AI圈大佬说了句大实话
最近，前OpenAI的灵魂人物Ilya Sutskever，就是帮我们搞出GPT-3和GPT-4的那位，在他自己创业后，接受了一次深度访谈。
他扔出了一个重磅观点，让整个行业都得重新思考。
简单说就是：AI的“扩展时代”已经结束了，现在我们回到了“研究时代”。
啥意思呢？就是从2020年到2025年，大家发现只要拼命砸钱、堆数据、上算力，模型效果就蹭蹭涨。
这个玩法，到头了。
无脑堆料已经快摸到天花板，接下来不是比谁钱多，而是比谁的想法更妙。
这跟我们普通人有啥关系？
你可能会觉得，这是技术大佬们的事，离我们太远。恰恰相反，这直接关系到我们每个人怎么看未来的AI行业应用，怎么用它来提升效率，甚至搞点副业。
Ilya提到了一个现象，叫“模型能力的参差不齐”。
你看测评报告，模型能解超难的数学题，觉得它无所不能。可一到实际工作中，让它修个bug，它可能改了A又搞出B，来回折腾，蠢得让人想笑。
为什么会这样？因为很多模型都是“应试教育”的产物，为了在测评里拿高分，被针对性地训练，缺乏真正的泛化能力。就像一个刷题机器，遇到没见过的题型就懵圈。
这对我们这些想用AI做事的人来说，是个巨大的启发。
之前，很多做AI自动化工作流定制服务的朋友，总被客户追着问：“用的是不是GPT-4？是不是最强的模型？”
好像模型越大，就一定越好。
但Ilya的观点告诉我们，这个思路该变了。未来的机会，不属于那些只会调用最大模型的人，而是属于那些能巧妙组合、解决具体问题的人。
小团队和个人的新机会
既然无脑堆料的时代过去了，那“巧思”就变得格外值钱。这意味着，小团队甚至个人开发者，迎来了新的机会窗口。
从现有趋势可以合理推测，未来在电商、内容营销、客户服务等领域，单纯依赖一个大模型的“万金油”方案会越来越没竞争力。
取而代之的，是那种“小而美”的定制化解决方案。比如，一个做跨境电商的商家，他的痛点可能是处理五花八门的客户邮件。
过去，他可能直接接入一个大型AI模型的API，成本高不说，效果也未必精准。因为通用模型不懂他所在行业的黑话和特定场景。
但现在，你可以设计一个更聪明的流程：
-
第一步：分类。用一个轻量级的文本分类模型，先把邮件分成“售前咨询”、“订单问题”、“售后投诉”几类。
-
第二步：信息提取。针对不同类别，调用专门的工具提取关键信息，比如订单号、产品型号。
-
第三步：生成回复。根据提取的信息和预设的知识库，生成个性化的回复初稿。
-
第四步：人工审核。最后把初稿交给人工客服，简单修改就能发出，效率大大提升。
整个流程可以用像n8n或Make这样的自动化工具串起来，灵活又高效，成本也低得多。
现在，我们应该做什么？
首先，改变观念。不要再迷信“最大最强”的模型，而是要聚焦于你要解决的“具体问题”。把问题拆解得越细，找到解决方案的几率就越大。
其次，多动手尝试。现在有很多优秀的开源模型和自动化工具，门槛并不高。可以先从解决自己工作中的一个小痛点开始，比如自动写周报、处理表格数据。
当然，也要注意避坑。现在的AI还远不是万能的，它在逻辑推理和事实核查上依然有短板。别指望它能一步到位，把它当成一个能力超强的实习生来配合，心态会好很多。
未来几个月，我们会看到更多专注在特定领域的AI工具出现。机会，就藏在这些细分场景里。
就像Ilya说的，当“公司比点子还多”的时候，一个好点子的价值，远超一堆昂贵的机器。
AI的下一纪元，始于思想，而不是算力。
