AI insight

之前一直觉得 AI 效率很高，但我自己却很累，我看很多人也都说，怎么感觉像是在给 AI 打工？

终于在这篇 Twitter 里面找到答案了：

作者提到，我们用 Agent 并行处理任务时，有个隐蔽的不对称——多个 AI 智能体可以同时生成内容、跑流程（并发干活），但只要遇到需要人来判断、审核、解决代码 / 内容冲突、梳理整体架构的环节，就必须排队等你处理。结果就是：AI 产出越来越快，待审核的任务越堆越多，形成长长的任务队列。

阿姆达定律非常准确的说明了这种情况（系统优化的上限，是由最慢/不可优化部分决定的）。并行化带来的加速，受限于串行处理的工作比例。

你的累来源于切换注意力：

每次你查看一个离开过的代理时，都会付出上下文切换的代价。你需要清空上一个任务的思绪，重新开始加载这个任务的记忆，这个过程非常消耗脑力，这也是你感觉到越来越疲倦的根本原因。

一旦你的注意力资源消耗光了，你的判断力会极速下降，根本做不了高质量决策。

精心设计你的注意力：

把你的注意力当成稀缺资源来管——它就是你系统里的串行瓶颈：

1. 代理能跑多快不是重点，你的判断速度才是。别看着能并行就猛加代理，你吃不消。

2. 把活分两堆。AI 能自己搞定的，放出去跑，最后收一下就行。必须你下场判断的，别并行，一个个吃。

3. 别来一个审一个，攒着批量审。每切一次任务，脑子都要“重启”一次，很贵。让活稍微积一积，抽一块时间一口气审完。

4. 脑子只做判断，别的让机器来。能自动验证的别自己盯。AI 干完 80% 的脏活，你只盯必须你拍板的 20%。

5. 保护好你的专注时间。该合电脑就合上，集中想一个具体问题。来回协调、切来切去，真的不叫工作。

并行大量的任务会让产生一种生产力爆棚的感觉，实际上可能全部卡在你的决策质量上。

真正的技巧在于围绕你的注意力（这是唯一稀缺的资源）设计系统。

The Orchestration Tax

• 人工智能就像一面镜子，它会反映出你的品味、判断力和技艺。

• 有时候你觉得是人工智能很糟糕，但实际上可能是你还没有明确表达出真实需求，没有提供足够的背景信息，没有用清晰的语言表达出来。

• 人工智能非常善于填补空白，这就是为什么你会觉得输出结果平平无奇——除非你教他别的，否则它会用互联网的平均品味来填补这些空白。

• 我所追求的是经过深思熟虑的输出。我们不需要更多模板化的、套用 Claude布局的、千篇一律的东西。打造一款让人感觉是用心打磨、注重细节的作品。这就是人们谈论「品味」时的意思。

• 对我而言，品味在于反复体验——欣赏、思考、创造。这一切都有助于帮我更好地完成我的设计、确信它能吸引目标受众。品味需要用心、专心和细致，绝非轻而易举。

• 真正让你成为10倍设计师的，是能够理解为什么某些东西用起来很顺手，或者看起来很漂亮。

• 你在不经意间做出的上千个微小判断，其累积的影响会一直存在，直到你试图将它们梳理清楚时，才会发现自己根本做不到。by Julie Zhuo，Sundial 创始人

• 当其他人都在用人工智能撰写几乎所有内容时，你仍然掌握并保持清晰表达自己想法的能力。不要失去你拥有独立观点的能力；不要失去解释某件事好在哪里的能力，不要失去将这些解释提炼成明确输出的能力。这些都是人工智能无法取代的。

• 有意识地消费：

• 每周一次，我会坐下来整理一周内读过、看过或保存过的内容，然后写下我从中获得的实际感受。不是人工智能生成的总结，而是我自己的感悟。

• 为什么这很重要？它让我想起了什么？接下来我可以在哪里应用它呢？......

• 你通过反复练习，越来越了解自己的口味。

• 最近我在重读亚当·斯密的《国富论》。

• 经典有趣的地方是，你不只可以学到所谓的知识，而是去真正看到在历史局限的环境下，那个伟大的人是如何提出开天辟地般的思考的。

• 所以呢，我想借斯密的脑子，一起来想想财富的本质。我很想知道从财富的底层逻辑来说，AI 是不是真的能让社会整体生活品质变好呢？

• 想了一段时间，我现在的判断是：AI 带来的显然不会是「全民变富」，而更多是「分裂的丰盛」。

• 问题在于，这部分「分裂的丰盛」会发生在什么地方，我们如何能成为享受这份丰盛的人？

四个具体建议：

1. 把身份从「被雇佣的技能」迁到「被社会认知的品牌」。

第二层（雇佣关系）会持续贬值，第三层（个人影响力、专业声誉、社交信任）会持续升值。解法是趁还在岗位上的时候，把自己的认知、品味、案例外化出来。写文章、做内容、留下作品。AI 让生产端越来越便宜，所以稀缺的反而是「为什么是你」这个答案。

2. 从「赚工资」往「持资本」挪一点。

Acemoglu 数据的潜台词就是：未来十年资本份额会涨，劳动份额会跌。普通白领参与的方式不是创业，是配置。AI 产业链上的龙头（英伟达、台积电、微软、谷歌、苹果、阿里、腾讯），都是普通人能买到的资产。劳动收入是把自己卖给资本，资本收益是让资本替你工作。比例不用大，但要有。

3. 别去拼学区房。这是最贵的零和游戏。

当所有人都意识到第三层稀缺、都往学区房上挤的时候，你出的价钱已经透支了未来十年的现金流，把家庭命运绑在了一个流动性极差的位置性资产上。而且这点更微妙：AI 让脑力差距缩小之后，名校的相对价值其实在下降（普通学校的孩子也能拿到顶尖教学资源），但学区房的价格还没反映这点。这是个错配。

4. 保留「原子触点」。

会做饭、能修东西、会运动、有手艺、能照顾人、能面对面建立信任。这些 AI 替代不了。纯比特工作（写代码、做 PPT、写文档、翻译）会被替代得最快。最稳的组合是「半比特半原子」。医生用 AI 辅助但要见病人，设计师用 AI 但要去现场，咨询师用 AI 但要面对面建立信任。光会跟模型对话不够，你得能跟人对话。

有时候，速度只是伪装成雄心壮志的急躁。

它追求新鲜而非深度，不让你在那些看似平淡无奇却能真正形成优势的阶段停留足够长的时间。因为事实是，真正的前沿领域很少会在最初的六个月里就显现出来。

如今的危险在于，人工智能的发展速度可能会让不断的调整看起来好像是进步。人工智能让推进项目变得异常容易，但也存在风险。你可以更快地制作原型、更快地测试、更快地交付产品，也能更快地确信自己走在正确道路上。但摩擦力的降低也可能意味着更多的错误尝试，并最终陷入局部。

为什么「深度」总是胜过「速度」？

只有身处问题之中的一段时间，你才能真正理解他。团队的信任不是一朝一夕就能建立起来的。那种能让你预见二阶甚至三阶后果的知识也同样如此。

当我参观埃尔塞贡多的硬科技公司时，那里的团队正在建造电动船、核反应堆和太空舱，最让我印象深刻的不仅仅是他们的雄心壮志，还有他们的时间跨度。在那里，人们谈论的是几十年，而不是几个季度。没有人谈论颠覆性创新，他们谈论的是需要存在的东西，以及如何艰苦地探索实现这些目标的方法。这种建设方式的严谨性，在以十八个月为周期进行优化时是会消失的。

这是真正的创新需要的积累方式。你必须朝着创造的方向积累，而不是无休止地修改现有的东西。

当强大的工具能够承担更多构建工作时，瓶颈就转移到了「构建什么」和「为什么构建」。这种判断力并非使用最新模型就能获得的，而是多年积累的结果。

我们生活在一个快节奏的时代。人工智能正在改写整个行业的固有假设。追求更多选择固然合情合理，但坚韧、毅力和忠诚才是优秀人才永恒的品质，速度再快也无法改变这一点。

一个多小时的视频，很舒服的就听完了，嘉宾的思维方式以及抓的点都非常清晰，所以听起来很爽，直击我的一些好奇点。

对国产大模型和国外大模型，对开源和闭源的差异、对模型的训练都有了更前沿的了解。值得之后重听。

嘉宾的 Twitter：https://x.com/Xianbao_QIAN

他们说：“不使用人工智能的人将会被时代抛弃。” 我简直无法用语言来形容我有多么讨厌这种说法，因为我非常肯定，实际情况恰恰相反。

依赖人工智能的人终将被时代抛弃。他们会忘记如何思考，如何写作，如何进行简单可靠的搜索，如何分辨事实与虚构……他们会忘记如何他妈的学习。我觉得这才是最让我难过的地方。学习本身是多么美好的事情啊。

如果你相信聊天 GPT 能比你做得更好，为什么就让它做呢？为什么不努力变得更强，学习如何成为或做到人工智能永远无法做到的事情呢？