Vol.82 我和小庄聊了聊他们的“职业分享日”

摘要

• 职业分享日给出的第一个商业样本，是“从宽赛道中找一个窄分区”更容易形成辨识度。 “上帝视角看军事”没有从军经历，却以 Google 地球等开源卫星地图分析军事基地，从广告公司 CEO 转型为个人创作者，抖音、B站、YouTube 合计约一百万粉丝。转型很痛苦；他还提到自媒体需要社会洞察，变现方式包括接广告，但没有说明广告类型。
• 游戏案例把 AI 代码能力的边界落到系统复杂度：能生成简单 demo，不等于能交付开放世界。 拼单词打怪、贪吃蛇等小游戏应该已经容易生成，但分享者认为《我的世界》应该不是 AI 能写出来的；光照反射还要处理角度、天气、时段和材质粗糙度；另一个《刺客信条》Bug则涉及低帧率、碰撞和不可进入的边界。“越开放越难做，因为你不限定它就难。”
• 庄明浩的教学核心不是把 AI 神化，而是把它定义成“读过全世界所有书的超级鹦鹉”。 数据、算法、算力造出了看似“上天入地、无所不能”的孙悟空，但底层仍是在预测最可能出现的下一个字，并不真正理解“一加一等于二”。因此它会产生幻觉、偏见和常识错误，也“没有感情，不懂对错”。
• 决定输出质量的最小操作系统是“角色、任务、要求”，而最容易被忽略的是要求。 同样解释黑洞，只说“解释黑洞”会得到专业名词堆叠；改成让天文学家面向六年级学生、使用通俗语言和比喻，结果会完全不同。格式、字数、年级、语气、是否使用比喻，都是把答案分布收窄的条件。
• 学习场景中真正的红线是“直接要答案”，因为那会把思考本身外包掉。 更好的用法是让 AI 像老师一样逐步提问、解释陌生概念、批改语法、提供作文切入点，却不替学生交付正文或最终答案。“它会越来越厉害，但你不会越来越厉害，反而可能越来越笨”是庄明浩给学生设置的紧箍咒。
• AI已经开始替代部分执行环节，而不是等到“整份职业”被一次性消灭。 手绘带翅膀的冰箱过去可能需要专业人员工作三天并反复修改，如今可能几秒即可生成；NotebookLM 也已逐渐替庄明浩完成部分 PPT 制作。不过他用照相机淘汰部分肖像画需求作类比后明确承认：“这个问题没有答案。”
• 豆包手机展示的是从聊天框到直接执行任务的迁移，前提则是应用授权与可见或后台操作。 现场指令要求它打开小宇宙、找到《不开玩笑》第一集并点赞；面对两三百期内容，它每屏约翻三期，最终自行完成任务。若能获得更多应用授权，使用范围可能扩大；但演示中的执行速度仍然很慢，用户也可以选择是否看着它操作。

精读

1. 职业分享日从展示职业，转向展示一个可理解的切口

• 小庄参加了两场五年级家长分享：一场讲军事自媒体，一场讲游戏。以往每个年级大约只有五六个选择，这次五、六年级分开安排，现场仍摆了大量易拉宝，合计可能有十几个主题。

• 庄明浩与班主任讨论后，没有泛讲 AI，而是缩到“如何运用 AI 当学习工具”。不到四十分钟的内容只保留两块：AI 为什么看起来如此强，以及学生怎样用好它；最后再压缩成两个记忆点——“你是唐僧，AI 是孙悟空”和“角色、任务、要求”。

2. 军事自媒体靠窄分区建立内容辨识度

• 小庄介绍的创作者叫“上帝视角看军事”：他没当过兵，而是利用 Google 地球等开源卫星地图分析军事情况和军事基地。此前他是广告公司 CEO，后来经历了“非常痛苦”的转行，如今自媒体由他自己运营。

• 这位创作者给出的选题方法，是先识别宽赛道，再从中找到足够窄的分区；他并不泛讲军事，而是专做“开源卫星军事分析”。庄明浩随即抓住商业结果追问：抖音、B站、YouTube 合计约一百万粉丝，“那应该赚得还可以”。

• 变现方式包括广告，但具体广告类型没有交代。谈到广告业时，这位创作者说做广告需要创意；谈到自媒体时，他则把社会洞察列为基本素质之一。他还提到，在当时大屏幕手机和手机广告尚不普及的环境里，报纸广告是消费者直接了解产品、产生兴趣的重要方式。

3. 游戏科普展示了成品，却没有完整解释生产系统

• 第二位分享者面向没接触过游戏制作的学生，用拼单词打怪的简单小游戏展示代码栏，也回顾了贪吃蛇、马里奥等游戏的演化。小庄评价其 PPT “深度不高”，庄明浩半开玩笑地追问：“我已经不是专业的，他为什么比我还不专业呢？”

• 两场游戏分享的差别被说得很清楚：这次更像解释“游戏背后是什么样子的”，庄明浩上一年讲的则是“怎么做游戏”——有哪些岗位、工作流怎样衔接、每类员工在做什么，以及这些环节最后如何形成完整交付。

• 分享者承认 AI 能写代码，并说自己那时候尝试做游戏时，AI“只写了最后 1000 行代码”；但他认为《我的世界》应该不是 AI 能写出来的，因为代码实在太长。庄明浩则认为，现场那个拼单词 demo 现在应该已经很简单。

4. 游戏真正的成本藏在光照、碰撞和边界条件里

• 分享者用一个很长、充满希腊字母的公式拆解光照反射：室内灯以什么角度照射，户外是在上午、中午还是下午，以及下雨、阴天等情况，物体表面有多粗糙，都会改变最终画面。学生未必看懂公式，却看到了精细画面背后的计算量。

• 他还分析了自己遇到的《刺客信条》Bug：他推测可能有一面不可越过的墙；马车可能移动过快、游戏帧数又不高，于是在后续一帧中已经穿过了墙。系统可能把马车拉回来，拉得太猛后撞到人物身上。这是他的推测，而非确定的源码结论。

• 庄明浩借此解释《黑神话：悟空》等游戏中的“空气墙”：玩家视觉上看得到某片区域，却无法进入，因为后面的内容可能没做完，或者进入后会触发更复杂的错误。边界是把玩家限制在设计范围内、避免潜在故障的重要设计。

• 《我的世界》不是一张固定地图，而是使用种子，从局部区域持续向外刷新，地形也随机产生，玩家很难跑得比地图生成更快。庄明浩称这“某种程度上也是一种取巧方式”，并总结：“越开放越难做，因为你不限定它就难。”

5. 面向孩子的表达，先要找到真正共享的文化背景

• 庄明浩最初让 AI 用《火影忍者》主题制作课件，自以为学生都会熟悉；小庄提醒，很多同学可能只听过名字，并不了解故事。现场询问也证明“不太知道”的学生不少，于是后来改换了主题。

• 第二版换成《蛋仔派对》，大家可能知道得更多，但仍有人不了解；第三版最终选择《西游记》，因为庄明浩认为不太可能有人不知道它讲的是什么。三次改版说明，类比必须建立在受众已有认知上。

• 这份 PPT 本身由 NotebookLM 协助生成。庄明浩称它是 Google 的最新软件，专门用来做图片和 PPT，能力已经“非常好了”；对一个每天制作大量演示文件的人而言，它正逐渐替代部分 PPT 制作工作，但主题选择和受众校准仍需要人来完成。

6. 2022年11月30日是AI代际讨论的一个时间切点

• 庄明浩先把 AI 放回几十年的时间轴：约在20世纪40至50年代，科研界就已开始研究相关问题。Siri、智能音箱、车载语音助手以及扫地机器人，都是上一代能力进入日常生活的例子，只是对话经常机械、容易卡住。

• 扫地机器人现在能执行“不要扫卧室，只扫客厅和厨房”，前提是它已识别房间与家庭地图；庄明浩用此说明这一代 AI 已经能完成更具体的环境理解和限定任务，而几年前的扫地机器人做不到这种程度。

• 他以 ChatGPT 在2022年11月30日发布作为代际切点：在此之前，大部分 AI 能力属于上一代；今天讨论的这一代工具包括豆包、DeepSeek、元宝、Kimi、Emax、ChatGPT、Gymnast、Grok、Claude 等。

• 庄明浩反复强调的限定词是“看起来”。这一代 AI 像大闹天宫、打败十万天兵天将的齐天大圣，但强大不等于可靠；学生的目标也不是研究如何造出孙悟空，而是学会当那个能给出方向的唐僧。

7. 数据、算法和算力共同炼成AI，代价是巨大的资源消耗

• 为了让学生理解训练过程，庄明浩把文字、图片、视频、语音及物理世界中的各种记录比作投入炉中的“海量数据”。文字让知识得以长期累积，今天学生接触的大量知识，本身就建立在文本之上。

• 他从一张约两三 MB 的手机照片讲到 GB、TB 和 PB，再以微软《模拟飞行》模拟全球机场、地貌和天气为例，称其数据规模达到 2.5 PB。这个例子的作用，是把“海量”从抽象形容词变成学生可以逐级换算的数量级。

• 数据仅仅投入没有意义，算法负责把庞杂信息“消化”下来，算力则提供消化所需的能量。因此，他让全班反复记住“三味真火的配方”：“数据、算法、算力。”

• 对比之下，人脑大约只消耗 20 瓦，却能学习、迁移和泛化；当前 AI 的电力消耗则“已经非常巨大”。庄明浩没有把机器与人脑等同，而是借能效差异说明：看似相近的输出，背后可能是完全不同的实现路径。

8. AI是一只概率鹦鹉，因此精准输入比盲目信任更重要

• 庄明浩把大模型概括为“一只读过全世界所有书的超级鹦鹉”：它在模仿和预测，而不是进行有感情的思考。看到“今天天气真——”，多数人会补“好”；AI也是依据学习到的分布，逐字猜测最像人类的后续表达。

• 当提示只剩“今天天气”，学生给出的续写立刻分散。这组现场实验导出关键因果关系：问题越模糊，候选答案越分散，也越可能不适合提问者；提示越精准，模型需要猜测的空间越小。

• 概率生成会带来“幻觉”，也就是“一本正经地胡说八道”。AI 没有感情、道德观和价值观，输入带偏见，输出也可能跟着偏；它甚至不真正理解“一加一等于二”，只是见过无数次这种组合，因此仍会犯人类看来荒唐的常识错误。

9. “角色、任务、要求”是可迁移的提示词公式

• 最差的提示词是“帮我写篇作文”：没有主题、受众、篇幅或用途，AI 虽然仍会生成，却只能大范围猜测。更好的写法是让它扮演小学语文老师，为“难忘的周末”列出三个作文大纲，并要求生动、有起伏、适合六年级学生。

• 三个要素各自承担不同功能：角色规定用谁的视角和能力工作，任务说明究竟要解释、修改还是提供创意，要求则继续限定语言难度、格式、字数、数量、语气，以及“用比喻”或“不要用比喻”。

• 庄明浩认为，大部分人使用一段时间后会想到角色和任务，真正困难的是说清要求。同样是解释黑洞，裸问题会得到一串拗口术语；要求“天文学家向六年级学生用通俗语言和比喻解释”，结果就会完全不同。

10. 好的学习助手提供脚手架，而不替学生完成思考

• 庄明浩把“直接要答案”定义为绝对不行的紧箍咒：直接拿到答案会跳过自己的思考训练。数学题不会做时，应要求 AI“像一位老师一样一步一步提问，引导我思考”，直到自己找到方法，而不是索取最终数字。

• 写作可以让 AI 提供五个“未来学校”的科幻点子，但明确“不要写正文”；表达“高兴”太单调，可以请它给出五个成语或优美句子。AI 在这里承担头脑风暴与扩充选项，作品的选择和组织仍留给学生。

• 英语批改可以要求表格化：左边放错误，右边放正确写法和中文解释。口语练习则让 AI 扮演餐厅服务员，学生扮演顾客，并规定“一次只说一句话，等我回答后再继续”，把无限生成变成可跟随的对练节奏。

• 对没听懂的概念，学生还可以继续降低解释门槛：“用六年级学生能听懂的方式”，仍不懂就改成“六岁孩子能听懂”，或要求用乐高解释勾股定理。庄明浩的收束是：“AI 永远是你的徒弟和工具。”小庄随后补充：“它的强大取决于你的智慧，只有你更强，它才会变得更强。”

11. AI先压缩执行时间，职业替代却仍没有确定答案

• 庄明浩用一张带翅膀的冰箱草图展示变化：过去要找专业画师或图片设计公司，可能工作三天才形成广告图；颜色、字体、翅膀大小每次修改还要追加时间。现在这件事可能几秒即可生成，并且可以不带情绪地接受连续修改。

• 随之而来的问题是，中间负责执行的人是否会消失，以及未来学习绘画是否仍有意义。他以照相机出现前昂贵的贵族肖像画为例：摄影让部分原本收入很高的肖像画工作消失，但他没有把类比硬推成结论，而是直说“这个问题没有答案”。

• 给学生的行动性表述是：“AI 不会取代你，但是会用 AI 的同学会比较容易超过那些不太会用 AI 的同学。”但谈到 AI 是否最终取代人类，他又保留不确定性：支持“一定会”和“永远不会”的两派都很强，等真正的“AI 一代”长大，结果今天无人知道。

12. 豆包手机把自然语言从问答入口变成执行入口

• 小庄首先想到的是少掏手机、少盯屏幕，在开车或做其他事情时直接说出任务，避免分散注意力。他认为这类能力必须比 Siri 更能理解复杂需求；如果豆包手机能获得所有应用授权，“我觉得会更好”。

• 庄明浩在《不开玩笑》录制现场下达任务：打开小宇宙，搜索《不开玩笑》，找到第一集并点赞。节目已有两三百期，手机每屏大约只翻三期，于是众人把它放在一旁继续聊天，约定“录到它翻到第一集为止”，最终它确实完成了点赞。

• 用户既可以看着它逐步点击，也可以让它在后台、黑屏或灵动岛中继续执行。这个演示也暴露出现阶段的现实边界：任务能完成，但滚动速度很慢；能否执行更多应用内任务，则取决于授权范围。

• 庄明浩把它与童年科幻剧《霹雳游侠》对照：当时看来不可思议的智能汽车，如今已部分落实为语音控制空调、座椅、路线和餐厅推荐。科技不只是回答问题，而是在获得许可后感知外部环境、控制设备并自主完成任务。