别等AGI了：AI真正的瓶颈和机会，在落地

汽车取代马车：70年的落地启示

许多人对AI的认知存在一个巨大的误区：他们认为一个超级模型（如AGI或ASI）将自动解决所有问题，而我们只需坐等其出现。然而，这种观点忽视了技术真正落地所经历的漫长过程。以汽车取代马车为例，这一过程耗时70年，其背后涉及复杂的技术、基础设施和社会适应。

类比到今天的AI，Transformer model的发明可以比作引擎的诞生，代表了新的动力范式。而ChatGPT的出现，则像是第一辆汽车的问世，它拥有了传动装置和轮子，开始具备落地的能力。尽管第一辆汽车在理论上可以行驶，但其性能与今天的汽车相比仍有巨大差距。然而，关键在于，尽管引擎性能不断提升，但其技术范式并未发生根本性改变，与马车相比，它仍然是同一个技术体系内的演进。

回溯AI领域，Transformer model的论文发表至今已有约八九年。这一范式催生了BERT、GPT等模型，并最终集大成者ChatGPT得以落地。尽管模型性能会持续提升，变得更智能、更快、更便宜，但正如Yann LeCun所指出的，Transformer模型本质上是“下一个词预测”（next token prediction），这与他设想的AGI仍有距离。然而，不应因此忽略当前技术范式所蕴含的巨大潜力。就像汽车发明初期，有人提出要做电动车或飞行汽车，但当时的汽车本身就蕴含着百倍的潜力待发掘。

当前AI与人类的竞争关系，类似于汽车与马车的竞争。即使拥有先进的引擎（模型），若无配套的生态系统，也无法发挥其真正优势。将今天的法拉利引擎装到70年前的汽车上，也未必能立即取代马车。这背后的原因，在于技术落地所需的三个关键要素：基础设施、生产流水线（pipeline）和人类习惯。

我身后的这个雪板和我手上的这两个鞋子就是我发现了我滑雪的一些问题然后会导致我的膝盖疼我就去问AI 它就给我进行了很好的推荐这个问题可能只是帮助你自己那你就省了时间可能可以帮助你的同事那你就可以升职加薪可能能帮助很多其他和你有类似需求的人那你就有了一个side project 或者说是一个startup 具体的大小这要看每个人自己的缘分或者creativity 这是很确定的了我发现很多人对AI的认知是有一个巨大的误区在的这个巨大的误区就是他们觉得一个超级模型会解决现在的所有问题也就是说我们现在要做的只是等这个AGI Artificial General Intelligence 或者ASI Artificial Super Intelligence来了然后所有的事情这个模型都可以搞定然后我们就可以躺平了我们现在奋斗也是没有用的这个观点其实我在很多很厉害的行业前辈或者说大佬那里都听说过但是我觉得这不是一个正确的认知今天我们就一起来把这个问题给剖析清楚就为什么不会有这么一个 Artificial Super Intelligence出现而且大家想象的那个东西哪怕出现了其实今天也是没有用的那这期视频我们就来认真的讲清楚这个问题也就是我会用一个历史上非常清晰的技术案例也就是汽车发明到汽车取代马车用了70年的时间我会跟大家讲一下究竟为什么花了70多年时间然后这件事情对我们今天的AI又有什么启示那讲清楚这个道理之后我们再去展开看清楚这个道理对于我们意味着什么我们能不能看到这其中蕴含的巨大机遇也就是AI的潜力在今天只发挥出来了1% 那剩下的99% 其实都需要我们自己亲手把它做出来以及在这个做的过程中就能抓到里边的巨大机会其实Manus在过去一年就给我们打了一个样他就是做这件事情的非常好的案例 Manus不是去发明一个AGI 而是把那个汽车真的想要取代马车的那些脏活累活给做好这是第二部分就是这里边有多大的机遇第三部分就是落到我们的每天我们到底可以做什么事情去帮助我们不断的抓到那个机遇也就是想要补齐AI 让AI落地具体的点到底是什么样子的那好我们先进入第一部分就是汽车为什么花了70年才真的取代了马车这背后的技术落地的原理到底是什么以及对我们的今天的AI 有什么样的启示我先给大家看一张图这就是我们的这门AI课程在第一期的时候我就放了这么一张图然后我们的课程已经经过快两年十几次的迭代但是这张图一直都保留在里边因为这张图背后的道理就是这么的重要那这张图讲的是什么呢就是第一辆汽车的发明是奔驰发明的他是1885年到1886年发明的但是在我看来汽车取代马车的标志性事件远远不是这个汽车的发明而是一九四几年二战之后美国的大规模基础设施建设美国的洲际公路的建立这在我看来才是标志汽车真正取代马车的标志性事件那这个中间其实是花了70年而且这还是在美国这样一个在那个时候基础设施建设断档领先的国家在欧洲亚洲和各种发展中国家那这件事情来的就更晚一点那类比到今天的AI Transformer model的发明就是引擎的发明引擎其实代表了动力的一个新范式然后接下来ChatGPT的发明大概堪比那个第一辆汽车的发明也就是说这个引擎它现在终于有了传动装置有了轮子它可以落地了引擎的发明比汽车的发明还要更早啊我们这就不说了那第一辆汽车有了以后理论上我们这个汽车已经可以跑了对吧大家如果去看第一辆汽车的照片和我们今天的汽车其实没有什么巨大的范式的不一样但是确实引擎的性能这么多年来都是在上升的比如说每年它的马力可能增加个20% 你如果看一个今天汽车的引擎和那个时候汽车的引擎那确实是天差地别可是我们看问题不能只看这么一个表面我们去看本质的话他们的技术范式其实是同一个技术范式也就是说这么多年它的性能是在逐步的提高但是它没有像汽车之于马车那样一个完全不一样的范式变化了那回过头来我们AI也是这个样子的 Transformer model那篇 Attention Is All You Need 的 paper 是从现在说大概八九年前的一篇paper了然后这个范式到后来就 enable了BERT、enable了GPT 叠加上一些其他的发明这个我在之前的文章里边有给大家普及比如说T5这个模型比如说chinchilla的模型这儿我们就不赘述了总之最后集大成者ChatGPT出来了以后他就有了这么一个落地的样子那在这之后我对未来的预测是他就会不断的变好比如说不断的变得更有智能不断的变得更快不断的变得更便宜不断的变得能解决更复杂的问题这其实就是我对Yann LeCun的诟病了之前Meta的首席科学家Yann LeCun 他的这个观点就是说Transformer model 他只不过是在做next token prediction 然后他这个东西是没有办法达成他心中所想的那个AGI的然后他做所谓的第一性原理的推导然后就是说我们其实下一代的模型应该是这样这样这样然后我就觉得啊就是他说这个东西他去做这个研究当然我是尊敬他的我当然希望有更多的人去进行下一个技术范式的探索和发明但是我不觉得你在做下一个技术范式你就去忽略这个技术范式所蕴含的巨大潜力这就好像说汽车在刚刚发明的时候这时候有一个人过来说啊汽车这个东西不符合第一性原理所以说我们要做电动车或者说我们要做磁悬浮或者说我们要做飞行汽车 yeah~就是飞行汽车是比汽车更厉害但是汽车其实它可以有百倍的潜力供我们发掘我们今天做的所有的事情都是因为汽车的发明造成的我其实啊在2023年也专门出了一期视频去讲这件事可是这么多年过去了 Yann LeCun还是抱着他的想法就是说因为我在做更牛逼的那个下一代的模型虽然我没做出来但是我觉得这一代的模型就不值得我去讨论那我觉得是不对的这里边我们要看到它所蕴含的巨大能量关于这个debate先不说啊我们先说就是我的观点是Transformer model 它是这一代的技术范式然后这一代的技术范式的潜力只发挥出来了1% 所以说到现在 AI还是在跟人类的竞争关系就像汽车是在跟马车进行竞争如果说未来我们有一个基于Transformer架构的特别厉害的模型把他放到今天他真的能发挥出来效果吗我觉得未必就像我们把今天的法拉利的引擎穿越回去放到70年以前放到那个时候的汽车上他真的就能马上取代马车吗未必为什么那就是接下来第二个问题我在这里边呢把它分类成三个部分第一个infrastructure 第二个pipeline 第三个人类的习惯所谓的这个infrastructure就是基础设施了而且这个基础设施建设啊就是不光是修路从我们家门口的路开始一直到这种洲际公路而且是加油站、休息站、修车厂卖车的地方这些都是非常重要的让汽车能在路上跑的基础设施如果没有这些东西的话汽车是没有办法发挥出来比马车的一个断档领先的优势的因为马车也走不远汽车也走不远然后马车在那个土路上走的也差不多然后汽车在这个土路上也走的差不多而且还经常容易坏只有当你把适合汽车走的硬路给铺起来的时候汽车它的性能才有一个飞跃那第二个pipeline 主要就是汽车生产的流水线汽车在一开始是手工打造的然后这个引擎也是手工打造的它是一个很贵的东西你要想让汽车发挥出它的工业化生产优势的话那就是很重要的发明福特发明流水线制造在那之后汽车才有可能以一个便宜的价格被更多的人使用开来那第三个就是人们的驾驶习惯人们之前是可以驾驶马车和坐马车的但是关于汽车的驾驶技能你要去换挡啊这些东西都是需要学的不是一个人上来直接就可以把汽车给开走的而且相关的法律也没有制定出来你汽车到底怎么样子运作谁可以去开车然后出了事怎么办这些东西都没有完善所以说这三大部分共同构成了这个ecosystem 共同构成了这个生态而生态的发展是需要一步一步发展的是需要时间的是需要量变积累质变的因为一开始路上没有什么汽车所以说政府去修路的话它就会觉得不合算我总共10辆汽车我修啥路呢有10辆汽车你会去建加油站吗有十辆汽车你会去建修车厂卖车4S店然后你会去建驾校吗这些都不会只有当汽车的数量多起来了以后你才会考虑这些东西但是问题是你没有这些东西的话你的汽车也发挥不出来效率我们不可能把今天的这个基础设施一下子穿越回去那我们今天穿越回去一个更厉害的引擎其实它也发挥不出来它引擎的真正优势那我们回到AI 我们就会看到了今天的AI啊其实还是大概率的被限制在了这样一个chatbox里边无论是ChatGPT 还是Cursor Manus 或者说是其他的其实你要去使用这个AI的智能这个AI已经非常非常厉害了他的学识非常强他的知识面非常强他的coding能力很强然后他甚至在医疗法律税务方面的建议都是很厉害的举个例子大家看我身后的这个雪板和我手上的这两个鞋子其实就是我发现了我滑雪的一些问题然后会导致我的膝盖疼然后我就去问AI 我应该有什么样的推荐然后它就给我进行了很好的推荐非常清晰的解读了我的问题其实我的旧雪板和那个Step On的binding 已经用了5年了就是一直感觉有问题我用的是第一代的Step On 一直觉得有问题但是我一直不知道问题在哪但是我跟AI聊的话他就很好的解读了问题我后来发给我的两个非常懂的朋友去让他们vet一下他们也觉得AI的推荐非常靠谱于是我就去全新购置了这么一套新的装备那我现在在税务、法律、阅读、coding等等各方面都已经非常多的去使用了我非常深切地感受到AI实在是很厉害可是它的这个智能被限制在这样一个小盒子里边我要去用正确的提问才能调用他的智能他没有办法真正非常好的落地那这也就是为什么我会觉得 Cursor和Manus一直是我非常深度看好的两家公司 Manus在他们做之前我就和他们的团队有很深度的交流包括涛哥当时对Devin的关注和他分享的那些对Devin的剖析包括他们在做Manus的前夜这里边的思考我都是非常认可在Manus上市的第一时间我也邀请了涛哥来我们社群去做一个发布并且他们上线了以后我就看到啊这里边很多人就是没有意识到这个ecosystem development多么重要去把这些脏活累活(即)打通AI落地这一层的工作有多么难和多么重要以及在他们上市以后很多人就诟病说他们是买营销 which我知道他们是没有买的然后很多人觉得Manus这个东西很好抄第二天就有人做什么AutoManus等等的东西然后说我们也复刻出来一个Manus 然后我一看我就知道他们其实根本就不懂他们不理解做这件事情有多么重要和多么难就是把AI的ecosystem搭好然后让AI能更有效地落地他们根本就没有做到那个效果但是只是就搭了一个框架仿佛给AI一个browser 就是做好了这件事儿我还去专门发帖去帮Manus辩解和借这个事件帮助大家看到 Manus到底是在做一件什么样的事儿所以说他们之后被Meta收购我也一点都不惊讶并且也让我改变了对小扎的一些看法因为大家知道在我之前的一个会员视频里边我去讲了我道听途说的一些信息吧总之在我看来小扎之前啊是相信Artificial Super Intelligence的他相信用一个特别厉害的模型可以解决很多问题他其实在公开场合也这么说嘛就是他看到了Spark of Machine Intelligence 超越了人类intelligence 所以说他们组建了这样一个Meta Super Intelligence Lab 然后希望去让这件事情更快的发生我当时听到那个的时候心里就觉得嗯～这件事应该是不太可能发生的可是他们去收购了Manus 就让我觉得小扎变得落地了很多他对这件事的认知很有可能也提高了很多那讲到这里边我们就开启我们的第二部分和第三部分就是我们看到了阻碍AI落地的瓶颈不是我们的模型还不够聪明我们今天的模型已经非常非常厉害了但是阻碍它落地的是这个生态还不够好然后我们需要去不断的发展这里边的生态才能让模型更好的落地而且更关键的可能大家更关心的是我们在这其中能得到什么 Manus我觉得就是一个非常好的案例他们真的就是花了一年时间 2025年非常奇幻的一年对吧他们去开始立项然后开始做然后做出来了以后上线取得了一个现象级的成功之后破天荒的在地缘政治的背景之下得到了Benchmark这样一个美国主流VC的投资然后又创纪录地得到了a hundred million ARR 说明他们是在付费的情况下有非常强的需求然后到最近被Meta高价收购这整个故事就在一年之内发生其实就跟我们讲了你把AI的潜力从1%发挥到2%发挥到3% 其中所蕴含的巨大机会那具体是什么呢如果对应我们之前汽车的那个例子 pipeline infrastructure和人的习惯其中都有机会我自己选的可能就是我去开了一个驾校啊我觉得在这个时代因为AI是赋能个体的所以说我和鸭哥希望帮助大家学会怎么开车甚至帮助大家学会怎么样子修车怎么造车起码是怎么改装车吧然后你怎么样子去铺路怎么样子去建加油站这个在我们看来是一个非常有意义的事情也是为什么我离职之后选择的是all in这件事情去做有的人诟病这是给淘金的人卖铲子其实那个故事是斯坦福在做这件事就是斯坦福他是修了一个跨越美洲的铁路去让那些人可以通过这个铁路到旧金山去挖金子最后斯坦福他确实是一个大富豪他也建立了斯坦福这样一个学校我确实觉得这件事就是很有意义说我是卖铲子也好修铁路也好开驾校也好我是觉得在AI时代 AI可以赋能个体那赋能个体就是一个很有意义的事情那说到我们课程什么是教大家开车什么是教大家修路开加油站呢我们AI builders的这门课就是教大家怎么样子把车开好它就是教大家怎么样子去一步一步的在自己的工作中在一个production的环境中把AI非常reliable的用好去高效完成你的任务而且高质量的完成你的任务这是我们AI builders教大家的东西然后我们AI Architect教大家的东西呢其实就是教大家去改装车去教大家去铺路当然你如果是个好司机的话你自己其实就可以动手去搞这些事只是我们给你一个更好的框架更好的工具去做这件事和更好的这样一个学习方式你可以更高效地去学会它那我们在课程里边提到的三个主要的落地支柱就是Frictionless Interactions Contextual Intelligence和Proactive Intelligence 就是我们要降低AI使用的摩擦我们要AI能自己主动地收集更多的contexts 从而让他完成的任务更切合于你的业务以及Proactive Intelligence 让AI去帮你做任务的时候更主动我举一个很具体的例子啊我现在不是在跟屏幕前的观众说话我现在是在跟一个相机说话那我希望我停止录制的时候 AI就可以OK 这是一个trigger 然后它就可以帮助我自动开始进行转录然后上传到网盘根据转录然后生成字幕精校这个字幕进行分析哪些地方应该剪掉哪些地方应该保留哪些地方应该是highlights 可能要放到最前面哪些地方应该去收集信息这就是Contextual Intelligence对吧从我的那些社区里边啊过去的视频里边啊或者说是我的这个课件里边啊去收集信息提供相应的材料然后把这个东西去发给我的剪辑同学 AI能自动剪辑当然更好啊但是我们先说 AI今天是不能很好地剪出来一个很高质量的视频我觉得视频的质量还是很重要的那发给我的剪辑同学剪辑同学照着这些东西呢就可以很快的完成剪辑给我了以后 AI就可以自动的帮助我生成show notes 然后自动的发到各个平台上你看嘛这里边所说的东西全都是我今天的AI就可以搞定的今天的AI的智能足够搞定这件事了但是他的每一步其实都需要我们去做那些脏活累活去把friction降下来然后去proactive的去做这件事那proactive做这件事就是有一些事件识别的事情这就是我说的所谓的不是什么新技术而是那些落地的脏活累活你要去让汽车好用起来不是每一个人都要去做一个引擎或者说去做一辆车的你去铺路一样是一个很重要的工作刚才只是举了一个案例我们在课程里边也有专门的就是教大家怎么样去构建智能核心然后Frictionless interaction Contextual Intelligence 、Proactive Intelligence 我们都各自给大家提供了案例demo 然后你可以跟着直接去做以及我们鼓励大家自己去按照自己的解决的问题去把这个东西做出来那这就是我们的第三部分了第三部分我们每个人在这里边可以得到的价值是什么就是去解决那些真实的问题比如说我们就是可以去动手做一些pipeline 去让我们的日常遇到的这些挑战解决的更顺利一点我们在社区里边已经有两三百个这样的案例了以及我们社区还有帖子就是那些收集大家日常的需求大家平时觉得有什么东西需要解决的然后可以在那个帖子下面留言现在那个帖子也有100多个小200个说不定发这期的时候已经过200个相应的需求了就是我们每天其实可以捕捉到很多的需求然后这些需求都是可以被解决的这些需求原来可能很难解决现在有了AI 是可以被解决的我们是可以通过无论是上课还是自己学习去提高自己使用AI的能力然后去解决那些该解决的问题发挥出相应的价值这个问题可能只是帮助你自己那你就省了时间可能可以帮助像你一样的很多人可能可以帮助你的同事那你就可以升职加薪可能能帮助很多其他和你有类似需求的人那你就有了一个side project 或者说是一个startup 具体的大小这要看每个人自己的缘分或者creativity 可是你之前不能做这件事现在能做了而且这件事蕴含着巨大价值这是很确定的了我们会发现在这里边大家不做缺的主要就是agency和环境就是你平时在你的这个日常的环境里边你是想不到要做这件事情的或者说你要做的时候也没有什么支持然后你没有地方问可能你做一做就很难脱离这个环境的这个引力然后就不做了那我也希望大家如果感兴趣的话扫这个码或者说来这个网站免费加入我们Super Linear AI的社区有这么一个更好的社区环境大家一起互相启发然后互相浸润互相鼓励互相答疑就我可以帮助你更好的走上去做这件事情的习惯所有的想抓住机会其实都是在开始做事里边如果不开始做这些事情的话何谈去抓住这些机会呢然后在这里边还有一些关于mindset的事情就是你如果只是在用驾马车的方式或者说理解马车的方式去理解汽车你当然就看不到汽车落地所遇到的挑战你也看不到它能干什么马车之前干不了的事儿所以这里边的mindset也是非常重要的我们在课程里边会教大家builder's mindset beginner's mindset等等以及我之前也出了一期AI native的视频就是用金子和铝的价格变化去给大家讲要关注什么东西在之前是贵的现在是变得便宜了而什么东西的价值是更加凸显的金子也就是我们的真相我们的idea 我们的agency 我们的taste 在这个时代是变得越来越宝贵了而那些之前可能很贵的东西比如说代码在现在的价值是大规模的贬值我们不要再用过去的那些对待昂贵代码的工作习惯去面对一个新的世界我们要把自己的思维mindset 转化到一个更AI native的方式去发挥AI的潜力那好以上就是我们这期视频的主要内容我在这里边跟大家总结一下的话不要指望一个AGI或者ASI 去解决所有问题大家希望有一个silver bullet 一个子弹可以解决所有问题这个在科技界从来都没有成立过真正难的东西是ecosystem 是把现在这个已经变得很厉害的技术去真正的落地发挥出它的潜力然后发挥它的潜力的过程中对于参与者来说是有巨大价值的 Manus就是一个非常好的例子我们哪怕没有得到那么大的成功我们也会知道在这里边找到自己的位置去做一些有价值的事情就是时代给我们的一个非常激动人心的非常大的机会那具体我也给大家指了三个方向 Frictionless Interactions Contextual Intelligence Proactive Intelligence 如果感兴趣的话欢迎来我们课程去学习具体的方法也欢迎免费加入我们的社区在这里边获得灵感和得到激励帮助你建立习惯帮助你得到浸润帮助你去更用AI native的方式看待你现在的工作看待你现在的机会希望屏幕前的每个人在这个时代都可以抓住一些不一样的机会那好这视频就到这儿希望对大家有用我们下期再见拜拜

AI落地机遇：生态建设的价值

汽车之所以能最终取代马车，关键在于其配套生态系统的建立。这包括了道路、加油站、维修厂等基础设施的建设；流水线生产（pipeline）带来的规模化和成本降低；以及人类驾驶习惯的转变和相关法律法规的完善。这三者共同构成了汽车得以普及和发挥优势的完整生态。

然而，今天的AI，尽管已经非常强大，其智能却大多被局限于聊天机器人（chatbox）的形态，如ChatGPT。要调用其智能，需要用户掌握正确的提问技巧，这限制了AI的深度落地。Manus公司正是看到了这一点，专注于解决AI落地的“脏活累活”，构建了必要的生态系统。Manus的成功及其被Meta收购，证明了AI生态建设的巨大价值和潜力。这表明，阻碍AI发展的瓶颈并非模型本身不够聪明，而是落地所需的生态系统尚不完善。

演讲者认为，AI的潜力目前仅发挥了1%，剩下的99%需要我们自己去构建。这其中蕴含着巨大的机遇，正如汽车生态的建立催生了无数相关产业。Manus的案例表明，即使不直接发明AGI，而是专注于解决AI落地过程中的实际问题，也能获得巨大的成功。

所谓的这个infrastructure就是基础设施了而且这个基础设施建设啊就是不光是修路从我们家门口的路开始一直到这种洲际公路而且是加油站、休息站、修车厂卖车的地方这些都是非常重要的让汽车能在路上跑的基础设施如果没有这些东西的话汽车是没有办法发挥出来比马车的一个断档领先的优势的因为马车也走不远汽车也走不远然后马车在那个土路上走的也差不多然后汽车在这个土路上也走的差不多而且还经常容易坏只有当你把适合汽车走的硬路给铺起来的时候汽车它的性能才有一个飞跃那第二个pipeline 主要就是汽车生产的流水线汽车在一开始是手工打造的然后这个引擎也是手工打造的它是一个很贵的东西你要想让汽车发挥出它的工业化生产优势的话那就是很重要的发明福特发明流水线制造在那之后汽车才有可能以一个便宜的价格被更多的人使用开来那第三个就是人们的驾驶习惯人们之前是可以驾驶马车和坐马车的但是关于汽车的驾驶技能你要去换挡啊这些东西都是需要学的不是一个人上来直接就可以把汽车给开走的而且相关的法律也没有制定出来你汽车到底怎么样子运作谁可以去开车然后出了事怎么办这些东西都没有完善所以说这三大部分共同构成了这个ecosystem 共同构成了这个生态而生态的发展是需要一步一步发展的是需要时间的是需要量变积累质变的因为一开始路上没有什么汽车所以说政府去修路的话它就会觉得不合算我总共10辆汽车我修啥路呢有10辆汽车你会去建加油站吗有十辆汽车你会去建修车厂卖车4S店然后你会去建驾校吗这些都不会只有当汽车的数量多起来了以后你才会考虑这些东西但是问题是你没有这些东西的话你的汽车也发挥不出来效率我们不可能把今天的这个基础设施一下子穿越回去那我们今天穿越回去一个更厉害的引擎其实它也发挥不出来它引擎的真正优势那我们回到AI 我们就会看到了今天的AI啊其实还是大概率的被限制在了这样一个chatbox里边无论是ChatGPT 还是Cursor Manus 或者说是其他的其实你要去使用这个AI的智能这个AI已经非常非常厉害了他的学识非常强他的知识面非常强他的coding能力很强然后他甚至在医疗法律税务方面的建议都是很厉害的举个例子大家看我身后的这个雪板和我手上的这两个鞋子其实就是我发现了我滑雪的一些问题然后会导致我的膝盖疼然后我就去问AI 我应该有什么样的推荐然后它就给我进行了很好的推荐非常清晰的解读了我的问题其实我的旧雪板和那个Step On的binding 已经用了5年了就是一直感觉有问题我用的是第一代的Step On 一直觉得有问题但是我一直不知道问题在哪但是我跟AI聊的话他就很好的解读了问题我后来发给我的两个非常懂的朋友去让他们vet一下他们也觉得AI的推荐非常靠谱于是我就去全新购置了这么一套新的装备那我现在在税务、法律、阅读、coding等等各方面都已经非常多的去使用了我非常深切地感受到AI实在是很厉害可是它的这个智能被限制在这样一个小盒子里边我要去用正确的提问才能调用他的智能他没有办法真正非常好的落地那这也就是为什么我会觉得 Cursor和Manus一直是我非常深度看好的两家公司 Manus在他们做之前我就和他们的团队有很深度的交流包括涛哥当时对Devin的关注和他分享的那些对Devin的剖析包括他们在做Manus的前夜这里边的思考我都是非常认可在Manus上市的第一时间我也邀请了涛哥来我们社群去做一个发布并且他们上线了以后我就看到啊这里边很多人就是没有意识到这个ecosystem development多么重要去把这些脏活累活(即)打通AI落地这一层的工作有多么难和多么重要以及在他们上市以后很多人就诟病说他们是买营销 which我知道他们是没有买的然后很多人觉得Manus这个东西很好抄第二天就有人做什么AutoManus等等的东西然后说我们也复刻出来一个Manus 然后我一看我就知道他们其实根本就不懂他们不理解做这件事情有多么重要和多么难就是把AI的ecosystem搭好然后让AI能更有效地落地他们根本就没有做到那个效果但是只是就搭了一个框架仿佛给AI一个browser 就是做好了这件事儿我还去专门发帖去帮Manus辩解和借这个事件帮助大家看到 Manus到底是在做一件什么样的事儿所以说他们之后被Meta收购我也一点都不惊讶并且也让我改变了对小扎的一些看法因为大家知道在我之前的一个会员视频里边我去讲了我道听途说的一些信息吧总之在我看来小扎之前啊是相信Artificial Super Intelligence的他相信用一个特别厉害的模型可以解决很多问题他其实在公开场合也这么说嘛就是他看到了Spark of Machine Intelligence 超越了人类intelligence 所以说他们组建了这样一个Meta Super Intelligence Lab 然后希望去让这件事情更快的发生我当时听到那个的时候心里就觉得嗯～这件事应该是不太可能发生的可是他们去收购了Manus 就让我觉得小扎变得落地了很多他对这件事的认知很有可能也提高了很多那讲到这里边我们就开启我们的第二部分和第三部分就是我们看到了阻碍AI落地的瓶颈不是我们的模型还不够聪明我们今天的模型已经非常非常厉害了但是阻碍它落地的是这个生态还不够好然后我们需要去不断的发展这里边的生态才能让模型更好的落地而且更关键的可能大家更关心的是我们在这其中能得到什么 Manus我觉得就是一个非常好的案例他们真的就是花了一年时间 2025年非常奇幻的一年对吧他们去开始立项然后开始做然后做出来了以后上线取得了一个现象级的成功之后破天荒的在地缘政治的背景之下得到了Benchmark这样一个美国主流VC的投资然后又创纪录地得到了a hundred million ARR 说明他们是在付费的情况下有非常强的需求然后到最近被Meta高价收购这整个故事就在一年之内发生其实就跟我们讲了你把AI的潜力从1%发挥到2%发挥到3% 其中所蕴含的巨大机会

个体赋能：AI时代的行动指南

AI时代的巨大机遇，在于将AI的潜力从1%提升到2%、3%，这其中蕴含着巨大的价值。这些机会体现在汽车生态的各个层面：无论是建设基础设施（修路、建加油站），优化生产流水线（制造、组装），还是改变人类习惯（驾驶培训、法律规范）。

演讲者将自身定位为“开驾校”的角色，旨在帮助个体学会“开车”（使用AI），甚至“修车”、“造车”（构建AI应用和生态）。这与斯坦福在淘金热中修建铁路、卖铲子的模式类似，都是通过赋能个体来抓住时代机遇。

AI赋能个体，意味着我们可以通过学习和实践，解决日常工作和生活中遇到的真实问题。这包括：

AI Builders课程：教授如何在工作环境中可靠、高效、高质量地使用AI完成任务。
AI Architect课程：教授如何“改装车”、“铺路”，即构建AI应用和生态。

课程聚焦于AI落地的三大支柱：

无摩擦交互 (Frictionless Interactions)：降低使用AI的门槛和阻力。
情境智能 (Contextual Intelligence)：让AI能主动收集和理解上下文信息，提供更贴合业务需求的任务执行。
主动智能 (Proactive Intelligence)：使AI在执行任务时更加主动和智能。

例如，在视频录制后，AI可以自动完成转录、生成字幕、分析内容、提取要点，并将其发送给剪辑师，极大地提高了工作效率。这些看似“脏活累活”的落地工作，正是AI真正发挥价值的关键。

我们每个人都可以通过动手构建AI应用，解决实际问题，从而获得价值。这可能只是节省个人时间，也可能带来升职加薪，甚至催生出新的副业 (side project)或初创公司 (startup)。关键在于拥有能动性 (agency)和良好的社区环境，克服惰性，积极实践。

演讲者鼓励大家加入Super Linear AI社区，在一个互相启发、鼓励的环境中建立AI原生思维。理解AI，就像理解汽车而非马车一样，需要转变思维模式。我们应关注那些变得越来越宝贵的要素，如想法、能动性和品味，而非仅仅依赖过去昂贵的代码。拥抱**AI原生 (AI native)**的思维方式，才能真正发挥AI的潜力，抓住这个时代激动人心的巨大机遇。

Manus我觉得就是一个非常好的案例他们真的就是花了一年时间 2025年非常奇幻的一年对吧他们去开始立项然后开始做然后做出来了以后上线取得了一个现象级的成功之后破天荒的在地缘政治的背景之下得到了Benchmark这样一个美国主流VC的投资然后又创纪录地得到了a hundred million ARR 说明他们是在付费的情况下有非常强的需求然后到最近被Meta高价收购这整个故事就在一年之内发生其实就跟我们讲了你把AI的潜力从1%发挥到2%发挥到3% 其中所蕴含的巨大机会那具体是什么呢如果对应我们之前汽车的那个例子 pipeline infrastructure和人的习惯其中都有机会我自己选的可能就是我去开了一个驾校啊我觉得在这个时代因为AI是赋能个体的所以说我和鸭哥希望帮助大家学会怎么开车甚至帮助大家学会怎么样子修车怎么造车起码是怎么改装车吧然后你怎么样子去铺路怎么样子去建加油站这个在我们看来是一个非常有意义的事情也是为什么我离职之后选择的是all in这件事情去做有的人诟病这是给淘金的人卖铲子其实那个故事是斯坦福在做这件事就是斯坦福他是修了一个跨越美洲的铁路去让那些人可以通过这个铁路到旧金山去挖金子最后斯坦福他确实是一个大富豪他也建立了斯坦福这样一个学校我确实觉得这件事就是很有意义说我是卖铲子也好修铁路也好开驾校也好我是觉得在AI时代 AI可以赋能个体那赋能个体就是一个很有意义的事情那说到我们课程什么是教大家开车什么是教大家修路开加油站呢我们AI builders的这门课就是教大家怎么样子把车开好它就是教大家怎么样子去一步一步的在自己的工作中在一个production的环境中把AI非常reliable的用好去高效完成你的任务而且高质量的完成你的任务这是我们AI builders教大家的东西然后我们AI Architect教大家的东西呢其实就是教大家去改装车去教大家去铺路当然你如果是个好司机的话你自己其实就可以动手去搞这些事只是我们给你一个更好的框架更好的工具去做这件事和更好的这样一个学习方式你可以更高效地去学会它那我们在课程里边提到的三个主要的落地支柱就是Frictionless Interactions Contextual Intelligence和Proactive Intelligence 就是我们要降低AI使用的摩擦我们要AI能自己主动地收集更多的contexts 从而让他完成的任务更切合于你的业务以及Proactive Intelligence 让AI去帮你做任务的时候更主动我举一个很具体的例子啊我现在不是在跟屏幕前的观众说话我现在是在跟一个相机说话那我希望我停止录制的时候 AI就可以OK 这是一个trigger 然后它就可以帮助我自动开始进行转录然后上传到网盘根据转录然后生成字幕精校这个字幕进行分析哪些地方应该剪掉哪些地方应该保留哪些地方应该是highlights 可能要放到最前面哪些地方应该去收集信息这就是Contextual Intelligence对吧从我的那些社区里边啊过去的视频里边啊或者说是我的这个课件里边啊去收集信息提供相应的材料然后把这个东西去发给我的剪辑同学 AI能自动剪辑当然更好啊但是我们先说 AI今天是不能很好地剪出来一个很高质量的视频我觉得视频的质量还是很重要的那发给我的剪辑同学剪辑同学照着这些东西呢就可以很快的完成剪辑给我了以后 AI就可以自动的帮助我生成show notes 然后自动的发到各个平台上你看嘛这里边所说的东西全都是我今天的AI就可以搞定的今天的AI的智能足够搞定这件事了但是他的每一步其实都需要我们去做那些脏活累活去把friction降下来然后去proactive的去做这件事那proactive做这件事就是有一些事件识别的事情这就是我说的所谓的不是什么新技术而是那些落地的脏活累活你要去让汽车好用起来不是每一个人都要去做一个引擎或者说去做一辆车的你去铺路一样是一个很重要的工作刚才只是举了一个案例我们在课程里边也有专门的就是教大家怎么样去构建智能核心然后Frictionless interaction Contextual Intelligence 、Proactive Intelligence 我们都各自给大家提供了案例demo 然后你可以跟着直接去做以及我们鼓励大家自己去按照自己的解决的问题去把这个东西做出来那这就是我们的第三部分了第三部分我们每个人在这里边可以得到的价值是什么就是去解决那些真实的问题比如说我们就是可以去动手做一些pipeline 去让我们的日常遇到的这些挑战解决的更顺利一点我们在社区里边已经有两三百个这样的案例了以及我们社区还有帖子就是那些收集大家日常的需求大家平时觉得有什么东西需要解决的然后可以在那个帖子下面留言现在那个帖子也有100多个小200个说不定发这期的时候已经过200个相应的需求了就是我们每天其实可以捕捉到很多的需求然后这些需求都是可以被解决的这些需求原来可能很难解决现在有了AI 是可以被解决的我们是可以通过无论是上课还是自己学习去提高自己使用AI的能力然后去解决那些该解决的问题发挥出相应的价值这个问题可能只是帮助你自己那你就省了时间可能可以帮助像你一样的很多人可能可以帮助你的同事那你就可以升职加薪可能能帮助很多其他和你有类似需求的人那你就有了一个side project 或者说是一个startup 具体的大小这要看每个人自己的缘分或者creativity 可是你之前不能做这件事现在能做了而且这件事蕴含着巨大价值这是很确定的了我们会发现在这里边大家不做缺的主要就是agency和环境就是你平时在你的这个日常的环境里边你是想不到要做这件事情的或者说你要做的时候也没有什么支持然后你没有地方问可能你做一做就很难脱离这个环境的这个引力然后就不做了那我也希望大家如果感兴趣的话扫这个码或者说来这个网站免费加入我们Super Linear AI的社区有这么一个更好的社区环境大家一起互相启发然后互相浸润互相鼓励互相答疑就我可以帮助你更好的走上去做这件事情的习惯所有的想抓住机会其实都是在开始做事里边如果不开始做这些事情的话何谈去抓住这些机会呢然后在这里边还有一些关于mindset的事情就是你如果只是在用驾马车的方式或者说理解马车的方式去理解汽车你当然就看不到汽车落地所遇到的挑战你也看不到它能干什么马车之前干不了的事儿所以这里边的mindset也是非常重要的我们在课程里边会教大家builder's mindset beginner's mindset等等以及我之前也出了一期AI native的视频就是用金子和铝的价格变化去给大家讲要关注什么东西在之前是贵的现在是变得便宜了而什么东西的价值是更加凸显的金子也就是我们的真相我们的idea 我们的agency 我们的taste 在这个时代是变得越来越宝贵了而那些之前可能很贵的东西比如说代码在现在的价值是大规模的贬值我们不要再用过去的那些对待昂贵代码的工作习惯去面对一个新的世界我们要把自己的思维mindset 转化到一个更AI native的方式去发挥AI的潜力那好以上就是我们这期视频的主要内容我在这里边跟大家总结一下的话不要指望一个AGI或者ASI 去解决所有问题大家希望有一个silver bullet 一个子弹可以解决所有问题这个在科技界从来都没有成立过真正难的东西是ecosystem 是把现在这个已经变得很厉害的技术去真正的落地发挥出它的潜力然后发挥它的潜力的过程中对于参与者来说是有巨大价值的 Manus就是一个非常好的例子我们哪怕没有得到那么大的成功我们也会知道在这里边找到自己的位置去做一些有价值的事情就是时代给我们的一个非常激动人心的非常大的机会那具体我也给大家指了三个方向 Frictionless Interactions Contextual Intelligence Proactive Intelligence 如果感兴趣的话欢迎来我们课程去学习具体的方法也欢迎免费加入我们的社区在这里边获得灵感和得到激励帮助你建立习惯帮助你得到浸润帮助你去更用AI native的方式看待你现在的工作看待你现在的机会希望屏幕前的每个人在这个时代都可以抓住一些不一样的机会那好这视频就到这儿希望对大家有用我们下期再见拜拜