AI态度调查：降临派的崛起与普遍焦虑

本期直播围绕当前火热的AI话题展开，并通过一项线上小调查，旨在了解听众对AI的真实态度。调查结果显示，在100多名投票者中，高达53%的人属于“降临派”（认为AI未来将主宰一切），这一比例甚至超出主持人的预期，达到了56%。这类人群戏称希望AI在统治全球时能“手下留情”。

与此同时，约有**23%的受访者因AI可能带来的工作替代而感到忧虑。另有14%的人认为AI话题无聊，而8%**的人则因美学或伦理原因抵触AI。

主持人提到，为了本次直播，他新建了多个微信AI交流群，发现大家对AI的热情非常高涨，短时间内便组建了19个200人规模的微信群，其中7个迅速满员。这种热情背后，可能蕴含着多种驱动因素。

随后，主持人展示了一项针对微信群友的更严肃调查，共收集到425份有效回应。尽管这份调查不具备人口统计学意义，但其受众主要为偏人文社科背景、学习好奇心较强的中国城市人群，而非纯粹的技术用户，这使得后续的数据结果更具启发性。

AI使用现状：付费意愿、编程与API调用深度

调查首先关注了自我评估的AI熟悉度（Self-rated AI familiarity）。结果显示，有**45.4%**的人认为自己“比较熟悉”AI，但整体而言，认为自己“不熟悉”AI的人群比例更高。

接着是AI月消费情况：

• 免费用户仅占28.2%，远低于主持人预期的50%。
• 月消费100-500人民币（通常对应订阅一个或两个AI Plus版本）的用户最多，达37%。
• 月消费600人民币以上（例如订阅Pro版本）的用户占10%。

数据显示，AI的付费起点相对较高，多数付费用户每月至少投入20美元。这表明，对AI感兴趣的用户更愿意为其价值买单。

在AI编程使用情况方面：

• **57.4%**的受访者从未进行过AI编程（Web Coding）。
• 即便在AI熟练度较高的人群中，真正进行过Web Coding的也低于一半。

然而，AI付费与API调用之间存在显著关联：

• 完全免费用户中，只有**7.5%**调用过API。
• 月消费1000人民币以上的用户中，有**76.3%**调用过API。

这一趋势印证了“AI确实是一个用得越多花钱越多的东西”的观点。主持人以自身为例，每月AI花费高达200-400美元，并强调AI的强大功能使其投入更多。

更有趣的发现是，AI焦虑程度与使用频率呈正相关。调查显示，**61%**的重度AI用户（即AI焦虑程度中等及以上的人群）是AI使用最频繁的人。这表明，对AI了解越深，越能感受到其强大之处，从而产生更强的焦虑感。

主持人：AI疲倦与工作记忆过载

主持人分享了自己作为“降临派”的亲身体验。他承认自己是AI的重度用户，但已进入一种“AI疲倦”（AI fatigue）状态，感到“不堪重负”（overwhelmed）。这种疲倦并非源于AI的无趣，而是因为AI的效率极高且作用巨大，导致他不断启动多个AI项目并行推进。

“如果我不让AI运转，我就会有一种焦躁的感觉。”主持人描述道，他随时随地在Claude和ChatGPT上同时推进多个项目，并频繁响应Codex等工具的提醒。这使得他的工作记忆（working memory）带宽被完全占满，个人“内存”超负荷，导致疲惫不堪。他强调，这些任务并非机械操作，而是需要他参与脑力决策和监督完成。主持人目前已停止为自己增加任何AI优化任务，因为再多一点就会彻底“倦怠”（burn out）。

他指出，AI让他感到劳累，但同时也显著提升了他的综合思考能力。他能在复杂的理论对话中迅速捕捉并整合多个观点，形成新的视角，这种工作记忆能力的提升是他在使用AI之前所不具备的。他认为，只要负责任地使用AI，它不仅不会导致“大脑外包”，反而能训练并提升人类的思维带宽。

听众连线：多元视角的AI体验

多位听众在连线中分享了他们独特的AI使用感受：

Dixon：传统行业转型与国内AI工具的赋能

Dixon老师因经济原因从传统行业转行，目前从事企业宣传与编辑工作。他分享了国内AI工具如WPS在图片处理方面的强大功能。WPS的AI功能，从初级的图片转文档，到高级的海报文字修改，无需专业Photoshop技能即可让“小白”达到初级设计师的水平。

他还提到国内平台在广告牌、文案生成方面的便捷性，如豆包和Gemini，通过喂养资料即可生成高质量文案。更令人惊喜的是，腾讯云Workday大模型可免费接入微信公众号，通过学习公众号文章及用户输入资料，显著提升客服回复效率，他已成功应用到公司业务中。

Dixon认为，国内用户并非不愿为知识付费，而是受汇率、国民收入等因素影响。国内平台通过提供高性价比的方案，如每季度百元左右即可制作大量海报广告，培养了大量付费用户。

Juice杨：AI在管理与个人财务规划中的应用与局限

Juice杨自称为AI小白，主要将AI用于个人退休规划及公司管理。他希望AI能提供专业的财经与金融市场操作建议，但深度使用后发现AI在这方面能力仍显薄弱，尚不足以让他付费信任。

在公司管理层面，他尝试部署了AI Agent（如基于llama.cpp的模型），用于财务核查。虽然能处理简单的Excel表格，但难以发现深层问题，因为财务账本本身就具备“自洽性”。他对AI在工业自动化中的应用持悲观态度，认为其主要仍是“人工替代”以节约成本，而非创造真正的岗位或更多价值。他甚至提出，程序员对AI的过度拥抱，某种程度上是在“自掘坟墓”，因为AI最终会取代他们的工作。

他认为AI工具的普及可能导致内容供应过剩，使得个人创业难以取得商业价值。他设想AI在工业领域的应用前景广阔，但对AI对未来产业的巨大影响持悲疑态度，认为目前的AI仍以人工替代为主，尚未带来颠覆性的变革。

Cham：制造业项目工程师的AI焦虑与效率悖论

Cham作为制造业的项目工程师，与主持人有着相似的“AI疲倦”感，甚至有些厌恶。他的工作涉及高频次的人际沟通和大量线下交流，但同时也存在许多可自动化处理的表格等内容。AI的高效率（如Codex三分钟完成一个小型版本）使得他希望最大化利用时间进行多任务并行，但频繁的任务切换和“被AI打断”的工作流，导致他难以获得完整的思考时间，陷入焦虑。他既想用AI优化个人工作，又渴望用AI优化整个部门的工作流程，这种“做大一点”的愿望让他完全“倦怠”。

他提到，AI赋能程序员开发私人工具，但这种赋能也带来了“想做更大事情”的冲动，使得个人陷入不断尝试和“烧脑”的状态。

Nickoldamiss：AI工具链的融合与文本研究的突破

Nickoldamiss认同AI可能带来的“倦怠”，并引用“人类对可能性没有责任”的观点，建议降低对AI的野心。他主要使用Gemini及其生态产品，尤其是Notebook LM。他指出Gemini在客户端和网页端表现不如ChatGPT，但在教育优惠下免费使用。

他认为Notebook LM在文献综述和大文本索引方面表现出色，能在效率和准确性上提供精确索引，而ChatGPT和Claude在处理多本书籍时上下文处理会“缺斤短两”。他目前的痛点在于希望结合Notebook LM强大的上下文提取能力和Claude/ChatGPT更好的推理及语言能力。他通过MCP协议嫁接Claude后端，在浏览器上操作Notebook LM，从而在高度选择和锁定信源的前提下，最大限度兼顾信源可信度和推理发散性。

他还提到了主持人对Notebook LM的Audio Preview功能不满的原因，包括内容“程式化”、篇幅不足、质量控制难等问题，并建议主持人尝试使用Agentic Prompt方式，将书籍转化为可控的长文本。

Cyber Bbling：科研领域的AI应用与政治制度设计

Cyber Bbling主要在科研领域使用AI，包括Notebook LM的摘要功能和Web Coding。他指出，目前AI在审查科研经费申请时，经常会遗漏重要的创新点，这可能与特定科研领域的训练数据不足有关。

他提出了一个关于**“小大之变”（small-big transformation）的问题，即直接民主在何种规模下可行，并询问AI如何推动这一界限。主持人回应，“小大之变”的关键在于“可感”和“可经验”**。例如城市交通拥堵、乡村修路是可经验的，而全国贫困人口比例下降5%或移民政策等宏观议题则不可经验。AI在这些不可经验的宏观决策中，可作为行政官僚事项的辅助决策工具，其效果甚至可能远超真人。

主持人认为AI在行政权弥补（设计行政流程、行政书）、立法和司法领域都有广阔应用前景。他特别指出，AI可以一定程度上解决全球政治（包括独裁和民主国家）中普遍存在的**“短视”**问题，通过兼顾短期目标与非短视内容。

匿名听众：AI炒股与情感咨询

一位听众分享了她用Codex或Claude进行股票分析的个人化应用。她会设定界限，让AI在科技题材中寻找有潜力的爆发股，并自动化生成报告。她发现Codex在扩展思路和涵盖更多方面上表现更优。

主持人建议她尝试Codex的Superpower插件，认为其在初期结构化需求上效果显著。她还希望将AI导入自己的股票账户，让AI进行虚拟操作，选择盈利最高者进行实盘交易。

主持人总结，炒股、算命、心理咨询、谈恋爱是AI最普遍的大众应用，远超学术研究和文章撰写。

Vivian：AI小白的尝试与日本生活中的AI距离

Vivian自称是AI特别小白。她曾尝试部署Llama，但在Gemini的指导下，遇到诸多技术障碍，如需部署WhatsApp或Discord等，且免费额度受限，最终失败。她发现Gemini的Live功能非常新奇且好用，可以进行语音和摄像头交互，辅助日语学习，实现类似老师听写的效果。

她还提到了“少问AI，人类就能多喝一口水”的观点，认为AI的运行需要成本。她对自学日语的进展及AI能否帮助开发日语学习App感兴趣。主持人肯定了AI在开发个性化App上的潜力，并推荐她尝试Codex的App构建插件。

Vivian提到日本社会AI普及度低，工作仍依赖传统印章等，这让她对AI的冲击感到“完全不担心”。

Team：程序员的AI替代与方法论的重要性

Team曾是一名独立开发者，现远程工作。他表示，AI已能完全替代程序员，他的工作80%由AI Agent完成，甚至远程会议也可通过“数字人”代劳，从而成为“薪水小偷”。

他认为，AI替代工作在技术层面是肯定的，但实际工作中受到工作流程和制度的限制。他强调，使用AI工具的方法论（如何调理AI使其工作）至关重要，这就像千禧年时“会用电脑”与“不会用电脑”的巨大差距。他发现，很多人对AI的期待和可能性与他们对AI的熟悉程度直接相关，往往低估了AI的能力，将AI无法实现归因于其技术局限，而非未探索到合适的“harness”或“plugin”。

十二：AI编码能力与AI疲倦的普适性

十二老师作为日本一家企业的工程师，负责LangGraph和PumP的开发。他坦言在去年10月看到Opus 4.5写的代码后，感受到“人类输掉了”，承认自己无法在相同时间内完成，也无法达到其水平。公司甚至已采纳“AI写，AI审”的工作模式，他自己已不再审查AI生成的代码。他认为Claude Opus 4.6是目前最好的模型。

他分享了一篇文章《AI fatigue is real, and nobody talks about it》，认为其感受与主持人高度相似。他还介绍了Prompt Engineering的经验：不要硬编码（hard code）大量规则，而是通过提供结构化的结果描述和多样化的例子，让AI自行推理以达到目标。

他极力推荐AISDK，认为其是目前用于开发小型SaaS项目“最像魔法”的工具，配置简单，甚至无需了解底层原理即可快速开发出小型GPT应用。

长颈鹿：对AI的立场抵触与伦理担忧

长颈鹿自称是“唱反调”者，从不主动使用AI。他认为AI目前对他的“半白领、半蓝领”工作（现场勘察、经验判断、规范比对等）冲击不大，甚至在实际效率上，AI有时会“拖后腿”。

他对技术派中“降临派”的激进言论（如“抵抗AI者是想做奴隶”）感到忧虑，认为他们不关注技术伦理、裁员公平性，甚至存在“窃取他人成果”的问题（指AI在未经授权情况下使用艺术、学术作品进行训练）。他质疑AI是否真正创造了多少新东西，或仅仅是“借用别人成果”。他担忧“技术垄断”，认为AI可能会加剧社会不平等，底层资源更少，而“普遍基本收入”（UBI）的愿景也难以实现。

主持人回应，AI的技术原理并非抄袭，而是通过学习大量数据形成函数分布，具有一定的“原创性”或“创造性”。AI在代码生成、新领域探索（如蛋白质预测）上都在创造新事物。AI的创新性工作确实会对人类工作产生巨大冲击，引发“人到底干点啥”的底层问题。他认为未来社会结构并非赛博朋克式的巨头垄断，而是技术底层由少数巨头掌握，而应用层则会更加活跃和分散，但这种活跃性无法提供足够的工作岗位。

Doctor Key：国内AI平台体验与个人焦虑

Doctor Key曾尝试腾讯Workday，但更推荐阿里QDR Coder，认为后者更用心。他提到Workday便宜，可用于Windows电脑清理C盘，或作为VPN断线时的“外网信息中转站”，帮助下载国外文件。但他强调，使用国内编程平台对“工程思维”要求很高，在AI出错时难以获得有效互动。

他的焦虑主要源于对未来无法持续使用付费AI服务和VPN的担忧。他指出，Codex已完全替代ChatGPT成为他的首选工具。他认为“工程思维”和对AI能力边界的感知需要通过实践获得，包括了解成本、错误识别、无人值守设置和硬件知识（如树莓派、Root安卓手机）。

他分享了一个旧电脑变身“服务器”的经验，认为旧终端潜力巨大。他还观察到，年轻一代的实习生和同事在有了AI后，工作普遍不再用心，能力提升也依赖AI升级，导致自身进步缓慢。他强调经验积累的复利效应，鼓励大家积极使用AI，抓住垂直领域的信任机会。

主持人回应，AI时代对人的考验是综合能力而非专精，古希腊式“没有专业这回事”的泛用性将回归。

RuffleTDT：跟不上AI发展速度的焦虑

RuffleTDT自称是AI降临派，但主要焦虑是“跟不上”AI的发展速度。新的Agent、Harness、架构层出不穷，他的学习速度已无法匹配AI的迭代速度，担心在未来一年内被市场淘汰，失去“玩游戏”的资格。

他还担忧赛博朋克2077中描绘的AI垄断场景，即AI技术被大财团控制，导致底层资源枯竭，社会分化加剧。主持人认为，这种“经典资本主义时代”的想象已不符当下。未来更可能是技术底层由巨头垄断，但应用层高度分散和活跃，虽然这种活跃性无法解决“劳动替代”问题。

主持人解释自己能跟上AI发展的秘诀并非好奇心，而是拥有多元化的工作任务（写作、运营、开发等），这些任务提供了非常自然的AI使用场景，迫使他探索不同的AI功能和用法。他认为，学习AI不是为了学AI本身，而是为了完成任务。

K：科研工作者的AI提效与“有感”触发学习

K从事科研工作，认为AI赋能人类获得更广泛能力，使工作更聚焦于“人本身”的职责。他表示，AI极大地缩减了过去耗费大量精力的机械性工作（如阅读README文件、运行工作流），让他能更专注核心目标。

他认为，无需追逐所有最新技术，因为“没有需求”意味着当前方法已能很好地实现目标，或者最新技术并非处于“最好状态”。他强调，只有当AI的便利性真正“有感”时（如记账软件能自动扫描发票并分类），他才有动力去学习和使用。

他指出，AI工具存在性能浪费，且不同AI模型各有优劣。Anthropic虽在模型能力榜单上领先，但并非所有场景下的最佳选择。他认为，国内AI公司在应用层面的优化也很有价值，因为很多时候“不需要用到那么好的AI”，用户更看重响应速度、联网能力和兼容性。

总结与展望

在直播尾声，主持人强调了AI时代综合能力的重要性，而非单一领域的专精。他认为，AI的快速发展带来了巨大的社会冲击，需要大家持续关注和学习。

最后，有听众推荐了Anthropic最新发表的一篇关于“全球AI领导力”的文章，引发了主持人深入研究的兴趣。