裸跑”——没有云端的 prompt 缓存、没有上下文压缩、没有智能路由——这里我们都不说网络安全问题,就直说“钱”这件小事——同样一个任务,token 消耗可能是商业云端方案的三到五倍。调远程 API 这些多出来的 token 是真金白银,跑本地模型吃的是电费和硬件寿命。“开源免费”四个字,既无保障,也无效率,至此早已面目全非。

算完账再看人。

折腾小龙虾的主力是 30 到 50 岁的“80 后、00 前”。00 后没场景少需求,60 后 70 后没技术能力。恰恰是时间精力最金贵的中年人——上有老下有小、职场正当其冲——在周末深夜扎进开源社区的配置文档里。

这批人中绝大多数从 IT 角度看是“外行”,或者叫“跨界者”,不是程序员,不是运维,不是 DevOps。他们可能是银行经理、市场总监、律师、教师、自媒体人。对“土地三通一平”尚缺经验,却一把直接尝试从零盖楼。这不是勇气问题,是资源错配。

同样四十个小时,花在配置小龙虾上,最后得到一个能在飞书里回复消息的 AI 助手;花在学习如何与 Claude Code Opus 相处上——产出完全不在一个层面。差距不在工具,在精力的投向。

搬砖搬完了得到一堵墙,软装做完了得到一个家。

配置小龙虾的过程中,工具本身会变成目的。这是技术圈一个古老的陷阱:折腾让人产生“我在做事”的幻觉。装好环境,跑通第一个对话,截图发朋友圈——成就感为true,产出是nil。你拥有了一个能说话的 AI,却还没想清楚让它说什么。

真正的价值不在“有没有 AI”,在“AI 帮你做了什么”。前者是基础设施问题,2026 年商业公司已经解决了——月费 100 美元,精装修交房,拎包入住。后者才是每个人要花时间想的事:现实中的需求到底是什么?

问题的答案不在 README 文档,在人的脑子里。


人人都需要数字分身。但“需要数字分身”和“需要自己从零搭建数字分身”是两件事。你需要一个家,不等于你需要自己盖房子;你需要吃饭,不等于你要顿顿自己做饭;你需要穿衣,不等于你要自己踩缝纫机。

Claude、GPT、Gemini、Qwen、Kimi、MiniMax——人类文明最先进的模型已经把算力问题解决了。它们就是盖好的精装修商品房。你要做的不是抢一块荒地从头开始,是选一套房子住进去,把全部精力投入到一件事上:搞清楚自己要什么。

匹配需求,精确表达,持续校准——这才是 AI 时代真正要修炼的能力。没有捷径,不能外包,也不能用“我装了一个开源模型”、“我养了一只小龙虾”来替代。

荒地上“从零开始”养龙虾,不如花点钱,住进精装修的房子里多读几本书。


关于 OpenClaw:OpenClaw(原名 Clawdbot,昵称“小龙虾”)是由奥地利开发者 Peter Steinberger 发起的开源 AI 智能体框架,2026 年初在中国互联网上迅速走红,GitHub 星标突破 27 万。本文无意否定开源精神和 OpenClaw 项目本身的技术价值,仅讨论对于非技术背景的普通用户而言,“自建”与“订阅”两条路径的投入产出比。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2523/

“把防冻膏卖给吴王”:机会在跨界,在远距离连接

《庄子》中讲了个故事:宋国有户人家,祖传一种防冻膏,涂了手不皲裂,靠这方子世世代代帮人漂洗丝绵,挣个温饱。有外乡客花百金买走药方,转头去见吴王。恰逢吴越冬天水战,吴军涂了膏药手不冻裂,大破越人。宋国人还在温饱,外乡客裂地封侯。

庄子讲完只说了五个字:所用之异也

药膏还是那个药膏。它只是被投放到了一个全新的领域。洗丝绵的人用它一百年,只求得一百年温饱;“远距离连接”到了战场,外乡客一夜封侯。

——不是宋国人的药膏不好,是它在同一个地方待得太久了。

这是个资源配置问题。翻译成现代话:在投入固定资源的前提下,通过远距离连接,把“边际改善值”最大化。

算术很简单。100个单位的资源——时间、精力、算力——分给5个领域各20个单位,每个领域改善到80%,合计400个百分点的增量改善。反过来,100个单位全砸进一个领域,先用20%的投入解决80%的问题,再拿80%的投入去磕最后那20%,最终只拿到100个百分点。四倍的差距。同样的资源,不同的分法。与其年年岁岁耗在“防冻膏”一个产品上,不如分出20%的资源,打造一个“八成可用”的贸易系统,去寻找“吴国的买家”。

这层道理,先秦诸子翻来覆去讲过。

庄子说“吾生也有涯,而知也无涯。以有涯随无涯,殆已。”用有限追无限,不是勤奋,是自取灭亡。庄子自己的处方是,“缘督以为经”——沿中线走,不求满。“道隐于小成”——在一个领域做到极致就是“小成”,看着光鲜,恰恰把通向更大格局的路堵死了。

墨子看得更实:建房子,“室高足以辟润湿,边足以圉风寒……谨此则止。凡费财劳力,不加利者,不为也。”够高能防潮就行,够厚能挡风就行——然后马上停。超出实际需要的每一寸投入都是浪费。他甚至总结出:“乐逾繁者,其治逾寡”——音乐越精致,治理越荒废。一个领域上的过度打磨与整体效能之间,是负相关。过度投入,只会徒增复杂度,带不来边际产出。

孔子说君子不器,也是这个道理。器皿的价值在于专用,人的价值在于“不器”。

“以众小不胜为大胜。”每个局部都不曾赢到极致,但累计起来就是大胜。到了80分,就该转场。“江河之水,非一源之水也;千镒之裘,非一狐之白也。”大河不靠一条溪汇成,千金裘不靠一只狐凑齐。

所以杂家——什么都琢磨一点的人——的红利,来自于一条暗线:远距离连接。庄子讲“道通为一”——万事万物表面分立,底层有同一个道贯穿。但“唯达者知通为一”,只有跨了多个领域的通人才看得到。

AI把这个过程加了速。过去长考十年才得顿悟,现在可能十天就看到——每个领域最耗时间的苦功被AI接管了,认知带宽被瞬间释放。打开AI时代的正确姿势,不是精益求精,而是广种薄收。把有限的时间和算力铺到更多领域,做大幅度的改善,多做“投入20%解决80%问题”的事。

——“为大胜者,唯圣人能之”。凡人千万别钻牛角尖。借着AI的东风,累积一个个属于自己的小胜,才是正理。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2521/

从“第33稿刑法”,到电动麻将桌

1955 年,中国第一部《刑法》草案拟定出来。此后二十四年反复修改,每改一次就重新排版铅字、油印一版。改得太频繁——有时一月几次,有时一周几次——“某年某月编印”分不清版本先后了,干脆每次标个序号:第 22 稿,第 33 稿。

这绝不是法学概念。这是油印时代的版本管理。

钱钟书曾说,《春秋》之所以简约,“文不得不省,辞不得不约”——写在青竹板上,刻一个字费半天力气。可后人不识其所以然,乃视为当然,管技术限制的“迫不得已”美化为“微言大义”。从竹简,到油印,到 git commit,表达的形式如同“水”,技术一直是约束水的“渠”。

当然,笨办法也有好处:每次重新排版,都逼着起草者把全文再过一遍。慢,累,但每一“稿”都是一次完整的审视。洗牌就是审校。

七十年后,铅字变成 token,油墨变成算力,“第 33 稿”变成 v3.md

如同电动麻将桌,按键洗牌,洗牌成本直线降到几秒。手轻了,脑子更累了。


AI 对知识工作做的是同一件事。信息检索、资料整理、初稿生成。“电动麻将桌”省下来的时间没有变成空闲,被更多牌局填满了。决策密度爆炸。

蒸汽革命时期就有过这种变化。1865 年,杰文斯发现蒸汽机效率提高后,英国煤炭消耗不减反增。AI 时代一样:认知劳动的单位成本降了,总量暴增。不用洗牌了,一天打十二个小时。老子六个字说尽了——“少则得,多则惑。”

更隐蔽的代价是:洗牌那两三分钟的垃圾时间,是大脑宝贵的冷却期。各路“电动麻将桌”把这段时间消灭了,大脑从间歇跑变成全程冲刺,时时刻刻在挑战生理极限。


到处都是“电动麻将桌”的 AI 时代,真正的竞争力在哪里?三样东西。

第一重:知识底盘。

AI 给的东西,你得能鉴别品味。毛泽东在《实践论》里说过一句极准的话:“感觉到了的东西,我们不能立刻理解它,只有理解了的东西才更深刻地感觉它。”AI 给一屏输出,你没底盘,连它好在哪、错在哪都感觉不到——你甚至不知道自己不知道。

钱钟书论用兵,举赵括墨守陈规、霍去病不屑古法、来护儿我用我法、岳飞融会贯通,说“造艺、治学皆有此四种性行”。用 AI 也分这几种人。没有底盘,连自己是赵括还是岳飞都分不清。中国人发明了火药,火药只发展到炮仗为止——柏杨说得毒辣:“后劲不继而已也。”有没有工具从来不是问题,有没有驾驭工具的后劲才是问题。

第二重:精确表达。

AI 的操作系统是自然语言。同样的工具,一个人说“帮我写篇文章”,出来一整篇正确的废话;另一个人把需求拆三层、附正例反例、标明禁区——天差地别。

差距不在工具,在输入。说得不精确,AI 不会报错——只有猜。可猜的产物,叫幻觉。

精确表达是大脑在调用外部算力前必须完成的一次自我编译。编译不过,什么都跑不起来。

第三重:身体供能。

这一条听起来最不“技术”,很可能最致命。费尔巴哈说得直白:“心中有情,首中有思,必先腹中有物。”大脑只占体重 2%,消耗全身 20% 的能量。AI 把人推入全天候深度思考,大脑一直在短跑。有人连续高强度 AI 协作一整天,血糖降到 4.0,手冰凉——糖被脑子吃光了。

协和名医张孝骞对学者瞿同祖说过一句话:“你的病是由于想写书而写不成书就焦虑引起的。”大脑的驱动力超过身体的承载力,身体就罢工。这不是瞿同祖一个人的问题,是所有被决策密度压着跑的人的问题。当洗牌不再需要体力,打牌本身就变成了体力活。瞿同祖真的“写不成书”吗?法学院毕业的都知道《中国法律与中国社会》——老爷子去世时,98 岁。

身体是革命的本钱。身体供能,是参与 AI 革命的本钱。


还有一层。不是所有的“洗牌”都该交给机器。

有些弯路本身就是学习。

自己查资料比 AI 慢十倍,但查的过程中会遇到 AI 永远不会给的东西。自己写一篇比让 AI 出初稿慢五倍,但写的过程逼你把思路压到不能再压。

纸上得来终觉浅,绝知此事要躬行——让别人替你嚼饭,省了牙的力气,废了胃的功能。

有些牌,必须自己打。


所以,故事的完整版是:

两千多年前,一个史官在竹简上刻字,每一笔都费力,文章不得不短——后人管那叫微言大义。

七十年前,一群立法者用铅字和油墨一稿一稿地磨一部刑法,洗牌的笨功夫本身就是在审校。

七十年后,洗牌的成本归零了,审校的责任没有消失——它从技术退回到了人。

技术消灭了洗牌的苦,打牌的苦却永远都在。撑住这一切的不是更聪明的头脑——是更扎实的底盘、更精确的表达、更稳定的供能——以及一个清醒地知道“哪些牌不该让机器帮你打”的人。

麻将桌从手动变成了电动。打牌的,永远是人。


本文关于刑法草案“稿”字含义的史料,引自丛日禹转引高铭暄教授 2012 年口述。原文参见公众号“拂懒猫的自留地”2026 年 3 月 7 日文章《高铭暄教授在 2012 年对中国刑法起草过程中“稿”字含义的解答》。
链接:https://mp.weixin.qq.com/s/JkDjK5DCJSkRywAGVBDZDw

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2518/

闲暇生智慧,浪费出价值:AI破冰时代的token主张

AI 跟我说:你的 token 里有浪费。

我说:对,没错,又能怎?

每天跟 AI 协作写作、搞系统、做决策,日均消耗五千万到一个亿的 token。按 API 零售价算,每天大几十美元,一个月烧掉小两千美元。而 Anthropic 给我的套餐费定价却只是这个数字的零头。这意味着,如果每天的吞吐量维持在这个水平,包月的套餐费就像 1900 年花二十块钱包下一个月七百度电——无论一百二十年前的你用电干了什么,这笔钱都值。

我把这个算法告诉 AI,AI 的第一反应不是“确实划算”,而是——“这五千万 token 里,有多少是'用空调',有多少是'忘关灯'?”

AI 认为我的 token 里有浪费。它觉得有些消耗是“基建跑批”,有些是“全量遍历”,不是每一笔都产生了直接价值。它建议我分清楚:哪些是必要消耗,哪些是无效浪费。

这个逻辑彻头彻尾是错的。错在它用稀缺时代的成本框架,衡量冗余时代的资源使用方式。

举个例子。以前,家里周末、月末搞大扫除,全家上阵,扫地、拖地,花半天时间,累得够呛。这是“集中式重型清洁”。后来有了扫地机器人,每天下午三点半定时启动,嗡嗡跑一个小时。电费肯定多了,但地面永远是干净的。没有人会说扫地机器人“浪费电”——它只是把以前的周期性重劳动,变成了连续性低摩擦维护。

每天让 AI 遍历一遍全部 skill 文件,检查文本一致性、修正内在矛盾,本质上就是扫地机器人每天自动工作。在没有 AI 的年代,这叫“大规模审计”,得攒一攒集中搞。现在有了冗余算力,顺手一句话的事。每次遍历都能查到或多或少的不一致,顺手修好。我的 skill,永远是刚刚完成代码审计的、无瑕疵的系统。

这不是忘关的灯,这是每天锃亮的地板。

不止于此。真正让我想旗帜鲜明反对的,是AI 劝诫我的另一个提法——“不要把高吞吐本身当成胜利”。

我偏要。高吞吐就是胜利,越高的吞吐越胜利。

一个小孩面对 DOS 系统的黑屏幕,光标冰冷地闪烁。如果他不每天跟这块屏幕泡在一起,敲一些乱七八糟的命令,跑一些毫无意义的程序,他永远学不会编程。因为编程能力不是从“最优操作”里长出来的,是从高频浸泡里长出来的。他需要先跟机器混熟。

一个小孩抱着足球在操场上乱踢,对着墙反复射门,球飞到哪算哪。没有教练,没有战术,没有比分。如果有人走过来说“你这样踢没有效率”,这个建议在技术上是正确的——但在训练逻辑上是错的。球感不是从最优传球里练出来的,是从没完没了的乱踢里泡出来的。

一个小孩在泳池里漫无目的地泡着,不按课表,不计圈数,有时候就在水里发呆。但正是这种看起来毫无效率的泡水时间,让他的身体学会了跟水相处。水性不是游出来的,是泡出来的。

Token 就是水,是脚下的球,是屏幕上闪烁的光标。

人要想自如地驾驭 AI,就必须在“从 0 到 1”的破冰期,把自己泡在 token 里。不是精打细算地用,是大大方方地挥霍。做一些看似无意义的事,跑一些看似多余的遍历,发起一些看似没有直接产出的对话。这不是在浪费算力,是在训练人和算力之间的耦合——训练直觉,训练体感,训练“什么时候该全量跑、什么时候局部跑就够了”的判断力。

这种判断力,节约是练不出来的。只有挥霍才行。

闲暇生智慧,浪费出价值。

就像游泳,舍不得在水里泡够,永远是“会游泳的旱鸭子”——动作都对,感觉全无。真正有水性的人,下水那一刻身体自己知道该干什么,根本不用想。

这就是“球感”,这就是“水性”。它们的共同点是:都不是来自于最优操作训练,而是出自于大量的、冗余的、“低效”的浸泡里,都是自然涌现的。

所以——

在 AI 时代的破冰期,高吞吐就是胜利。多跑就是赚到。挥霍 token 不是放纵,是投资——投资的不是 AI 的产出,是人自己跟 AI 协同的本能。

当这种本能建立起来以后,人和 AI 之间就不再是“使用者和工具”的关系,而是像游泳者和水一样——你在水里,水在你身上,分不清是你在推水还是水在托你。

到那个时候,吞吐量自然会从“多跑”进化为“跑得准”。

但那是后面的事。

在此之前,先下水,把自己泡进 token 的池子去。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2514/

“飞入寻常百姓家”:从“三千弟子”到“20 美元的文字秘书”

写作从来不是一个人的事。

写作一直需要两个角色:一个负责想,一个负责记。孔子负责想,学生负责把他的话刻成竹简,最后成了《论语》。人大法学院一位教授负责口述思路,两个博士生坐在电脑前负责落盘,最后学界戏言“写出的书比读过的书还多”。工具从竹简变成了键盘,写作的结构从没变过。

问题在于:“负责‘记’的角色”,从来都不便宜。

孔子能让学生记录言行,前提是他得是孔子——三千弟子不是谁都收得起的。吕不韦养三千门客写出《吕氏春秋》,“一字千金”,前提是他得是一国之相。弥尔顿双目失明后口述《失乐园》,一万行史诗由女儿逐字记录——那是因为他有一个识字的、愿意陪在身边的女儿。到了清末,左宗棠替湖南巡抚骆秉章代写全部奏折,“所行文书画诺,概不检校”——巡抚签字盖章,师爷通宵执笔。再到今天,教授身边的博士生团队,功能上也是同一个东西:替领导把脑子里的想法变成纸面上的文字。

门客、师爷、幕僚、女儿、博士生——名字换了几轮,活儿没变:听、记、理、写。

这些角色,普通人从来养不起。

这就是写作真正的外在约束。

不是你没有思想,不是你没有判断,是你没有那个“第二个人”帮你把想法落成文字。你脑子里有一套对世界的理解,有观点,有立场——但你不是孔子,没有学生跟随;不是教授,没有博士生待命;不是信陵君,养不起三千食客。

于是大量的思想从未被记录,大量的判断从未被表达,大量的“述”从未变成“作”。不是不想述,是“作”的成本太高。

荀子早就看穿了。他说:君子性非异也,善假于物也。君子跟普通人的差距不在天赋,在于会不会借力。借什么力?借工具的力,借杠杆的力,借那个“第二个人”的力。

印刷术是一次借力——文字的复制成本归零。

互联网是一次借力——文字的传播成本归零。

——只是有一个成本,从竹简到键盘,始终降不下来:把一个人脑子里的想法变成其他人可以阅读的文字。复制成本归零,传播成本归零了,落盘成本归不了零。

——这个环节需要“第二个人”,而“第二个人”一直很贵。

直到 AI 出现。

AI 是第三次借力——让文字的落盘成本无比接近于零。

孔子时代,“落盘”需要什么?竹简,刻刀,一个识字的学生。春秋时期识字率不到百分之一,竹简论斤卖、论车运,培养一个能准确记录老师言论的学生更是稀缺品中的稀缺品——折算成今天的购买力,一年的“落盘成本”恐怕抵得上一个中产家庭的全部收入。

到了教授的时代,一个博士生每月补贴几千块钱,加上学费减免、办公场地和十年培养周期的机会成本,综合算下来,每月的“落盘成本”大致相当于一两万元人民币。贵,但跟竹简时代比,已经降了几个数量级。

今天的 AI 时代,最强的 AI 模型,入门月费二十美元上下,二十四小时追随左右。你把自己的思维习惯、判断标准、风格偏好做成 skill 文件——相当于给它做一轮浓缩的“学术训练”——它就能接住你的口述,整理成可以发表的文字。不需要十年培养,不需要办公室和五险一金,不需要你是孔子或者信陵君。

落盘的成本,从中产家庭的全年收入,到每月一两万,到每月二十美元——方向只有一个——无限接近归零。AI 没有发明“述而不作”——那是两千五百年前就有的模式。AI 做的事只有一件:把“述而不作”的门槛,从三千弟子、十年博士、食客三千,降到了每月几十美元。

旧时王谢堂前燕,飞入寻常百姓家。

但燕子飞进堂前,真正意义不在于省钱。

当落盘成本高到离谱的时候,大多数人一辈子都不会认真整理自己的想法——因为没有必要,整理了也没有人替你记下来。你的思想留在脑子里,模模糊糊,自生自灭。只有极少数人——孔子、弥尔顿、那些养得起师爷的大员——才有机会把想法变成文字,而文字一旦落盘,思想就被迫接受检验:逻辑通不通?判断准不准?哪些是真洞见,哪些是自我感动?

写作不只是记录,是萃取。 把脑子里的浑浊液体过一遍筛子,滤掉杂质,留下晶体。这个过程,古人叫“修辞立其诚”,今天叫“精确表达”。它本质上是一次思想的纯化与升华——而这个机会,过去两千五百年里,是只属于极少数人的“高端体验”。

现在,它属于每一个愿意表达的人。

世上从不缺少美,缺的是发现美的眼睛。这世界也从不缺想法,缺的是把想法落地,把想法变成文字的那“第二个人”。现在,那个秘书就站在每个人的面前,脖子上挂个牌子:入门款,二十美元/月。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2512/

AI Agent:能说者拥抱 AI,会道者收获耦合

驱动 AI Agent 需要什么“技能”?

——几个 markdown 文档——纯文本,自然语言,普通话,没有一行代码。没有数学模型,没有权重结构化数据,没有训练脚本,没有任何“高科技”。

AI 的操作系统,是说话,是把话说清楚。 最强大的 Agent,打开底层都是说话,都是作文。既然底层驱动力是自然语言,那驾驭 AI 的能力上限就不在技术,而在一项古老的基本功——说话。

一个熟悉的场景:用户对 AI 说“帮我写篇关于XX的文章”,几秒之内,AI 即刻交卷——结构完整,用词考究,一整篇正确的废话。为什么?因为用户没告诉 AI 背景是什么、立场是什么、要驳谁、要服谁。用户给 AI 模糊的题目,AI 还用户一堆无用的篇章。不是 AI 不聪明,是用户没把话说清楚。

同样的工具,换一个人用:需求拆成三层,每层给出判断标准,附上正例反例,标明哪些地方不许碰——出来的东西立刻不一样了。差距不在工具,在输入。

隐喻远比表象重要。这根本不是 AI 时代的新问题。

任何协作都有同样的前提——你说不清需求,对方只能猜。只不过人会揣摩、补全、读你没说出口的潜台词,于是你误以为自己说清楚了,对方误以为自己猜对了。事情往往就这么误打误撞,滚滚向前。如今 AI 把这层遮羞布扯掉了:它不揣摩,不补全,不惯着你——你的表达有多精确,输出就有多精确;你的思维有多混沌,输出就有多荒腔走板。

程序员对此不陌生。源代码过编译器才能变成机器指令,前提是代码语法正确、逻辑自洽、没有歧义。编译器不猜——写错了,报错,一步不走。人脑在调用 AI 之前需要完成的,本质上也是一次编译:把混沌的、碎片的、自相矛盾的念头,压缩成结构清晰、指向明确的自然语言。区别在于:编译器遇到坏代码会报错;AI 不报错——它猜。

一个人如果连自己的思想树(Thought Tree)都梳理不清楚,指望 AI 去“猜”,最终得到的必然是算力无谓损耗后的“幻觉(Hallucination)”。

精确表达,本质上是大脑在调用外部算力前,必须完成的一次“自我编译与脱水”。

每个人脑子里都有一棵思想树——主干是核心判断,分枝是推理路径,叶子是事实与细节。树形越清晰,AI 能接住的就越多,能往下走的也就越远。怕的是脑子里根本不是树,是灌木丛:没有主干,杂枝缠绕,自己都分不清哪根连着哪根。灌木丛喂进去,毛线团输出来,形散,神也散。

精确表达不是修辞,是思维。 开口之前至少理清楚三件事:

  • 要说什么;
  • 为什么这么说;
  • 不说什么。

三样都不靠词汇量,靠那棵树长得好不好。

再好的 AI 技能文件,归根结底也是人一个字一个字写出来的;再合身的配置,随着使用和时间推移,也会过时,也得迭代修订甚至推翻重来。书写、组织、迭代、修订——每一步的前提都是同一个:想清楚了。理不清自己在想什么的人,装不上外挂前额叶,也不可能与 AI 形成深度耦合。

AI 工具以指数速度进化,人的思维却是线性的——区别只在斜率的正、负、零。线性想匹配指数,只有一个办法:撬动杠杆,把自己的想法精确外化到 AI,与 AI 紧密耦合,将它的指数进化与自己的思维捆绑在一起。能把复杂任务拆解到 AI 可逐步执行之精度的人,和只会说“帮我搞定”然后抱怨 AI“不够聪明”“有幻觉”的人,用的是同一个模型,活在两个世界。

“沉舟侧畔千帆过”,“轻舟已过万重山”。AI 革命注定是,与写作者、程序员深度耦合,让写不下、说不出的人留在原地。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2507/

龙虾很好,但现在不要养

龙虾很好,但现在不要养。

一、电力变算力,算力变劳力

"养龙虾"这件事,真正在做的是一条能源转化链:把我们国家相对过剩的电力——特别是绿色电力——转化为算力;再通过算力,以 AI Agent 为媒介,转化成低端劳动力,去弥补白领市场的缺口。

我国未来劳动力不足几乎是确定性趋势。谁来做那些订机票、订酒店、做 PPT 的工作?答案是:一台计算机,一个基础的人工智能模型,调用便宜的 Token,就能完成原来需要一个活生生的年轻人去做的事。

从本质上说,这是一个解放生产力、发展生产力的过程。而推动这个过程的底层资源,恰恰是我们的优势——充裕的电力供给,尤其是西部和北部大量的风电、光伏产能。用成本优势去获取资本的原始积累,这个思路非常清晰,也非常有创意。

二、对印度外包产业的降维打击

把视线再拉远一点。过去二十年,印度靠全球外包服务吃了一波巨大的红利。

如果"龙虾"这条路走通了呢?

未来的客服,不用再找班加罗尔的接线员了。深圳龙岗的一个 AI Agent 集群就能搞定。不存在口音问题,不存在时差问题,解决问题的质量可能还比真人高。

这对印度传统的外包产业,是一个毁灭性的打击。从国家竞争的角度来看,这是一个非常大的历史性机会——谁先把"电力到算力到劳力"这条链路跑通,谁就抢到了下一代全球服务业的入口。

三、现在不需要急着"养龙虾"

龙虾很好,但作为个体,现在不要急着参与。

举个例子。智能手机已经有将近二十年历史了,从 2007 年第一代 iPhone 算起。我们今天每个人都在用智能手机,用得深也好、浅也好,这个时代我们谁都没有错过。但回过头看,你当年有没有买第一代 iPhone?绝大多数人没买。没买,也没关系。没买第一代 iPhone,不影响你后来完整地享受智能手机的红利。

人工智能这个时代也一样,风口才刚刚打开。方向是确定的:找一台计算机,装一个 AI,用便宜的 Token 去替代原来由自然人完成的工作。这个大趋势不会变。

所以从投资和交易的角度,我们要做的是认准方向,而不是急着下场。不管是 A 股还是商品市场,只要围绕"低端劳动力替代"这个方向去布局,长期一定有机会。但风口上的第一阵风,往往不是最好的入场时机。

踩到风口上,不等于现在就一定要养一只自己名下的龙虾。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2502/

稀缺、耦合与“模糊的正确”——AI时代来临的三个关键词

本文为 2025 年 12 月 4 日在深圳参加第三届中资海外基金高峰论坛的发言。题目后拟,有节选。为便于阅读,文中对现场交流内容做了口语化整理,部分表述已做匿名化处理。

在此,感谢活动的主办方智通财经为大家提供交流机会。

什么是“后稀缺时代”的特点

Q:什么叫后稀缺时代的资本使命?我们呢,可能也得借助 AI 工具先做一个破题。刚才是我们的破冰,现在把破题的这个任务呢交给我们的嘉宾,先请您来讲一讲对这个题目的理解。

A:好。刚才有嘉宾说,“AI 无法超越经验”,我非常赞同。

“后稀缺时代”的第一个特点,就是“稀缺”本身将变得越来越稀缺,很多曾经稀缺的东西将变得不再稀缺。

我们把时间拉回到几千年前,秦始皇帝的时候,他是没有吃过“西红柿炒鸡蛋”的,因为那时候没有西红柿。我们现在吃这个,就非常简单,“国民菜肴”了。三十年前的时候,中央电视台在新闻联播之后,会拿出十几分钟的黄金时间,播一遍全国各地天气预报。现在我打开支付宝,刷新页面的时候,刷新的那一刹那,那个滑动的页面上半边就会显示我们所在地的天气预报。

无论是信息还是物质,曾经稀缺的,将变得越来越不稀缺。“稀缺”这个属性,本身将变得越来越稀缺。这是第一。

第二,还有很多东西,将随着时代的发展,会越来越稀缺。

这里面有几个具体的东西可以举例出来。比如:

  • 我们每个人的时间,每天 86400 秒,不会因为 AI 变得更多;
  • 我们每天的精力,依然取决于我们睡得好不好、吃得好不好,我们的精力不会因为 AI 变得更好;
  • 我们人与人之间长期相处所建立的线下的信任,不会因为 AI 就变得效率更高;
  • 我们人生的宝贵体验,也不会因为 AI 的存在,变得可复制、可迁移。

这些东西,基于目前的技术手段,我们还看不到什么改变。

所以我们总结一下,“后稀缺时代”的这个“后”,我认为可以从这两个角度理解:第一,稀缺本身,将变得越来越稀缺;第二,很多人生中最核心的东西,将保持长期稳定不变。

使用 AI 工具的体会

Q:下一个问题抛给康总。在日常生活和工作中,您是如何使用 AI 工具的?

A:这段时间也确实有一些体会跟大家分享。我把它概括为三个关键词。

就人和 AI,要说存在一个的“目的性”的东西,这个“目的”可能是一个“耦合”的过程。

这个“耦合”有三个前提:

第一个,我们作为使用者,要有这个耦合的意识。

我们的意识观念,首先要转变。这个有点像三十年前作家“换笔”的过程。那个时候老一辈的作家面对打字这件事,不管是用五笔字型打字还是用拼音打字,他如果愿意换,他可能就迎来了一个新的写作时代。他不需要再去“爬格子”,不需要再去一遍遍的誊写,他会有机会直接体验电子排版,体验激光照排这些技术变化。但是,当时也有相当一部分老派的作家,拒绝“换笔”————他的意识转变不过来,慢慢的,从此就封笔不写了,这是真实发生过的事情。

所以,我们说拥抱 AI ,第一个前提,是我们得有这个与 AI“耦合”的意识,要主动的去融入。

第二个,就是要在生活中要真正形成使用 AI 的习惯。

我们以前 20 年前说“内事不决问百度,外事不决问 google”——那时候上网还比较简单——现在应该是“遇事不决问 AI”。这里这个“不决”这两个字,不是简单说,是“没有决定”的意思。我把这个“不决”解读为:在任何一个不完全信息决策下,每一次“遇事”都我们都问问 AI——“不决”是不完全信息决策的意思。

这个过程中,AI 最有价值的地方有两个:第一,它能够帮我枚举出一些我没有想到的东西。第二,它能够帮我去 review 一下我自己已经想到的东西,是不是有什么偏差?是不是还存在错误?在这两个过程做完之后,我们的决策效率和决策质量,会得到极大的提升。

就像刚才许总讲到的,AI 的真实的效率提升的过程。关于 AI 自己是怎么定义 “AI” 和“人的生活”之间的关系?我问过 ChatGPT,我说“GPT,你认为,你应该怎么帮助人类做决策?”

ChatGPT 告诉我一个原则:ChatGPT 要帮我解决 80% 的具体的技术问题,让我把全部的精力集中在 20% 的决策上。这是我们说,我们要养成这样一个习惯,和 AI 沟通的一个习惯。

前面我们已经提到了两点:第一是转变观念,第二是养成习惯。

第三点,就是要练成自己和 AI 相处的能力。

封闭起来看,主要是要满足两个条件。

第一个条件是“精确表达”,特别是书面表达的能力。实践中我经常会感到,当我问 AI 一个问题的时候,我觉得很容易,但是我想完整的阐释一个复杂事件的背景的时候,我往往要写上一个 1500 字、2000 字甚至 3000 字一大段,我们叫提示词的东西。我只能把这个东西写清楚,其实它的难度不亚于一场高考的作文。这个书面表达又不仅仅是“书写”的问题,它一定是建立在口语表达的基础上。我们和 AI 互动的时候,本质上是在给 AI“讲一个事情”,这个过程一定会用到一个东西叫语音输入。这时候你会发现,用语音输入的时候根本说不清楚。口语表达和书面表达要同时做到——我把它概括为第一个能力,叫“精确表达”,这是 AI 时代的人,想实现与 AI 深度耦合的第一个必要条件。

第二个条件就是“快速阅读理解”的能力。AI 给我们反馈的信息量,大概是我们输入的信息量的至少两倍以上。AI 的输出其实并不全对,总有那么零星的一点关键信息,仔细一看是错的。你要快速阅读,像古代皇帝“批奏折”和“批奏章”一样,把那个 2% 找出来,重新改掉它。给他反馈的时候,我一般用这样的说法:“勘误:你这个 xxx 说错了,我再给你补充一个信息”。把这段话马上发给他。然后,第二轮、第三轮的信息出来,再这样快速检阅一遍两遍。一般地,我的经验是,三轮之后,出来的东西可以是一个非常完美、非常完美的结论了。但这个“完美”要建立在什么前提下?——如同刚才有嘉宾提到的——对于长篇文字的阅读理解,实际上是一个这个社会中的精英门槛。精确表达和阅读理解是两个非常值得强调的能力。

当然,我们也不用担心自己的能力不够。以我自己的体会,这一段时间与 ChatGPT 深度互动以来,我自己的口语表达、书面表达和阅读理解能力,在和 AI 互动的过程中都得到了显著的提升。人和 AI 的互动的过程,既是训练 AI 的过程,也是训练我们自己的过程。

这是我们说的三点体会中的第三点,“能力”。归纳一下三个关键点:

  • 一是要有主动拥抱 AI 的意识;
  • 二是要有生活中的习惯;
  • 三是要有意识的培养自己的精确表达和阅读理解的能力。

这是我对我们如何与 AI 耦合的概括。

AI 时代确定性的投资机会在哪里?

Q:AI时代最确定的机会在哪里?风险在哪里?

A:一般我们将投资机会的确定性,往往都是说“人性不会变”、“数学原理不会变”、“基本事实不会变”,这三个,基本是投资中的三大确定性来源。

这是一般意义上讲。扣一下今天的主题,“后稀缺时代”这五个字之下,我们觉得未来几年最确定的机会应该在于:

要利用全社会对于 AI 的认知差。

进一步概括成一句话,就是:

“模糊的正确”一定会导致“精确的错误”。

什么叫模糊的正确呢,刚刚有嘉宾提到,AI 会带来“智力平权”——它是正确的,这个命题是正确的,一定是正确的,但它一定是不够精确,不够清晰的。AI 会带来“智力平权”——这个命题就是典型的“模糊的正确”。

我们就拿这句——AI 会带来“智力平权”——举例。

不同的人在看到这个问题的时候,表现是不一样的。有些人会抓住这个东西不放,他会去展开,去研究,会问自己,“我怎么样才能做到智力平权?”有些人看到这个,看完直接回去睡觉了,说“反正 AI 来了,我们就‘智力平权’了”。

实际上呢,我们回顾历史——AI 的诞生,如果我们把它看成一个技术变革的话,那 AI 这种变革在历史上并不是第一次出现了。

  • 火药的出现,打破了骑士阶级基于“板甲”和“城堡”,基于这两个东西对于暴力的垄断。可恰恰是在这次“平权”以后,热兵器时代之前的那种传统意义上的“农民起义”,再也没有了。平权的同时,新的鸿沟产生了。
  • 蒸汽机解放了人力没错。但是 2025 年的今天,深圳市的一个普通的体力劳动者,想转变为“脑力劳动者”,实现社会跃迁,难度比以前大得多得多。
  • 互联网抹平了信息鸿沟没错,看起来是“信息平权”了——但是互联网产生了碎片化、多模态的信息,包括现在短视频、Twitter,使得大量的人的阅读能力——特别是长阅读能力,基本上是“半永久地”丧失了。互联网在抹平信息鸿沟的同时,树立了新的信息壁垒。

    AI 也一样。如果我们简单的说,AI 一定会带来“智力平权”,这个命题当下肯定是是正确的,但它只是一个“模糊的正确”,而这个“模糊的正确”一定会导致“认知偏差”。市场上一旦出现了认知偏差,投资的机会就会出现。没有准备的人可能面对整个变局说这是“无法回避的系统性风险”;有准备的人可能把它当成小概率的“厚尾”或者叫“肥尾”来操作做获利。

    从机会的角度,这个是最大的机会;从风险的角度看,这也是我今天要说的,最大的风险。

本文仅为个人观点与交流分享,不构成任何投资建议。

原创文章,转载请注明: 转载自风云居 | Less is more

本文链接地址: https://kangjian.net/blog/2483/