返回话题榜据说是 AI 初创公司目前最想要又最难招聘的职位
> 长期在线（了解趋势）
> 有品味且能创作（新媒体）
> 理解 AI 和技术
> 能高质量执行（执行者）
如果按照技术理解力和内容能力分成四个象限画张图的话，图里能看出为什么这个岗位难招：
现有的几类人各自只占一半，内容创作者和社媒运营在左上，有网感但讲不清 AI 产品；技术布道和工程师在右下，懂技术但内容没人看；传统公关执行力强，却既不够“在线”也不够懂技术。
右上角要的是四项同时具备的人，这类人现在本来就少。
不知道我能不能满足这要求？ 为什么中国大量AI从业者热衷于制作视频、制造内容，而北美大量AI创业者热衷于编程、开发产品？这背后不仅是技术应用的差异，更是社会制度、经济结构和利益分配机制的差异。一个社会如果让普通人更容易通过争夺注意力获得收入，人们就会利用最先进的技术争夺流量；如果让普通人更容易通过解决现实问题获得收入，人们就会利用技术创造工具、提高效率、开发产品。技术本身没有方向，社会的激励结构决定技术的应用方向。问题不是一个社会拥有多少先进技术，而是它的制度究竟在鼓励更多人争夺已有财富，还是创造新的社会财富。 这太tm疯狂了！付费软件的内裤都被扒了，这都免费🤣
GitHub 上这 6 个开源神器，感觉付费软件的好日子要到头了！
1、PPT Master：付费 AI PPT 要难受了
WPS会员可以去掉了。直接扔进去 PDF、Word，AI 自动生成 PPT，文字、图表、动画都能编辑
https://t.co/boEW1nx7rz
2、VoiceStudio：AI 配音软件不用续费了
声音克隆、视频配音、有声书制作，还支持 646 种语言的转录，本地运行，音频不用上传云端，这配音我一直在用，我做的视频都是这个开源工具。很香！
https://t.co/lxaou8OBN2
3、God's Eye View：免费体验上帝视角
打开浏览器就是 3D 地球，真实航班、船舶、卫星数据都能看，跟电影里的情报系统一样，楼下小汽车都能看到【看末尾图】，效果真的哇塞
https://t.co/a6FlxMV3kE
4、Diagram Design：专业画图工具有平替了
你只需要告诉 AI 你想画什么，自动生成专业图表，支持 44 种类型，还能统一品牌风格，1.5万的产品设计省了
https://t.co/a2gufTSVzM
5、Paperclip：一个人开一家 AI 公司
不用招一堆员工，直接管理多个 AI Agent。分配工作、制定目标、控制预算，让 AI 团队协同干活
https://t.co/cLtI8XNyUS
6、ECC：AI 编程工具免费升级包
把 Skills、记忆、安全检查、开发工作流打包，Claude Code、Codex、Cursor 都能用
https://t.co/O4yv1M9zLd
建议收藏，能省一个会员是一个！
今时今日，我觉得建一家全靠 AI 驱动的无人公司，并且自动赚到钱，是100%可行的。
唯一的挑战在于，赚不到暴富的钱，但是每个月赚个几万美金，是完全不成问题的。 让 Claude 做了个收录平台会员优惠的网站，效果还行每天自动更新，双十一期间续费会员能省点。 https://t.co/vN7BtYmVg6 https://t.co/iFG9lCRJf5
我认为大家是过分夸大了开发这个事情，在商业实际运转当中的重要性
腾讯开发不出来淘宝吗？
阿里开发不出来抖音吗？
字节开发不出来微信吗？
大家真的觉得，SaaS 能卖掉，是因为他们写了别人写不出来的代码吗？
我在 X 随便攒几个人，开发不出来小鹅通吗？
开发出来了，然后呢？价值为 0 Andrej Karpathy发表评论表示: 因为人们对大语言模型（LLM）能力的认知鸿沟正在进一步扩大。
现在的情况已经不再只是“两群人在各说各话”，而更像是一个急剧收窄的漏斗。
- 约60亿人（全球人口的75%）：粗略估算，这些人几乎从未真正接触过LLM。
- 约10亿至20亿人（约20%）：他们是ChatGPT等免费产品的轻度、低频用户。这群人接触到的往往是一些略显笨拙的聊天机器人，将其当作功能更强的谷歌搜索、写作辅助工具等等。偶尔也许会有一个AI Agent尝试帮你预订机票。我有一些非科技行业的朋友认为AI对他们几乎没什么用处，而我觉得这种看法完全可以理解。即使是数学和编程领域之外的许多专业人士，也仍然处于这一层级。例如，企业高管和许多其他职能岗位的员工，大部分时间都在与人沟通。因此，尽管他们在理性上理解AI正在发生什么变化，但这种认识仍然来自间接体验，多少有些抽象。
- 约2000万人（0.2%）：接下来是那些在数学和编程领域专业使用前沿LLM的人。这些人已经亲眼见证：过去需要几周甚至几个月才能完成的大型复杂项目，现在只需要给AI Agent一个Prompt，就能由它完成。开发应用、复制应用、迁移应用、从��进制文件中反编译应用……这一切都发生得极其迅速，而且就在最近。不到一年前，我还在亲手编写代码，在代码编辑器里逐字逐符地敲入那些记在脑海里的编程指令，偶尔按一下Tab键，让自动补全帮我生成一小段代码。
- 约5000人（0.00006%）：最后，是那些能够在内部接触最前沿AI系统的人。外部世界目前看到的，只不过是一个预览版本。真正的前沿能力可能是这样的：成千上万个AI Agent组成集群，连续数周协作，完成超大型软件工程项目；发现零日漏洞；以机器速度发动和防御网络攻击；发现新的科学知识；推进数学研究的最前沿。这些任务过去可能需要业内顶尖专业人士花费数年才能完成。与此同时，人类的审查能力和理解能力已经开始跟不上AI的发展速度。例如，人们至今仍在对数月前的OpenAI-HF事件进行所谓的“考古式研究”。而数学家们可能还需要花费很长时间，才能仔细研究那722篇关于前沿数学的论文手稿。
造成这种漏斗式分化的，是以下几个因素共同作用的结果：
1. AI带来的影响，随着目标的雄心、问题规模和任务时间跨度的增加而扩大。
一个只需要一段文字就能回答的问题，几乎无法触及这些系统的能力上限。你必须拥有大量真正关心、规模庞大且难度极高的问题，才能充分发挥AI的能力。
这一因素主要解释了为什么普通消费者和专业用户之间会出现如此巨大的体验差异。
2. AI能力分布的不均匀性（Jaggedness）。
关于这一点，我此前已经写过很多。
AI能力的高峰集中出现在那些数字化程度高、结果可验证，而且具有明确经济价值的领域。
这是因为LLM的能力很大程度上来自基于可验证奖励的强化学习（Reinforcement Learning on Verifiable Rewards，RLVR），而训练环境的组合经过精心筛选，其选择又受到潜在商业收入的驱动。
这一因素主要解释了为什么不同专业领域之间会产生如此巨大的能力差异，例如数学和编程领域为何尤其突出。
3. 使用权限（Access）。
免费版本、付费版本，以及仅供内部使用的前沿系统，所提供的能力存在显著差异。
这就是我们所处时代的奇特之处。
绝大多数普通人几乎没有真正接触过这些AI系统。即便接触过，他们看到的也只是一个有点笨拙的聊天机器人。
大多数专业人士目前感受到的，也只是相对有限的生产力提升。
然而，极少数专业人士正在亲身经历另一种截然不同的现实：AI能力曲线突然变得近乎垂直向上，他们正体验着这种指数级跃升所带来的眩晕感。
而这一切，正在同一个时代、同一个时刻，同时发生。 冷知识，大部分人不用大模型是因为大模型对他们没用，没有ROI
人不傻 用黄果说下AI先发优势
seedance会向机构提供“脱壳”模型。当你用模型调试“黄果”时候，输入了对镜头、热点的knowhow，其实花钱送他数据做训练。效果、数据双向飞轮
场景knowhow都不是简单更先进模型能做的，因此高价值场景抢夺先发优势会非常大。这才是为什么大家都要拼命投入—慢慢建，黄花菜都凉了 为什么我说，AI时代最值钱的不是模型？
Coinbase的CEO阿姆斯特朗今早发推，说他们用自家的历史欺诈数据，训了一个90亿参数的开源小模型，阿里的Qwen3.5-9B。
再拿一万六千多笔历史交易去考，其中八百多笔是真欺诈，跟Anthropic的Opus 4.5比，小模型抓得更准，速度快了一倍多，成本还更低。
同一个测试里，有的大模型新版本，抓到的骗子反而比旧版本少。
我们之前聊过，OpenAI今年5月宣布关掉自助微调，理由是大模型已经够聪明，企���写好提示词、挂个知识库就够了，没必要自己练。
反欺诈这种活，靠的不是聪明，是见过多少骗子。哪种转账不对劲，哪种账号是新开来洗钱的，这些只在Coinbase自己的交易记录里。大模型再聪明，没见过就是没见过。
刚毕业的名校生，脑子再好使，抓骗子也比不过在银行风控干了十年的老师傅。
模型以后会越来越便宜，越来越像水电煤，谁都能用上。真正值钱的，是用它的人手里那些别人拿不到的东西，比如数据、客户，还有一个个具体的场景。
所以我现在看一家公司讲AI故事，会先问一句，它有没有别人拿不到的数据。有的话，AI是来给它加分的；没有的话，AI可能是来抢它饭碗的。
用的是阿里的模型，评论区肯定有人激动。重点在开源，谁家的倒是其次。开源的东西拿回家随便改，数据一直在自己手里。
这是Coinbase自己测的，没有第三方验证。骗子也会变，今年抓得准，不代表明年还准。看不清的地方，我一般不急着下结论。
以后企业比的，可能不是谁用的模型最贵，是谁家攒下的老数据最多。 我做的那个同时管理几十上百个 session 的平台原计划是想做 2B，但我最近又想了下，这个生意模式有两个问题：
1. 现在 AI 逆向太厉害了，企业买去部署一次，逆向出来就不需要继续订阅了，全是一次性生意。
2. 如果不在企业本地部署而是上云，跟 Jev 一样，那么就有信任问题，客户根本不知道你在这个黑盒子里到底干了什么。
所以我现在就改变打法了，用这套平台直接批量实现我的大量想法，我的成本就可以压得非常低，在新加坡开一个 Studio 产出可以相当于一个中型公司。
我认为未来 20 人以内的 Studio 型 Startup 也会越来越多，极低人力成本，没有繁杂的组织架构，没有历史包袱，可以快速跟上最新的 AI 技术，人类只需要重要决策和担责。 有件事正在重演：AI垃圾。
2023 年，ChatGPT 基本稳定能用之后，大量用它生产的文本内容涌上网络。90% 以上是垃圾。很多人在探索用传统方式分发变现，比如 Kindle、亚马逊自出版，那段时期确实出现了井喷。但真正卖出去书、赚到钱的少之又少。
现在新的AI模型，视频制作能力急剧延伸，同样的情况又来了。大量 AI 视频上线，和当年一样，90% 是垃圾。
人的内容消费时间是有限的。观众会感知到，你的这条内容是带着诚意、带着想表达的情感做的，还是只想把他们当流量捞一把。
别小看观众。如果你在做内容，可能还是得打打基本功。 黄老板这篇文章写得太真诚了！强推！
“过去 Amazon 倡导“两个披萨团队”：一个团队的人数应该少到两个披萨就能喂饱，大约 6 到 10 人。现在有了 AI，团队应该缩小到“两片披萨”，1~2 个人是最佳配置。
“两片披萨团队”（Two-Slice Team）这个说法来自 AI 媒体公司 Every 的 CEO Dan Shipper。他提出，AI 时代的工程团队只需要两个人：一个海盗，一个建筑师”
AI利好全部数据
AI无人公司盈利主张与两人团队模式受到关注
中文X上的AI商业化讨论新增无人公司盈利主张、小团队组织模式和自动更新网站案例。哥飞认为，完全依靠AI驱动的无人公司已经可行，并声称每月赚取几万美元并不困难，但没有披露对应企业、收入或成本记录。金融汪推荐一篇讨论“两片披萨团队”的文章，转述AI时代团队可从约6至10人缩小到1至2人的观点。酱紫表则分享用Claude制作会员优惠收录网站的经历，称网站每天自动更新，可辅助双十一期间续费省钱。这些帖子将AI商业价值从代码生产延伸至组织规模、持续运营与收入预期，但网站案例没有展示盈利结果，团队规模建议也缺乏交付对照，不能据此确认无人公司能够稳定获得所述收入。
#AI商业化#无人公司#两片披萨团队#Claude#自动运营
话题热度
2094
帖子数
13
曝光
56.2万
参与创作者
13
话题热度趋势
从首次出现到最后更新；不足 7 天时补足 7 天观察窗。
全部关联帖子
共 13 条
