最近读到辛顿大神对2025年的总结，他的一个观点我深表认同：大模型是对世界知识的极致压缩，其强大能力源于学习了跨学科知识背后深刻的拓扑结构。
结合我自己的使用体验，我毫不怀疑，当大模型配备了足够强大的工具链时，它绝对能胜任诸如订餐、订酒店、发邮件、安装软件、建站、文档总结等一系列任务。看看现有的NotebookLM、Gamma、Manus等优秀产品，就已经是明证。
然而，在我的认知里，真正伟大的创新，永远是那种用过之后会让人忍不住惊呼“我靠，就是它了！”的产品。比如当年的iPhone 4。
新鲜感会过期，但卓越的体验感不会。
那么，我们究竟会放心地用Claude Cowork或ClawdBot来做什么呢？
- 买车买房？ 这种可能影响一生的重大决策，你会放心交给AI来做吗？至少我不会。
- 发送重要邮件？ 万一发错了对象，或者对关键合作伙伴使用了不恰当的语气，你能承担这个代价吗？
- 点外卖？ 这个任务本身可行，但我点外卖的乐趣之一恰恰在于亲自挑选想吃的食物，这个乐趣我不想让渡。
- 自动生成并部署生产代码？ 做个个人小工具或许可以，但涉及生产环境？杀了我也未必敢。
- 生成个人网站？ 可以生成，但生成之后，真的会有人用吗？
- 整理个人文档？ 确实能整理，但如果它不小心删除了什么重要文件，这个损失你能坦然接受吗？
- 掌管银行账户？ 这个选项可以直接从列表中划掉。
- 安装软件、配置环境？ 这个任务或许能交给AI，但我个人更倾向于自己动手。因为安装和排错的过程本身就是一种学习。如果整个过程都成了黑盒，那无疑是在给未来的自己埋雷。
- 读书、看漫画、运动？ 这些活动本身就是生活的乐趣所在。如果连这些都让AI代劳，那人生活的意义又在哪里？
所以，我思前想后，现阶段真正能放心、高频交付给AI去处理的，恐怕还是那些特别琐碎、重复，自己做起来又很烦的事务。
例如：
- 快速搜索并总结资料；
- 处理一些我已经完全掌握流程的重复性任务，比如“安装MySQL”——我知道怎么做，只是懒得每次都做一遍（但坦白说，这个需求本身也不够高频）。
绕不开的成本问题
目前AI代理工具尚未从根本上解决的另一个核心难题，就是成本。因为AI“试错”的过程会消耗大量Token，而这些Token，换算过来都是实实在在的钱。
设想一个场景：点一份20块钱的外卖，结果AI在思考和决策过程中先花掉了5块钱。这种投入产出比，我个人是难以接受的。
如果退而求其次，使用本地部署的轻量级模型（Mini Model）来驱动这些工具，它的能力是否足够“聪明”地完成复杂任务呢？这一点也值得怀疑。
当然，对于精英阶层——比如身价上亿的富豪、律所合伙人、大厂中高层——这点成本或许不值一提。但这个群体的人数又有多少呢？iPhone的伟大之处恰恰在于，它成功地将原本属于精英阶层的极致体验，以普罗大众能够接受的价格带给了全世界。
写在最后
无论如何，从生成式AI（AIGC）向代理式AI（AI Agent）的范式转变，已经是一股不可逆转的潮流，不会以任何人的意志为转移。
只是，我觉得真正能引爆市场的杀手级应用场景，似乎还没有被完全想清楚。大家都还处在摸索阶段，可能需要一个像乔布斯那样的人物站出来，精准地告诉世界：那个你们内心渴望却又无法准确描述的需求，究竟是什么。
辛顿预测，到2029年，AI在几乎所有方面的智力都将超越人类顶尖水平；马斯克的预测则更为激进，他认为2027年就能实现。
作为一个普通的开发者，我只希望到那个时候，自己还能保有一份可以糊口的工作。关于AI代理的未来与落地，你怎么看？欢迎来 云栈社区 一起聊聊你的见解与困惑。 | 
发表于 16 小时前
|
查看: 0|
回复: 0
