ARTICLE · 1073220
AI拆了门槛,也抬高了门槛
AI拆了门槛,也抬高了门槛市场记录无恶意，鄙人看法不客观； 主观分析不全面，操作知识难迁移。 投资很难，全文言语不作为任何人的建议或参考。 总仓位88%，需要仓位做调仓空间； 可申购额度：180手&80手； 总市值收D：普D行情，日内操作无增益； 账户为负值，-7%； 写代码，不再是不可逾越的壁垒。 有想法，就有机会落地。 这是AI带来的真实变化。 做项目，普通人能做的东西越来越多；只要有想法，很多事就能被实现。 可一个反直觉的结论也在浮出水面： AI时代，学习反而更要紧。门槛并没有消失，只是挪了位置。 先看挪到了哪里。 人做demo时，很多细节可以绕过去；真到要做成产品时，如果你根本不知道某个东西叫什么，那你等于什么都没绕过去。 技术框架不清楚，产品就只能停在半成品阶段。 AI能回答几乎所有问题，但前提是你知道该问什么。 而提问，要靠关键词，正是这道“不知道自己不知道”的坎，它替不上来。 人的提问能力，来自脑子里先有一张概念地图， 而地图只能靠学习一点点铺出来。 再从大处看。 世界经济论坛《2025年未来就业报告》预计， 到2030年，劳动者现有核心技能中约39%将发生变化或过时； 若把全球劳动力看作100人，59人需要在2030年前接受再培训。 更值得注意的是报告中另一处判断：增长最快的十项技能里，有七项属于人的能力：创造性思维、韧性、好奇心与终身学习。 工具越强，人的部分，反而越稀缺。 这和一线实践者的体会一致：真正稀缺的是想法和品味。 这两样资源，都没办法从现在的AI中挖掘，人只能靠自己多琢磨、多沉淀，看得多、想得久，眼光才会长出来； 而新想法也不是凭空来的， 它是积累到一定程度后，旧经验之间长出的新连接。 分辨力同样要学。 眼下模型间的差距正在变形： 代码能力的差距在收窄，语义理解、持续执行与多模态的差距仍在， 顶尖模型在多模态互动上依然领先。 批量自动化里，识图、写稿、生成语音各有擅长的模型， 人只靠单一模型，很难把事做圆满。 哪个模型适合做什么、怎么接起来，目前没有现成的标准答案， 人只能在一次次实操中分辨 ——而这种分辨，本身就是学习的结果。 学习的重心也该跟着换。 其一，不追求记住，追求建立坐标： 知道一个领域里有什么、叫什么、彼此什么关系，才能问出对的问题。 其二，把AI当陪练而非替工： 跟它聊架构、用它补盲点，判断留给自己。 其三，在真实项目里学，从做产品的过程中逼出“技术框架”， 问题越真，记得越牢、用得越顺。 其四，留出输入的时间。 人的想法与品味，长在见过的好东西之上，看过什么，才可能想到什么。 你把货抱着不放、拼命维护，只是因为你没有见过更好的。投资、物欲或色欲，都是这样的。 AI让每个人能做更多事，这是真的； 但它没有让"想清楚"变得容易。 门槛从手上挪进了脑子里。 保持学习，不是为了记住更多答案， 而是为了在AI给出的答案面前，还分得清好坏，还提得出问题。
【09.24滩头观察】
市场震荡，今天上涨1134支（周三1910、周二2391）； 收市52支收获UP，15支期待UP。全天交易数据1.67万亿，-0.11万亿； 山庄3888，较昨日-1.2%；创指-2.68%，科创50 -2.35%； 昨天纳闷：“今天港股也跌的多，横盘还会持续吗？市场会进一步缩量吗？希望不要再坏下去了……”今天：“墨菲定律”； 昨天“希望是行情分水岭，自此不再吹冷气”，今天“不指望啥了”。 这两晚观察观察米股，特别是那只柯基，看是否新高，再看会不会形成双头。