AI 时代一个很大的变化可能不是谁能用上更强的模型，而是当所有人都能用上足够强的模型之后，到底还有什么东西是真正稀缺的？ 这段时间我一直在做企业 AI 落地… · @UPing123zzz · TwKit

@UPing123zzz

AI 时代一个很大的变化可能不是谁能用上更强的模型，而是当所有人都能用上足够强的模型之后，到底还有什么东西是真正稀缺的？ 这段时间我一直在做企业 AI 落地，包括 GEO、RAG、Agent 工作流，也一直在用 Codex 和Claude Code。说实话，越往下做越能感受到一件事：以前觉得很有技术含量的东西，现在可能一个人配合 AI，几天甚至几个小时就能做出一个像模像样的 Demo。模型能力越来越强，开发门槛越来越低，很多原本需要团队才能完成的工作，现在一个人就能推进。 但问题也跟着来了，当大家都能快速写代码、搭 Agent、生成内容、做自动化的时候，这些能力本身还能值多少钱？如果你能做，别人也能做，甚至下一代模型自己就能完成，那你的竞争优势到底在哪里？ AI 能力和商业价值根本不是一回事。你会用最新的模型，能搭一套复杂的 Multi-Agent，甚至能把工作流做得非常漂亮，但客户真的会因为这些东西付钱吗？很多时候根本不会。客户不关心你用了什么框架，也不关心背后调用了多少个 Agent，他只关心几个很现实的问题：能不能解决我的问题？能不能接入我现在的业务？出了问题谁来处理？能不能长期稳定运行？最后到底给我带来了什么价值？ 比如做 GEO，单纯批量生成几百篇文章、搭建知识库和 FAQ，这些能力未来大概率会越来越普及。但如果你能进一步帮助企业持续跟踪品牌在 AI 回答中的表现，知道哪些内容真正有效，能不能带来咨询，能不能形成数据反馈和持续优化，这件事的价值就不一样了。 RAG 也是如此，检索、切片、向量化、生成答案，可能只是一个系统最基础的部分。真正进入企业之后，权限管理、数据质量、评测体系、异常处理、业务集成、长期维护，才是很多项目真正困难的地方。 所以我觉得 Claude 这九条里面，最值得关注的不是某个具体行业，而是背后的一条逻辑：当一种能力越来越容易获得时，价值往往会向那些没有被解决的瓶颈转移。AI 可以生成越来越多的答案，但真实业务数据不会凭空出现，客户信任不会自动建立，企业原有系统不会自己完成集成，线下资源和监管责任也不会因为模型升级就突然消失。 这也是为什么我现在越来越重视技术之外的东西。做 AI 落地，不能只懂模型，还得懂业务、懂客户、懂交付，知道什么问题值得解决，知道怎样衡量结果。做自媒体也是一样，以后 AI 生成内容只会越来越容易，但真实经历、长期积累的信任、自己真正做过的项目，这些东西不是随便调用一个模型就能复制出来的。 对我自己来说，这篇文章最大的提醒就是不能把不断掌握新工具，当成自己唯一的成长方式。工具当然要学，技术基础也必须扎实，但最终还是得走进真实业务，找到真实需求，做出能交付的东西，再从实际结果中不断迭代。 以前可能是谁掌握了更多知识、会写更多代码，谁就有优势。未来我觉得更值得思考的是，当知识和代码的生产成本不断下降，你究竟掌握了什么别人无法轻易复制的东西？ 可能是数据，可能是客户，可能是信任，也可能是你把一个复杂问题真正解决掉的能力。 AI 正在让很多事情变得越来越容易，但让客户愿意持续付钱这件事，从来就不只是把东西做出来那么简单。 以后真正拉开差距的，可能不是谁更会使用 AI，而是谁更能把 AI 变成真实世界里可验证、可交付的结果。

曝光 102 · 评论 0 · 点赞 0 · 书签 1