AI 三阶段：我们仍处在极早期
判断 AI 所处阶段，才能知道浪潮走到哪里、机会在哪里。三个阶段，目前大众接触的全部属于第一阶段。
ANI 窄 AI
在特定领域完成特定任务：写材料、做图、聊天、自动驾驶……我们今天所用、所谈、所接触的一切 AI，都属此范畴。
AGI 通用 AI
能像人一样思考、处理任何人类智力可完成的工作。尚未实现，但已进入各国最前端研究者的视线；马斯克预测 2025（未兑现）、黄仁勋预测 2029。
ASI 超级 AI
远超人类——与人的差距，如同人与蚂蚁。激进者担心高等级文明对待低等级文明的「灭绝」逻辑，保守者认为还很遥远。
涌现（Emergence）：整体之和大于个体之和——单个蚂蚁没有智慧，蚁群却有。AI 学会设定之外的「第五、六件事」、自己发明方言，都是涌现的表现。理解涌现，就能理解 AI 会不会自己进化出智能。
AI 不是今天才出现的：一条 76 年的长线
2025–26 年的火热，是几十年条件逐渐成熟后的集中爆发。看懂里程碑，才会用「站在未来往回看」的方式思考当下。
图灵提出问题：机器能否自主思考？
计算机之父图灵提出「图灵测试」：若测试中 30% 的人分不清对话对象是人还是 AI，即视为机器获得与人类相当的智力。AI 概念由此萌芽。
一次会议正式确立「人工智能」称谓
此后数十年，AI 在探索中缓慢前行。
两次 AI 寒冬：条件不备，卡壳了
数据、算力、应用场景三样都不足——如同乔布斯想造苹果电脑，但当时科技没跟上。这两次寒冬让 AI 迟到了很多年。
IBM 深蓝击败国际象棋世界冠军
第一个机器打败人类的世界级案例（当年媒体还叫它「超级计算机」）。
谷歌 AlphaGo 击败李世石
围棋领域人机对决，AI 走进大众视野。
Transformer 架构问世——大模型的地基
如今所有大模型的地基就此打下。同年英伟达首款 AI 专用芯片发布会无人问津，最终把一台样机赠予一家非营利机构（后来的 OpenAI）。
ChatGPT 发布，AI 一发不可收拾
从地基到产品用了 5 年。之后大模型、Agent、生成式内容全面爆发。
大众接触 AI：产业拐点已至
康波周期第五轮（信息技术驱动）走向末期，第六轮（AI + 新能源 + 生物技术驱动）开端——2026 是拐点，2030 进入爬坡。
以终为始：若你 1997 年看到深蓝新闻时能想象 2026 年的世界，会提前做哪些准备？同样的逻辑——如果 2056 年的人穿越回来，他会提醒现在的你关注什么？现在准备未来 3–5 年，机会出现时才抓得住。
康波周期的拐点上，AI 是 10 万亿级的新产业
人一生大约只能遇到三次造富浪潮。当前正处在第五轮康波末期、第六轮开端——2026 是拐点，2030 进入爬坡。第六轮由 AI、新能源、生物技术共同驱动。
信息技术驱动
互联网与数字经济，中国产业规模约 1.8 万亿元（新华社/国家数据局口径）。一代人生活已被彻底改造。
AI + 新能源 + 生物技术
正在开启的新周期。AI 是切入三者的钥匙——学会看赛道的方法，可以横向延展到新能源、生物技术。
正青春的年岁
十五五规划（2026–2030）结束时，正是年富力强之时。机会一定会出现，抓不抓得住，取决于现在做准备。
看懂机会：黄仁勋的「五层蛋糕」
很多人说「缺一个机会」，却连机会长什么样都不知道。黄仁勋的思维模型给出框架：AI 产业是一块五层蛋糕——能源、芯片、基础设施、大模型、应用，每一层都有大量机会。点击每层查看要点。
能源层：电
- AI 大爆炸，最底层是对电的需求大幅上涨；电将替代石油，成为新的基础能源。
- 中国电力结构：火电占 62.9%、水电 13.4%，新能源（风电/光伏/核电等）尚不足 2 成——2030 年前结构必然生变。
- 电力在市场化，围绕「电」的发电、储能、电网都存在机会。
能源层数据：中国电力结构
芯片层拆解：一条完整的产业链
- 上游：芯片设计（华为、小米已具备）、半导体设备（光刻机/刻蚀机/注入机/清洗机）、材料（硅片/光刻胶/特种气体）、数万零部件。
- 中游：晶圆制造、封装、清洁与废气处理。
- 下游 + 周边：终端应用，以及维修、金融、人才服务、供应链等配套。
- 关键认知：中低端芯片中国全球第一；7nm 已近成熟、3nm 尚未突破；华为「超定律」以立体封装绕开限制。
大模型怎么构成、怎么工作
大模型层对普通人而言只能「调用」。理解它的构成与工作原理，是写好提示词、用好 AI 的前提——也是识别机会的前提。
一个大模型的七个组成模块
海量数据喂养 → 选择算法 → 买卡训练（算力）→ 在 Transformer 架构上预训练（如把二手书逐页扫描喂给模型）→ 测试校准（对齐）→ 发布后被各类应用调用。你打开 DeepSeek、豆包输入文字，就是在调用大模型。
Token：为什么提示词要「给关键词」
- 机器不懂人类语言：原始输入先被分词器（Tokenizer）切成一段段 Token（词元），每个 Token 对应一串数字与 ID，再映射为向量（Embedding）交给模型。
- 一大段话也会被切成 Token——不如直接给关键词：电影级镜头、IMAX 胶片质感、某某风格……用逗号分隔的关键词比长句更精准，也更省钱。
国内外主流大模型
- 千问模型很强但 C 端体验一般，需要技术底子；智谱 GLM 多用于工业部署。
- 中美现状：美国领跑、中国加速追赶，距离越来越近；AI 圈华人主导（约七成），数学基础是华人的先天优势。
- 机会参考：Token 中转站（本质是卖电）；模型公司若上市，是否值得投——要研究财报、拉长时间线判断。
AI 是工具，也是放大器——能力决定放大倍数
先理解两件事：AI 的工具性（它是一个需要学习的效率工具），与它的放大效应（指数级放大，但不无中生有）。注意力放在能力上，而不是工具上。
门槛降低，仍需学习
AI 与 PS、Word、PPT 本质相同：替代你做做不到的事。门槛会像剪映之于达芬奇一样不断降低，但提示词、关键词仍要学——不调用它，它就静静躺着。
放大器，不是无中生有
过去做一套电商详情页：对接→寄样→摄影棚→抠图→精修→策划→文案→设计，一套收费 10 万、耗时半月。现在：手机随手拍一张 + AI 一段提示词，头图、SKU 图、详情页即时产出。
OPC：能力 × 效率 × 杠杆
个人商业模式（刘润《底层逻辑》）：能力是「1」，效率与杠杆是后面的「0」。能力为 0，添多少 0 还是 0。同样的 AI、同样的模型，能力差 8 倍，产出就差 8 倍。
真正的能力是什么？不是会某个工具（会 PS 只能做美工），而是撬动多少资源、引领多少人。做创作者还是做平台（红果 vs 创作者），答案在这里。认知决定行为，行为决定习惯，习惯形成性格，性格决定命运——能力可习得，靠刻意练习与即时反馈。
内容生产三连跳：PGC → UGC → AIGC
AIGC（生成式人工智能）把内容创作的门槛再次大幅拉低——但它只是杠杆，决定成败的仍是前面的能力：对平台的理解、对用户的理解、对故事的构思。
报纸、电视时代由少数专业人士生产内容（PGC）；互联网让人人皆可创作（UGC，「每个人都能出名 5 分钟」）；现在，AI 让内容创作门槛再次降低（AIGC）。
AIGC 能生成什么
- 文本：写小说、写文案、写材料；
- 图片：海报、PPT、封面背景；
- 音乐：AI 歌曲已可循环播放；
- 视频：短剧、漫剧、宣传片；
- 代码：Codex、vibe coding——不懂代码也能做网站、APP。
方向要靠自己选：为什么做视频而不做代码、不做音乐？理由应是赛道分析后的判断，而不是随大流。
关键判断：时间窗口
2026 年的 AI 赛道 ≈ 2018 年的自媒体赛道
- 2018 年抖音刚起，很多人后悔没早点做自媒体；如今 AI 赛道就是那个「早点做」的机会。
- 视频赛道已人满为患，要思考如何弯道超车、后发先至。
- 先问：为谁解决什么问题？再想用什么方式表达（文字/视频/音频/图片）。
内容创作的底层逻辑：价值，而非技巧
一切商业行为的底层都是销量公式；所有技巧都只是锦上添花。记住唯一的天条：优质内容。
销量公式：流量 × 转化率 × 客单价
- 流量从哪来？平台给曝光，因为用户喜欢；用户喜欢，因为你切中了他内心某个需求——不同人群需求不同，先定用户画像。
- 警惕自嗨流量：一条视频 100 万点赞、主页 3000 粉丝、无法变现——要精准流量、商业流量，而不是热闹。
- 客单价：别人愿意付 1 元还是 1000 元，结果完全不同。
内容的五类价值
认知价值
让人看懂、想通——这堂课本身就是认知价值。
情绪价值
哄到用户开心、共情——榜一大哥大姐愿意付费。
实用价值
怎么修车、省钱、贴膜——直接有用。
社交价值
MBTI、星座、梗——社交货币，制造身份认同与话题。
审美价值
审美就是竞争力：苹果的设计、饕餮纹的茶叶包装——审美本身能卖钱。
什么是优质内容？① 价值密度高：信息量大且有用（这场 4 小时直播信息密度极高）；② 画质、音乐、节奏、情节优质。价值有排序：若内容价值足够高，观众会原谅画面昏暗、字丑等一切短板。「我为谁解决什么问题」——先找需求，再找产品，再做内容。
这场讲座，值得记住的十句话
再穷不能穷 Token。
从大处着眼，从小处着手。
把书读薄，为我所用。
以终为始：站在未来往回看。
2026 年的 AI 赛道，等于 2018 年的自媒体赛道。
能力是 1，效率和杠杆是后面的 0。
AI 是放大器，不是无中生有。
内容为王：为特定人群，创造解决其问题的价值。
下期预告：剧本怎么写 —— 讲故事的能力
《肖申克的救赎》里，安迪在第 30 分钟就拿到那把越狱的地质锤——作者在一开始就把结局摆在了观众面前。做漫剧、短剧、电影的竞争，不在调用哪个大模型，而在如何讲好一个故事。这是内容创作的必备技能，也是第二期 AI 课的主题。