bitrabbit.btc

别再说AI时代文科生受益了，绝大部分文科生学的不过是一些最简单的“技能”，而这些技能，价格正在无限趋近于零。我的一些没有任何文科基础的朋友，都在用AI辅助写小说了。只要有一个想法，AI就能辅助把它变成成品，写出自己喜欢的作品的难度也早就无限趋近于零了。结果现在，做出自己喜欢的影视作品的难度也正在变成零。 AI时代缺乏的是脑洞。以及能够一起冒险的朋友。人对自己本质属性而非工具属性的再发现。

现在二十来岁的人，根本无法意识到他们有多幸运。因为意识不到，所以他们不会手舞足蹈、欢呼雀跃。 按部就班地去找工作，给家长一个交代。在电子游戏上虚度光阴，在一切没有意义的聚会后，收获迷惘与空虚。 人无法同时拥有Claude Code和对人生的失控感！ 我们这些可怜的三十来岁的人，FOMO情绪大到恨不得跟二十来岁、十几岁的人换命，换身。 时间，已经开始在我们身上“收网”了。却同时地、刚刚在他们那儿撒下迷魂脂粉。让他们，误以为时间像一块丰腴的肥皂，一时半会儿也用不完似的。 一个刚上大一的年轻人，从掌握AI编程、AI视频工作流、AI智能体赋能传统行业，到使用这些技能赚到钱，养活自己，实现在社会中的“自举”，是那么地近！ 这是怎样的世界？只用一层薄薄的，名为“行动力”的纸膜，就把天量的人拦在了外面。让他们像牛群一样，对狮子熟视无睹，依旧成群结对地去课堂上，啃草。 我的弟弟，只因为我多说了两嘴Claude Code，就已经对我产生了不耐烦的情绪。天啊！他刚刚购买了一款独立游戏，38元。像素风2D解谜游戏。我真想告诉他，Claude Code可以在十天内复刻这个游戏，上架，销售……赚取被动收入。终结他和妈妈之间的大部分亲子矛盾…… 你可以轻松复制、下载、购买你看到的一切——这是AppStore时代的移动互联网故事。 你可以轻松复制、上载、销售你看到的一切——这是Claude Code时代的AI故事。 拿着锤子的人，看什么都像钉子。这句话的另一个模态是：不管你同意与否，锤子真的会砸向它所能砸到的一切，去测试它所砸之物能不能算做钉子！就像人类曾经尝试将蒸汽机装进一切旧有的事物中，婴儿车、缝纫机，根本不关心它们是否是最佳场景…… AI，远比蒸汽机细密，像水蒸气，正在钻进社会的每一个骨缝里。同样不关心人们是否同意。这不是愿不愿意参与的问题……是活生生的to be or not to be… 教育的改革有严重的滞后性，在AI前沿工作的人们，看如今的教育，就像苍蝇的复眼中的人类，完全是慢动作，完全是老态龙钟。 房间门已经开了，大象已经走进来了。浑浊的泥土的气息，已经被象耳扇进每一个人的鼻窝。但人们似乎，不约而同地保持了沉默。

明年 2026 承接 perpdex 热点赛道的百团大战，大概率是: 1 预测市场 2 股票代币化 但是这俩都有比较高的合规成本，行业进入深水区了，低垂的果实已经摘完，不过这俩确实都有很大的想象创新空间 除此之外就还是隐私、AI+区块链、稳定币、支付（U 卡）等 大家觉得还有哪些赛道可能爆发？

中国人这400年所遭遇的苦难，归根溯源要90%的原因要归咎到满清为了防汉作出的各种愚化民众政策，导致在大变革时代完全错过了工业革命。 对比下即使国内对web3的高压政策，也不能防碍国人在web3领域矿业，交易平台这些crypto产业链上的主导地位，因为现在的高压跟当时满清对汉人的残酷完全不是一个量级

如果这个话题再扩展开来，用科学思维的流程图来解释，我们可以得出一个合理的推断，除了在少数创新的领域（比如从0到1的商业模式，或者前沿科学研究）认知这一高阶能力，在AI时代将会被重新划分成三明治结构： AI时代（新工作流）： 人类退守两端，把中间让渡给硅基生物。 ​入口（Input）： 核心能力是 "提问力" (Inquiry) 和 "抽象力" (Abstraction)。 ​黑盒（Process）： AI 负责 "知识检索" 和 "逻辑推演"。 ​出口（Output）： 核心能力是 "鉴别力" (Critical Thinking) 和 "决策力" (Decision Making)。 1、观察与问题 / 抽象概念与提出假说 (The "Why" & "What")，这是人类最有价值的领域： ​AI本质上是概率模型，它是被动的。由于缺乏真实的肉体体验和情感，AI无法感知“痛苦”、“不便”或“好奇”，因此它无法像牛顿被苹果砸中那样产生原生的“观察”，也无法在毫无提示的情况下定义什么是“值得解决的问题”。 ​定义问题比解决问题更难。 在AI时代，提出一个精准的、有价值的问题（Prompting/Questioning），意味着你指明了探索的方向。如果你无法抽象出概念或提出假说，AI巨大的算力就无处发力。 2、中间绿色区域：构建模型 / 演绎与预测 (The "How")，这部分AI可以代劳，因为大部分模型人类已经有了，AI只需调用和演绎。​ AI的优势： 这正是大语言模型（LLM）最擅长的地方。人类几千年来积累的物理定律、经济模型、编程逻辑、营销漏斗等“标准模型”，都已经压缩在AI的参数里了。 ​效率革命： 过去，一个人要构建模型并进行推演，需要查阅大量文献、耗费数周计算。现在，只要你给出的“前置假说”正确，AI能瞬间调用最匹配的“模型”进行逻辑演绎，生成预测结果。这也是圈出的绿色部分，是“算力”替代“脑力”最彻底的环节。 3、实验验证 / 结果分析 / 修正 (The "So What" & "True or False")，人类必须负责验证和分析，这是核心能力。​ AI的幻觉与隔离： AI会“一本正经地胡说八道”（Hallucination），而且AI目前大多运行在数字世界，无法直接在物理世界进行“实地实验”（比如AI推导出的新药配方，必须由人去实验室做临床；AI写的营销方案，必须由人去市场投放看反馈）。 ​人类的责任（鉴别力）： 演绎的结果只是“可能性”，通过实验去验证其真伪，并结合现实世界的复杂约束（道德、法律、情感、成本）进行价值判断（Value Judgment），这是人类独有的“把关人”角色，这也可以解释现在AI在工业界的应用远不如知识产业（编程、文案、法律等等）的原因。 ​前AI时代人类需要从头吃到尾。我们需要自己观察，自己苦读十年书去构建模型，自己计算推演，最后自己验证。“记忆力”和“计算力”是核心竞争力。 而AI时代的专家，不再是那个背诵了最多公式的人（那是绿色区域），而是那个知道在什么时候用什么公式（红色上部），并且知道计算结果对不对（红色下部）的人。

这一年里 大家是不是都变得 更聪明了， 但是发现难以把这种聪明，转化为价值？

总有一天愚蠢的人类会明白：在跟AI交互过程中，最有价值的是人类提出的那些问题，而不是AI给出的那些答案。