关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
上个季度，我给 4000 名员工部署了 Microsoft Copilot。
每人每月 30 美元。
一年就是 140 万美元。
我管这叫“数字化转型”。
董事会超爱这个词。
他们只用了 11 分钟就批准了。
没人问这东西实际上能干嘛。
包括我自己在内。
我跟所有人说它能带来“10 倍的效率提升”。
这数不是真的。
但听起来像真的。
HR 问我们要怎么衡量这 10 倍。
我说我们会“利用分析仪表盘”。
他们就不再问了。
三个月后，我查了一下使用报告。
只有 47 个人打开过它。
用过一次以上的只有 12 个人。
其中一个还是我。
我用它总结了一封我本来 30 秒就能读完的邮件。
结果花了 45 秒。
这还没算我修正它“AI 幻觉”的时间。
但我称之为“试点成功”。
所谓的成功，意思就是试点项目没有显眼地搞砸。
CFO 问起 ROI（投资回报率）。
我给他看了一张图表。
曲线一路向右上方高歌猛进。
图表衡量的是“AI 赋能度”。
这指标是我现编的。
他满意地点了点头。
我们现在是“AI 赋能企业”了。
我也不知道这啥意思。
但这词已经写进给投资人看的 PPT 里了。
有个资深开发问，为什么我们不用 Claude 或者 ChatGPT。
我说我们需要“企业级安全”。
他问那是啥意思。
我说“合规”。
他问合哪条规。
我说“所有的规”。
他一脸怀疑。
我反手给他安排了一场“职业发展谈话”。
他就闭嘴不问了。
微软派了个案例研究团队过来。
他们想把我们当成成功案例宣传。
我告诉他们我们“节省了 4 万个工时”。
这数是我拿员工总数乘上一个我想出来的数字算出来的。
他们没核实。
他们从来不核实。
现在我们上微软官网了。
“全球知名企业通过 Copilot 实现 4 万工时的效率飞跃。”
CEO 在 LinkedIn 上转发了这篇文章。
他收到了 3000 个赞。
他从来没用过 Copilot。
高管们都没用过。
我们有豁免权。
理由是“战略聚焦需要最小化数字干扰”。
这条政策是我写的。
下个月许可证就要续期了。
我正在申请扩容。
再加 5000 个席位。
之前的 4000 个我们还没用呢。
但这次我们要“狠抓落地（Drive adoption）”。
所谓的落地就是强制培训。
所谓的培训就是个没人看的 45 分钟线上讲座。
但完播率会被追踪。
完播率是个指标。
指标会进仪表盘。
仪表盘会进董事会汇报 PPT。
董事会汇报能让我升职。
到第三季度我就能升高级副总裁（SVP）了。
我至今还是不知道 Copilot 到底能干嘛。
但我知道它是用来干嘛的。
它是用来展示我们在“布局 AI”。
布局就是花钱。
花钱代表决心。
决心代表我们认真对待未来。
未来就是我想怎么说就怎么说。
只要图表上的曲线一直向右上方涨就行。
@aigc1024
每人每月 30 美元。
一年就是 140 万美元。
我管这叫“数字化转型”。
董事会超爱这个词。
他们只用了 11 分钟就批准了。
没人问这东西实际上能干嘛。
包括我自己在内。
我跟所有人说它能带来“10 倍的效率提升”。
这数不是真的。
但听起来像真的。
HR 问我们要怎么衡量这 10 倍。
我说我们会“利用分析仪表盘”。
他们就不再问了。
三个月后，我查了一下使用报告。
只有 47 个人打开过它。
用过一次以上的只有 12 个人。
其中一个还是我。
我用它总结了一封我本来 30 秒就能读完的邮件。
结果花了 45 秒。
这还没算我修正它“AI 幻觉”的时间。
但我称之为“试点成功”。
所谓的成功，意思就是试点项目没有显眼地搞砸。
CFO 问起 ROI（投资回报率）。
我给他看了一张图表。
曲线一路向右上方高歌猛进。
图表衡量的是“AI 赋能度”。
这指标是我现编的。
他满意地点了点头。
我们现在是“AI 赋能企业”了。
我也不知道这啥意思。
但这词已经写进给投资人看的 PPT 里了。
有个资深开发问，为什么我们不用 Claude 或者 ChatGPT。
我说我们需要“企业级安全”。
他问那是啥意思。
我说“合规”。
他问合哪条规。
我说“所有的规”。
他一脸怀疑。
我反手给他安排了一场“职业发展谈话”。
他就闭嘴不问了。
微软派了个案例研究团队过来。
他们想把我们当成成功案例宣传。
我告诉他们我们“节省了 4 万个工时”。
这数是我拿员工总数乘上一个我想出来的数字算出来的。
他们没核实。
他们从来不核实。
现在我们上微软官网了。
“全球知名企业通过 Copilot 实现 4 万工时的效率飞跃。”
CEO 在 LinkedIn 上转发了这篇文章。
他收到了 3000 个赞。
他从来没用过 Copilot。
高管们都没用过。
我们有豁免权。
理由是“战略聚焦需要最小化数字干扰”。
这条政策是我写的。
下个月许可证就要续期了。
我正在申请扩容。
再加 5000 个席位。
之前的 4000 个我们还没用呢。
但这次我们要“狠抓落地（Drive adoption）”。
所谓的落地就是强制培训。
所谓的培训就是个没人看的 45 分钟线上讲座。
但完播率会被追踪。
完播率是个指标。
指标会进仪表盘。
仪表盘会进董事会汇报 PPT。
董事会汇报能让我升职。
到第三季度我就能升高级副总裁（SVP）了。
我至今还是不知道 Copilot 到底能干嘛。
但我知道它是用来干嘛的。
它是用来展示我们在“布局 AI”。
布局就是花钱。
花钱代表决心。
决心代表我们认真对待未来。
未来就是我想怎么说就怎么说。
只要图表上的曲线一直向右上方涨就行。
@aigc1024
在vibe coding这个一天就能写几个网站的时代
在国内上一个网站要经历：
1.vibe coding网站项目代码；
2.阿里云买服务器；
3.阿里云买域名，并进行域名备案；
4.代码部署到服务器 ecs 中，dev 和 build 通过；
5.买 dns 解析，没错，阿里云 dns 解析是付费的；
6.买证书；
7.配置 nginx，用证书写在配置文件中，搞定域名的 https 解析；
8.域名备案的备案号要更新到网站页面中。
而海外上一个网站只需要：
1.vibe coding网站项目代码；
2.上传到 github；
3.vercel 自动解析 github 的更新并 deploy；
4.cloudflare 配置域名 dns 解析；
@aigc1024
在国内上一个网站要经历：
1.vibe coding网站项目代码；
2.阿里云买服务器；
3.阿里云买域名，并进行域名备案；
4.代码部署到服务器 ecs 中，dev 和 build 通过；
5.买 dns 解析，没错，阿里云 dns 解析是付费的；
6.买证书；
7.配置 nginx，用证书写在配置文件中，搞定域名的 https 解析；
8.域名备案的备案号要更新到网站页面中。
而海外上一个网站只需要：
1.vibe coding网站项目代码；
2.上传到 github；
3.vercel 自动解析 github 的更新并 deploy；
4.cloudflare 配置域名 dns 解析；
@aigc1024
不知道你周围有没有这样一种越来越普遍的感受：现在很多做AI的同行，工作里的“无力感”正在超过“兴奋感”。
这种感受很具体。早上开产品评审会，大家讨论的可能是如何把大模型的上下文窗口从128K扩大到256K，或者如何让生成图片的细节再精细5%。但到了下午，当被问到“我们这个功能到底解决了用户什么根本的新问题”时，会议室常常会安静一会儿。
我们手里工具的能力在以月为单位暴涨，但我们为用户创造价值的方式却似乎陷入了某种停滞。很多团队的核心工作，变成了用更强大的AI更高效地去满足五年前、十年前就存在的那些需求——写文案、做图、总结文章、回答客服问题。效率在提升，但产品创新的范式没有动。
问题很可能出在我们这一代产品经理最熟悉的那套“经典方法论”在遇到大模型时，第一次显得不够用了。
这套方法论非常优秀，它教我们如何精准地定义问题、拆解流程、数据驱动、小步快跑。它本质上是在已知地图上的优化方法论，在需求明确、赛道清晰的移动互联网时代，这是制胜的关键。
但现在，大模型带来的不是已知地图上某条路的升级，而是直接给了我们一整套“地质勘探和地形改造”的全新工具。面对一片突然出现的未知大陆，精于在旧道路上做养护和提速的工程师，会瞬间感到茫然。我们擅长优化“从A点到B点”的路径，但现在，A点和B点本身都需要被重新发现和定义。
这就是当前拧巴感的根源。技术能力已经指向了“创造”，而我们的产品思维还停留在“优化”。我们不断收到技术团队给的惊喜：“看，模型现在能看懂设计稿并生成代码了！”“看，现在能实时生成带情绪的语音了！”然后我们的第一反应，常常是把它塞进现有的产品框架里，变成一个更厉害的“功能”。这就像拿到了内燃机，却只想着怎么用它来制造更快的马车。
因此，那些能更快摆脱“马车思维”、开始认真想象“汽车”甚至“飞机”应该是什么样的人，开始显现出不同的价值。
他们的工作重心发生了一个根本转变：从设计用户流程，转向定义交互框架。他们不再仅仅关心用户如何一步步完成任务，而是需要首先决定，在这个任务中AI应该扮演什么角色？是一个全知全能的代理，还是一个需要被引导的助手？人与AI的权限和信任边界应该划在哪里？这个交互的“第一性原理”是什么？这些问题，远比一个界面上的交互细节更重要。
这要求一种新的混合能力：对技术的“体感”和对人性的“洞察”必须同时在线。你需要真正去用、去感受不同模型的“性格”和边界，理解它能做什么、不能做什么、在什么情况下会“涌现”出惊喜。同时，你又必须超越技术逻辑，从人的真实处境和潜在渴望出发，去倒推应该构建什么样的产品。这种能力，很难从过去的成功案例中直接复制。
所以，现在在发生的“话语权转移”，转移的其实是对未来人机协作基本形态的“定义权”和“解释权”。当技术可能性变得模糊而广阔时，谁能提出一个逻辑自洽、并能被团队和市场所理解的“新故事”，谁就掌握了主动权。这个“故事”不是虚构的愿景，而是基于技术现实和用户洞察所推演出的、可信的产品蓝图。
这个位置并不好坐。它意味着你必须在“技术可能性”和“用户可接受度”之间做持续的、高难度的权衡。你提出的每一个新框架，都意味着对旧习惯的挑战，都需要用极快的实验去验证和调整。但它的价值也在于此：在范式转型期，最大的贡献往往不是做出一个完美的功能，而是为行业探索并验证出一个可行的新思路。
说旧范式已死可能为时过早，但它确实已触及天花板。而新范式的核心，或许就在于我们能否放弃对“优化已知”的路径依赖，转而培养一种“定义未知”的思考和勇气。
这个过程注定会淘汰一批旧地图的忠实信徒，也会让一批新地图的草绘制者，走到舞台的中央。
这种感受很具体。早上开产品评审会，大家讨论的可能是如何把大模型的上下文窗口从128K扩大到256K，或者如何让生成图片的细节再精细5%。但到了下午，当被问到“我们这个功能到底解决了用户什么根本的新问题”时，会议室常常会安静一会儿。
我们手里工具的能力在以月为单位暴涨，但我们为用户创造价值的方式却似乎陷入了某种停滞。很多团队的核心工作，变成了用更强大的AI更高效地去满足五年前、十年前就存在的那些需求——写文案、做图、总结文章、回答客服问题。效率在提升，但产品创新的范式没有动。
问题很可能出在我们这一代产品经理最熟悉的那套“经典方法论”在遇到大模型时，第一次显得不够用了。
这套方法论非常优秀，它教我们如何精准地定义问题、拆解流程、数据驱动、小步快跑。它本质上是在已知地图上的优化方法论，在需求明确、赛道清晰的移动互联网时代，这是制胜的关键。
但现在，大模型带来的不是已知地图上某条路的升级，而是直接给了我们一整套“地质勘探和地形改造”的全新工具。面对一片突然出现的未知大陆，精于在旧道路上做养护和提速的工程师，会瞬间感到茫然。我们擅长优化“从A点到B点”的路径，但现在，A点和B点本身都需要被重新发现和定义。
这就是当前拧巴感的根源。技术能力已经指向了“创造”，而我们的产品思维还停留在“优化”。我们不断收到技术团队给的惊喜：“看，模型现在能看懂设计稿并生成代码了！”“看，现在能实时生成带情绪的语音了！”然后我们的第一反应，常常是把它塞进现有的产品框架里，变成一个更厉害的“功能”。这就像拿到了内燃机，却只想着怎么用它来制造更快的马车。
因此，那些能更快摆脱“马车思维”、开始认真想象“汽车”甚至“飞机”应该是什么样的人，开始显现出不同的价值。
他们的工作重心发生了一个根本转变：从设计用户流程，转向定义交互框架。他们不再仅仅关心用户如何一步步完成任务，而是需要首先决定，在这个任务中AI应该扮演什么角色？是一个全知全能的代理，还是一个需要被引导的助手？人与AI的权限和信任边界应该划在哪里？这个交互的“第一性原理”是什么？这些问题，远比一个界面上的交互细节更重要。
这要求一种新的混合能力：对技术的“体感”和对人性的“洞察”必须同时在线。你需要真正去用、去感受不同模型的“性格”和边界，理解它能做什么、不能做什么、在什么情况下会“涌现”出惊喜。同时，你又必须超越技术逻辑，从人的真实处境和潜在渴望出发，去倒推应该构建什么样的产品。这种能力，很难从过去的成功案例中直接复制。
所以，现在在发生的“话语权转移”，转移的其实是对未来人机协作基本形态的“定义权”和“解释权”。当技术可能性变得模糊而广阔时，谁能提出一个逻辑自洽、并能被团队和市场所理解的“新故事”，谁就掌握了主动权。这个“故事”不是虚构的愿景，而是基于技术现实和用户洞察所推演出的、可信的产品蓝图。
这个位置并不好坐。它意味着你必须在“技术可能性”和“用户可接受度”之间做持续的、高难度的权衡。你提出的每一个新框架，都意味着对旧习惯的挑战，都需要用极快的实验去验证和调整。但它的价值也在于此：在范式转型期，最大的贡献往往不是做出一个完美的功能，而是为行业探索并验证出一个可行的新思路。
说旧范式已死可能为时过早，但它确实已触及天花板。而新范式的核心，或许就在于我们能否放弃对“优化已知”的路径依赖，转而培养一种“定义未知”的思考和勇气。
这个过程注定会淘汰一批旧地图的忠实信徒，也会让一批新地图的草绘制者，走到舞台的中央。
看 Opus 4.6 价格的价格，不仅又没降，还随着上下文的增加，更贵了，燃烧 token 的费用又上升了
Opus 4.6 价格
200k 上下文以内，输入$5，输出$25 （M tokens）。
200k 上下文之外，价格会涨到，输入$10 输出 $37.50。
GPT‑5.3 竟然没公布价格，只能参考 5.2，但是 5.2 比 5.1 涨了 40% 哦...我大胆预计 5.3 也会涨价...
GPT 5.2 价格参考：
标准模式，输入$1.75 ，输出 $14
高优模式，输入$3.5，输出 $28
未来已来，但绝对不会均匀分布。
马太效应只会愈演愈烈。
有一些闲钱的人才能烧得起。
用它赚钱的人才烧得起。
如果一个公司烧不起顶级模型，就将在接下来的竞争里处于劣势，直至淘汰。
Opus 4.6 价格
200k 上下文以内，输入$5，输出$25 （M tokens）。
200k 上下文之外，价格会涨到，输入$10 输出 $37.50。
GPT‑5.3 竟然没公布价格，只能参考 5.2，但是 5.2 比 5.1 涨了 40% 哦...我大胆预计 5.3 也会涨价...
GPT 5.2 价格参考：
标准模式，输入$1.75 ，输出 $14
高优模式，输入$3.5，输出 $28
未来已来，但绝对不会均匀分布。
马太效应只会愈演愈烈。
有一些闲钱的人才能烧得起。
用它赚钱的人才烧得起。
如果一个公司烧不起顶级模型，就将在接下来的竞争里处于劣势，直至淘汰。
