摘要

AI 的关键拐点已从“机器会吐字”走到部分场景“输出几乎不用改”，但工具可用性的跃迁不等于结果平等。 从姬十三回忆 ChatGPT 初见时的震撼，到他认为 o3“比我的助理强很多”，再到潘乱春节后连续使用 DeepSeek、o4、Claude 3.7，以及曼祺提到的 4 月 11 日全局记忆功能，AI 正进入可用状态；但提示词门槛和幻觉仍是限制。
替代顺序存在两条相关但不同的判断：虚拟、规则明确、可数据化的工作更容易先被模型处理；潘乱则认为，逻辑性强的高级脑力劳动反而可能比理发、保洁和装修更早承压。潘乱转述的分析涵盖 1,639 种职业、19,265 条职能和 23,000 条工作内容：翻译最容易被替代，园林绿化、保安、保洁和建筑工等反而靠后。“人类通过后天实践学会的技能”被认为已被 AI 追平甚至超越，孩提时期形成的生物本能却最难复制。
AI 正在平的是能力入口，而不是收益结果：有基础、有意愿、会连续追问的人能缩短学习曲线，其他人只会得到标准化答案。 潘乱强调，普通人也能借 AI 面对更大的知识库；姬十三后来总结为“渠道平等，结果并不平等”。曼祺的 F1 类比同样残酷：工具可以更普及，但“世界上只有 20 位 F1 车手”。
创意产业最可能被掏空的是商业化中间层：极少数天才被放大，海量爱好者为爱发电，普通职业创作者的议价权和岗位数下降。 姬十三转述蔡浩宇关于前 0.0001% 天才与业余爱好者的二分法；潘乱判断“编剧的工资可能要降一降了”，曼祺则把未来概括为“更加爆炸的创意平庸时代”。
到目前为止，AI 主要抬高生产效率，却没有同步创造新的分发机制或商业模式，因此红利先流向既有科技巨头和更熟练的使用者。 Apple、Microsoft、NVIDIA、Meta、Google 等“七姐妹”被认为是过去两年最大的受益者；纳德拉关于全球 GDP 尚未明显增长、增长 10% 才算革命启动的追问，以及微软—OpenAI 以累计 1,000 亿美元利润分成作为 AGI 节点的安排，都把技术叙事拉回了可兑现的利润。
教育不会因为答案随手可得而简单取消记忆和训练，AI 更可能把“操千曲”的成本从一千次压到十次。 潘乱认为框架性知识仍需通过记忆获得；姬十三补充，AI 可能让人不必真的练一千次。孩子已经会让 AI 做项目 PPT、辩论《愚公移山》、把物理知识点写成歌；真正难题不是让不让用，而是家长和学校都说不清“用到什么程度、什么边界”。
下一阶段的关键词是从语言走向行为。 Agent 能否执行任务、创业和配置资本，可能决定 AI 带来的是更少工作，还是更集中地裁员；但这些仍是推演，模型目前还不能可靠承担市场判断和责任。人的剩余护城河被压缩到“生成意志”、独特经历和责任，而昂贵脑机接口还可能把智力平权反转成付费分层。

精读

1. AI 已经从“会吐字”跨进部分场景的“可直接交付”

姬十三回忆，自己第一次使用 ChatGPT 就受到震撼，应该在第二天便做了一场直播；潘乱认同，当时最震撼的是“一个机器在吐字”，而且吐出看上去像模像样的文字，让技术突破几乎瞬间成为全球共识。
姬十三最近更常用 o3，衡量标准已经不是能不能回答，而是拿到结果后“修改余地已经非常小了”。他的直接比较是：“o3 真的已经比我的助理强很多了。”
潘乱此前认为，提示词门槛和高幻觉率会把多数人挡在门外；春节后连续使用 DeepSeek、o4、Claude 3.7，他改变了判断。曼祺则分享了 4 月 11 日 OpenAI 推出并灰度全局记忆后的体验：模型对她的身份和文字偏好的描述尤其准确。姬十三补充说，直接用于较高要求的文字工作时，DeepSeek 仍容易胡编，Claude 3.7 强得多。

2. 一夜写出东吴剧纲，证明门槛下降却未证明创意平权

潘乱用半个晚上做出一部东吴视角的三国剧纲：从孙吴与中心政权的关系出发，把四大都督、五攻合肥，以及台湾、辽东、东南亚、山越、百越和海南串进海权叙事。
在继续拆解这个案例时，曼祺说自己一开始也不熟悉东吴历史，刷维基百科、用元宝询问 ChatGPT，再把内容交给 Claude，不断拓展结构和脉络；她还整理近期关于东吴的论文，尝试把不同视角融入戏中。
潘乱让模型试写吕蒙杀关羽后各方的反应。他把成果交给《军师联盟》的编剧和导演，对方认为“可以”，甚至可以试拍。对一个没上过编剧课、买了编剧教材却只翻过目录的人，这足以让他感叹：“真的觉得时代不一样。”
姬十三指出，东吴本地士族与孙氏外来政权之间的核心冲突，是这个案例里鲜明的戏剧矛盾；潘乱回答说，这个冲突是自己原本就知道的，不是 AI 替他产生的。AI 能把“横看成岭侧成峰”扩成多条观察路径，但最初那个鲜明矛盾仍来自人。

3. AI 平的是入口，不是使用结果

曼祺先把“智力”拆开：语言、谋篇布局、思考、规划并不会同步平权；有些能力被快速商品化，有些差距反而因基础、判断和使用深度而扩大。
姬十三用 AK 作比喻：给每个人同一把枪，不代表人人都能命中，但技术确实提供了获得这种能力的机会。潘乱则强调，有强烈意愿的人即使身处偏远地区，也能面对全网资料库，在连续交互的“兔子洞”里快速建立知识图谱。
对谈最终区分了机会与结果：“渠道是平等，结果并不平等。”模型能够调用通用技能，却不能替用户产生自己的表达动机；有人问两个问题便以为找到答案，有人会一直追问到上下文窗口崩溃。

4. 替代顺序先看虚拟与规则，再看工资高低

潘乱认为，二十元海报、普通肖像、低水平翻译和家庭作业辅导等低单价工作，今天已可由 AI 完成；高端商业项目暂时仍是“帮助高手变得更强”，普通人直接靠 AI 获得高价值商业项目还不容易。
潘乱明确提出，越是逻辑性强、被视为高级的办公室脑力劳动，越接近模型擅长的区域。VC 分析师、金融报告和四大相关岗位的 headcount 都可能下降，街边理发等体力工作反而更难自动化。
姬十三给出的技术框架不是高薪对低薪，而是虚拟对物理、规则明确对开放交互。代码处于清晰规则空间，适合用强化学习提升；自然语言又是对物理世界的抽象，因此可从海量数据中学习规律。
具身智能仍受运动控制和物理交互约束：自动驾驶只需在道路规则中避免碰撞，家庭机器人却要辨认并抓取硬物、软物、透明物和黑色物。保姆、理发和家庭服务因此可能拥有更长的替代窗口。

5. 招聘数据指向反常识：后天练成的技能先输

潘乱转述知乎数据分析博主陈沁（“数据帝”）的统计：项目爬取 BOSS 直聘上的 1,639 种职业、19,265 条职能和 23,000 条工作内容，完成标注后再让 GPT 评估各项任务的替代效率并加权排名。
通过潘乱转述的结论是：“人类通过后天的实践学习知识、积累经验和诀窍的技能，人类已经落后于 AI。”反而是出生或孩提时期就掌握的感知、运动和生物本能最难模仿。
翻译排在最容易替代的一端；姬十三此前估计，翻译工作可能已被压缩到只剩 1% 或 0.5%。园林绿化工、保安、缝纫工、保洁员、装修工、洗衣师、起重工、舞蹈演员和建筑工则处在较难替代的一端。
曼祺重新理解沈向阳曾说的话：“互联网四十年积累的数据，好像就是为了这一个 AI 时刻。”残酷之处在于，人类积累的大量数字痕迹恰好成了训练替代者的材料。

6. 专业内容的溢价退守到观点、框架与一手信息

曼祺介绍，AI PPT 已是一个有很多厂商、部分项目 AR 可能达到数千万美元的细分市场；但自动生成的“2025 年上半年 AI 行业发展综述”足以讲给十岁孩子或新人，却无法直接面对真正的行业从业者。
专业级内容仍需补上观点、筛选、边界、逻辑框架和底层梳理。流水线再成熟，仍有人坚持手敲汽车；问题在于这种工作必然低效率、低产量，只留下最尖端的一小群人。
F1 类比的完整版本并不鸡汤：给任何车手世界上最快的工具，车手仍然重要；但世界上只有 20 位 F1 车手。AI 将高水平能力下放，并不意味着原有的专业人数和商业需求可以全部保留。
姬十三认为，编辑部内部讨论后发现，一手信息的重要性变高了：它在与真人交流之前不存在于互联网上，也还不是一个数据。聊天机器人可以提供文章逻辑和视角上的启发，但不一定完全准确。曼祺把这与晚点的独家报道定位联系起来，认为报道发布后，别人可以再从不同角度加工。
潘乱承认自己过去只靠网上材料写评论，曼祺直言这种流派会更危险；潘乱因此表示要更加积极地拥抱 AI，因为 AI 让他变得更勤奋。

7. 创意行业的商业化中间层可能被掏空

姬十三转述蔡浩宇在网上提出的判断：未来有意义的游戏开发或许只剩两端——前 0.0001% 的天才组成精英团队，创造前所未有的东西；其余绝大多数爱好者只是为满足自己的想法而临时制作。
姬十三的理解是，“游戏开发”本身会被重新定义：塔尖继续做真正的大型作品，另一端生产只服务自己和朋友的小玩意儿；今天介于商业游戏与独立游戏之间的大量职业岗位未必继续存在。
曼祺认为这不是创意平等，而是差距放大。最有想法的人被 AI 放大，最有热情的人可以为爱发电；既不是能力最顶尖、也不是最有热情和想法的中间层，最难证明自己为何应继续把它当职业。
潘乱把行业结果说得更直白：“编剧的工资可能要降一降了。”当制作能力普及而社会需求未同步扩大，曼祺担心迎来的会是“更加爆炸的创意平庸时代”。

8. 教育不会因答案随手可得而取消认知支架

姬十三先向两位有孩子的家长提问：既然未来可能不再稀缺标准答案，孩子继续死记硬背是否还有意义，学校教育是否在浪费时间。潘乱回答说，任何年代有条件的人都会认为当下教育体系不是最优，但学校教育仍是面向广大群众的平等工具。
潘乱认为，人对世界的基本框架，大量是在青少年时期通过死记硬背获得的；如果六岁到二十岁完全依赖 AI 获取知识，可能并不是理想教育。“死记硬背”与理解并非天然对立。
姬十三接受“操千曲然后识音，观千剑然后识器”的逻辑，但补充说，AI 可能让人不必真的练一千次，“可能只需要 10 次”，然后沿着反馈继续深入。

9. AI 原住民已经绕过成人设计的使用边界

姬十三的儿子八岁第一次用 ChatGPT 时，没有搜题，而是主动声明人设：“我是一个八岁的小孩子，每天妈妈逼我做作业，我很烦，我该怎么办？”这已是原生的对话式使用，而非把模型当百度。
到五年级的小组项目，孩子们自己讨论特斯拉的生平与理论，最终却“偷偷”让 AI 做了 PPT。小组讨论和观点仍由人完成，成文的 PPT 则由 AI 生成。
曼祺看到小学生让豆包与 ChatGPT 互相辩论《愚公移山》，也看到物理教师把每章知识点交给模型写成有节奏的词，再制成歌曲辅助复习；这些用法不是成人课程预先设计出来的。
姬十三坦言，学校、比赛和家长的一刀切限制只是“最无力”的选择。孩子不可能不用，但用到什么程度、保留什么边界，家长也没有上帝视角，只能“磨着往前走”。

10. 生产效率暴涨，分发和商业模式却没有同步创新

潘乱认为，AI 迄今最明确的改变是生产效率；搜索、推荐、关注之外没有出现新的信息分发范式，创作者仍靠广告、直播和知识付费变现，也没有看到全新的互联网平台或商业模式。
如果总量不变，先掌握 AI 的人会用更低成本争夺同一份分配，甚至“对别人做更好的剥削”。不会使用的人，则更容易被熟练使用者挤到价值链下游。
姬十三观察到，二级市场最大的红利仍落在 Apple、Microsoft、NVIDIA、Meta、Google 等既有科技巨头。潘乱认为个体使用 AI 后效率提高就可能带来更高收入；曼祺则认为，单个个体的收入很难因此出现数量级变化。
姬十三同时转述纳德拉的追问：全球 GDP 没有因 AI 明显增长，或许要增长 10% 才算革命启动；微软与 OpenAI 又把分得 1,000 亿美元利润设为 AGI 节点。相比“在 90% 工作上实现经济性超越”，利润定义更赤裸。

11. 技术红利既可换来少工作，也可换来更多裁员

潘乱从工作周演变推演：过去中国一周只休一天，后来经历一天半和双休；如果 AI 真把全社会生产率提高一个台阶，理论上可以从每周工作五天走向更少工作，甚至只工作一天。
曼祺保留了反乌托邦版本：公司未必把效率红利换成休息，也可能直接裁掉员工，用更少的钱获得更多利润。技术能提高产出，并不会自动决定新增价值如何分配。
走向哪一端，取决于政策、组织约束和企业家的选择。对谈没有把“智力平权”直接推演成闲暇社会；潘乱的畅想也被曼祺评价为可能过于“simple”和天真。

12. 劳动力市场重新奖励手艺，身份焦虑却更难定价

潘乱建议姐姐让女儿学习玉器雕刻，因为供需比传统职业等级更重要。“三千块农民工你是找不到的，三千块大学生你可以招很多”，蓝领稀缺可能先于社会观念完成重估。
他援引报道称，中国在读博士人数已经超过历史上博士总量的六成，并判断人文专业会因就业率和薪资继续收缩；金融、互联网等高收入脑力岗位的容量，也不再需要过去那么多人。
姬十三用王治郅至今仍用诺基亚作反例：一个人如果已在自己的世界里达到自洽，并不必强迫自己追逐每项技术。更现实的策略是有一门手艺，或在足够细的领域做到相对头部。
曼祺担心更深的危机发生在工作之后：若职业和收入不再标识身份，人未必真有足够独特的精神生活。姬十三分享的一部科幻小说里，有一个不用工作也衣食无忧、却始终只是二流的画家；不打工以后，反而可能更难安放尊严。

13. 人的护城河收缩到生成意志、经历与责任

姬十三在团队中观察到，模型普及后最显著的差异不是答案质量，而是提问深度：有人问两个问题便以为找到答案，有人会持续追索到上下文窗口崩溃。后者暴露的是兴趣、动机和耐力。
姬十三转述 ChatGPT 的一段自我判断：“一切技能都将被调用”，但世界只听命于“有生成意志的人”；悲悯、愤怒、敏感和好奇构成非通用能力。“你不能再靠某种身份活着，你只能靠你是谁活着。”
姬十三认为，最后人与人的区别肯定包括记忆和经历；曼祺随后引用刘家琨谈建筑：“综合思考，简明呈现，依赖数据，定于直觉。”建筑的非语言性和直觉，至少目前不容易完全计算。
最现实的不可替代性则是责任。论文评审可能变成“两个 AI 的魔法对轰，人来背锅”；银行柜员即使任务可自动化，涉及资金与问责时仍需要一个承担责任的主体。

14. 脑机接口可能把“智力平权”反转成付费分层

姬十三提到，2018 年《奇葩说》曾讨论是否支持“一秒知识共享”的大脑芯片；对谈认为，把大模型做进芯片后，这个设问已不再纯属幻想。极端版本甚至是人躺在营养舱里，“碳基生物给硅基生物提供 token”。
姬十三提醒，大爆炸式技术从未停在人类希望它停下的位置，只会继续“飞出去”。他还提到《Life 3.0》推演了人类与 AI 的 12 种结局，灭亡、共存和受控都只是可能分支。
真正的分层来自价格：若脑机接口要花掉个人一半财产，富人便可购买不同等级的智力。《赛博朋克 2077》式世界因此被拿来类比——技术和财富所有者与贡献身体机能的底层彻底分离。
曼祺反驳说，科幻偏爱这种结局也可能只是因为它更惊悚、更具戏剧性。她给出的较窄版本是“奇异博士”能力：有基础和主观能动性的人，先用 AI 推演更多观察路径与结局。

15. 好的使用方式是把 AI 当思维对手，而不是答案机器

曼祺指出，中国许多顶尖产品仍免费开放，渠道层面的平等已经相当明显；问题由“能不能获得”转向“能不能围绕自己已有的知识和生活，把它用深”。
潘乱给出的现场操作是把元宝加为微信好友并置顶，把文章、长聊天和合并后的群聊记录转发过去，让它解读、分析和发散。“你可以去压榨它”，把模型当耐心且坚韧的思维陪练。
对输出意愿低的人，AI 能把脑中的“浮光掠影”连成碎句，再把断章接成文章；姬十三认为它也能补充“横看成岭侧成峰”的角度，让人面对问题时更自信。潘乱则说，持续使用会让自己变得更勤奋。
AI 并非获得投资 know-how 的必要条件。姬十三以《面基》采访张新民为例：没有行业从业经验，也能仅凭三张基础财务报表推断上市公司状况；AI 只是降低资料整理和多角度推演的成本。

16. 2025 年上半场的关键词是“从语言到行为”

姬十三用一句话概括当时的模型进展：“从语言到行为。”过去两年核心是大语言模型生成内容；2025 年上半年围绕 Agent、工具调用、任务实施和规划能力的进展，开始把语言变成行动。
软件任务已出现清晰梯度：让模型做计算器相对简单，让它直接做一个抖音仍不现实；开发者即使接到人工委托，也很可能转身使用 Cursor。能力边界会移动，但复杂系统暂时仍不是一句指令就能完成的任务。
曼祺认为，根据市场数据、公司方针和现场嗅觉作综合决策，目前仍应由老板承担。更远处若 Agent 能自主创业，资本和算力更多的人便能同时派出更多“创业小团队”，资源可能进一步向既有所有者集中。
潘乱最后把自己的“苏北二本逆袭”归结为同一条线：学历只是敲门砖，长期差异来自“如何收集信息、处理信息、加工信息、输出信息”。AI 可能降低这些环节的门槛，却没有替任何人决定为何出发。

[AIEWF预览] CloudChef：你的机器人厨师——12美元/小时的米其林星级美食（附厨房参观！）AI就业末日 + Mike Krieger 谈 Anthropic 的构建 + Hard Fork 犯罪科