夜雨聆风上一篇文章AI实践系列 | 50多岁，赋闲在家，我决定认真学AI里，我说自己开始系统学习AI，准备走工程实践这条路。
写完以后，和一些朋友聊起AI，大家总会讨论起一个问题：AI这么大一个领域，我们普通人到底能在里面做什么？
这个问题，我也琢磨了一段时间。
刚开始接触的时候，看到的全是各种新名词：芯片、算力、云平台、大模型、Agent……越看心里越发虚，觉得自己“需要提升的空间好大好大”。后来有一天，脑子里突然冒出一句老话：巧妇难为无米之炊。竟然很多原本有点乱的东西，慢慢串到一起去了。
先说明一下：下面这些不是什么专业分析，也不是行业判断。我也是刚开始系统学习AI，只是最近看资料、做练习时的一点个人思考，以后学得深了，说不定还会推翻。不过至少目前，我是这么理解的。
⸻
说起"巧妇难为无米之炊"，以前觉得这句话挺简单：再厉害的人，没有原料，也干不成事。这次我把它放到AI上看，忽然发现还挺贴切。
如果把AI世界看成一个厨房，那么AI（大模型）就是那个会做饭的巧妇，信息就是米，而最后做出来的饭菜，就是解决问题、创造价值这件事。巧妇负责做饭，米负责下锅，缺一样都不行。
目前大家讨论AI，大多聚焦在讨论巧妇：哪个模型更聪明，哪个排名更高，哪个又更新了。这些当然重要。
但换个角度想，如果两个人请的是同一个厨师（巧妇），做出来的饭菜为什么还会不一样？
一个很自然的原因是：给厨师的东西不一样。有人给的是新鲜食材，有人给的是剩菜剩饭；有人给的是详细菜谱，有人只说一句"随便做"。结果自然不一样。
想到这儿，我忽然觉得，"米"这件事，好像比想象中要重要。
⸻
顺着这个比喻继续往下捋，我发现整个AI产业链，居然也能用一个厨房解释清楚。
图1 AI产业链 × 厨房世界
最上面是算力，相当于厨房里的电和燃气，没有它什么都干不了；
再往下是云平台，相当于厨房本身，灶台、水槽、排风系统都在这一层；
接着是大模型，也就是真正会做饭的人，也就是本文中的巧妇；
然后才是应用——巧妇根据菜谱、利用食材，把饭菜做出来；
最后还有食客，饭菜做得怎么样，最终由食客评价。
这样看下来，那些原本有点抽象的名词，好像一下子就有了画面。
⸻
如果把厨房继续往下拆，会发现有些东西离我们普通人其实很远。比如算力，比如云平台，再比如各种大模型。这些事情当然重要，但好像都不是你我能参与的。
不是能力问题，而是游戏规则本来就不一样。就像普通人在家做饭，很少会去研究发电厂怎么建、天然气管道怎么铺，更不会想着自己培养一个世界级大厨。这些事情，原本就属于另一个层面。
想到这里，我竟然感觉轻松了一下：原来有些事情，不是自己学得不够快，而是压根就不是属于自己的那盘菜。更何况，已经有那么多公司投入了巨大的资源，把灶台搭好、厨房建好、巧妇也培养好了，很多过去想都不敢想的能力，如今只需要打开电脑就能用到。
这么一想，倒真有点站在巨人肩膀上的感觉。
⸻
再回头看那张图，我们普通人的位置，好像也有了轮廓：我们不用去造灶台，不用去盖厨房，也不用去培养巧妇，这些已经有人在做，而且做得非常好。
对大多数人来说，更现实的事情，也许是想想自己手里有什么米。
这个问题看起来简单，真去想的时候却未必容易。
因为很多东西平时放在身边，反而不觉得它有价值。一个做酒店的人熟悉酒店运营，一个做零售的人了解零售业务，一个医生知道医疗场景里的很多细节，一个老师清楚教学中的各种问题。这些平时看起来都很普通，可换个角度，它们可能就是别人手里没有的米。
巧妇，大家都能请，厨房，大家都能进，但每个人带进去的米，不太一样。
模型更新很快，今天追一个，明天又出一个，总有追不上的感觉。
而自己手里的那些东西——经历过的行业、积累下来的知识、对场景的理解——不会因为一次模型升级就突然消失。
图2 我们普通人手里的米
把它们整理出来，让AI能理解、能利用，也许比天天盯着排行榜更有意思。
我们不用和巨头比谁家的巧妇更厉害，那本来也不是我们的事。
巧妇会越来越多，厨房会越来越好，这些自然有人去做。
反倒是自己手里的那些东西，值得认真翻出来看看。
⸻
