AGI时代尚未到来，但AI已在重塑各行各业的游戏规则。从编程、设计到内容创作，AI正以十倍效率碾压传统工作流。本文将深度剖析大模型的技术天花板、AGI的核心挑战，以及在这场生产力革命中，哪些岗位将遭遇降维打击，哪些能力会成为最后的护城河。

最近一个月疯狂的试用了很多产品，很多时候都在一边亢奋，一边焦虑中度过。

我最开始有意识的关注AI大概是在2024年的年中，其实这个时间不算早。

之后我用AI写过文章，出过图片，写过歌，写过报告，PPT，还有Agent智能体，采用工作流输出过各种风格的简短动漫。

之后看了虚拟人，虚拟人直播，画原型，出UI，现在准备想看看AI编程的内容。

AI的技术也是不断进步，从ChatGPT，deepseek，Gemini，minmax等

各种应用也层出不穷，我自己电脑上收藏的国内国外的各种AI应用产品就超过100个。

各种工具也在不断地充值会员，然后试用，对比。

那我现在有什么思考呢。之前写过一篇文章，对AI的实践及思考，这篇文章虽然是1月份发出来的，但实际上是2025年12月份的一次演讲的存稿，但是我1月份发出来，其实代表我当时的想法还是这样，那经过这1个月的新探索之后，是否有些新的想法出来呢？

一、短期内不太可能突破AGI

一是现在的大模型本质逻辑是概率学的内容，通过猜来做出回答，你能给它提供更多资料，那么它就能回答的更好。这从这段时间的产品试用来看也是如此，比如AI画原型，后台出的效果要比用户端好很多，标准行业，比如电商，库存这一类行业已经标准化的系统，它的效果要比你去规划创新的AI产品要好很多。这也是为什么现在的AI在编程和各种创意上做的更好，因为有更多历史性公开资料能够被公布

二是现在的大模型的参数规模相对人脑来说，还存在百倍左右的数量级差异，而且能源各方面都存在问题，而短期并不太能够解决，这是物理制约。

三是现在的AI对现实世界的认知和自主学习尚有限，目前持续学习，根据学习内容自我迭代还不行。世界的信息异常丰富，我们人类提炼的内容有限，喂给AI的也有限度。AI如果不能学会自己从现实世界中去学习，并持续不断地更新，那么AI的AGI时代就不能到来。

二、真正的AGI必然要包含对真实世界的理解、学习

要对真实世界学习，那么现在的通过历史资料来建模的方式可能就不太行，因为现在的建模是概率学。而要对世界进行建模需要搭建世界模型，这个世界模型包括物理学，生物学，化学等硬科学作为理解世界的基础，然后加上软科学，比如人类学，法学，伦理学等来理解人类社会。也就是大模型最终要充分理解物理世界，也要充分理解人类社会，它才是对人类有大用AGI模型。现在的大模型还是更多在软科学层面。

从图灵奖得主杨立昆（Yann LeCun），到李飞飞，再到openai最近又有Jerry Tworek出走，这些最前沿的大佬都在搞更新的模型。

并不是说现在的LLM会消失，LLM应该会变成未来模型的一部分，Transformer会不会被重构，也完全有可能。

三、我们之前的经验就真的没用了么？

不是，之前的经验还是有用的，特别是提炼了方法论，或者是系统，模型框架的。比如编程，还是遵从之前的整体逻辑，要搭架构，要编写代码，要对接接口，要测试，要运维。这整套流程还是没有变，变得是由谁来做，之前大部分是依赖人，现在AI可以接手。但目前阶段，你要用AI写出好的代码，你还是要制定很多规范给它，这些规范无论是以提示词，还是skill还是别的什么，或者未来还有其它新的方式，但本质是上就是你要给相关的规则框架，要让AI在有限的范围内走。这就好像你要给它一个游戏的规则，给它红绿灯的规则，让它在这个规则内玩，要不它就会横穿马路，造成各种交通事故。

所以如果你从过往的经历中提炼了做事的方法论，还有规则，sop，那么AI就能够出色的完成你交代的工作。如果你还具有更系统的方法，能够搭建规则框架，各种业务的模型，那么你将能够利用AI做更多事情。也就是谁更具有系统性，谁就能利用AI做更多事情。

也就是，AI抹平了普通人做很多事情的门槛，我们一般人能够利用AI做很多之前做不到的事情，比如我利用AI写歌，利用AI画画等等。但是我如果和这行的专家相比（前提是真正有水平的专家原因利用AI，刚开始可能有抵触，但是相信很多会采用AI），那么我在这个领域想要胜过他们，也是很难的事情。

四、预警

但这会意味着，大量的行业中下水平者，特别是市场化，公开化的行业中，做纯知识型的这部分人，可能会在未来的几年中，面临大量的裁员。比如现在的产研团队，从商业调研，产品分析，UI设计，前后端数据库的研发人员，部署人员，运维人员。按照我现在看到的一些身边朋友的做事方式，人员大概只需要之前的1/5——1/10左右，时间可以压缩到之前的1/5——1/10左右。

再说客服这块现在的AI的水平和自动化的组合，所需要的人员也是之前的几分之一了。数据分析岗位也是一样，运营人员也是一样。基本上整个互联网，随着现在AI技术的发展，未来所需要的人员基本只有现在团队的几分之一。

还有一种可能，就是大家都采用AI之后，进行军备竞赛。但这只是针对早期就应用AI的公司，针对早期就使用AI的人员，在局部范围内，在AI领域对人员的需求会增加，但非AI的领域会面临降维打击，业务萎缩，随之而来的就是大面积的裁员（依赖信息的市场竞争行业，其它行业不考虑不分析）。

这在另一个层面会导致未来的行业集中度会更集中。我们简单看，传统的人管人，1个人可以管几个到十来个人不等，有了信息技术之后，管理人的数量增加了，可以到几十个，那么有AI大模型加持之后，一个人可以管更多的业务和人员，甚至到之后根本就没有实体的人，而是业务流程自动流转。这些的结果就是效率的倍增，效率的倍增也会带来规模的倍增，马太效应会更强。

五、所有的技术发展，最终还是要为人服务

另一方面来说，技术的发展确实又会有很多新的机会发生。比如AI编程技术的发展，之前有个ideal会需要组建一个包括产品经理、UI设计、研发、测试的整个产研团队来开发系统，现在可以只需要1-2人就把事情做了，随着技术的发展，完全可能自己就把研发完成了，至少初期的MVP版本就有了。时间也完全从过去的几个月半年，压缩到一个月，甚至1周或者更短的时间。

如果更进一步，那么运营，推广也直接使用AI来做了。

这也会导致，会有更多人成为自由职业者，固定岗位的工作会更少，临时性的工作会更多。

这需要我们把更多的精力花在找寻业务上，大部分人更适合的是更垂直领域的业务，而不是大而全的。

这需要我们与更多人接触，更深入生活，更深入社会去才能找到这些细微的机会，要更多的好奇心，更强烈的探索欲望，更认清现实世界和网络世界的差异点，那许多尚未被满足的需求。而过去许多不断重复的工作，很多都可以由AI来处理了，或者利用AI来达到过去10倍，100倍的效率提升。