ARTICLE · 1129557
AI的巨浪下,前路在何方?
一、你是迷茫还是不为所动？
最近一年的交流讨论里，有一个非常割裂的现象：一群人想积极拥抱AI，但是依然非常迷茫或者焦虑。他们每天大量接触、摄入AI相关知识，学习AI相关概念，看起来学到了很多东西，每天也都在高强度使用AI，但同时又时不时会有一种身处浪潮中却不知道该做什么的痛苦。
仿佛刚学会了很多东西，很快又出现了新的概念、新的进展。知识无穷无尽，而个人精力有限，这种落差让人疲惫。
而另外一批人很少关心AI，日子照旧，最多偶尔用一下豆姐或者D老师，还时不时说一句“AI果然还是不太靠谱，不能完全相信”，或者觉得自己该吃吃、该喝喝，自己的生活不会受到什么影响，觉得这个东西离自己很远。
我觉得，无论你或者身边的家人朋友属于哪一种情况，都可以花十几分钟时间，看看这篇文章，一起了解一下：现在的AI大概处于什么阶段，未来可能有哪些趋势和重要方向；我们应该做什么来迎接这次变革；我们可以从中得到什么，又可能失去什么；哪些人会从中获益，哪些人可能身处危险之中却毫不知情。
虽然字有些多，但是绝对值得。
二、先从我眼里的AI历史说起
聊当下及未来之前，我们先说说我视角里看到的AI的从前。
不考虑前面关注度比较低的两盘棋（跳棋、象棋），以及更早处于设想、摸索阶段的故事，多数人的AI初印象是AlphaGo战胜李世石，并挑战柯洁。
当时国内的热度非常高。很多圈内、圈外的人，都以吃瓜心态去看AI能否战胜围棋界的天才少年。关于人和机器谁更强的讨论甚嚣尘上，一时间，各种AI话题铺天盖地。
两派极端观点获得了非常高的热度：一派认为AI即将改变世界，AGI马上降临；另一派即使在AlphaGo完胜柯洁，甚至AlphaZero又击败AlphaGo之后，依然认为AI对人类的影响出不了棋盘，只能在“有限”空间里进行探索。
而我从2015年AlphaGo战胜李世石、完成破圈时，就开始认真了解和研究AI领域。
三、从树模型到大模型：能力边界如何一步步扩展
学习到树模型的时候，我意识到一个很关键的问题：多数决策其实可以被简化为一系列树形分叉。
比如找工作，在一堆岗位中选择时，要考虑这个工作在哪个城市、公司知名度如何、给多少钱、工作强度大不大、交通是否便利、福利如何、氛围是否适合自己。其实就是树的一个个分叉。每个人在不同核心点上的取舍不同，所以不同人的不同分叉要有不同的权值。
但是很快我就发现了一个问题：这个方法可以做到较高的准确率，却依然无法准确预测每一个人。因为在必然性之外，还有偶然性的东西。同一个人，在面临看起来相同的选择时，也可能因为一念之差，做出完全不同的选择。
当时的主要应用场景，是CTR、CVR类场景，也就是预估点击率、转化率，用来推荐广告。这种场景不需要每个结果都很准，只要多数情况下能够预测出来，就可以比之前有很大提升。
所以这个问题在具体应用场景里是可以接受的，但也意味着当时模型的能力边界只能局限于此。
随后在2017年第一份工作时，我在本身并非AI岗位（当时是商务智能与数据分析岗）的情况下，拿到了公司AI竞赛第二名。
当时的成功，很大程度来自于更好的特征工程，以及比别人更早使用LGB。
但是我很快意识到了一个问题：我们当时的基础特征有87个，但是由这87个基础特征经过处理后产生的完整特征集，却有500多个。经过一系列加工、处理以及组合后，500个特征的情况下还可以人工做选择和继续优化。尤其是LGB的应用，相比XGB显著缩短了我的试错时间，提高了我试错的机会次数。
但如果是更复杂的问题，基础特征更多的情况下呢？有没有更好的、自动化且通用的产生并筛选特征的方式？
所以在之后第二次参加比赛时，我的关注重点变成了寻找特征之间的相似性和互斥度，并思考在这些分组后的特征里，如何进一步做筛选和优化，如何减少检索的状态空间，降低问题复杂度。
当时我发现，如果算力充裕，在一定的人工规则下，模型可以自己探索到更好的参数组合和特征组合，从而降低对人的依赖。
当时的认知是：如果有更充足的算力和更好的规则引导，模型就可以解决更多、更复杂的问题，并获得更好的预测效果。
时间到了2017年年底，《Attention Is All You Need》正式发布。我和朋友讨论，这绝对会是一篇跨时代的论文。正如后文会再次讨论的，效率变革可以让很多不可能变得可能。
这篇论文解决了之前算法的低并行度问题，以及长距离依赖困难问题。
随后在2020年首次在腾讯参加内部AI竞赛时，我就用了自注意力机制，并靠当时获得的算力资源，在暴力堆叠神经网络层数、暴力探索参数组合的情况下，获得了内部第三名。
这次成绩再次让我相信：只要算力继续堆叠，探索空间继续被约束和引导，信息压缩及过滤提炼能力继续提升，AI就可以在更多问题上有显著更好的表现。
此后我持续活跃在各种内部、外部AI竞赛的讨论中，和大家分享我对每个问题的想法、看法以及各种很trick的解决方案。甚至会把一些我有思路、却不知道如何具体执行的问题，或者执行到一半卡住的思路抛到群里，看其他大佬和群体的智慧能不能更好地解决这些问题，也看有没有人可以沿着这个思路做出更好的成绩。也是在那个时期，我认识了很多优秀的前辈和同路人。
我更支持AI开源，并积极探索好的解决方案，提升整体社会效率，从而让大家从中获益，虽然我的能力远没有做到这一点。
四、从ChatGPT破圈，到AI成为技术革命
2022年11月30日，GPT-3.5被封装成对话式交互产品，2个月月活破亿，让AI进入了更多人的视野，我也开始更广泛地和大家讨论相关话题。
2023年4月20日，在《生活随笔2.0》中（原文链接见文末），我搬运了《梦想起航》1.0内部信里的部分内容，写下了：
“我认为大多数人高估了它在短期内的影响，并低估了它在长期的影响。我认为它长期的价值类似于汽车之于马车的技术革新。它会导致一批人的岗位丢失，同时会创造出一批新的岗位；而于社会发展而言，它极大地提高了生产力，同时引入了大量新的风险和威胁。
我不认为之前马斯克说的、要求相关研究暂停半年，以供相关立法和行业准则快速构建的事情可以完成，但是我也认同它的发展一定要有足够的边界和约束，否则可能给人类社会带来的就是灾难而不是福报。
与此同时，要提醒大家的是，当你意识到AI已经具备高中生的智商时，就意味着它达到爱因斯坦的智力水平的时间就在眼下了。因为生物从三叶虫到鱼、到两栖动物、爬行动物、灵长类动物，最终到人类用了几亿年，而AI完成前面这些突破只用了几十年，同时机器具备高速计算能力、可快速大量复制能力，以及近乎无限的生命。”
在那个时间，很多人可能意识不到最后那句话的意思和含金量，依然觉得现在只是多了一个百度，多了一个智能客服，而且经常还很智障，只能是某些领域里比较聪明的“大学生”，距离“智能”和“通用智能”依然还非常非常远。
并且在它发展到今天的能力之前，我在2023年初就判断，“GPT们”（大模型）带来的改变，是新一轮科技革命，而不是太空竞赛或者WEB3、VR、元宇宙、NFT那种炒概念、圈钱的机会。
在随后几年里，甚至到现在，很多人依然认为距离广泛影响大家的生活还需要很长时间，是大家当下不需要关注和操心的事情。但是时间会证明一切。
五、几个关键节点：判断如何逐步被验证
2023年7月30日，在《生活随笔2.0》第12页中，我推荐了WLD，提到了WLD/BTC有90%以上概率能涨3—5倍；一年后的2024年2月28日，已经涨到4倍，并提示到了卖点。这也算是AI相关判断里，让大家实际且直接获利的一个点。后来有很多群友提到，在推荐后参与了那波行情。
2025年年初，在《生活随笔4.0》第5页，我比绝大多数人更早讨论了DS免费开源降低AI应用门槛的问题。此举会打破美国AI垄断，也让此前的竞争形态发生根本性变化。
很多事情的发展方向，就是一步步走出来的。在最开始的AI对抗里，多数人对我们的AI能力持悲观态度，甚至到今天依然有很多人有这样的想法，而我一直更加谨慎乐观。
像DS的突围，就属于在此前不容易被注意到的小细节，却对未来发展走势产生根本性影响的情况。
市场行情也是这样，都是一步步走出来的。有一些根本性的东西无法违背，但是在实际的特定周期走势里，又会有各种各样的可能。
我们要做的是，比其他人更早地意识到变化，比对手看得更深一些；不要误认为自己可以永远正确，也不要因为出现过错误，就认为是自己的能力问题。
我们无需、也不可能做到每次都对。要么做对一次长期选择，要么多做对几次短期选择。
2026年1月15日，公众号文章《礼崩乐坏，乱世如期而至（一）》对2026年展望，核心有6件大事：
1. 礼崩乐坏，新秩序前的动荡期；
2. AI Agent应用元年；
3. 科技全面爆发；
4. 围绕AI、军工等需求热点的稀有贵金属将迎来暴涨；
5. 能源、能源转化、能源储存运输，将决定最终胜利者；
6. 人类迈向星辰大海的速度会被显著加速。
第1点应该没什么争议，第2点有越来越多人认可，第3点无论炒股还是不炒股，多少都有感受。第4点，相关稀有贵金属涨幅均值在50%以上；第5点仍在验证中；第6点也还在进行中，可以等年底再来回看这里。
2026年3月8日，公众号文章《拥抱AI，或被时代抛弃》首次用了比较明显、具有倾向性的描述，努力让一些人重视AI。熟悉我的人应该都知道，我一贯不喜欢用标题党来引流、获得更高流量。
里面的很多内容，在今天我觉得依然值得大家查看和参考，因为仍有很多人处在“看不见、看不起、看不懂、追不上”的某个阶段，所以即使今天去看，也依然不晚。
文章开篇就提到“2026会是AI Agent元年”“效率会被明显加速”“中国AI的突围可能靠的是便捷性、应用以及廉价优势”。
并且在大家使用AI交易踩坑前，就提醒“完全靠AI选股，略好于赌球、找猴子或海豚帮忙”。AI的作用是识别、监控、判断、推送和告警，属于比之前的工具更加好用、便捷、灵敏、高效，但是并未颠覆。
文章也给出了对AI的态度：AI是工具，不是答案，也不是真理；不迷信AI，把它当工具，而不是让自己停止思考。要思考的是，如何把问题拆分成可以由AI完成的部分。这也是后来使用Codex的思路。
其中说到的“不要假设AI应该充分知道你没说的那部分想法”，即使到今天，很多人依然没有意识到。
2026年4月10日，我再次发表了一篇AI辅助写的文章《抓住的才叫机会，错过的不算》，借过去中国的4次典型造富浪潮，给大家提供一些AI时代来临时的思路灵感。
2026年6月11日，在项目年度对外复盘文章《更复杂难做的市场里，如何跑得赢市场变化》中，我从自己的实际感受和切实相关的应用出发，写了新一轮AI对交易产生的影响，以及如何充分利用这一工具，积极拥抱变化，去适应和提升。
同时也讲了为什么AI和传统量化相比，对散户及其他无法及时转变的人带来的收益影响更大，以及为什么它会进一步压缩非专业金融人士的盈利可能。
今年听一个同行说：“从今往后，我不会建议任何非金融专业人士本人下场参与交易。因为即使是曾经的专业人士，在这一轮冲击中都很难活到最后，而其他非专业人士下场自己操作，无异于刀尖舔血。”
虽然这个言论有些极端，因为大家尤其是大厂出来的人，身边都有那么几个同事、朋友从交易中获得了不菲收益，但是确实，未来的天平会越来越向头部倾斜。单纯靠比普通人更高的认知和理解，很难转变为确定性收益。
文章中判断，上半年养“小龙虾”爆火的时候，小龙虾对于多数人来说依然很不完善，并不好用，核心还在能力提升以及易用性提升。
但是就在今年下半年，“小龙虾”们会迎来质变。到年底、过年的时候，会有更多人被动关注到AI Agent。明年，不管你是否愿意，AI都会实质改变更多人的生活。
六、当下与未来：AI究竟能给我们什么
如果你能耐着性子看完这么多过去的事情，再去看当下和未来，一切就会变得顺理成章。
我很喜欢最近听到的一句有意思的话：“AI这事儿，听你们聊得这么兴奋，你们一定赚了不少钱吧？”
我知道，多数人的答案其实是没有直接赚到什么钱，甚至花掉了大量时间。更多人的感受可能只是有了Vibe Coding，再也不用自己写代码了，但这也意味着老板对你的效率和能力边界预期迅速膨胀。AI并没有让大家实际完成变现。
我觉得这段话没必要做什么反驳，因为事实确实如此。但是，这不意味着大家了解AI、使用AI没有意义。
一方面，会用AI的人更容易获得工作机会，也会获得比其他AI使用不熟练的人更高的待遇以及更好的工作体验。尤其是互联网相关公司，如果不会用AI，几乎很难得到offer。而在其他传统行业，如果能用好AI，对其他同事很可能是降维打击。
AI的上限：让创意更低成本地被验证
而AI的上限不在这里。AI的上限在于，原本很多创意想法只能停留在创意想法阶段，变现成本太高；而现在想要做一个应用、网站，只需要表述清楚需求，设计好方案，AI就可以帮你在很短的时间里、以很低的成本搭建完成。
大家有了更低门槛验证自己想法和创意的机会，创业变得不再遥远，也不再必然意味着高风险、高成本。
像我现在做的个人网站（可查看原文：https://jsmz6.pages.dev/），就是AI帮忙用二十几个小时搓出来的，而人工时间累计到现在也不超过8小时。最初的Demo版本，用时更短。
虽然现在依然处在Demo阶段，各种功能正在陆续完善中，但是已经足够证明：现在把想法变现的成本，远比之前低。
另外，大家很容易忽略的一点是：世界运行的逻辑没有变，人性没有变。AI只是改变了生产效率，同时让很多原本不可能的事情变成可能。
这也是很多人迷茫和不安的根源。大家以为AI时代来了，一切都变了；其实，一切都没有变。理解了这一点，再去想AI时代可以做什么，就会更加清晰明确，而不是迷茫。
大家应该做的是，去想怎么在自己擅长的领域里应用AI，做自己所在领域里更会使用AI的那个人，而不需要进入AI这个领域本身，去挤破脑袋和那些天才们竞争。
这两段话，我觉得值得大家反复读几次，也可以长按划线记录下来，睡前再来思考、琢磨一下。
这里隐藏的一个更通用的逻辑就是：选择在哪个牌桌玩，远比思考在牌桌上应该如何做更重要。
你在一个高手如云的牌桌里，再怎么努力、再怎么琢磨，也不可能赢过其他人，只会徒增痛苦和焦虑。放过自己，寻找自己的舒适区。未来成功的人，不会再是那些睡公司、只靠拼搏奋斗、不断内卷的那群人，而是那些开心、快乐，保持好奇、保持探索的那群人。
七、效率变革为什么会带来产业变化
宏观一些，继续思考AI：为什么说生产效率的提升可以带来产业变革？
正如在当前电价下，人造蛋白质、人造淀粉技术没有商用意义，因为它们是必亏的项目；而当可控核聚变真的走向商用、走进生活时，这两项技术就会变得至关重要。
同理，AI领域也是这样。
其他信息与知识补充
熟悉的人应该知道，我在2017年工作之后开始参加AI类竞赛，CTR、CVR、OCR、CV、NLP各细分领域的竞赛都有参与。最高时，8个月在腾讯内部码客榜单杀入第二；外部数学建模竞赛拿过全国杯奖、国际二等奖。对这个行业，我是有一定了解和发言权的。
大国间AI竞赛已经逐步进入后半段，而后半段的胜负手不再是卷技术，而是在应用端，也在成本侧。
中国发电量已经是全球第一，占比已经超过美国、欧盟和印度的总和。即便如此，去年新增发电量在全球新增发电量中占比仍超过六成，而且绿色能源占比超过95%。
元旦和人交流、讨论到高校人才流失、头部人才大量出国，很多人对国内AI发展非常悲观，我反而很乐观，抛出了一个观点：环境的影响远比人的影响更大。推动关键变革发生的人，可以是张三，也可以是李四；脚下这片土壤，会更重要。这个观点与DS的开源以及异军突起并不冲突。
使用AI最重要的是：表达清楚现状、诉求和边界条件，把话说清楚。
补充：三盘棋与AI发展路径
跳棋的状态空间约为10^20，用搜索和机器学习剪枝即可解决；
国际象棋的状态空间约为10^44，需要依赖强大算力以及持续的专家规则，且有可能在对抗中被再次战胜；
围棋的状态空间约为10^170，博弈树复杂度约为10^360，靠算力和专家规则无法实现。
所以，AI正式从“人类写规则”，转向“AI从数据和对弈中持续学习”。后续AlphaZero的发展路径是必然的：它在跳棋、国际象棋、围棋上均超过了人类水平，把“三盘棋”的解决方案统一到了同一个框架里。
引用与原文链接
2. 拥抱AI，或者被时代抛弃
5.生活随笔2.0及4.0，需点击查看原文，去对应个人站查看