邱懿武
过去十几年，我持续在搭建一条从「创意」到「商品」的完整路径，让更多人真正成为造物者。
你在 AI 这件事上，走到哪里了？
请对照下面每一条，勾选符合自己的情况。
年前，留给自己和团队的几个问题
这六个问题，是今天整堂课的底层线索。点击展开每个问题的思考。
机遇不在于「用 AI 做你现在的事」，而在于过去因成本/效率/规模无法实现的事，现在可以了。
送报男孩的故事：把「过去依赖人力的高级服务价格打下来」——从廉价车到 UPS，每一次技术降本都带来新的产业物种。AI 的结构性机遇，发生在同样的地方。
Vibe — 氛围、品味、形象思维。当 AI 可以写代码、做设计、分析数据，「你能感知到什么是对的」变得无比珍贵。
Jobs 说："你怎么知道哪个方向是正确的？" 答案不是数据，是 taste。这是模糊的、感性的、无法被复制的能力。
不是「会用工具的人」，而是「能够让 AI 智能产生业务价值的人」。
核心能力：洞察真实世界的问题 + 行业经营方法论 + 结构化提炼表达 + 让 AI 实现自动化与规模化。
换句话说：老专家 + AI ＞ 菜鸟 + AI。AI 放大的是你本来就有的认知深度。
因为 AI 最大的门槛是认知，不是技术。技术革命本来就是认知革命；AI 技术革命，本来就是「认知的认知革命」。
大多数人试了没用，是因为对自己业务的认知还停留在工业时代。极少数人 All in 效果好，是因为认知模型先升级了。
MIT 研究：尽管大规模投资，95% 企业 AI 项目目前不带来可测量价值。原因：大多数企业还在 Level 1（AI 工具），没有进入 Level 3（AI 原生应用）。
知识本身是 AI 最擅长的领域；教育的本质是认知传递，而 AI 的本质就是认知模拟。
AI 带来的最大风险，不是技术替代人，而是教育把人提前训练成「可以被替代的那一类」。
今天分享四个部分
从工具到进化的
AI 思维方式
让我们重新思考：AI 到底是什么？
直觉上很多人会说「大学教授」——因为大学课程更结构化，可以录课、可以被 AI 讲解。
但仔细想：幼儿园老师的核心工作是情感陪伴、具身互动、观察个体发展——这些恰恰是当前 AI 最难做到的。
结论：大学教授的「知识传递」功能更容易被 AI 替代；幼儿园老师的「人的存在」更难被取代。
AI 对大学教授的价值更大——可以帮教授做文献综述、整理课件、生成测验题，极大提升生产力。AI 对幼儿园老师的帮助相对有限，因为核心工作就是「人」本身。
反直觉的答案：幼儿园老师——正因为 AI 无法替代，稀缺性大幅上升。
这个逻辑在所有职业上都成立：AI 高效替代的，稀缺性下降；AI 无法触达的人类本质能力，价值暴涨。
人工智能是在用计算机模拟人类智能。
技术革命本来就是认知革命——AI 技术革命，本来就是认知的认知革命。
经常性思维对比：农业 · 工业 · 互联网 · AI
不同时代的商业逻辑建立在不同的底层范式上。理解你自己的业务目前处于哪个思维阶段，是 AI 升级的前提。
| 模块 | 🌾 农业思维 | 🏭 工业思维 | 🌐 互联网思维 | 🤖 AI 思维 |
|---|---|---|---|---|
| 核心价值 | 顺应自然、生存为本 | 流程优化、产出最大化 | 连接用户、规模协同 | 智能生成、决策优化 |
| 资源底座 | 土地 + 劳力 + 经验 | 机器 + 工厂 + 人力 | 平台 + 用户 + 数据 | 算法 + 模型 + 算力 |
| 效率来源 | 家庭分工、经验复用 | 标准复制、机械流程 | 实时协同、多边连接 | 模型驱动、自动创造 |
| 用户关系 | 本地供给、熟人交易 | 面向大众、单向供应 | 互动参与、数据反馈 | 千人千面、实时适配 |
| 产品形态 | 粮食、手工制品 | 工业制品、批量制造 | 数字平台、服务化 | 内容 / 功能智能生成 |
| 思维方式本质 | 生存逻辑、经验脑 | 工程逻辑、流程脑 | 网络逻辑、连接脑 | 智能逻辑、模型脑 |
| 关键范式 | 天人合一、经验传承 | 流程复制、规模效率 | 平台网络、生态协同 | 模型涌现、认知补完 |
我们的 AI 窗口期，来了
三个能力同时成熟，比你想象的更危险。
过去，行业专家的经验只能靠带徒弟传递。现在，这些经验可以封装成 AI 的 Skill，任何人按需调用。
- 你的专业知识，正在成为可复用的「技能资产」
- 没有深度经验的人，可以用 Skill 快速跨界
- 你的护城河，不再是「知道什么」，而是「能感知到什么是对的」
不再是「你告诉 AI 怎么做」，而是「你告诉 AI 你要什么结果，它自己想办法」。AI 成为能力的调度系统。
- 引导：你设目标，AI 建立方案
- 建立：AI 主导执行，人做关键决策
- 共创：人机形成真正的智能协作
用自然语言描述你要做什么，AI 生成代码。编程不再是专属技能，每个人都可以成为系统的构建者。
- 旧世界：业主 → IT → 系统
- 新世界：业主 + 产品能力者 → AI 系统
- AI 系统的构建者 = 产品能力者
能力的调度系统
把「人做的工作」，变成「AI 规模化完成」。三个维度同时成熟，窗口期真实存在。
人机协作如何体现人的主体性？
人机协作三个阶段：引导（设目标）→ 建立（AI 执行，人复核）→ 共创（人机合体）。主体性不是「我能做」，而是「我能定义问题、做判断、负责任」。
引导力
知道要解决什么问题、设定正确目标框架。提问的质量决定答案的质量。
判断力
在 AI 给出多个方案时，知道哪个是对的。需要真实的业务经验和认知深度。
构建力
把 AI 能力组织成系统，而不是单次使用。从工具使用者升级为系统架构者。
在 AI 时代，重写你的企业操作系统
数据驱动的增强飞轮——越用越聪明。
AI 驱动公司的特征
集群性地获取数据 → 统一整合 → 普遍自动化 → 新的职位描述（人做判断和创造，AI 做执行和重复）
数据飞轮逻辑
用户 → 产品 → 数据 → 更好的产品 → 更多用户。AI 让这个飞轮转速提升 10 倍，品质同步提升。SHEIN 是最典型案例。
AI 时代要怎样的人？
为什么 AI 第一个颠覆的行业是知识教育？
传统教育的问题
- 标准化输入 → 标准化产出
- 记忆与复现知识
- 在考试中表现「流程执行力」
- 培养「服从标准」的工人
AI 带来的根本挑战
- 知识记忆 → AI 可以替代
- 格式化写作 → AI 可以替代
- 标准化分析 → AI 可以替代
- 工业化培养目标 ≈ 可被替代的人
AI 带来的最大风险，不是技术替代人，而是教育把人提前训练成「可以被替代的那一类」。
什么是 AI 时代的应用人才？
能够让 AI 智能产生业务价值的人
洞察真实问题
能从真实业务中发现值得用 AI 解决的问题，而不是把 AI 硬套在已有流程上。
行业方法论
有扎实的行业经营方法论，知道问题的本质。AI 是放大器，放大的是你本来有的认知。
结构化表达
能将模糊的感受和业务需求，转化为可以被 AI 执行的结构化指令和系统设计。
规模化执行
让 AI 实现自动化、规模化与持续优化——从一次性使用升级为可持续的 AI 系统。
巨大的人才鸿沟
| 🐣 菜鸟 + AI | 🏆 老专家 + AI | |
|---|---|---|
| 工具使用 | 热衷工具、浅尝即止 | 精通工具、学以致用 |
| 问题定义 | 问题模糊、靠 AI 提建议 | 问题清晰、用 AI 执行方案 |
| 业务价值 | 难以量化、无法复用 | 创造差异、构建壁垒 |
| 护城河 | 持续消耗（工具迭代就归零） | 持续累积（AI 放大认知深度） |
| AI 应用层次 | Level 1：AI 工具层 | Level 2–3：AI 应用层 |
老专家 + AI ＞＞ 菜鸟 + AI。AI 是放大器，放大的是你本来就有的认知深度。
为什么产品能力是 AI 时代的战略能力？
技术商品化
技术变得像电力一样普及——产品能力决定谁能把技术转化为用户价值。
整合与决策
AI 时代，产品整合决策——产品是「业务战略」的执行中枢，不仅是交付物。
复杂性压缩
AI 让复杂的系统变简单，但定义「什么是有价值的简单」，这是产品力。
合纵组织能力
AI 时代的产品人，要能组织 AI + 人 + 数据 + 系统形成合力。
我看到的 AI 蝴蝶效应
一个送报男孩的故事
一个十几岁的少年 Jim Casey 用 100 美元，创办了 American Messenger Company——专门帮人送信、送包裹。一开始，骑自行车挨家挨户送。
福特廉价车工业化之后，除了创造 UPS（United Parcel Service），还诞生了什么影响我们现在的应用？
汽车普及
廉价交通工具打破地理边界，人们第一次可以远距离通勤。
城市郊区化
不需要住在工厂旁边了，郊区住宅、Mall、超市——全是汽车带来的产业物种。
物流系统
UPS、FedEx——全球物流体系是汽车时代最重要的基础设施，没有它就没有电商。
看懂历史，不是为了记住过去，而是为了看见未来的轮廓。
那么，AI 蝴蝶效应的本质是什么？
| 技术革命 | 直接替代 | 蝴蝶效应（更大的产业） |
|---|---|---|
| 蒸汽机 | 人力体力劳动 | 铁路 · 钢铁 · 银行 · 城市化 · 大众教育 |
| 内燃机 / 汽车 | 马车 · 人力运输 | UPS · 公路网 · 石油 · 郊区 · 超市 · 麦当劳 |
| 互联网 | 实体零售 · 传统媒体 | Google · 淘宝 · 微信 · SaaS · 内容经济 |
| 人工智能 | 知识工作者 · 标准化服务 | ？？？（我们正在这里） |
IQaaS：智能成为基础建设
「博士级的专家智能，像铝箔纸一样用即抛（廉价）」
当电力成为基础设施，每家工厂不再需要自己的发电机。当「智能」成为基础设施，每个人都可以随时调用博士级的专家认知——智能本身的成本趋近于零。
AI 工具（Level 1）
ChatGPT 帮你写邮件。AI 是工具，你还在做决策。价值有限，容易被替代。
AI 产品（Level 2）
某个 SaaS 把 AI 能力封装进去，让用户体验更好。有一定壁垒，但核心在产品。
AI 原生应用（Level 3）
就像 UPS 之于汽车——把「过去依赖人力的高级服务打下来」，并创造全新的业务模式。这是 AI 真正的大机会。
OpenAI CEO 的答案
AI 时代的福特提供模型底座，AI 时代的 UPS 是构建在这之上、真正创造新业务模式的公司。
六大结构性机会
AI 不是要替代需求，而是要解除过去被压抑的需求。
杰文斯悖论：供给越丰裕，需求越爆发
蒸汽机改良后，煤炭越来越便宜，人们本以为煤的需求会下降——结果，煤的消费量反而暴增。因为成本下降激活了大量过去被压抑的需求。— 威廉·斯坦利·杰文斯，1865
AI 让智能成本趋近于零——人们对「智能」的需求，只会指数级爆发，不会减少。2026 年之后进入陡增曲线。你在爆发前布好局，还是等爆发后再入场？
最后的边界在哪里？
Vibe Coding 的精髓是 Vibe
无法被完全语言化的感知
知道什么是对的
在脑中看见未来的样子
Vibe Coding 不是让你「用感觉写代码」——而是说：驱动系统的源头是你的感知，而不是逻辑规则。用「氛围」描述你想要的，AI 负责翻译成代码。
最终，一切都取决于你的品味
"你怎么知道哪个方向是正确的？"— Steve Jobs，The Lost Interview
Jobs 的答案不是数据，不是逻辑，而是 taste——品味。
Ultimately, it comes down to taste.
最终，一切都取决于你的品味。— Steve Jobs
有价值的意图 / 氛围 / 品味从哪来？
真实世界
真实的业务场景 · 真实的用户痛苦 · 真实的市场摩擦。脱离现实的品味是审美，不是价值。
自己的真实需求
给自己做玩具 / 作品。当你是自己最严苛的用户，品味在无数次「不对，再来」中磨出来。
真实的满意感
2G（领导满意）· 2B（客户满意）· 2C（自己满意）。最高阶是 2C——自己真正满意的东西往往才有真正价值。
这一代产品最大的特点：学习即生产力
生产力 = f（问题定义能力，AI 能力，反馈有效性）
学习第一次真正进入了「生产函数」。不是「学完再用」，而是学的过程就是在创造价值——每一次探索新工具、每一次用 AI 解决真实问题，都直接产生输出。
学习型个人
建立持续学习的机制，让 AI 成为你的学习伙伴。不是「完成课程」，而是持续的「学-做-反馈」循环。
学习型组织
能建立持续学习机制的组织，才能不断适应 AI 变化。学习速度 = 进化速度。
I 人的世界到来
AI 极大降低了「创造」的门槛——每一个 I 人（内向者、独行侠、有独特品味的人）都可以用 AI 实现自己的想法，而不需要依赖庞大的团队或资源。
这不是孤独主义，而是主体性的回归：终于可以按照自己真实的意图去创造，而不是为了迎合流量、算法、或他人的期待。
永恒的魅力：为什么有些东西不会腻？
形式演化（技法变）+ 情感共振（真实感不变）+ 综合叙事（意义感叠加）——三者维度互洽，形成生生不息的动态感知闭环。真正的永恒，是在变化中保持了不变的本质。
年前给自己和团队的三个拷问
我知道的那个 big thing 是什么？（What）
你对 AI 时代的结构性机遇，有没有自己的判断？不是人云亦云，而是你亲身感知到的。
谁来干这个事情？（Who）
你能感知到谁具备做这件事的能力？这个「谁」，有没有可能是你自己？
怎么干？（How）
从工具使用者到系统构建者，你的路径是什么？第一步是什么？
最后的灵魂（Soul）
年轻人们，抬起脸来吧。在 AI 时代，你最不可替代的那个东西是什么？
与其取悦别人，不如取悦自己。
延伸阅读
永乐教育
yongle.school
AI 时代创造力教育
培养不被 AI 替代的孩子