https://mp.weixin.qq.com/s/kzCZMQzoP-tDSuV9H8X6Zw
比如上次发了一个随手一张图，一键生成完整的专业电商详情页面（体验地址+代码），就得到了非常多的咨询，后面也看到很多人都做成了产品，现在已经进阶到视频了。
就是等确认有需求、有人愿意付费了，再考虑做成标准化产品。
麦克法兰将AI革命与人类历史上的两次重大转折相提并论:
第一次革命: 一万年前文明的诞生
第二次革命: 工业革命
第三次革命: 正在发生的AI革命
关键区别在于：工业革命扩展了人的”身体”能力，AI革命则扩展”心智”能力。从”按需获取动力”到”按需获取智能”，这是质的飞跃。
“一个人+一百个AI”可能完成整个组织的工作，同时还提到了一个「”有闲阶层”的普遍化」，意思就是说历史上只有1%的贵族、僧侣享有的闲暇生活，但这个可能成为 AI 时代所有人的常态。
那么问题就来了，当人们拥有大量空闲时间，如何找到意义和价值？于是就引发出教育目标的转变-从”培养劳动力”转向”教人如何生活”。
当然这是乐观情况，悲观的可能就是「AI 鸿沟扩大，控制 AI 的少数人与被边缘化的大众」，于是他提到了关键：
AI 的未来最终取决于我们自身。这需要超越短期经济利益，以更宏阔的视野思考道德、社会、政治、生态等各方面影响，以负责任的方式推动AI发展。
他提到的「中西方模式的融合」可能就是答案，麦克法兰认为，中国传统哲学(儒、道、佛)不主张帝国主义扩张，可能为全球治理提供更优越的模式。结合中西方经验，或可创造更文明、和平的世界。
几乎所有 AI 应用层初创公司都很可能被基础模型提供商快速碾压，这不是传统的”大公司打败小公司”的故事，而是一个全新的结构性问题。
原因如下：
AI领域的技术范式转变以9-12个月为周期不断上演，初创公司根本没有足够时间构建成熟的商业体系。
底层基础技术完全没有稳定下来，应用公司还没站稳脚跟，下一波技术浪潮就把它们的商业模式冲垮了。
以往是初创公司颠覆现有巨头，但在AI领域，制造”海啸”的恰恰是那些大型基础模型提供商，因为它们有足够的资源和稳定性在自己掀起的动荡中存活。
快速变现：打造爆款应用，在12-18个月窗口期内迅速产生现金流并落袋为安。
被收购：做出足够优秀的产品吸引巨头收购。
6，
1980年代: 容易被自动化的是那些”规则明确、机械重复”的工作(打字员、账房、人工计算器)
AI时代: 容易被自动化的是那些”结果可验证”的工作，即使过程复杂。
这就是从”可编程性”到”可验证性”的范式转变。
为什么”可验证性”如此关键：
可重置 – 能反复尝试
高效率 – 能大量尝试
可奖励 – 有自动化的评估机制
这就解释了那些看起来最”智力密集”的工作(如高等数学、复杂编程)，可能因为其可验证性而最先被AI超越。而一些看似”简单”的工作(如家政、护理)，因为难以建立验证环境而更难自动化。
这与大众对”AI会取代低技能工作”的直觉完全相反，也是为什么很多预测都错了。
本质不是看任务的复杂度，而是看我们能否建立一个让AI自我优化的反馈循环。
所以又回到了这篇文章当时提到的一些数据：AI 到底抢了谁的饭碗？跟你想的可能有点不一样