高手怎么用 AI？普通人怎么学 AI？投资人如何投 AI？

概览

本期围绕三个问题展开：真正会用 AI 的人和普通用户有什么差别，普通人在 AI 时代该如何学习和行动，以及投资人如何判断 AI 创业机会。嘉宾把核心差异归结为：不只是“问 AI”，而是围绕 AI 重构流程、沉淀上下文、写 skill，并让 AI 能调用工具完成真实任务。

讨论中反复出现的主线是“从聊天到 agent”。嘉宾认为，单纯用 ChatGPT 式聊天只能带来有限效率提升，而使用 Codex、Claude Code、Cursor 等 agent 工具，才更容易积累上下文、资产和流程，从而打开更大的生产力空间。

后半段转向 AI 创业与投资。主持人和嘉宾讨论了 AI for Science、具身智能、FDE、微信 agent、视频模型、软件价值和语音交互等方向，也强调创业仍要从真实需求、个人热情和自己做起来不费劲的能力出发。

分段落总结

[00:00] 节目开场与嘉宾背景

[事实] 节目《十字路口》关注新一代 AI 技术浪潮带来的行业变化和创业机会。 [事实] 嘉宾介绍自己正在做社区、课程和企业培训，目标是“教大家怎么样被 AI 用好”。 [事实] 嘉宾此前有美国创业公司、腾讯游戏、Meta、亚马逊等经历；当前团队约五人，并披露 2024 年收入约 50 万美元、2025 年约 100 万美元。

[02:17] 高手用 AI：为 AI 搭脚手架

[事实] 嘉宾用“鸭哥”的例子说明高手会持续思考自己能为 AI 做什么，让 AI 越来越好用。 [事实] 高手会在生活和工作的小事、大事中随时使用 AI，例如调研房产、生成 Google Doc、联动 Gmail。 [事实] 嘉宾强调不只是给 AI 上下文，还包括工具、偏好、资料库和判断标准等“脚手架”。 [推测] 这里的高手用法更像在搭建个人操作系统，而不是临时向聊天机器人提问。

[04:30] 把学习内容变成 AI 可吸收的形式

[事实] 主持人提到有人把世界模型的文章、播客资料交给 Claude，让它写成带恋爱情节和创业竞争的三万字小说。 [事实] 主持人认为这种方式让自己对世界模型的理解多了一分。 [推测] 这个案例体现了用 AI 学习时，可以把抽象知识转化成更容易记忆和沉浸的叙事形式。

[05:09] 普通人学 AI：停止只用聊天，转向 agent 工具

[事实] 嘉宾认为普通人学 AI 最该做的一件事，是停止只用 ChatGPT 式聊天，改用 Claude Code、Codex、Cursor 等 agent 工具。 [事实] 他用蒸汽机、电机改造工厂的类比说明，新工具真正释放生产力，需要围绕它重构工作流程。 [事实] 他认为聊天式使用有三个限制：上下文每次要重新交代，产出难以积累，能调用的工具有限。 [推测] 嘉宾的关键判断是，AI 学习的重点不在 prompt 技巧，而在工作流迁移。

[07:29] Codex、Claude Code 与工具选择

[事实] 嘉宾说自己在某个版本更新前更多使用 Claude Code，之后更多使用 Codex。 [事实] 他认为 Cursor、Claude Code 和 Codex 在一段时间内水平接近，但模型更新会影响用户迁移。 [事实] 他更常用 Codex 的原因包括 GUI 更亲切、能自然取到 ChatGPT 历史记录、连接 Notion 成功率更高。 [推测] 工具选择并非只看模型能力，也取决于个人已有上下文和工具链整合程度。

[09:10] AI 时代不一定要追求十倍产出

[事实] 嘉宾反思，AI 到来后不一定要做十倍的事，也可以做和过去一样多的事、赚差不多的钱，把更多时间用于休息和无用之事。 [事实] 他曾在社区发帖说，如果自己是 role model，希望做一个“不 productive 的 role model”。 [事实] 他也承认实践得不成功，很多不 productive 的时间被刷短视频和小红书占掉。 [推测] 这段把 AI 生产力问题从效率工具扩展到了生活方式选择。

[11:26] Skill 的实例、标准与商业化

[事实] 嘉宾说自己多数 skill 来自鸭哥，也有用于视频后期、转播客、更新个人网站和 YouTube 描述的 skill。 [事实] 他认为好的 skill 要把隐性知识显性化，定义边界、工序、好坏标准和所需上下文。 [事实] 他认为真正的 skill 应该与流程、工具和标准有关，而不只是某种风格模仿。 [事实] 对 skill 商品化，嘉宾认为直接卖 skill 很难，但“skill as a service”可能更有道理。

[14:18] 上下文是个人、团队和公司的差异来源

[事实] 嘉宾把用好 AI 的第三步总结为：尽可能积累上下文，并把上下文提炼好。 [事实] 他指出模型和工具趋同后，真正拉开差距的是 context，其中包括 skill、隐性知识提炼、好坏定义等。 [事实] 他用企业培训举例，说自己因为上下文积累足够厚，可以在两天内针对高要求交付内容。 [推测] 这段把“知识管理”提升为 AI 时代的核心竞争力。

[15:37] AI 创业者的焦虑：旧商业模式的石头不见了

[事实] 嘉宾提到一些 AI 创业者处在重大战略选择中，要决定放弃什么、继续做什么。 [事实] 他认为上一代“发现需求、做产品、go to market、靠先发优势吃市场”的模式正在变难。 [事实] 原因包括用户可以自己用 Codex 等工具做出可用方案，供给端也能快速复制产品。 [推测] 传统 SaaS 或工具创业的护城河正在被模型能力和 agent 工具压缩。

[18:05] 大厂人的焦虑与最小行动

[事实] 主持人提出大厂人担心白领工作被 AI 波及，也看到创业机会不清晰、机会成本高。 [事实] 嘉宾认为焦虑之后要行动，并给出三个小步：少花钱多存钱，多用 agent 工具动手做东西，学习基础商业和销售。 [事实] 他提醒大厂或技术工作会积累一些商业上的错误认知，例如以为“更难的事情更有价值”。 [推测] 嘉宾对大厂人的建议不是立刻辞职创业，而是先获得财务自由度、技术体感和商业常识。

[22:40] 儿童教育、第二次文艺复兴与通才

[事实] 嘉宾说自己看好孩子的未来，但不看好这一代人的 transition。 [事实] 他认为 AI 可能带来第二次文艺复兴，因为当工具人和螺丝钉被替代，人会被迫发现自我和独特性。 [事实] 主持人提出未来教育也许不必精通一个专业，而是略懂许多领域，以便问出好问题。 [事实] 嘉宾认同新的 generalist 会重要，并强调学 AI 不是学名词，而是学动词、学做事。

[26:30] 国内 AI 创业体感：热浪、泡沫与机会并存

[事实] 主持人认为 2026 年国内创业热浪和资本热情前所未有，也伴随明显泡沫。 [事实] 他引用 Paper Boy 创始人的观点：人类和 AI 的最佳协作方式很可能还没有被发明出来。 [事实] 主持人认为悲观者可能正确，但只有乐观者才可能找到新缝隙并做出新产品。 [推测] 这段为后续投资判断奠定基调：泡沫不等于没有机会，关键是找到新协作范式。

[28:30] AI for Science 与“避开推土机”的两条路

[事实] 主持人提到一个图显示，美国 AI 相关软件和模型收入中，OpenAI 与 Anthropic 占大部分，其他 AI 应用只占较小比例。 [事实] 他提出创业要避开基础模型“推土机”，一条路是做 Moonshot，如 AI for Science、具身机器人；另一条路是深入行业做脏活累活。 [事实] AI for Science 的例子包括芯片设计、材料发现、挖矿、数学、量子计算机设计等。 [事实] 他认为这些是更高级、更复杂、行业 know-how 更强的知识工作。

[32:03] 具身智能估值与商业化现状

[事实] 主持人提到具身智能公司估值高，并追问这是投资驱动还是需求驱动。 [事实] 他认为一级市场估值体现的是一小群市场参与者对未来企业价值的货币化共识。 [事实] 当前具身智能已有机器人表演、租赁、数据采集、部分工业场景、卖给科研机构等商业化方式。 [推测] 他认为当下商业体量还不算大，高估值更多来自对未来大市场的折现。

[33:37] FDE：AI 落地企业的新角色

[事实] 主持人提到 OpenAI 和 Anthropic 都提出 FDE，即前端部署工程师。 [事实] FDE 的工作包括梳理流程、文化、上下文、数据库，并把 AI 植入企业工作的各个环节。 [事实] 主持人把 FDE 类比为帮助“数字员工”入职企业的角色。 [事实] 他认为这个岗位需求可能井喷，但 AI 真正落地企业会比很多人想象得更慢。

[37:02] 哪些公司已经靠 AI 赚到钱

[事实] 主持人认为已经有很多公司用 AI 赚到钱，包括披露 ARR 的 AI 应用、模型公司，以及持有模型公司股票的人。 [事实] 他提到短剧、漫剧、外贸从业者用 AI 提升生产力，在竞争中比同行更强，也能赚到钱。 [事实] 主持人明确说这不构成投资建议。 [事实] 他看好微信 agent 的潜力，原因是微信拥有中国最大的用户基本盘、社交关系、上下文和小程序生态。

[40:10] 主持人的个人定位：播客与投资

[事实] 主持人说自己当前主要做两件事：以播客为主的《十字路口》自媒体，以及在政客基金做投资合伙人。 [事实] 他认为这两件事高度协同，都是和 AI 创业者打交道，从中发现投资信号和未来趋势。 [事实] 他暂时没有再创业，因为还没有找到足够强的 conviction、passion 和 motivation。 [推测] 他把当前状态视为一种长期观察和连接 AI 创业生态的位置。

[44:11] 新时代 VC：叙事连接器、连接服务和财务伙伴

[事实] 嘉宾提出新一代 VC 不只是媒体公司，而可以是叙事连接器和新型财务伙伴。 [事实] 他认为 VC 可以帮助创始人找到并放大叙事，也能做横向连接，如客户、候选人、晚宴、workshop 等。 [事实] 他还提到 VC 可以为创业公司提供 hiring、财务等基础设施。 [事实] 主持人补充，好的投资人更像副驾，在关键时刻提供情绪价值和有用帮助，而不是持续指指点点。

[47:15] 社交、社区与给大厂人创业的建议

[事实] 主持人说自己暂时没有精力做一个完整社区，但希望用 dinner、披萨局等方式认识更多一线创业者。 [事实] 对想创业的大厂人，主持人建议找到自己非常有热情、不想睡觉也想做出来的事情。 [事实] 他还建议寻找自己做起来毫不费劲、别人却觉得费劲的方向，并从真实需求出发。 [事实] 他用 Open Cloud 和 Ermes agent 的故事说明，很多公司起点都是解决自己的一个小问题。

[51:07] 投资关注方向一：Everything Agent 与 agent 可用工具

[事实] 主持人把第一个关注方向称为 Everything Agent，认为 agent 会更细地进入白领工作的各个环节。 [事实] 他列举了 agent infra、沙箱、记忆、通信网络、支付等问题。 [事实] 他还强调未来产品要能被 agent 找到并用好，否则就像在应用商店里搜不到一样。 [推测] 这意味着未来软件不仅要服务人，也要服务替人执行任务的 agent。

[52:40] 投资关注方向二：具身智能与世界模型

[事实] 主持人把 physical AI、具身智能、机器人、世界模型作为第二个关注方向。 [事实] 他认为核心问题是如何让机器人进入工业场景和家庭环境，完成足够多且足够高价值的任务。 [事实] 他承认这个方向泡沫很大，但也提醒自己不要简单把行业参与者都看成套利或割韭菜。 [推测] 他的态度是谨慎但持续关注，因为泡沫背后可能沉淀长期价值。

[54:12] 投资关注方向三：视频模型与内容生产

[事实] 主持人把视频模型提升后的商业价值作为第三个方向，并提到可灵、Saidance 的 ARR 以及《僵尸清道夫》案例。 [事实] 他认为视频模型会释放普通人大脑中的创作，形成生产力革命，甚至接近“第二次文艺复兴”。 [事实] 他不赞成污名化短剧，认为大众喜闻乐见的内容也有价值。 [推测] 视频模型的机会不只在工具收费，也在新内容形态和新叙事生产方式。

[56:31] 投资关注方向四：软件会重生，但价值形态会变

[事实] 主持人关注 SaaS 股下跌、FDE 兴起后，软件工具如何继续产生投资价值。 [事实] 他认为软件不会消亡，本质上是在封装工作流、知识库和界面。 [事实] 他举例说，极致界面、私有数据和高价值工作流都可能成为软件价值来源。 [事实] 他提出，如果顶级投资人的创始人访谈和评估工作流可以按次付费开放，自己愿意购买学习。

[62:14] 投资关注方向五：语音交互与互动内容

[事实] 主持人认为打字不是人类最舒服的交流界面，尤其中文输入很难。 [事实] 他回顾微信早期与语音聊天相关，并认为语音能承载比文字更全面、更细致的信息。 [事实] 他认为语音相关机会仍然很多，也提到用说话 pitch 控制的语音互动游戏。 [推测] 语音可能成为 AI 原生交互和互动内容的重要入口。

播客点评/总结

这期的价值在于把“怎么用 AI”从工具推荐提升到了工作流、上下文和组织改造层面。嘉宾给出的路径很明确：少停留在聊天界面，多使用 agent 工具，积累 context，写出能沉淀流程和标准的 skill。

亮点是讨论同时覆盖个人、公司和投资三个层次。个人层面讲学习和转型，公司层面讲 FDE 和 AI 落地，投资层面讲 agent、具身智能、视频模型、软件和语音，形成了一条相对完整的 AI 时代行动地图。

局限是很多判断来自嘉宾和主持人的经验与观察，部分市场数据、公司 ARR、行业估值和未来趋势在转录稿中没有进一步展开验证，因此相关结论更适合作为思考框架，而不是直接决策依据。[推测] 这期尤其适合已经在用 AI、但感觉效率提升有限的人，以及正在考虑从大厂转型、做副业、创业或观察 AI 投资机会的人。