AI的巨浪下，前路在何方？

AI：从棋盘之外，到每个人的生活

预计阅读时间：约 15—18 分钟（快速浏览约 10—12 分钟）

一、为什么现在必须认真理解 AI

最近一年的交流讨论里，有一个非常割裂的现象：一群人想积极拥抱 AI，但是依然非常迷茫或者焦虑。他们每天大量接触、摄入 AI 相关知识，学习 AI 相关概念，看起来学到了很多东西，每天也都在高强度使用 AI，但同时又时不时会有一种身处浪潮中却不知道该做什么的痛苦。

仿佛刚学会了很多东西，很快又出现了新的概念、新的进展。知识无穷无尽，而个人精力有限，这种落差让人疲惫。

而另外一批人很少关心 AI，日子照旧，最多偶尔用一下豆姐或者 D 老师，还时不时说一句“AI 果然还是不太靠谱，不能完全相信”，或者觉得自己该吃吃、该喝喝，自己的生活不会受到什么影响，觉得这个东西离自己很远。

我觉得，无论你或者身边的家人朋友属于哪一种情况，都可以花十几分钟时间，看看这篇文章，一起了解一下：现在的 AI 大概处于什么阶段，未来可能有哪些趋势和重要方向；我们应该做什么来迎接这次变革；我们可以从中得到什么，又可能失去什么；哪些人会从中获益，哪些人可能身处危险之中却毫不知情。

虽然字有些多，但是绝对值得。

二、先从我眼里的 AI 历史说起

聊当下及未来之前，我们先说说我视角里看到的 AI 的从前。

不考虑前面关注度比较低的两盘棋（跳棋、象棋），以及更早处于设想、摸索阶段的故事，多数人的 AI 初印象是 AlphaGo 战胜李世石，并挑战柯洁。

当时国内的热度非常高。很多圈内、圈外的人，都以吃瓜心态去看 AI 能否战胜围棋界的天才少年。关于人和机器谁更强的讨论甚嚣尘上，一时间，各种 AI 话题铺天盖地。

两派极端观点获得了非常高的热度：一派认为 AI 即将改变世界，AGI 马上降临；另一派即使在 AlphaGo 完胜柯洁，甚至 AlphaZero 又击败 AlphaGo 之后，依然认为 AI 对人类的影响出不了棋盘，只能在“有限”空间里进行探索。

而我从 2015 年 AlphaGo 战胜李世石、完成破圈时，就开始认真了解和研究 AI 领域。

三、从树模型到大模型：能力边界如何一步步扩展

学习到树模型的时候，我意识到一个很关键的问题：多数决策其实可以被简化为一系列树形分叉。

比如找工作，在一堆岗位中选择时，要考虑这个工作在哪个城市、公司知名度如何、给多少钱、工作强度大不大、交通是否便利、福利如何、氛围是否适合自己。其实就是树的一个个分叉。每个人在不同核心点上的取舍不同，所以不同人的不同分叉要有不同的权值。

但是很快我就发现了一个问题：这个方法可以做到较高的准确率，却依然无法准确预测每一个人。因为在必然性之外，还有偶然性的东西。同一个人，在面临看起来相同的选择时，也可能因为一念之差，做出完全不同的选择。

当时的主要应用场景，是 CTR、CVR 类场景，也就是预估点击率、转化率，用来推荐广告。这种场景不需要每个结果都很准，只要多数情况下能够预测出来，就可以比之前有很大提升。

所以这个问题在具体应用场景里是可以接受的，但也意味着当时模型的能力边界只能局限于此。

随后在 2017 年第一份工作时，我在本身并非 AI 岗位（当时是商务智能与数据分析岗）的情况下，拿到了公司 AI 竞赛第二名。

当时的成功，很大程度来自于更好的特征工程，以及比别人更早使用 LGB。

但是我很快意识到了一个问题：我们当时的基础特征有 87 个，但是由这 87 个基础特征经过处理后产生的完整特征集，却有 500 多个。经过一系列加工、处理以及组合后，500 个特征的情况下还可以人工做选择和继续优化。尤其是 LGB 的应用，相比 XGB 显著缩短了我的试错时间，提高了我试错的机会次数。

但如果是更复杂的问题，基础特征更多的情况下呢？有没有更好的、自动化且通用的产生并筛选特征的方式？

所以在之后第二次参加比赛时，我的关注重点变成了寻找特征之间的相似性和互斥度，并思考在这些分组后的特征里，如何进一步做筛选和优化，如何减少检索的状态空间，降低问题复杂度。

当时我发现，如果算力充裕，在一定的人工规则下，模型可以自己探索到更好的参数组合和特征组合，从而降低对人的依赖。

当时的认知是：如果有更充足的算力和更好的规则引导，模型就可以解决更多、更复杂的问题，并获得更好的预测效果。

时间到了 2017 年年底，《Attention Is All You Need》正式发布。我和朋友讨论，这绝对会是一篇跨时代的论文。正如后文会再次讨论的，效率变革可以让很多不可能变得可能。

这篇论文解决了之前算法的低并行度问题，以及长距离依赖困难问题。

随后在 2020 年首次在腾讯参加内部 AI 竞赛时，我就用了自注意力机制，并靠当时获得的算力资源，在暴力堆叠神经网络层数、暴力探索参数组合的情况下，获得了内部第三名。

这次成绩再次让我相信：只要算力继续堆叠，探索空间继续被约束和引导，信息压缩及过滤提炼能力继续提升，AI 就可以在更多问题上有显著更好的表现。

此后我持续活跃在各种内部、外部 AI 竞赛的讨论中，和大家分享我对每个问题的想法、看法以及各种很 trick 的解决方案。甚至会把一些我有思路、却不知道如何具体执行的问题，或者执行到一半卡住的思路抛到群里，看其他大佬和群体的智慧能不能更好地解决这些问题，也看有没有人可以沿着这个思路做出更好的成绩。也是在那个时期，我认识了很多优秀的前辈和同路人。

我更支持 AI 开源，并积极探索好的解决方案，提升整体社会效率，从而让大家从中获益，虽然我的能力远没有做到这一点。

四、从 ChatGPT 破圈，到 AI 成为技术革命

2022 年 11 月 30 日，GPT-3.5 被封装成对话式交互产品，2 个月月活破亿，让 AI 进入了更多人的视野，我也开始更广泛地和大家讨论相关话题。

2023 年 4 月 20 日，在《生活随笔 2.0》中，我搬运了《梦想起航》1.0 内部信里的部分内容，写下了：

我认为大多数人高估了它在短期内的影响，并低估了它在长期的影响。我认为它长期的价值类似于汽车之于马车的技术革新。它会导致一批人的岗位丢失，同时会创造出一批新的岗位；而于社会发展而言，它极大地提高了生产力，同时引入了大量新的风险和威胁。

>

我不认为之前马斯克说的、要求相关研究暂停半年，以供相关立法和行业准则快速构建的事情可以完成，但是我也认同它的发展一定要有足够的边界和约束，否则可能给人类社会带来的就是灾难而不是福报。

>

与此同时，要提醒大家的是，当你意识到 AI 已经具备高中生的智商时，就意味着它达到爱因斯坦的智力水平的时间就在眼下了。因为生物从三叶虫到鱼、到两栖动物、爬行动物、灵长类动物，最终到人类用了几亿年，而 AI 完成前面这些突破只用了几十年，同时机器具备高速计算能力、可快速大量复制能力，以及近乎无限的生命。

在那个时间，很多人可能意识不到最后那句话的意思和含金量，依然觉得现在只是多了一个百度，多了一个智能客服，而且经常还很智障，只能是某些领域里比较聪明的“大学生”，距离“智能”和“通用智能”依然还非常非常远。

并且在它发展到今天的能力之前，我在 2023 年初就判断，“GPT 们”（大模型）带来的改变，是新一轮科技革命，而不是太空竞赛或者 WEB3、VR、元宇宙、NFT 那种炒概念、圈钱的机会。

在随后几年里，甚至到现在，很多人依然认为距离广泛影响大家的生活还需要很长时间，是大家当下不需要关注和操心的事情。但是时间会证明一切。

五、几个关键节点：判断如何逐步被验证

2023 年 7 月 30 日，在《生活随笔 2.0》第 12 页中，我推荐了 WLD，提到了 WLD/BTC 有 90% 以上概率能涨 3—5 倍；一年后的 2024 年 2 月 28 日，已经涨到 4 倍，并提示到了卖点。这也算是 AI 相关判断里，让大家实际且直接获利的一个点。后来有很多群友提到，在推荐后参与了那波行情。

2025 年年初，在《生活随笔 4.0》第 5 页，我比绝大多数人更早讨论了 DS 免费开源降低 AI 应用门槛的问题。此举会打破美国 AI 垄断，也让此前的竞争形态发生根本性变化。

很多事情的发展方向，就是一步步走出来的。在最开始的 AI 对抗里，多数人对我们的 AI 能力持悲观态度，甚至到今天依然有很多人有这样的想法，而我一直更加谨慎乐观。

像 DS 的突围，就属于在此前不容易被注意到的小细节，却对未来发展走势产生根本性影响的情况。

市场行情也是这样，都是一步步走出来的。有一些根本性的东西无法违背，但是在实际的特定周期走势里，又会有各种各样的可能。

我们要做的是，比其他人更早地意识到变化，比对手看得更深一些；不要误认为自己可以永远正确，也不要因为出现过错误，就认为是自己的能力问题。

我们无需、也不可能做到每次都对。要么做对一次长期选择，要么多做对几次短期选择。

2026 年 1 月 15 日，公众号文章《礼崩乐坏，乱世如期而至（一）》对 2026 年展望，核心有 6 件大事：

1. 礼崩乐坏，新秩序前的动荡期； 2. AI Agent 应用元年； 3. 科技全面爆发； 4. 围绕 AI、军工等需求热点的稀有贵金属将迎来暴涨； 5. 能源、能源转化、能源储存运输，将决定最终胜利者； 6. 人类迈向星辰大海的速度会被显著加速。

第 1 点应该没什么争议，第 2 点有越来越多人认可，第 3 点无论炒股还是不炒股，多少都有感受。第 4 点，相关稀有贵金属涨幅均值在 50% 以上；第 5 点仍在验证中；第 6 点也还在进行中，可以等年底再来回看这里。

2026 年 3 月 8 日，公众号文章《拥抱 AI，或者被时代抛弃》首次用了比较明显、具有倾向性的描述，努力让一些人重视 AI。熟悉我的人应该都知道，我一贯不喜欢用标题党来引流、获得更高流量。

里面的很多内容，在今天我觉得依然值得大家查看和参考，因为仍有很多人处在“看不见、看不起、看不懂、追不上”的某个阶段，所以即使今天去看，也依然不晚。

文章开篇就提到“2026 会是 AI Agent 元年”“效率会被明显加速”“中国 AI 的突围可能靠的是便捷性、应用以及廉价优势”。

并且在大家使用 AI 交易踩坑前，就提醒“完全靠 AI 选股，略好于赌球、找猴子或海豚帮忙”。AI 的作用是识别、监控、判断、推送和告警，属于比之前的工具更加好用、便捷、灵敏、高效，但是并未颠覆。

文章也给出了对 AI 的态度：AI 是工具，不是答案，也不是真理；不迷信 AI，把它当工具，而不是让自己停止思考。要思考的是，如何把问题拆分成可以由 AI 完成的部分。这也是后来使用 Codex 的思路。

其中说到的“不要假设 AI 应该充分知道你没说的那部分想法”，即使到今天，很多人依然没有意识到。

2026 年 4 月 10 日，我再次发表了一篇 AI 辅助写的文章《抓住的才叫机会，错过的不算》，借过去中国的 4 次典型造富浪潮，给大家提供一些 AI 时代来临时的思路灵感。

2026 年 6 月 11 日，在项目年度对外复盘文章《更复杂难做的市场里，如何跑得赢市场变化》中，我从自己的实际感受和切实相关的应用出发，写了新一轮 AI 对交易产生的影响，以及如何充分利用这一工具，积极拥抱变化，去适应和提升。

同时也讲了为什么 AI 和传统量化相比，对散户及其他无法及时转变的人带来的收益影响更大，以及为什么它会进一步压缩非专业金融人士的盈利可能。

今年听一个同行说：“从今往后，我不会建议任何非金融专业人士本人下场参与交易。因为即使是曾经的专业人士，在这一轮冲击中都很难活到最后，而其他非专业人士下场自己操作，无异于刀尖舔血。”

虽然这个言论有些极端，因为大家尤其是大厂出来的人，身边都有那么几个同事、朋友从交易中获得了不菲收益，但是确实，未来的天平会越来越向头部倾斜。单纯靠比普通人更高的认知和理解，很难转变为确定性收益。

文章中判断，上半年养“小龙虾”爆火的时候，小龙虾对于多数人来说依然很不完善，并不好用，核心还在能力提升以及易用性提升。

但是就在今年下半年，“小龙虾”们会迎来质变。到年底、过年的时候，会有更多人被动关注到 AI Agent。明年，不管你是否愿意，AI 都会实质改变更多人的生活。

六、当下与未来：AI 究竟能给我们什么

如果你能耐着性子看完这么多过去的事情，再去看当下和未来，一切就会变得顺理成章。

我很喜欢最近听到的一句有意思的话：“AI 这事儿，听你们聊得这么兴奋，你们一定赚了不少钱吧？”

我知道，多数人的答案其实是没有直接赚到什么钱，甚至花掉了大量时间。更多人的感受可能只是有了 Vibe Coding，再也不用自己写代码了，但这也意味着老板对你的效率和能力边界预期迅速膨胀。AI 并没有让大家实际完成变现。

我觉得这段话没必要做什么反驳，因为事实确实如此。但是，这不意味着大家了解 AI、使用 AI 没有意义。

一方面，会用 AI 的人更容易获得工作机会，也会获得比其他 AI 使用不熟练的人更高的待遇以及更好的工作体验。尤其是互联网相关公司，如果不会用 AI，几乎很难得到 offer。而在其他传统行业，如果能用好 AI，对其他同事很可能是降维打击。

### AI 的上限：让创意更低成本地被验证

而 AI 的上限不在这里。AI 的上限在于，原本很多创意想法只能停留在创意想法阶段，变现成本太高；而现在想要做一个应用、网站，只需要表述清楚需求，设计好方案，AI 就可以帮你在很短的时间里、以很低的成本搭建完成。

大家有了更低门槛验证自己想法和创意的机会，创业变得不再遥远，也不再必然意味着高风险、高成本。

像我现在做的个人网站（可查看原文：https://jsmz6.pages.dev/），就是 AI 帮忙用二十几个小时搓出来的，而人工时间累计到现在也不超过 8 小时。最初的 Demo 版本，用时更短。

虽然现在依然处在 Demo 阶段，各种功能正在陆续完善中，但是已经足够证明：现在把想法变现的成本，远比之前低。

另外，大家很容易忽略的一点是：世界运行的逻辑没有变，人性没有变。AI 只是改变了生产效率，同时让很多原本不可能的事情变成可能。

这也是很多人迷茫和不安的根源。大家以为 AI 时代来了，一切都变了；其实，一切都没有变。理解了这一点，再去想 AI 时代可以做什么，就会更加清晰明确，而不是迷茫。

大家应该做的是，去想怎么在自己擅长的领域里应用 AI，做自己所在领域里更会使用 AI 的那个人，而不需要进入 AI 这个领域本身，去挤破脑袋和那些天才们竞争。

这两段话，我觉得值得大家反复读几次，也可以长按划线记录下来，睡前再来思考、琢磨一下。

这里隐藏的一个更通用的逻辑就是：选择在哪个牌桌玩，远比思考在牌桌上应该如何做更重要。

你在一个高手如云的牌桌里，再怎么努力、再怎么琢磨，也不可能赢过其他人，只会徒增痛苦和焦虑。放过自己，寻找自己的舒适区。未来成功的人，不会再是那些睡公司、只靠拼搏奋斗、不断内卷的那群人，而是那些开心、快乐，保持好奇、保持探索的那群人。

七、效率变革为什么会带来产业变化

宏观一些，继续思考 AI：为什么说生产效率的提升可以带来产业变革？

正如在当前电价下，人造蛋白质、人造淀粉技术没有商用意义，因为它们是必亏的项目；而当可控核聚变真的走向商用、走进生活时，这两项技术就会变得至关重要。

同理，AI 领域也是这样。

其他信息与知识补充

熟悉的人应该知道，我在 2017 年工作之后开始参加 AI 类竞赛，CTR、CVR、OCR、CV、NLP 各细分领域的竞赛都有参与。最高时，8 个月在腾讯内部码客榜单杀入第二；外部数学建模竞赛拿过全国杯奖、国际二等奖。对这个行业，我是有一定了解和发言权的。

大国间 AI 竞赛已经逐步进入后半段，而后半段的胜负手不再是卷技术，而是在应用端，也在成本侧。

中国发电量已经是全球第一，占比已经超过美国、欧盟和印度的总和。即便如此，去年新增发电量在全球新增发电量中占比仍超过六成，而且绿色能源占比超过 95%。

元旦和人交流、讨论到高校人才流失、头部人才大量出国，很多人对国内 AI 发展非常悲观，我反而很乐观，抛出了一个观点：环境的影响远比人的影响更大。推动关键变革发生的人，可以是张三，也可以是李四；脚下这片土壤，会更重要。这个观点与 DS 的开源以及异军突起并不冲突。

使用 AI 最重要的是：表达清楚现状、诉求和边界条件，把话说清楚。

补充：三盘棋与 AI 发展路径

跳棋的状态空间约为 10^20，用搜索和机器学习剪枝即可解决；

国际象棋的状态空间约为 10^44，需要依赖强大算力以及持续的专家规则，且有可能在对抗中被再次战胜；

围棋的状态空间约为 10^170，博弈树复杂度约为 10^360，靠算力和专家规则无法实现。

所以，AI 正式从“人类写规则”，转向“AI 从数据和对弈中持续学习”。后续 AlphaZero 的发展路径是必然的：它在跳棋、国际象棋、围棋上均超过了人类水平，把“三盘棋”的解决方案统一到了同一个框架里。

说明

• 原文中的公众号文章均已尽量添加为 Markdown 超链接。
• 《生活随笔 2.0》和《生活随笔 4.0》使用个人平台公开 PDF 链接；公众号发布时可改为公众号编辑器的“超链接”或“引用原文”。
• 原文写“2026 年 4 月 10 日”发布《抓住的才叫机会，错过的不算》，网站索引曾显示为“2026-03-10”，这里暂按原文保留，建议发布前核对日期。
• 个人网站链接按原文提供的 https://jsmz6.pages.dev/ 保留，发布前建议确认域名是否正确。