认知、实践、驾驭:AI 时代普通人的务实生存法则

AI 重构世界:从舆论走向现实
自从以 ChatGTP 为代表的 AIGC(生成式人工智能),在 2022 年底开始出圈以来,AI(人工智能)对社会的影响或者说重构,已经开始从舆论走向现实。以下是两个比较有代表性的事件。
美国软件开发需求量爆降

最近 FRED 机构展示了引爆美国社交网络的一张图,图表中展示了最近 5 年,美国软件开发行业的岗位需求变化趋势,数据显示在经历了 2022 年短暂的岗位需求峰值之后,以 LLM 为代表的新型 AI 算法,开始让这一岗位需求大跳水。
这一数据意味着,AI 并没有为软件开发行业创作更多的岗位需求,反而让更多的软件工程师下岗。

其实早在 2023 年 3 月 16 号,前哈佛大学计算机科学教授,谷歌工程主管 Matt Welsh 在 ACM(美国计算机协会)的一个虚拟会议上表示,ChatGPT 和 Github Copilot 预示着编程时代的终结。目前就数据来看,事实的确如此。
此外,还有不同领域的大佬表达过相似的看法。

机器学习大牛 Sebastian Raschka 最近也在社交媒体上对下一代学生表示:不建议学习 AI 相关的课程,有可能在你毕业之前课程就过时了。
2024 年 NVDIA 老板黄仁勋公开场合表示过,建议年轻人不要在浪费时间学习编程。
作者之前从主流算法框架的角度,梳理过 AI 的发展历史,从 CNN(卷积神经网络)成为 AI 领域的主流框架之后,仅仅过了 5 年,新的算法框架 Transformer 就已经出现,并逐渐演变为当前主流的 GPT(Generative Pre-trained Transformer)。在数据量级、算力规模继续扩张的当下环境,未来 AI 算法框架的演进只会更快。
事实上,这个曲线不仅仅出现在软件开发行业,更多的行业岗位也正在或将经历如图所示的数据趋势,这是 AI 时代的一个必然。怎么适应这个趋势呢?感兴趣的读者可以参考下作者这篇文章。TODO。
70 名”事业编“AI 员工深圳上岗
最近,深圳市福田区已经率先推出基于 DeepSeek 开发的 AI 数智员工,首批 70 名“上岗”,它们可以处理的任务有:
文案校对与审核:公文格式修正准确率超 95%,审核时间缩短 90%,错误率控制在 5%以内。
“执法文书生成助手”:将执法笔录秒级生成执法文书初稿;民生诉求分拨准确率从 70%提升至 95%。
“AI 招商助手”企业分析筛选效率提升 30%…..
除有 DeepSeek 通用能力外,这些 AI 数智员工还能结合名部门单位实际业务流程情况,量身定制个性化智能体(Agent),首批满足 240 个业务场景使用。
果然是“先行先试”的试验区呀,围绕 AI 生产工作流:“需求一训练一场景应用-迭代”,实现完美闭环。这些 Agent 已经能够覆盖政务服务全链,比如公文处理、民生服务、应急管理、招商引资等多元场景。
AI 超进化:从深度到广度
尽管 AI 对社会的影响已经开始显现,但 AI 的进化速度并没有出现任何迟缓的现象,AI 开始向深度和广度不断地自我更新迭代。
DeepResearch 让 AI 走向深度思考
DeepResearch 是 OpenAI 于 2025 年 2 月 7 日推出的一款全新 AI 工具,目的在于协助用户进行复杂的多步骤互联网研究,生成类似研究分析师的综合报告。
这种工具特别适用于金融、科学、政策和工程等领域的专业人士,也包括同样需要做研究的市场分析和商业分析的人士。这些人士在做一篇主题分析的时候,往往需要收集大量的资料,在此基础上结合领域经验或者模型分析方法,梳理成一篇相对思维全面的报告。
这个工具背后的 DeepResearch 技术是如此的强大,各 AI 大厂迅速跟进,目前 Gork、Gemini、Perplexity 都已经推出了自家的 DeepResearch 功能。有点意外的是,作者使用下来发现 Gork 表现竟然是最惊艳。

从整个分析结果看,不仅给出了高度精练的总结,还给到的详细的分析报告,并给出的参考的原文链接。这样分析者可以具体就报告中的某个具体点,可以进行更深入的信息挖掘。
从分析的核心结论看,给出了整体经济数据表现、并从财务、就业、消费、技术亮点,全面梳理经济表现。整理感觉上算的上中等偏上水平的一篇分析报告。
MCP 从协议层构建 Agent 互联网络
2024 年 11 月 25 日 Anthropic 发布了 MCP(Model Context Protocol),目的是 AI 系统与外部数据源和工具之间建立安全的双向连接。大家可以把这个对比理解为 HTTP 协议。
2025 年 2 月 20 日 Cline 发布了 MCP MarketPlace,旨在为 AI 员工提供一个开放的应用商店,替代传统的人力资源市场。大家可以把这个对标理解为 AppStore 或者 GoogleMarket。
不同于各种低代码平台(如 Coze、Dify),只能在自家的平台内部构建 Agent,MCP 是比这些平台更高一个 Level 的事物,它真正意义上的让 Agent 脱离平台的束缚,在 API 这个级别开启了 Agent 自由互联互通的时代。这种影响有多大呢?大家不妨想象下计算机时代和互联网时代的区别。
如果我们把 Agent 比作武器的话,比如火尖枪、混天绫、风火轮。那 MCP 就是那句咒语“急急如律令”,它让这些武器组合在一起,运作起战斗力凶悍的哪吒。
AI 重构世界的故事已经开启,它还在疯狂进化中,作为普通人的我们该怎么办?
我们能做点啥?
基础:了解 AI 知道 What
很多时候,人之所以会有怕或者焦虑的情绪,往往就是对未知事物的不了解。
对于 AI 的了解作者推荐几种不错的方式:
找到 AI 领域最核心的几个概念,从认知层面建立对 AI 基本印象,比如机器学习、深度学习、生成对抗网络等。
关注 AI 相关的公众号或播客,相当于是跟着相对专业认识的思路和认知,去了解 AI 的最新技术和应用。
精力更充沛的读者,可以加入一些 AI 社区或者线下的 Workshop,多跟他人交流分享经验,拓宽视野。
进阶:使用 AI 理解 How
真正能够建立起来,对 AI 深度理解理解和认知,还是需要回归实践。
从兴趣点出发,使用 AI 做一些新奇的事情,比如使用文生图大模型,把想象中的世界,一点一点得构建出来。
或者换一个角度,把 AI 加入自己的实际工作中,把重复性质的工作丢给 AI,提高效率减少重复性。比如文案的处理、校对。主题分析报告中的资料查找和筛选环节(虽然 DeepResearch 在整个分析流程中已经做的很好了)。
同时引入工作流平台,可以让 AI 帮助处理更复杂的事情。国内的话可以使用还不错的 Coze 平台,动手能力比较强的朋友,可以自己本地部署下门槛相对较高的 n8n,高度自由定制属于你自己的 Agent。
高阶:驾驭 AI 创造 New
在有了大量的实践经验基础上,就可以尝试从 AI 思维的角度,去深度理解 AI。
比如了解 AI 的技术原理、理解 AI 的优势和局限性,可以通过 AI 辅助编程或者组合各种 AI 工具,把你大脑中的任何想法,手工搓出来。
这个阶段的做的事情,往往具有比较大的挑战性,可能需要多学科加持,比如集成电路设计,遥控飞机的三电设计,机器人。这方面印象最深的还是短视频上的“火炮打蚊子”,博主把简单的事情做到了极致,这里面集成了大量的多学科交叉知识,包含了建模设计、机械设计、火力编程、动力设计、计算机视觉(CV),语音控制等等。这方面感兴趣的朋友可以关注稚晖君,同济子豪兄。

可以多补充一点的是,AI 可能对很多行业都造成了冲击,但对一个行业是例外:内容创作。从某音到 RedNote,从 Tiktok 到 Youtube,不少的自媒体博主在“AI+搞钱”的赛道里,早已疯狂输出。
最后,AI 可能是这个世纪最大的挑战,同时也是这个时代最大的风口。每个人要做的就是,适应然后加入。究竟是挑战还是风口,全凭一念之间。
版权声明: 本文为 InfoQ 作者【小鲸数据】的原创文章。
原文链接:【http://xie.infoq.cn/article/269e16344d807c0204fd78ea0】。文章转载请联系作者。
评论