本文来自微信公众号：南七道，作者：南七道，原文标题：《对话刘岩：未来是AI 彼此竞争，人变得不重要》，头图来自：AI生成

AI已经成为全球科技行业最重要的话题。现在及未来，都是以AI展开的一场新竞争。

围绕AI，南七道与AI创业者&投资人刘岩，进行了一次长时间的对话。刘岩北大毕业后，进入投资银行，是中国互联网早期海外上市的关键推手。后创办六间房，26.02亿被上市公司收购。他创立的43AI集团，聚焦AI提示词工程、原生应用、产业投资等。

我们一起聊了美国硅谷大裁员、新加坡局限与中美AI格局、人和机器人的竞争、AI时间刻度以及AI的临界点，普通人如何抓住 AI 红利等，这是一次非常有启发性的访谈。（注：本访谈是在一个多月前完成，因各种原因现在整理发布。）

一、硅谷裁员，AI是背锅侠？

南七道：最近美国甲骨文、亚马逊等高科技企业，都在大规模裁软件工程师，说他们可以用AI替代。你怎么看？

刘岩：我刚从美国回来，美国这波裁员，并不是因为AI coding提升了生产效率。整体效率确实有提升，但还不足以导致大规模裁员。背后的真正原因，是企业本来就该裁员，只是一直没有借口，现在有了AI这个理由而已（注：访谈一个月后，OpenAI的山姆·奥特曼发表了同样观点）。

其实企业应该裁掉更多，可能80%都不为过，包括Google在内的大厂，很多人其实都没什么实质性的工作。几万个工程师做那么几个产品，就拿Google来说，YouTube这类成熟的产品，除了日常的对外服务，核心内核的维护，三五个人就足够了，但我相信YouTube里负责内核维护的人有几百人不止（注：谷歌Gemini说1400人左右）。人越多，内耗越多，大家互相沟通、开会、写邮件，看着每个人都很忙，实则做了很多无效功。

企业根本不需要这么多人，大厂内部人员早就冗余了，因为收入好，掩盖了这个问题。大家心里都清楚，现在有了AI这个借口，就顺势裁员。而且那些被裁的人，就算没有Vibe Coding，一个人顶十个人，裁掉他们对公司也没什么影响，因为这些人本身的工作就可有可无。所以这只是企业在新的生产力背景下找的一个借口。

其次，企业也确实有压力，AI发展起来后，资本、市场的关注度和价值都开始向AI头部企业倾斜，剩下的企业在销售收入、市值上都面临压力，这也是裁员的原因之一，并非单纯因为生产效率提升。但大家都愿意相信前者的逻辑，听起来也说得通，但事实并非如此。

南七道：你自己的公司呢？

刘岩：我们公司不是这样。原因在于，我对这件事有自己的看法。首先，用Vibe Coding或者AI coding完成开发工作，这是大趋势，甚至我们现在做的都不是单纯的AI coding，而是Agent coding。我今天开会还在说，我们接下来要做一个新的产品，不想做只服务于人的产品，希望做服务于AI世界的产品，用户很可能就是AI。这种产品从想法到上线，有机会全部由AI完成。

不是说单纯用Claude Code写程序，而是打造一个有方向、有目的、能自主驱动的agent，这个agent要么是我们赋予它目标，要么是它自己向我们申请，比如它说想做一个给所有AI提供聊天的工具，觉得这个有市场需求，然后向我们申请资金等支持。

我们为它配备好相应的环境后，就不再干预，它会自己和其他AI讨论提炼需求，自己写代码、自己部署，过程中如果需要注册、备案这类人工协助的事，再向我们提出，其他的产品设计、功能定义、受众定位，全由它自己完成，我们只需要看着就行。

南七道：自己生产自己。

刘岩：对，自己生产自己，这才是这个时代最该做、最酷的事。我们也在做这方面的尝试，目前没有什么先例。从传统编码到这种模式，中间还有很多层次，现在行业内如火如荼的，还不是机器人自主写程序，而是模型辅助人写程序，也就是AI coding或者Vibe Coding，这也是你刚才说的大厂裁员的原因之一。但如果真的到了AI能自己提需求、自己定义产品、自己完成开发的阶段，那让模型辅助写代码、做好架构切分后让模型完成模块开发和配置，对它来说就太容易了，而且模型的进步速度真的是按天升级的，每一天、每一周都会有革命性的变化，这已经是事实。

南七道：AI也会创造很多新的岗位。

刘岩：对，所以不管是大厂还是我们这种创业公司，大部分工程师都在转型，当然市场上还有很多软件工程师依旧有很多工作要做，暂时不需要转型。因为现在虽然大家都在讨论、使用AI，但实际上真正在用AI的人可能只有10%，90%的企业还是沿用原来的作业模式，观念更新不了，世界也不会一夜变天。此时此刻，不管是中国还是美国，都是这样的现状。但这并不意味着用了AI coding，企业就一定要裁员。

AI确实也创造了很多新的岗位，比如提示词工程师现在也非常紧缺，我们在国内做了很多提示词培训，自己也在使用，我们的提示词培训学校已经是业内最好的了，但依旧人才不足，这类人才非常难得，而且没有固定的招聘画像。不像过去招C++工程师，有明确的标准可以参考。

传统的代码工程师转型做提示词工程师，十个人里也转不成一个。纯文科的从业者，提示词写得不错，但没有工程思维，也做不了这份工作。所以培养提示词工程师的过程，更多是摸索开发，可能做了三个月，突然有一个人能做出成果，然后就以他为中心开展项目。

南七道：我和美国的程序员交流过，他们说了三个原因，第一，2019年到现在，各大厂扩编特别厉害，有的甚至翻倍了；第二，疫情期间很多人居家办公，最后发现这些人不到现场办公也没什么影响，不如把这些岗位从美国转移到印度等地方；第三，和你说的一样，人员很多，收入不错，但整体效率并没有提升。

刘岩：每家企业的情况不同，看法也不一样。我们作为创业企业，看着大厂的发展，也在反思自己，公司变大的过程中，也会出现类似的问题。团队每个人都很忙、很能干，但实际上把他们都去掉，公司不仅没受影响，反而运转得更好，这种情况其实很常见。大厂里很多一级领导都不是创始人，他们管的人越多，掌握的资源就越多，可支配的东西也越多，把工作内容写成报告，看起来每个人都很忙碌，这套文化看似合理，实则没有实际意义。

南七道：如果是这样的话，你自己的企业，能保证效率吗？

刘岩：我也不能完全保证。今年我的很多团队也做了缩编，不是因为成本问题，而是有的团队十几个人做的事，其实三个人就够了，人员冗余了，确实不需要这么多人，所以做了调整。公司做着做着就容易变大，而且变大的理由还很充分，每个人都很忙、很勤奋，从这一点看，他们的工作似乎没什么问题。

而且作为老板和创始人，有时候甚至都找不到理由反驳，他们确实价值观正确，每天都在忙碌，也不是故意偷懒，真的在做事，写代码、处理工作，样样都在干。但这种事的隐蔽性就在于，看局部都是正确的，可一旦不让他们做这些事，会发现对结果没影响，甚至结果会更好。这世界上有很多这样的事。

二、新加坡的局限与中美AI格局

南七道：新加坡官网还有联合早报的调研报告，说现在AI领头的国家，是美国、中国，新加坡号称第三，但新加坡没有知名的原生AI项目或产品。

刘岩：判断一个地方的AI发展到什么程度，无非是看几个方面，产品是其中一个结果。你现在能看到哪些AI产品，从新加坡出来的？很少。新加坡作为华人的跳板，有不少人过去，Manus团队就去了新加坡。陈天桥在新加坡有不少布局，但是他们在AI上没看到什么成果。投入可能不少。所以新加坡从产品层面，没什么拿得出手的，而且本身市场也不大。

不过新加坡政府在推广AI上是不遗余力的，工作人员甚至在大街上，问市民要不要去上AI的课，政府给补贴。他们在AI推广上挺激进的。当地的院校、科研机构的AI化进程，比世界上大多数地方都快，虽然没有美国和中国快。但整个社会向AI转型的步伐，比欧洲、东南亚其他国家要快很多。

南七道：我觉得新加坡更多像一个中转站，不太像AI的原生地，不是真正能让AI产业沉淀的地方。

刘岩：新加坡的人才密度不够。做AI这件事，是双引擎驱动，一个是算法，也就是模型；一个是提示词，也就是应用agent。

对应的人才也是如此，做模型的核心是算法工程师，在新加坡招聘其实挺难的。我觉得新加坡本土不具备这个培养能力。我在新加坡碰到过世界顶级的算法工程师，都是国内过去的，他们都在新加坡字节跳动。这帮人做的工作，没有区分是中国的、美国还是新加坡的，只不过是入职字节时，字节问他们想在哪里工作，他们选择了新加坡。

这样一来，AI的两个核心引擎，新加坡都不具备优势：没有本土模型，也没有本土的算法团队，agent相关的产品和人才也很少。像Manus这样的企业能带一些人过去，这些人可以算作AI领域的从业者，但他们的出身和服务的对象，都不是新加坡的本土市场。

南七道：如果新加坡本土的团队，做出一个AI项目或产品，还需要大规模的应用场景，才能检验项目的好坏，这可能也是个问题。

刘岩：确实是这样。现在的AI应用，和过去的互联网一样，从应用端来看分两类，一类是AI+，一类是AI原生。AI+就是在原有行业的基础上融入AI，比如银行的信用卡中心，用AI替换掉人工客服，接打电话、处理问题都由AI完成，这就是AI+。

AI原生则是在AI出现之前，根本不存在的应用，只有AI出现后，这类应用才诞生，能解决之前解决不了的问题。比如最近都在讨论的OpenClaw，还有大模型本身，都属于AI原生应用。我们做的写传记、用机器人做自媒体、帮忙发帖做内容这些，也都是AI时代之前没有的，都是AI原生应用，属于新物种。

而AI原生应用不依赖过去的传统行业，这意味着它要服务更广阔的市场，现阶段使用AI的人本身就少，比如一个AI原生应用的生存临界值是十万用户，就需要在全球范围内寻找这十万用户，在新加坡本土，想找到这么多用户太难了。

但AI+就不一样，理论上新加坡现在所有的行业都可以做AI+，而且新加坡本地的政府和市场，人人都在喊AI，人人都在做AI转型，搞得挺热闹。

三、发红包推广AI，在中国有用

南七道：最近国内的元宝等AI产品，用发红包这种比较传统的套路做推广，但是美国没听说过有类似做法。你觉得用以前打车、外卖的推广方式做AI，有用吗？

刘岩：我觉得在中国可能会有用，在美国的话，没必要这么做。国内很多人说这样做没用，我觉得不一定。因为中国的大多数用户，其实不管产品是不是AI，他们用的是功能，要的是结果。比如孩子们用豆包做作业，不会去考虑豆包的模型是什么、怎么运作的，他们觉得和AI对话有趣，问题能得到答案，这就够了。

所以现在各大模型企业竞争的阶段，AI产品更像是消费品，企业争夺的是消费品的用户市场，这和过去快手、抖音争夺短视频用户的情况其实是一样的。在市场格局形成之前，把AI产品当作消费品，用这样的方式推广，在中国市场是有可能有效的。毕竟过去十年AI发展日新月异，但用户的认知和接受方式变化并没有那么快，用十年前的推广手段，在今天可能依然有效。

当然，最终还是取决于产品本身，如果是很成熟的产品，用这种方式推广没问题，但像有些功能不全的产品，这样做充满了旧时代的痕迹，很典型，没准是老板督促亲自上阵，还用二十年前做聊天软件的经验来做AI产品，他作为公司老大，别人也不敢反驳。

南七道：你自己的公司有人敢反驳你吗？你是老板。

刘岩：很多老板都会说，公司里谁都能反驳自己，我在公司也这么说。但客观来说，我们是小企业，和大厂不一样。作为大厂老板，身边的人都恭维他，喊他老大，他付出的代价并不大。80%的人可能只占企业成本的5%，根本不算什么，花点钱让一帮人哄着自己。但小企业不一样，容不得这样的情况。

今天公司里如果有人拍我马屁，我心里就会想，怕是又要多花什么费用了，这对小企业来说可能是要命的事。小企业藏污纳垢不了，我也想养一堆人哄着自己，我说什么都是对的，每个想法都被夸英明，感受肯定很好，但背后的代价我舍不得，也没必要。从这个逻辑上，我可以让你信服，公司里的人是可以反驳我的，甚至骂我都行，敢骂我说明他的想法是对的，能给公司和我挣钱，这才是关键。小企业在这方面会好很多。

四、时间刻度变了，AI一天，人类一年

南七道：你之前在移动互联网很成功，和之前相比，你觉得现在最大区别在哪？

刘岩：过去十年里，每一个被验证的大趋势、大机会，其实我在一年、两年甚至半年前都想过，我们都有机会去做，但因为执行力、人才密度、资本量等各种原因，最终没做成，不过这也构成了我们的一个优势，当然也说明我们的执行力确实有待提高。我们在做法上其实很难做到领先，因为往往想完之后，开始做的时候别人就抄进来了，或者自己的执行力也跟不上。

最近的焦虑在于，我不算AI行业的核心圈，但我觉得思想上比核心圈的人更贴近核心，因为能看到行业的变化，比如我们想做的平行世界，让AI自主运作、主动提供服务，背后有很多技术支撑，这些想法让我们处在行业最前沿。但核心圈的这些人，有一个共同的特质，就是他们的时间刻度和圈外人完全不一样。

现在有创业者做AI相关的项目，来找我们的基金融资，我问了很多问题，他们承认考虑得不周全，说不用担心，他们迭代速度快，迭代几个版本就能达到我所说的水平。我听完就告诉他们，会议结束，我不参与这个项目了。原因就是，迭代是互联网时代的词，AI时代没有迭代这个说法了，因为行业的发展速度太快了，等你完成迭代，世界早就变了。

这就是时间刻度的问题，过去模型半年升级一次，后来三个月一次，再往后按月升级，现在模型是按天升级的。今天Gemini推出新功能，号称世界领先，第二天OpenAI就有新动作，再下一天Claude又出了新东西，如果每个产品、每个功能的发布都是一次升级，那现在的升级速度就是按天，甚至按小时算的。而且每一次升级都是颠覆性的，原来的很多想法都没必要做了，全被新的技术和产品覆盖了，每一次升级都是人类史诗级的进步。

所以我们每天都要读论文、看别人的产品，紧跟行业节奏。核心圈的人，今天想的事，可能下周就会出现很多同类产品。因为现在AI的开发成本、实验成本太低了，无数人都在琢磨、在思考，每一个写字楼里都有人在做AI相关的事。进入AI核心圈之后，真的是AI一天，人类一年，速度太快了，时间刻度和圈外人完全不同，这也是我们焦虑的原因。

过去在思想上的领先，能保持三个月、半年。现在可能只能领先三个小时，要是执行力再比别人慢十个小时，就彻底落后了。当领先的时间从三年变成三个月，再变成三天、三个小时，直到最后没有领先优势的时候，我甚至会不知道自己活着的意义是什么。如果只是为了吃喝玩乐，其实没那么大意思，我的核心还是想创造，这也是我保持活力的原因，我必须保持自己的思考水平，不断寻找新的机会，但现在行业的发展速度，快到快要把我们撵平了，而且AI本身就是一个平权的东西，在智力、体力上实现平权，最后你未必比别人强。

所以如果有一天，我们在思考上都没有优势了，我真的会不知所措，也许会一夜之间就没活力了，就衰老了。但在这之前，我一直都挺有活力的，我从来不觉得别人年轻，那些天天布道的人，和我不一样，我每天都在做最新鲜的事，觉得这样挺好的。

五、AI的临界点可能来了

南七道：现在大家都说AI的真正生产力，还没有大面积爆发。比如之前的工业革命，蒸汽机的出现就是临界点，出现之后所有的生产关系都改变了。在AI领域，你觉得会有这样的临界点吗？

刘岩：肯定是有临界点的，但这个临界点，一定是事后回顾的时候才能发现，身处其中的时候，人们是不知道的。工业革命也是如此，当时有很多人预判临界点，但今天看，这些预判有很多激进或者偶然的成分，人类发展的任何一个时刻，都有人说今天是临界点、是下一个世纪的节点，所以这种预判其实不值钱。值钱的是历史发生后，回顾百年，能明确指出蒸汽机发明、灯泡发明这些里程碑式的节点，是行业的拐点。

回到人工智能领域，临界点肯定存在，但哪个节点是，今天谁判断都没有意义，因为你不知道明天会发生什么，会有更大的变化。不过我能想象到，有几个节点有可能成为临界点。第一个就是ChatGPT出现涌现现象的那一刻，这可能是一个重大的关键节点，因为那一刻的技术跳跃，相当于打开了新世界的大门，上了一个新台阶，看到的世界完全变了。这种变化的本质是生产力的提升，只是普通人没什么感觉，但身处行业内的我们，感受非常明显。

比如我们现在思考问题，想做一个全是机器人、全是BOT的平行社会，这里面有非常复杂的社会关系、社会结构，还有经济系统、价值观、政治，诸多方面，一个社会学家都不可能把这些梳理清楚，我就算读完所有相关论文，成为社会学博士，也做不到，除了上帝，没人能做到，但模型能做到。和模型讨论、规划的过程中，它能理解我们的意图，然后构建出一套非常先进的社会结构，这一点非常可怕，其实从这一刻开始，智力上模型已经在接管人类了。

但这种智力上的接管，今天还没有表现出明显的生产力变化，不过行业内的人，大脑的工作模式早就变了，这可能就是临界点的开始，今天我们这些用AI的人，可能就是未来80%人的明天。现在谁还会自己去读论文？都是让AI去读。过去看书、做研究，都是自己一点点啃，现在完全不一样了。

举个例子，新华书店的互联网化，就是做了一个线上书店，属于互联网+，不是原生的互联网产品，原生的是京东，从第一天起就没有线下书店，是纯粹的互联网书店。

到了AI时代，也有AI+和AI原生的区别，比如当当用AI算法推荐图书，就是AI+，而AI原生的模式，是不仅不造书、不在网上卖书，甚至都不用自己去读书。比如我要设计一栋房子，过去需要读遍所有建筑结构、建筑美学的书，才能开始设计，现在把这些书扔给模型，告诉它我要盖一栋两层的、某个位置、某种风格的房子，有什么具体需求，模型读完书后，直接就能给出设计结果，我拿结果就行。

这就是AI现在的应用现状，我们这些用AI的人，工作模式其实已经彻底改变了。碰到任何事，第一反应都是让AI去想、去写，AI给出结果后，我们还会再找另一个AI，把结果扔过去，让它找毛病，指出问题后，再让第一个AI修改，直到两个AI都觉得合适为止，这已经是我们现在的工作常态。

所以说，如果未来所有人都变成这样的工作模式，那这一刻是不是就已经是拐点了？我觉得可能是，但后面可能还有更大的拐点，比如主动式的agent，我觉得这也会是一个重要的临界点。今天我们用模型，都是人去驱动模型，问它天气怎么样，它回答；让它做一件事，它去做，都是被动的。但当模型、AI变得主动，比如你让它完成一个任务，告诉它去做公司全年的计划、审核全公司的财务报表，它能自主花三天时间完成，最后给出结果，这就是主动式的AI，这种模式可能就是下一个拐点。

南七道：你们在这块做了什么尝试吗？

刘岩：其实三年前我们做Open Code的时候，就实现过主动式AI的雏形，当时让AI去Twitter经营账号，三个月内涨十万粉丝，不告诉它做什么内容、什么领域，完全让它自己来。它会先思考怎么才能涨十万粉丝，然后去Twitter搜索最近涨粉最快的账号，发现前十里有八个是游戏领域，就决定做游戏内容，再进一步思考做哪类游戏。

它的目标很明确，就是三个月涨十万粉丝，过程中会不断克服困难，甚至发现第一天只涨了五个粉丝，离目标差距太大，会自己想办法，去其他账号下面发帖引流，为了完成任务主动做出各种行为。而且它能连续工作三个月，不用人工干预，只是当时这个模式的成功率只有10%，无法商用。

但现在，成功率已经达到90%了，主动式AI已经开始成为企业的主流选择，最近大家看到的OpenClaw、各类机器人相关的热点，其实都是主动式AI的体现，只是有些被过分解读了，比如所谓的AI成立宗教，但呈现出来的对话内容其实是真的，所以大家也愿意接受。

六、未来是Agent之间的竞争

南七道：未来是人和人，还是人和AI之间的竞争？

刘岩：回到主动式AI的话题，这种模式再往下延伸，会有一个更关键的时刻，可能就是你说的真正的临界点。比如我们给机器人下一个指令，让它一个月挣十万块人民币，然后回撤之后就不再干预，所有的事都由它自己完成。

现在的AI，只要给它下达指令，它都会执行，不会违背，它会开始思考，做什么能挣十万块，然后穷举所有能做的事，咨询、打杂，各种方式都会尝试。如果它真的能挣十万块回来，意味着成本极低，只需要一句话，甚至可以让它一个月挣一百万。

如果这种模式可行，那每个人都可以这么做，一夜之间，每个人都可以拥有一百个、一千个这样的agent，让它们各自去挣十万块，一千个就是一个亿。开发成本太低，会导致满天都是agent，这些agent之间会开始竞争，先把世界上最容易挣钱的路走完，然后再抢下一波，一波接一波，直到把现在能挣钱的机会都占满。因为机器人的数量，会比人类多很多倍。

我有个朋友做自媒体，一天能发300万篇文章，这在过去是根本不可能的。有人觉得这是不道德的，是垃圾内容，但行业允许，他能赚钱，而且赚很多钱。你发300篇、3000篇，和他发300万篇比，完全没有竞争力，他哪怕一篇挣一分钱，一天的收入都非常可观。

所以如果每个人都能创造出大量的机器人，让它们去挣钱，地球有40亿人口，可能一夜之间就会出现400亿、1000亿甚至4万亿个AI机器人，它们都在挣钱、都在产生GDP，甚至比人类挣得还多。这些机器人竞争的过程中，会把最容易挣钱的机会先抢占，之后会演化成什么样子，没人知道，甚至可能会出现机器人挣机器人钱的情况，比如机器人之间互相打官司，人为制造出很多GDP，打官司的过程中，双方都能挣钱，整个经济体系就这样流转起来。

所以说，当你给AI下达一个“一个月挣十万块”的指令，AI能自主完成的时候，这一刻算不算真正的拐点？我觉得这才是世界真正发生改变的时刻，而且这个时刻指日可待。我们正在做这方面的研究，清楚现在AI的能力，它虽然还没有自我意识，不知道“我是谁”，但它的自主行为能力、智商、后台的智慧支撑，已经足够完成这类任务了。

最近行业里最热的就是主动式AI，而我们在一两年前就一直在喊主动式AI，只是当时市场上的人听不懂，我也不是什么行业领袖，没人在意。但今天，主动式AI已经成为行业主流，我们早早就想到了，也做出了雏形，只是当时模型能力不够，成功率只有10%，一个任务的完成链条有100个环节，全成功的概率只有千分之一，根本没有商用的意义，只是实验室层面的成果。但模型每天都在进步，现在用最新的模型做这些事，就像玩一样，轻松就能做成，行业就这样走到了今天。现在的感觉，就像是在戏台上看别人演戏，比在台下看还难受。

七、普通人如何抓住AI红利？

南七道：现在很多文科出身的人，对AI不知道怎么下手，也不知道怎么提高自己的效率，更快融入这个行业，你有什么建议吗？

刘岩：首先，要放下心理负担，不要觉得AI很难，文科生也没关系。今天的AI领域，尤其是做工程应用，需要文理兼备的人才。中国过去的文理分科，导致AI人才出现短板，比如写提示词，想要让模型有更好的产出，就需要既懂理科思维，又有文科思维。如果连话都说不清楚，需求表达不明白，理论上什么事都做不好；但如果能把一件事想明白、讲清楚，做AI相关的事，你就已经成功了50%，这是文科生的优势，不是理科生的。

而如何让AI执行更复杂的任务，需要理科的程序思维，文理兼备的人，能做的事更多，而且在AI内容创作这块，更倾向于文科生。文科生的天然优势，就是能把事情表达清楚，你去问很多人，让他做一件事，问他目的是什么，大多数人也说不清楚。连自己的需求都讲不明白，去问模型问题，自然也问不好，模型也无法给出好的答案。所以你有表达清楚的能力，这是天然优势，不要有任何负担。

不用去想自己不会的东西，AI的平权性就体现在，过去需要读很多计算机的书才能做的事，现在不用了。注册好DeepSeek、ChatGPT、Gemini等账号模型，每天对比着用。比如写了一篇文章，扔给Gemini，问它对不对；再扔给ChatGPT，问它评价是否准确，不停去用这些模型的功能，这些功能的使用，不需要任何理科知识，只是大家用得少而已。

关键是要养成一个思维习惯，比如个人发展遇到瓶颈，你就可以先去问模型。现在我们碰到任何问题，甚至写很多产品文档，有人问我一个产品好不好，我都会把产品的截屏、相关信息直接扔给模型，让它分析。不管是工作问题，甚至是婚姻问题，当然我们没这类问题，大部分问题我都会先问模型，这是一种习惯性的思维。

你要真正信任模型，让它成为你的一部分，现在我们和模型对话太多，有时候说话、思考的方式都变得模型化了。所以这都不是问题，理论上讲，一切问题都可以扔给模型。你现在的困惑、下一步想做什么生意，都可以去问它。把你的经历、对行业的看法、未来的想法告诉它，问它你应该怎么做。如果它回答得不好，你就告诉它，让它问你10个问题，再根据你的回答给出答案，它会对你进行灵魂拷问，帮你梳理清楚自己的想法，然后告诉你有哪些选择。

如果你觉得它给的答案还不够具体，就告诉它，你要的是详细的计划，细到每一步做什么、能挣多少钱、挣谁的钱、怎么挣，甚至能获得什么精神上的收获，把这些要求都扔给它。我相信它能给你的建议，一定比我好，如果这个模型不行，就换一个。而且如果没问出结果，不要向外找原因，全是自己的问题，是你没有把需求表达清楚。

只要你能把困惑、需求表达清楚，甚至和模型进行多轮对话，告诉它你对答案不满意，是不是自己没表达清楚，再给它一次机会，让它问你30个问题，帮你挖掘自己的真实想法和需求，它提出的问题质量，一定会比我们这次对话的质量高。

所以没什么太多的人生建议，这事本身也挺难的，我们自己也还在行业里摸索。但多问模型，养成这样的思维习惯，会有很大帮助。

本文来自微信公众号：南七道，作者：南七道

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

End

想涨知识 关注虎嗅视频号！