即刻App年轻人的同好社区
下载
这两天我意识到一个事情，就是模型发展到今天，对于可能 99% 的工种来说，在工具层面其实已经完全够用了。
就是说，你今天给任何一个工种一个 GPT-5.6 Sol，或者一个 Fable 5，其实已经非常够用了。甚至都不用到 Fable 5.1。Fable 5.1 当然还是会更强一点，但它相比 Fable 5 带来的提升，对很多工作来说已经没有那么大了。大概就是这个逻辑：作为一个工具，今天这些模型对于绝大多数用户来说，能力其实已经完全够用了。
现在一个人到底能把这些模型，或者配备这些模型的 Agent，发挥出多大的能力，我感觉越来越取决于产品怎么设计，也取决于用户自己怎么去用。
因为现在这个天花板，其实已经有点像木桶效应了。模型这一块已经足够长了，真正的短板反而变成了用户自己的想法。
他有没有把事情讲清楚？有没有规划清楚？他自己本来有没有想明白这件事情应该怎么做？他知不知道自己最终要什么？
很多时候，模型已经完全有能力把事情做出来了，但是前面的这些东西还是要靠人自己。
所以本质上来说，作为工具属性，今天这些模型已经可以非常完整地，甚至很多时候超出预期地帮用户完成工作。
但我这两天在用，比如 GPT-6 Astral 的时候，其实反而让我意识到一个事情。
对于我自己做增长产品的工作来说，GPT-6 Astral 并没有给我的工作带来一个特别大的新增量。
它肯定更强，这个没什么问题。
但我没有因为模型又迭代了一代，然后我的工作实际就明显完成得更好了，并没有发生这种事情。
因为增长产品里面很多真正重要的东西，比如你要判断什么值得做，你要怎么拆问题，你要怎么规划，你要怎么理解用户，这些事情其实还是取决于你自己有没有想清楚。
所以我现在的理解是，模型继续发展到下一个阶段以后，它的逻辑可能会慢慢发生变化。
以前更多还是工具逻辑，就是模型帮助现有的人扩展自己的能力边界。让你写得更快，分析得更快，搜索得更快，执行得更快。
但是当这个工具本身已经足够强以后，再继续往上提升智能，我感觉它最后一定会越来越走向取代。
就是说，它可能不再只是帮助一个人把工作做得更好，而是开始直接完成这个人的工作。
可能先替代一些任务，再替代一个岗位里面的大部分职责，最后甚至直接替代某些职业。
所以它会从一个能力增强的逻辑，慢慢走向一个替代的逻辑。
但如果最后主要是替代，我觉得这里面会有一个问题。
替代这个事情，本质上不一定会给市场带来新的增量。
比如以前一件事情需要 10 个人做，现在 3 个人加一些 Agent 就可以做完。对公司来说肯定是有价值的，因为成本降低了，效率提高了。
但如果你把尺度放大到整个市场，就会发现，它可能只是把原来已有的价值，用更低的成本重新完成了一遍。
那它有没有创造新的需求？有没有创造新的消费？有没有创造新的产业？有没有在真实世界里面多创造出一些原来不存在的东西？
这个我觉得是接下来很重要的问题。
因为现在整个 AI 行业还在继续烧很多钱。模型越来越强，算力投入越来越大，数据中心越来越多，然后市场也会因为模型智能在不断提升，就继续给更高的估值。
但最后还是会回到一个很现实的问题，就是这些额外增加的智能，最后到底对应了多少新增价值。
如果模型能力一直在涨，资本投入一直在涨，估值也一直在涨，但真实世界里面创造出来的新增价值没有以类似的速度增长，那中间这个差距其实会越来越大。
那最后就可能会出现坍塌，泡沫也可能会破。
所以我这两天越来越觉得，模型发展到现在以后，接下来真正重要的东西，可能已经不只是继续把模型做得更聪明了。
因为从工具层面来说，它其实已经很够用了。
后面真正决定这个行业还能产生多大价值的，可能是我们到底能不能找到足够多新的事情，让这些已经很强的模型去做。
如果最后大部分价值都只是替代已有工作、降低已有成本，那它当然有价值，但这个价值到底能不能支撑现在这么大的资本投入和市场预期，我觉得是值得怀疑的。
就是说，你今天给任何一个工种一个 GPT-5.6 Sol，或者一个 Fable 5，其实已经非常够用了。甚至都不用到 Fable 5.1。Fable 5.1 当然还是会更强一点，但它相比 Fable 5 带来的提升，对很多工作来说已经没有那么大了。大概就是这个逻辑：作为一个工具，今天这些模型对于绝大多数用户来说，能力其实已经完全够用了。
现在一个人到底能把这些模型，或者配备这些模型的 Agent，发挥出多大的能力，我感觉越来越取决于产品怎么设计，也取决于用户自己怎么去用。
因为现在这个天花板，其实已经有点像木桶效应了。模型这一块已经足够长了，真正的短板反而变成了用户自己的想法。
他有没有把事情讲清楚？有没有规划清楚？他自己本来有没有想明白这件事情应该怎么做？他知不知道自己最终要什么？
很多时候，模型已经完全有能力把事情做出来了，但是前面的这些东西还是要靠人自己。
所以本质上来说，作为工具属性，今天这些模型已经可以非常完整地，甚至很多时候超出预期地帮用户完成工作。
但我这两天在用，比如 GPT-6 Astral 的时候，其实反而让我意识到一个事情。
对于我自己做增长产品的工作来说，GPT-6 Astral 并没有给我的工作带来一个特别大的新增量。
它肯定更强，这个没什么问题。
但我没有因为模型又迭代了一代，然后我的工作实际就明显完成得更好了，并没有发生这种事情。
因为增长产品里面很多真正重要的东西，比如你要判断什么值得做，你要怎么拆问题，你要怎么规划，你要怎么理解用户，这些事情其实还是取决于你自己有没有想清楚。
所以我现在的理解是，模型继续发展到下一个阶段以后，它的逻辑可能会慢慢发生变化。
以前更多还是工具逻辑，就是模型帮助现有的人扩展自己的能力边界。让你写得更快，分析得更快，搜索得更快，执行得更快。
但是当这个工具本身已经足够强以后，再继续往上提升智能，我感觉它最后一定会越来越走向取代。
就是说，它可能不再只是帮助一个人把工作做得更好，而是开始直接完成这个人的工作。
可能先替代一些任务，再替代一个岗位里面的大部分职责，最后甚至直接替代某些职业。
所以它会从一个能力增强的逻辑，慢慢走向一个替代的逻辑。
但如果最后主要是替代，我觉得这里面会有一个问题。
替代这个事情，本质上不一定会给市场带来新的增量。
比如以前一件事情需要 10 个人做，现在 3 个人加一些 Agent 就可以做完。对公司来说肯定是有价值的，因为成本降低了，效率提高了。
但如果你把尺度放大到整个市场，就会发现，它可能只是把原来已有的价值，用更低的成本重新完成了一遍。
那它有没有创造新的需求？有没有创造新的消费？有没有创造新的产业？有没有在真实世界里面多创造出一些原来不存在的东西？
这个我觉得是接下来很重要的问题。
因为现在整个 AI 行业还在继续烧很多钱。模型越来越强，算力投入越来越大，数据中心越来越多，然后市场也会因为模型智能在不断提升，就继续给更高的估值。
但最后还是会回到一个很现实的问题，就是这些额外增加的智能，最后到底对应了多少新增价值。
如果模型能力一直在涨，资本投入一直在涨，估值也一直在涨，但真实世界里面创造出来的新增价值没有以类似的速度增长，那中间这个差距其实会越来越大。
那最后就可能会出现坍塌，泡沫也可能会破。
所以我这两天越来越觉得，模型发展到现在以后，接下来真正重要的东西，可能已经不只是继续把模型做得更聪明了。
因为从工具层面来说，它其实已经很够用了。
后面真正决定这个行业还能产生多大价值的，可能是我们到底能不能找到足够多新的事情，让这些已经很强的模型去做。
如果最后大部分价值都只是替代已有工作、降低已有成本，那它当然有价值，但这个价值到底能不能支撑现在这么大的资本投入和市场预期，我觉得是值得怀疑的。
4 10
关于背景差的同学怎么变成 somebody 的一些思考
核心不是要怎么出名，而是怎么把自己从一个学历、履历和资源都没有优势的人变成一个在市场眼里有明确价值、值得雇佣、值得合作、值得关注的人
为什么会有这些想法，因为最近有家人毕业了，但背景一般，不好找工作。为了能帮他在市场上找到合适的位置，并能够拿到足够养活自己的收入，我开始帮他制定一些职业成长计划，于是有了这些想法。
市场眼中的 somebody，是在一个具体市场里，有一项别人愿意付钱购买的能力，并且存在足够多的公开证据，证明你确实会。
somebody = skill x proof x distribution x trust
用“Tiktok 广告投放”举个例子
只有技能 = 我会做 Tiktok 广告投放，听起来只值 5k
但是技能 + 证明 = 我使用 Tiktok 广告投放帮一个宠物品牌从 0 做到了 5万美金的月销售，好了，听起来值 1万2 了
再提升呢，技能 + 证明 + 分发 = 你把 Tiktok 广告投放帮一个宠物品牌从 0 做到了 5万美金的月销售拆分成了10个 how to 视频 + 20 篇 know-how 的内容发布在了小红书、抖音、视频号、X、youtube 上，如果你的内容做得好的话。你就已经接到顾问的单子了，此时你在市场上就起码值 3万 或者更多了，取决于你的内容质量。
再提升呢，技能 + 证明 + 分发 + 信任 = 有老板推荐、有多个案例证明、有客户评价，这个时候就再也没人在乎你的背景了，你在市场上起码值 5 万一个月，或者更多，具体看能力了。
那基于这个公式，往上游去做，就是要选择一个不是很在乎背景、而是看重产出的市场了。
比如当一个 AI 博主，拿小红书上我比较喜欢的一个AI生产力博主-Oil欧哟来说：低学历，但是抓住Claude Code和AI提效这个新变量，认真学，讲得清楚,高频发内容，最后在细分领域建立了权威。他能成的前提是Claude Code属于一个全新的市场。在新市场里，没有人有十年经验，教科书不存在，名校课程不存在，大厂头衔贬值，谁先冲进去犯100个错误然后开始做对，谁就会先被看到。
背后的底层规律是：当一个领域的知识
过时得很快时（Knowledge Half-life 很
短），学历、履历的价值就会下降。AI是典型。当你去找市场时，需要先找的是你这种背景就能执行、而且学历恰好不卡人的市场，再去研究具体职业。等你列出几十个职业并做好各维度分析后，自然而然地，你就知道自己该做什么了
所以总结就是，基于严谨的分析找到一个可以做的市场，然后基于 skill x proof x distribution x trust，一个维度一个维度的做好，把自己变成市场认可的 somebody。自然而然的，更大的机会就会出现。
核心不是要怎么出名，而是怎么把自己从一个学历、履历和资源都没有优势的人变成一个在市场眼里有明确价值、值得雇佣、值得合作、值得关注的人
为什么会有这些想法，因为最近有家人毕业了，但背景一般，不好找工作。为了能帮他在市场上找到合适的位置，并能够拿到足够养活自己的收入，我开始帮他制定一些职业成长计划，于是有了这些想法。
市场眼中的 somebody，是在一个具体市场里，有一项别人愿意付钱购买的能力，并且存在足够多的公开证据，证明你确实会。
somebody = skill x proof x distribution x trust
用“Tiktok 广告投放”举个例子
只有技能 = 我会做 Tiktok 广告投放，听起来只值 5k
但是技能 + 证明 = 我使用 Tiktok 广告投放帮一个宠物品牌从 0 做到了 5万美金的月销售，好了，听起来值 1万2 了
再提升呢，技能 + 证明 + 分发 = 你把 Tiktok 广告投放帮一个宠物品牌从 0 做到了 5万美金的月销售拆分成了10个 how to 视频 + 20 篇 know-how 的内容发布在了小红书、抖音、视频号、X、youtube 上，如果你的内容做得好的话。你就已经接到顾问的单子了，此时你在市场上就起码值 3万 或者更多了，取决于你的内容质量。
再提升呢，技能 + 证明 + 分发 + 信任 = 有老板推荐、有多个案例证明、有客户评价，这个时候就再也没人在乎你的背景了，你在市场上起码值 5 万一个月，或者更多，具体看能力了。
那基于这个公式，往上游去做，就是要选择一个不是很在乎背景、而是看重产出的市场了。
比如当一个 AI 博主，拿小红书上我比较喜欢的一个AI生产力博主-Oil欧哟来说：低学历，但是抓住Claude Code和AI提效这个新变量，认真学，讲得清楚,高频发内容，最后在细分领域建立了权威。他能成的前提是Claude Code属于一个全新的市场。在新市场里，没有人有十年经验，教科书不存在，名校课程不存在，大厂头衔贬值，谁先冲进去犯100个错误然后开始做对，谁就会先被看到。
背后的底层规律是：当一个领域的知识
过时得很快时（Knowledge Half-life 很
短），学历、履历的价值就会下降。AI是典型。当你去找市场时，需要先找的是你这种背景就能执行、而且学历恰好不卡人的市场，再去研究具体职业。等你列出几十个职业并做好各维度分析后，自然而然地，你就知道自己该做什么了
所以总结就是，基于严谨的分析找到一个可以做的市场，然后基于 skill x proof x distribution x trust，一个维度一个维度的做好，把自己变成市场认可的 somebody。自然而然的，更大的机会就会出现。
8 34