ARTICLE · 1124126
AI时代,真正拉开差距的不是能力,而是野心
假设从今天开始，世界上最好的程序员为你工作。
他不需要办公室，不会疲倦，不会因为需求改了十遍而离职。你只要说清目标，他就能写代码、查资料、做原型、改设计，而且成本低得像一份普通软件订阅。
你会让他做什么？
OpenAI联合创始人Greg Brockman最近在一次访谈中，抛出了相近的问题。更准确地说，他问的是：如果世界上最好的程序员已经在你的“工资单”上，你会让他去解决什么？
这不是一道技术题，而是一道野心测试题。
过去，一个人有再大的想法，也可能被能力、资金和团队挡在门外。未来，AI会把这些围墙一堵堵推低。当执行能力越来越便宜，真正稀缺的就不再是“会不会做”，而是“你究竟想做什么”。
金句过去很多人输在做不到，未来更多人会输在没想到可以做。
AI抬高了能力上限，却不会自动抬高野心上限
Greg说，他过去很擅长写软件，如今自己已经很少直接写代码，而是指挥AI完成，再提供反馈与方向。曾经只有少数顶级工程师拥有的生产力，正被装进每个人的口袋。
这像是整个社会突然收到了一批免费的重型机械。以前要一百个人挖一年的隧道，现在十个人一个月就能打通。可机器只负责挖，它不会告诉你隧道应该通向哪里。
很多人拿到AI后，做的仍然只是把邮件写快一点、把PPT做漂亮一点、把原来八小时的工作压缩到六小时。这当然有价值，但只是用火箭发动机烧开水。
能力平权并不等于结果平权。同样拥有AI，有人让它整理会议纪要，有人让它重构一家公司的供应链；有人问“怎样把现在的工作做快”，有人问“过去因为太贵而没人解决的问题，现在能不能重新做一遍”。
AI不会替你产生野心。它只能把你的目标放大。目标只有一米，AI就帮你走快一点；目标在山顶，AI才可能成为登山索。
金句AI是野心的放大器，却不是野心的制造机。
软件越容易做，离真实问题越近的人越值钱
很多人担心，AI会让程序员不值钱、软件公司不值钱。恰恰相反，当软件越来越容易构建，真正懂问题的人会获得更大的产品权。
Greg在访谈中举了一个古董手表店的例子。店主原本觉得AI和自己毫无关系，后来有人现场帮他搭建网站，并让每一块手表的故事被呈现出来。技术不再是横在店主与产品之间的一堵墙。最懂手表、最懂顾客的人，第一次可以直接参与创造软件。
过去，产品权掌握在会写代码的人手里。一个维修师傅知道设备最容易坏在哪里，一个护士知道病房最浪费时间的流程，一个外贸老板知道客户为什么临门一脚又放弃，但他们没有预算组建技术团队，只能继续忍受。
现在，AI像一支可以随叫随到的工程队。行业里那些被忽视的抱怨、临时表格和微信群，都会成为产品原型。模型懂得全世界的通用知识，现场的人却知道最后一百米为什么总是堵车。
所以，AI时代最有机会的人，未必是最懂模型的人，而是那些鞋底沾着泥、每天被真实问题折磨的人。
金句软件越便宜，真实世界的经验越昂贵。
判断创业方向，只问一个“十倍问题”
AI创业最大的陷阱，是把公司建立在模型今天还做不好的地方。模型不会读长文，就做长文拼接；模型不会调用工具，就做一层复杂编排；模型容易犯错，就靠大量人工修补。短期可能赚钱，下一代模型一发布，地基就消失了。
Greg给出的原则是：要选择那些会随着模型变聪明而扩张的活动，而不是长期替模型的缺陷打补丁。
创业者可以把它变成一道残酷的测试：如果基础模型明天强十倍，我的公司会更值钱，还是更不值钱？
如果答案是更不值钱，你卖的可能只是暂时的信息差。如果答案是更值钱，说明你掌握了模型拿不到的东西：行业流程、客户关系、现场数据、信任机制、交付网络，或者对结果的责任。
一家医疗AI公司，不能只靠模型“不会看某种报告”生存，而要进入医院流程，理解患者、医生、管理者和保险机构之间的复杂关系。模型越强，它服务这些关系的能力越强，公司反而越有价值。
金句不要把公司建在AI今天的缺陷上，要建在AI明天的进步上。
过去只配做功能的小问题，现在可以成为公司
创业者一谈野心，容易立刻想到宏大平台、超级入口和改变世界。其实，AI带来的另一种机会，是让小问题第一次拥有商业生命。
过去，一个细分需求收入不够大，养不起产品、研发、销售和客服团队，只能成为大软件里的一个功能。现在，构建和交付成本被AI大幅压低，三五个人甚至一个人，就能服务一个很窄的市场。
一个帮牙科诊所整理术后回访的工具，一个替汽修厂识别配件和生成报价的系统，一个为跨境卖家核对不同国家标签规则的助手，看起来都不宏大，却可能足够深、足够刚需、足够赚钱。
小问题不等于小生意。只要它高频发生、让客户足够痛，并且你能稳定交付结果，它就可能撑起一家公司。AI不是只让大梦想变得可能，也让过去被成本埋掉的小需求重新浮出水面。
金句真正的野心，不是把问题说得很大，而是把一个真实问题解决到底。
最好的起步方式，是先笨拙地跑三五遍
有了强大的AI，人最容易犯的错误，就是一上来设计一个全自动宏大系统。流程还没跑通，就开始画平台架构；客户还没付钱，就讨论一百万用户。
更可靠的方法很朴素：找到一个具体客户、一个高频痛点，先用人工加AI手工完成三到五遍。
第一遍，你会发现客户嘴上说的问题，并不是真问题；第二遍，你会看见哪些信息必须补充；第三遍，你才知道哪一步可以标准化，哪一步必须交给人判断。等正确的路径出现，再让AI接管重复环节。
高级自动化从来不是把人全部赶走。机器适合处理确定性：搜索、整理、计算、匹配、提醒和执行；人负责不确定性：定义目标、理解例外、处理关系、承担风险和做最终判断。
Greg在访谈末尾强调，企业主仍然要对结果负责。客户会不会购买、结果是否可信、出了问题由谁承担，这些不会因为AI执行了任务就自动消失。
金句AI可以替你完成工作，但不能替你成为结果的负责人。
对中小企业主和创业者，我建议从本周开始做五件事：写下三个你忍受已久的问题；挑出一个高频且有人愿意付钱的问题；用AI手工交付三到五次；记录每次例外和人工判断；最后只自动化已经被验证正确的步骤。
不要急着问自己会不会写代码，也不要等团队、融资和产品都准备好。先问那道更重要的问题：如果世界上最好的程序员今天就坐在你旁边，你最想让他替谁解决什么？
能力正在成为公共基础设施，像电力和网络一样进入每个人的生活。真正拉开差距的，是你敢不敢定义一个更重要的问题，愿不愿走进真实现场，以及是否愿意为最终结果负责。
金句能力越来越平权，敢定义什么问题、愿不愿为结果负责，才决定你能走多远。
参考来源
Silicon Valley Girl：OpenAI Co-Founder—Start Building With AI Before You Feel Ready（访谈文字稿） OpenAI：ChatGPT is now a partner for your most ambitious work OpenAI：Built to benefit everyone—our plan Greg Brockman：The OpenAI Mission TIME：Greg Brockman and the 10x engineer mindset