乐于分享
好东西不私藏

最近的AI圈,有件事比发布新模型更值得注意

最近的AI圈,有件事比发布新模型更值得注意
世界杯
精彩时刻  永不落幕
一起见证世界的巅峰对决

最近的AI圈,有件事比发布新模型更值得注意

这几天我一直在看AI行业的新消息。

看得越多,越有一种感觉:现在大家还在讨论哪个模型更强、跑分又提高了多少,但真正的变化,好像已经不在聊天框里了。

AI正在慢慢从“给你一个答案”,变成“直接替你把事情做了”。

这两者听起来差不多,实际上完全不是一回事。

以前我们用AI,大多数时候就是问一句,它答一句。

让它写文章,它给你一篇初稿。

让它写代码,它给你一段代码。

让它做方案,它给你列出一套看起来还不错的框架。

至于后面怎么修改、怎么落地、出了问题怎么办,还是得人自己处理。

所以过去两年,AI虽然很火,但很多人用到最后,只是多了一个高级一点的搜索框。

真正省下来的时间,并没有想象中那么多。

但最近这段时间,我发现这个情况正在变。

AI公司现在做的重点,已经不是让模型回答得更像人,而是让它可以使用电脑、打开网页、调用工具、读取文件,甚至连续工作几个小时。

说白了,以前的AI像一个顾问。

现在的AI,开始有点像一个刚入职的员工了。


AI开始从“给建议”走向“交作业”

拿写代码这件事来说。

以前你让AI开发一个网站,它通常会给你一堆代码。

至于代码能不能运行、依赖有没有冲突、页面有没有报错、服务器能不能部署,它并不负责。

很多不懂技术的人,第一次看到代码的时候很兴奋。

觉得网站马上就做出来了。

结果把代码放到本地一运行,几十个报错。

然后继续把错误发给AI。

AI再给一段修改方案。

改完又出现新问题。

来来回回折腾几天,最后项目还是跑不起来。

这也是为什么很多人觉得AI写代码很厉害,但真正拿它做完整项目时,又总觉得差点意思。

现在,AI编程工具正在补的,就是后面这一段。

它不只是生成代码,还会自己运行、测试、读取报错、修改文件,再重新执行。

你给它的任务,也不再是:

“帮我写一个登录页面。”

而可能变成:

“把这个项目的登录功能做完,接好数据库,测试一下,发现问题就修复,最后告诉我改了哪些地方。”

这才是真正有价值的变化。

因为大部分人并不在乎一段代码是谁写的。

客户也不会因为你亲手敲了几千行代码,就愿意多给你钱。

大家最后看的,还是东西能不能用。


以后很多工作,可能不会被一次性替代

这段时间经常有人问我:

AI发展这么快,程序员会不会失业?

做设计的会不会失业?

写文章的会不会失业?

这个问题其实很难直接回答。

因为现实中的工作,不是一个按钮。

很少有一份工作只是“写代码”,或者只是“写文章”。

比如我平时帮别人做技术部署。

真正花时间的,不只是执行安装命令。

前面要问客户用的什么服务器,什么系统,有没有显卡,端口是否开放。

中间要处理环境冲突、网络问题、版本不兼容。

装完以后还要测试、交付、写使用说明,后面可能还要继续售后。

所以AI不会突然把整个岗位一口吞掉。

更可能发生的情况是,它先吃掉其中最标准、最重复、最容易检查的部分。

先帮你查环境。

再帮你生成安装命令。

然后读取日志、分析报错。

最后整理一份部署记录。

以前一个人一天只能接一两个单子。

以后借助AI,也许能同时处理五个、十个。

这才是我觉得最现实的变化。

AI不一定马上取代你。

但会用AI的人,很可能会逐渐取代那些完全不用AI的人。


真正需要担心的,是大量“中间工作”

以前互联网里有很多工作,本质上是在搬运信息。

有人负责搜索资料。

有人负责整理表格。

有人负责把长文缩短。

有人负责把一份内容改成几个不同平台的版本。

有人负责根据固定模板回复客户。

过去这些事情必须由人来做,是因为软件听不懂自然语言,也不会自己判断。

现在这道门槛正在快速消失。

AI能看文档、能看图片、能处理表格,也能调用各种软件。

只要规则足够清楚,很多工作就可以被拆成一条自动流程。

比如做一篇公众号文章。

过去可能是:

先找热点,再搜资料,再确定角度,然后写稿、改标题、找配图、排版,最后再改成小红书和头条版本。

如果整套流程都靠人,几个小时很正常。

以后可能只需要人确定一个方向。

AI负责抓取信息、整理资料、生成初稿、检查事实、给出标题,再按照不同平台进行改写。

人最后做判断和修改。

问题就来了。

如果一个人的价值,只是负责其中某个机械步骤,那这部分工作确实会越来越危险。

但如果你能决定写什么、为什么写、写给谁看,知道哪些信息可信,哪些观点有价值,那AI反而能放大你的能力。


内容行业也一样,最先贬值的不是写作,而是拼凑

很多人看到AI会写文章,第一反应是做自媒体越来越容易了。

从生产效率来看,确实是这样。

以前一天只能写一篇。

现在一天可以生成十篇、二十篇。

但问题是,当所有人都能批量生成内容以后,普通内容也会变得越来越不值钱。

现在网上已经有很多文章,看标题很有冲击力,开头也很热闹。

往下读几段,就能发现里面没有什么真正的信息。

无非是把公开资料重新整理一遍,然后加入几句正确但没什么用的话。

这种内容,以前至少还需要人花时间写。

现在AI几分钟就能批量生成。

所以以后真正稀缺的,不是会不会写文章,而是有没有自己的东西。

你亲自做过什么。

踩过哪些坑。

花过哪些冤枉钱。

哪些方法看起来很好,实际根本不能用。

客户真正关心什么。

行业里有哪些话大家不愿意公开说。

这些东西,AI很难凭空给你。

它可以帮你把经验表达得更清楚,但不能替你拥有经验。

所以我现在越来越不喜欢那种四平八稳的AI文章。

看着什么都说了,读完以后什么也记不住。

真正有价值的内容,哪怕写得没有那么漂亮,也应该让读者感觉到:

这个人确实做过。

他不是把网上的东西换一种方式再讲一遍。


普通人现在没必要追着每一个新模型跑

AI圈更新太快了。

今天出了新模型。

明天又出了新工具。

后天有人说某个产品已经碾压了所有同行。

如果每天都追这些东西,很容易产生一种错觉:

好像自己学了很多,又好像什么也没真正掌握。

我觉得普通人现在最该做的,不是把所有AI工具都试一遍。

而是先找一件自己每天都会重复做的事情。

比如整理客户需求。

回复常见问题。

写商品介绍。

分析销售数据。

制作短视频文案。

部署软件。

整理行业新闻。

然后认真想一下,这件事能不能被拆开。

哪些步骤可以交给AI。

哪些地方必须自己判断。

结果怎么检查。

出了错怎么退回来。

当你开始考虑这些问题的时候,你做的就不再是简单地使用AI。

而是在给自己搭一套工作系统。

这套系统不一定多复杂。

哪怕只是把原来需要两个小时的工作缩短到半个小时,长期积累下来,差距也会非常明显。


最后说两句

最近的AI新闻看起来很多。

模型、智能体、编程工具、搜索、办公软件,每天都有新东西。

但把这些消息放在一起看,方向其实越来越清楚。

AI正在离开聊天框。

它开始进入文件、浏览器、代码仓库、企业系统和每个人的工作流程。

以前我们关心的是,AI能不能写。

接下来更值得关心的是,AI能不能自己把事情做完。

这件事真正影响的,可能不是某一个行业,而是我们以后工作的方式。

未来人与人之间的差距,也许不在于谁知道更多AI工具。

而在于谁能把自己的经验变成流程,再让AI去重复执行。

我现在也在重新整理自己的工作。

哪些事情必须由我做。

哪些事情其实早就可以交给AI。

这个问题,可能比追下一款新模型更重要。

这里是浮生大白。

我不太关心AI又多了几个参数。

我更关心的是,它到底能不能帮普通人少走一点弯路,或者多赚一点钱。

文章事实来源

资料1:OpenAI于2026年6月11日宣布计划收购Ona,并披露Codex周活跃用户超过500万、较年初增长400%,同时强调让智能体在持久云环境中持续工作。

资料2:Anthropic披露,截至2026年5月,其内部合并代码中超过80%由Claude编写,工程师日均合并代码量约为2024年的8倍。

资料3:Google在2026年I/O公布新版AI搜索,提出用户可以直接通过搜索调用智能体,并称这是搜索框二十多年来的重要升级。

资料4:OpenAI宣布投入1.5亿美元建设合作伙伴网络,并计划在2026年底前培训30万名认证顾问,重点帮助企业完成流程改造和AI落地。

资料5:OpenAI于2026年6月16日公布部署模拟研究,分析约130万条去标识化对话,并测试涉及大量工具调用的智能体场景。

RECOMMEND

相关阅读

别再让 AI 瞎算命了:这个开源项目,把八字和紫微做成了 Agent Skill这两年,很多人都试过让 AI 看八字、看紫微、看流年。

别只盯着文字模型了,这个开源语音模型,可能更适合普通人做 AI 内容

你以为 AI 省时间,其实你在照看 AI

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料