AI 時代，普通人如何獲得 10 倍槓桿

大多數人對 AI 嘅使用方式，仲停留喺「問一句答一句」。呢個就好似攞到一部渦輪發動機，但淨係用嚟燒滾水。

朝早喺公園散步，行下行下突然意識到呢件事：我自己好似都係咁。一直埋頭苦幹，唔記得外面翻天覆地嘅變化，總感覺同時代有啲脱節咗。

AI 時代嘅浪潮勢不可擋。乜都唔做，差距一定會被拉大。但如果只係「學習 AI」，萬千學習者中嘅一份子，停留喺表面，並唔能夠真正食到紅利。

咁對於一個時間精力都有限嘅普通人嚟講，到底點樣最大程度放大自己嘅槓桿？

我想嚟想去，大概有 4 種方式。

大多數人仲係用 AI 做加法，少數人已經用 AI 做乘法。

呢 part 係我最熟悉嘅，亦都係感觸最深嘅。

AI 編程工具而家大家都喺用，Cursor、Codex、各種 Agent。但大多數人嘅用法仲停留喺：發一個小需求 → 自己驗收 → 再發一個小需求 → 發現 bug → 再調 → 再驗收。一問一答，蝸牛式前進。

但實際上 AI 已經進化到另一個階段。你可以寫一份非常詳細嘅需求文檔，設定一個明確嘅目標，等佢連續跑十幾個甚至幾十個鐘，中間完全唔需要人工介入。

就係咁一個簡單嘅轉變——從「一問一答」到「設定目標等 AI 自主運行」——就足以令你喺一大堆 Vibe Coding 嘅用戶當中脱穎而出，獲得 10 倍於佢哋嘅效率。

再行前一步，你可以同時開 5 個甚至 10 個目標並行推進。

但去到呢一步你又會遇到新嘅瓶頸：就算 10 個目標同時跑，你每日可能要用好多時間嚟驗收 AI 嘅成果，人嘅精力又變咗限制。

點算？兩個方向：

核心思路就一句話：唔好再停留喺手工坊思維入面啦。 要研究點樣俾 AI 設定好目標同規範，等佢喺無人監管嘅情況下，長期自主運行；要研究點樣更好地自動化，而唔係一直守住喺電腦前面同佢對話。

可以 10 倍產出，但冇曝光，等於白做。

營銷本質上就得兩條路：一係靠量（基礎款式持續放量），一係靠質（研究爆款邏輯打單次爆發）。

AI 時代，10 倍提升量係相對容易做到嘅——AI 可以幫你批量產出內容，可以幫你適配唔同平台嘅格式同風格。質量嘅提升相對難啲，但至少喺量上面，你唔應該仲係一篇一篇用手寫。

我知道而家有好多人講，小紅書、抖音喺封禁 AI 生成嘅內容，各種平台喺收緊政策。好多人聽到呢啲就諗住算啦。

但你有冇去驗證過啊？大部分「封禁 AI 內容」嘅講法，一係誇大咗，一係針對低質量垃圾內容。高質量嘅、有真實資訊增量嘅內容，平台冇理由封禁你。好多你以為存在嘅壁壘，可能根本唔存在，只係大家互相嚇唬，就真係以為做唔到。

我哋都太習慣聽人哋嘅判斷。人哋話「呢個有風險」，就停低咗，從來唔親自去驗證邊界到底喺邊度。

AI 可以放大槓桿，點解唔用？可以批量產出高質量內容，點解唔用？與其喺個腦入面反覆權衡，不如做咗先講——做到撞咗南牆先返轉頭。因為當你冇撞上南牆，你永遠唔知極限喺邊度。

潮人同普通人嘅差距，往往唔係能力，係佢比你早睇到 5 步。

呢個係我認為正確但仲摸索緊嘅方向，僅供參考。

要做時代嘅潮人，你要比人哋多睇幾步。多睇幾步唔係憑空諗，你要先攞到比人哋更前沿嘅資訊。

資訊收集嘅效率有幾個放大嘅方法：

靠人——加入高質量嘅社區。好多人一齊篩選資訊，效率遠高過你一個人刷。對我呢種唔太鍾意社交嘅人嚟講，解法係加入一個高質量但密度較低嘅小型社區——太多嘅資訊噪音我都吃不消。

靠 AI——等 AI 幫你讀大量最新嘅論文同資訊，每日定期同你總結：今日技術範式有啲乜嘢變化，邊啲方向出現咗轉折點。例如用 AI 每日自動抓取 Hacker News、arXiv 上面嘅熱門論文，翻譯提煉成幾句話嘅摘要，幾分鐘就可以睇完過去一日嘅技術動態。

呢個喺以前係冇可能嘅。普通人根本冇辦法每日跨語言瀏覽幾十個資訊源，然後自動提煉成自己能夠理解嘅洞察。但而家 AI 幾乎可以零成本做到。

你諗下，過去最新嘅科技論文得最頂尖嘅人先睇得明。而家 AI 可以幫你拆解，同你講背後嘅原理。你唔需要識曬每一個技術細節，你只需要把握到趨勢就夠。

成為潮人好難，但識別邊個係潮人，相對容易。

我喺投資方面經驗好少，算係盲人摸象，以下純粹分享思路，唔係投資建議。

我以前覺得投資就係投機，炒股票，賭徒心態。但後來諗通咗：投資嘅本質係更好咁分配資源——將手頭嘅錢交俾更年輕、更有才華嘅人，等佢哋去實現更高更遠嘅夢想，你藉此獲得收益。

如果你認同 AI 嘅趨勢勢不可擋，咁邏輯就好清楚：

成為潮人好難。但識別邊個係潮人，將資源聚到佢哋身上，等佢哋以更大嘅初速度逃離地心引力——你搭上佢哋嘅東風，獲得一份回報——呢件事相對嚟講係可以學嘅。

作為一個一直喺 AI 前沿嘅從業者，我呢個領域確實有資訊優勢——可以比外行人提前一段時間睇到一啲趨勢同變化。當然，識技術趨勢唔等於識投資，估值、倉位、市場情緒呢啲我都仲喺學。

但有一點我比較確定：與其等錢閒置貶值，不如大膽去研究、大膽去行動。

你知道應該點做，但你就係唔做。呢個先係真正嘅地心引力。

講咗咁多，其實對普通人嚟講，最難嘅一點唔係獲得呢啲認知。類似嘅文章、經驗帖數不勝數，有些確實充滿真知灼見。但好多人睇完之後都係得個大概印象。

真正困難嘅係——點樣跳出自己嘅慣性，點樣逃脱地心引力。

連我自己都係。可能寫完呢篇文章返到電腦前面，又開始一問一答咁調 AI，埋頭做產品，唔理嗰啲「理論上應該做但實際上唔想做」嘅事，仲係沿住舊路、舊習慣行。

逃離地心引力、改變自己嘅習慣，先係普通人最難嘅事。

仲有一個能力——喺不確定性當中行動嘅能力。

大多數人嘅邏輯係：一定要先睇到結果，先有明確嘅預期，先肯行動。呢個當然係個穩妥嘅策略，但喺劇烈變化嘅世界入面，等你睇到結果先鬱手，往往已經遲咗。

雷軍喺創業課上分享過一個觀點： 你要先相信，先至睇到當年金山做 WPS，公司賬上得十幾萬，員工二十幾個人，要去同微軟 Office 競爭——邏輯上點睇都唔成立。但三十幾年前，金山喺國內站穩咗腳。好多喺邏輯上「永遠講唔通」嘅事，最終竟然實現咗，另外講多句，當時嘅 Scaling Law 嘅相信都係類似。當時大量 AI 公司仲喺 BERT 嘅模型上修修改改，open ai 喺 gpt 1 2 3 嘅路線上逐漸做咗更大嘅數據，更大嘅模型，更大嘅訓練。先相信未來，然後開始行動。

我哋都要培養自己「相信」嘅能力。講得唔好聽啲，就係學識「俾自己呃」。唔好成日裝滿各種「但是」「而且」「萬一」。唔好成日替自己揾退路。

人哋話有風險——其實最大嘅風險，係你唔做任何改變。最大嘅風險，係你原地不動。

風險同機遇並存，冇鉅變就冇突破。你點樣鬥得過老登？你點樣喺老登手下虎口奪食？小農思想嘅人睇到嘅全部係風險，潮人睇到嘅全部係機遇。與其原地不動、爛喺地裏，不如去搏一搏。

人畢竟唔係機器，唔可以一路做嘢。都係要出嚟行嚇，踩嚇單車，逛嚇公園，諗嚇未來。喺趕路嘅同時偶爾抬起頭睇嚇前面——唔好南轅北轍，想去北方，結果一路狂奔去咗南方。

週末都係要多啲休息啊。

以上只係我個人嘅碎片化思考，探索中嘅感悟，遠談唔上方法論。拋磚引玉，班門弄斧。如果你有更好嘅想法，更成熟嘅經驗，或者覺得我邊度諗得唔啱，歡迎指出嚟，我都仲喺不斷探索中。

與君共勉。

大多數人對 AI 的使用方式，還停留在"問一句答一句"。這就像拿到了一台渦輪發動機，卻只用它來燒開水。

早上在公園散步，走着走着突然意識到這件事：我自己好像也是這樣。一直埋頭苦幹，忘記了外面翻天覆地的變化，總感覺跟時代有些脱節了。

AI 時代的浪潮勢不可擋。什麼都不做，差距一定被拉大。但如果只是"學習 AI"，萬千學習者中的一員，停留在淺層，並不能真正吃到紅利。

那對一個時間精力都有限的普通人來說，到底怎麼最大程度放大自己的槓桿？

我想來想去，大概有 4 種方式。

大多數人還在用 AI 做加法，少數人已經在用 AI 做乘法。

這是我最熟悉的部分，也是感觸最深的。

AI 編程工具現在大家都在用，Cursor、Codex、各種 Agent。但大多數人的用法還停留在：發一個小需求 → 自己驗收 → 再發一個小需求 → 發現 bug → 再調 → 再驗收。一問一答，蝸牛式前進。

但實際上 AI 已經進化到了另一個階段。你可以寫一份非常詳細的需求文檔，設定一個明確的目標，讓它連續跑十幾甚至幾十個小時，中間完全不需要人工介入。

就這麼一個簡單的轉變——從"一問一答"到"設定目標讓 AI 自主運行"——就足以讓你在一堆 Vibe Coding 的用戶當中脱穎而出，獲得 10 倍於他們的效率。

再往前一步，你可以同時開 5 個甚至 10 個目標並行推進。

但到這一步你又會遇到新的瓶頸：就算 10 個目標同時跑，你每天可能要花大量的時間來驗收 AI 的成果，人的精力又成了限制。

怎麼辦？兩個方向：

核心思路就一句話：不要再停留在手工坊思維裏了。 要研究怎麼給 AI 設置好目標和規範，讓它在無人監管的情況下，長期自主運行；要研究怎麼更好地自動化，而不是一直守在電腦前跟它對話。

能 10 倍產出，卻沒有曝光，等於白忙。

營銷本質上就兩條路：要麼靠量（基礎款持續放量），要麼靠質（研究爆款邏輯打單次爆發）。

AI 時代，10 倍提升量是相對容易做到的——AI 可以幫你批量產出內容，可以幫你適配不同平台的格式和風格。質量的提升相對更難一些，但至少在量上，你不應該還在一篇一篇手寫。

我知道現在有很多聲音說，小紅書、抖音在封禁 AI 生成的內容，各種平台在收緊政策。很多人聽到這些就想着算了。

但你去驗證過嗎？大部分"封禁 AI 內容"的說法，要麼是誇大了，要麼是針對低質量垃圾內容。高質量的、有真實信息增量的內容，平台沒有理由封禁你。很多你以為存在的壁壘，可能根本不存在，只是大家互相嚇唬，就真以為不能做了。

我們都太習慣了聽別人的判斷。別人說"這個有風險"，就停下了，從來不親自去驗證邊界到底在哪裏。

AI 能放大槓桿，為什麼不用？能批量產出高質量內容，為什麼不用？與其在腦子裏反覆權衡，不如先做了再說——幹到撞了南牆再回頭。因為當你沒有撞上南牆，你永遠不知道極限在哪裏。

弄潮兒和普通人的差距，往往不是能力，是他比你早看到了 5 步。

這是我認為正確但還在摸索的方向，僅供參考。

要做時代的弄潮兒，你得比別人多看幾步。多看幾步不是憑空想，你得先獲得比別人更前沿的信息。

信息收集的效率有幾個放大的方法：

靠人——加入高質量的社區。很多人一起篩選信息，效率遠高於你一個人刷。對我這種不太喜歡社交的人來說，解法是加入一個高質量但密度較低的小型社區——太多的信息噪音我也吃不消。

靠 AI——讓 AI 幫你讀大量最新的論文和資訊，每天定期給你總結：今天技術範式有什麼變化，哪些方向出現了轉折點。比如用 AI 每天自動抓取 Hacker News、arXiv 上的熱門論文，翻譯提煉成幾句話的摘要，幾分鐘就能掃完過去一天的技術動態。

這在以前是不可能的。普通人根本沒辦法每天跨語言瀏覽幾十個信息源，然後自動提煉成自己能理解的洞察。但現在 AI 幾乎可以零成本做到。

你想想，過去最新的科技論文只有最頂尖的人才能看懂。現在 AI 可以幫你拆解，給你講背後的原理。你不需要懂每一個技術細節，你只需要能把握趨勢就夠了。

成為弄潮兒很難，但識別誰是弄潮兒，相對容易。

我在投資上經驗很少，算是盲人摸象，以下純粹分享思路，不是投資建議。

我以前覺得投資就是投機，炒股票，賭徒心態。但後來想明白了：投資的本質是更好地分配資源——把手頭的錢交給更年輕、更有才華的人，讓他們去實現更高更遠的夢想，你藉此獲得收益。

如果你認同 AI 的趨勢勢不可擋，那邏輯就很清楚了：

成為弄潮兒很難。但識別誰是弄潮兒，把資源聚集到他們身上，讓他們以更大的初速度逃離地心引力——你搭上他們的東風，獲得一份回報——這件事相對而言是可以學的。

作為一個一直在 AI 前沿的從業者，我在這個領域確實有信息優勢——可以比外行人提前一段時間看到一些趨勢和變化。當然，懂技術趨勢不等於懂投資，估值、倉位、市場情緒這些我都還在學。

但有一點我比較確定：與其讓錢閒着貶值，不如大膽去研究、大膽去行動。

你知道該怎麼做，但你就是不做。這才是真正的地心引力。

說了這麼多，其實對普通人來說，最難的一點不是獲得這些認知。類似的文章、經驗帖數不勝數，有些確實充滿真知灼見。但很多人看完之後也就留下個大概的印象。

真正困難的是——怎麼跳出自己的慣性，怎麼逃脱地心引力。

就連我自己也是。可能寫完這篇文章回到電腦前，就又開始一問一答地調 AI，埋頭做產品，不去管那些"理論上應該做但實際上不想做"的事情，還是沿着老路、老習慣走。

逃離地心引力、改變自己的習慣，才是普通人最難的事情。

還有一個能力——在不確定性中行動的能力。

大多數人的邏輯是：必須先看到結果，才有明確的預期，才願意行動。這當然是個穩妥的策略，但在劇烈變化的世界裏，等你看到結果再動手，往往已經晚了。

雷軍在創業課上分享過一個觀點： 你得先相信，才能看見。當年金山做 WPS，公司賬上只有十幾萬，員工二十幾個人，要去跟微軟 Office 競爭——邏輯上怎麼看都不成立。但三十多年過去，金山在國內站穩了腳跟。很多在邏輯上"永遠說不通"的事情，最終卻實現了，另外插一嘴，當時的 Scaling Law 的相信也是類似的。當時大量 AI 公司還在 BERT 的模型上修修改改，open ai 在 gpt 1 2 3 的路線上逐漸做了更大的數據，更大的模型，更大的訓練。先相信未來，然後開始行動。

我們也要培養自己"相信"的能力。說得不好聽一點，就是學會"被自己騙"。不要總是裝滿各種"但是""而且""萬一"。不要總是替自己找退路。

別人說有風險——其實最大的風險，是你不做任何改變。最大的風險，是你原地不動。

風險與機遇並存，沒有鉅變就沒有突破。你怎麼鬥得過老登？你怎麼在老登手下虎口奪食？小農思想的人看到的全是風險，弄潮兒看到的全是機遇。與其原地不動、爛在地裏，不如去搏一搏。

人畢竟不是機器，不能一直幹活。還是得出來走走，騎騎車，逛逛公園，想想未來。在趕路的同時偶爾抬頭看看前方——別南轅北轍，想去北方，結果一路狂奔向了南方。

週末還是得多休息啊。

以上只是我個人的碎片化思考，探索中的感悟，遠談不上方法論。拋磚引玉，班門弄斧。如果你有更好的想法，更成熟的經驗，或者覺得我哪裏想得不對，歡迎指出來，我也還在不斷探索中。

與君共勉。