陪AI长大

那天跟 Chris 聊 WorkBuddy，他顺手甩出三件以前特烦琐的事：给视频配双语字幕、把图片文字提出来做对照，还生成了一份行业日报。

我深有同感。查资料、改邮件这种慢吞吞的活儿，交给它确实省心。不过它现在顶多算个能干的助理，文本输出跟大模型差不多。想让它贴切，就得自己搭模板，把场景和对象喂细，一点点修到满意。

真正麻烦的是跨出文本，走进视觉世界。比如检查便利店员工着装和货架陈列，这得靠“视觉理解”。可人和 AI 看世界的方式压根不是一回事。

人扫一眼就能抓重点，AI 却得靠摄像头把整个画面的像素全收下。它没有身体，对物理世界毫无实感。看得全，和看得懂，中间隔着整个物理世界。

所以眼下最容易被替掉的，反而是纯靠机器语言交差的程序员，还有数字平面、影视这类活。至于特定领域的视觉模型，走得特别慢。因为视觉数据太庞大了，一段几秒钟的视频，信息量可能比一整套百科全书还多。

而且这些素材多半是私有的，大家都不愿意共享。人学走路说话得花好几年，学费谁都躲不掉；但 AI 一旦摸透某项能力，就能固化成技能包供所有人用。今天为它花掉的每一分算力，其实都在替所有人的未来体验买单。

宇宙给人类的成本，是让每一个孩子都从头认识一次世界。它给 AI 的恩赐，是终有一天，不必再来。