AI导致的裁员席卷全球，企业裁员之后真的走向辉煌了吗？

大家好，欢迎收听老范讲故事的YouTube频道。看到这样一个标题之后，大家想到的是什么呢？其实绝大部分的人都是被裁员的人，或者等待被裁员的人。我们基本上是没有机会去参加裁员决策：什么时候？要裁什么人？裁多少？我们每一个人都是被动接受裁员的那个人。像我现在已经被裁员了好几年了，在家里跟大家聊闲天呢。大家觉得，这个事有讨论的价值和必要吗？

为什么会想起录这样的一条视频呢？在X上我今天看了一条帖子，说微软最近疯狂乱裁员，很多人都很焦虑，朋友圈里不少人都不幸被“分手”了。员工士气方面，据说已经低至谷底。连续的裁员让大家人心慌慌，很多人都害怕被AI取代。2024年《应用心理学杂志》的一项研究显示，在积极采用AI的科技公司中，士气平均下降了30%。微软这里的情况绝对是典型，最近的9,000人裁员新闻一出，大家都感觉到AI不是在提升效率，而是在直接抢饭碗。

我看了这样的一条推，我首先要去ChatGPT上去核实一下。现在不能看着什么事，特别是在社交媒体上，看到什么样的文章我就全信。所以上去核实了一下，首先呢，ChatGPT告诉我，在《应用心理学杂志》2024年研究“积极采用AI的科技公司士气平均下降30%”这篇文章是不存在的。很多研究都在做，也确实在论证工作不安全感、福祉和绩效的关系，但是呢，并没有明确的30%的这个量化指标出来。微软7月份呢，也确实是裁员了9000人，这个事呢是没有任何问题，被确认了。而且微软5月份还刚刚裁了6000人。

留下来的员工，到底能不能好好地干活呢？这个是每一个需要去做裁员决策的人都要思考的。在公司里头，特别像财务部，还有像CFO就这些部门，他们会去思考说，我应该如何去降本增效，这就是他们的一个工作。因为很多人一说裁员就想到HR，就HR他们思考的问题是，怎么能够让员工可以好好地干活，不断地晋升，在晋升过程中能够创造更好的价值，需要什么人的时候去把人找回来。他们一般是不会去做裁员的这个决策，但是他们会去做裁员相关的这种数据收集，比如说绩效考核。人事需要处理的问题，就是在裁员的过程中不要闹事。

对于最上面的大老板来说，他也是希望裁完员以后剩下的人好好干活。咱们经常讲说，走了的人就让他们走吧，留下来的人还要继续把日子过下去。公司也是如此，你裁完人以后，剩下的人得好好继续干活。这个呢是AI比人强的地方，因为AI是没有情绪的，而人是比较复杂的，容易受到情绪的影响。不会说我们今天把谷歌Gemini的订阅取消了，OpenAI就诚惶诚恐地好好干活，他不会干这个事了，跟他没关系。但是人的话，把你邻桌的小张裁了，这个小王可能就诚惶诚恐地干活去了，或者说他就摆烂了，他会有这样的情况。所以人要稍微麻烦一些。

确实是有很多人去研究这些心理的，留下来的员工会有哪些心理变化，写了一堆论文。第一个讲到的是工作不安感会上升。这个事肯定嘛，你旁边人被裁了以后，你一定会觉得不安的。而且AI本身的不确定性的话，会更大地带来这些不安全感。为什么？因为AI最后到底怎么挣钱，怎么去影响这个业务往前发展，谁也不知道。在这样的一个情况下，就已经开始裁员了。AI本身的形势又不是特确定的时候，也许AI再往前发展一步，可能明天OpenAI开了个发布会，大家又开始去裁员了。所以它并没有像以前说裁完员以后，剩下的人可以好好干下去的这种状态。你可能这次裁完员以后，日新月异的AI让你过两天再裁一次，那你谁有心思留下来好好安心干活？

另外呢，他们总结了这些留下来的员工呢，会有一个叫“幸存者综合症”的一个症状，还起了这样一个名字。幸存者综合症里头都有什么症状呢？第一个是内疚。“你看那个人被开了，我好像干的也没有比他好，他怎么就被开了，我怎么就留下来了呢？”还有些人会觉得愤怒。“大家都干的好好的，都这么努力，你怎么就把我的好朋友开掉了呢？或者你怎么就可以威胁我的工作呢？”还有些人就麻木了。“开除的这个过程中，或者裁员的过程中，跟我的努力、跟我日常的表现也没有什么关系。我也没看出来被裁的人，和我留下的这些人到底有什么差别，那我也就这么破罐破摔吧。”现在很多人说，我们每天的工作10%是干活，20%是留下痕迹，剩下所有的工作都是为了甩锅、摘清责任的。都干这件事情，那这个肯定效率会下降的。

还有呢，很明显的就是对组织的忠诚度会下降。原来呢，大家都觉得我是组织的一部分，我为组织做出贡献，组织也要对我负责任。现在一旦经过裁员以后，留下来的人也说：“你真的对我负责任吗？”才会有这样的想法。这些幸存者综合症，一定会拖累协作以及绩效的，这个是已经得出结论的事情。而且留下来的人呢，会对组织的公平和程序正义感到不信任。

什么意思呢？因为裁员其实分两种，一种呢是像“十一抽杀令”那种，说我们一共要裁多少人，比如裁10%。这个10%各个部门就下去分去了。分的过程呢，肯定是有一些博弈在里头的，你这个部门很重要，他那个部门没那么重要了，这个部门去年业绩不好，这个部门业绩还不错。他会用这样的一个方式去进行讨价还价，然后是一层一层把这个目标分下来的。到最后呢，肯定是有一部分可能跟绩效考核，或者跟很多可见的这种指标没有那么大关系。当这种裁员发生了以后的话，留下来的人就会觉得“这玩意儿公平吗？这个过程合理吗？”特别是他看到有一些说，这个人好像还没有我那个哥们干得好的，把我那哥们裁了，他留下来了，这什么情况？只要发生裁员，内部一定会有这样的思潮上来。另外一种呢就是整个方向调整，你比如说现在大家都去做AI了，原来你跟AI没关系的，这些就属于叫不聚焦嘛，把整个部门裁掉，或者这个部门分配到的裁员指标相对来说比例很高，这个呢大家其实是可以理解的。但“十一抽杀令”这种东西，确实是对整个的士气，对于这些留下来的员工相信程序正义这件事，是有巨大的危害的。

还有一个很重要的伤害是什么呢？就是对AI的信任会下降。员工原来是信任AI的，AI可以帮我提升效率，是一个很好的工具。现在一看，这AI真的是可以抢饭碗的。还有一个什么特别讨厌的呢？就是大家想一想，我们以前最讨厌什么样的同事？干了活他抢功，出了错他甩锅。而AI恰恰就是这么一种东西：效率提升了，老板觉得AI好厉害；出事了，AI是不担责任的，都是使用AI的人担责任。所以呢，他就属于最讨厌的那种同事。经过这种AI造成的裁员以后，员工对AI的信任感一定会下降。

最终的表现呢，一个是士气与生产效率的下滑，这个是一个普遍现象了。还有呢，就是文化与心理安全感的损失，这块呢其实要比效率下降还要更厉害一些。什么叫文化的损失呢？很简单，你比如刘强东说“员工都是我兄弟”，AI是你兄弟吗？AI是不是比员工还听话、效率还高、还不会说谎？那咱们比较一下，谁更适合做你兄弟？那你这个文化不就崩塌了吗？所以AI裁员会造成文化崩塌的。高层想靠AI降本增效，基层呢就会对AI充满不信任，造成这种组织割裂，以及AI项目推行之中的这种阻碍，他们会抗拒这件事情。很多AI应用系统实施的失败呢，也都是来自于这里。

而传统的裁员手段，在AI裁员过程中基本上是无效的。这么多的大公司，他们也是这么长时间，才积累了非常多的裁员经验，裁完员以后剩下的人该怎么办。如果偶然地裁几个，剩下的人你不用管他，大家自己会逐渐地适应。而如果你经常地裁来裁去的话，那你可能就需要去调整一下大家的心理状态。最简单的，请大家吃顿饭，或者出去玩一玩放松一下。或者实在不行的话，我们原来见过什么呢？开批斗会的。为什么裁完员以后要开批斗会呢？你要让剩下的人相信合法性，这老板有合法性，老板做裁员的过程和决定有合法性，留下来的人也应该心安理得地享受留下来的这个成果，把所有以前的问题都怪罪到这些被裁员的人身上。这样他们是更容易让心里得到平静，更容易把这个活干下去。

但你一旦做AI裁员的话，这个就没法整。留下来的都是AI，裁掉的是你的兄弟，你这个事你是没法干的。而且AI裁员刚才我们讲了，它是极具的不稳定和不安全的。因为我今天裁完了以后，明天可能接着裁，过了一个月以后，可能AI的发展又发生了新的大变化，我又可以去裁了。它不像以前似的，可能一年裁个一回，裁过了以后，然后咱们这一年就算混过去了。AI它没有这种规律，而且AI未来到底向哪个方向发展，谁也不知道。所以这个是AI裁员来说，比较大的一个挑战吧。

近些年来，大裁员的公司都有哪些呢？他们裁了多少人呢？刚才咱们讲的是微软。微软2023年1月18号裁1万人，占他总员工数的5%；2024年1月25日还裁了1,900人，主要是游戏相关的。刚才咱们讲的2023年1月18号这1万人呢，是全公司范围内，基本上就是“十一抽杀令”了，把指标发下去，大家就去裁去就完了。在2024年5月7日，在游戏部门继续裁，他当时应该是把动视暴雪收购进来了吧，那么在这个时候进行裁员是合理的，因为原来那种组织机构和人员的效能考核，对于整个的微软来说可能就不太适合了，需要去进行调整。但是呢，具体人数没有披露。2024年6月3号，微软云和虚拟现实部门裁了1,000人；2024年9月12号，Xbox裁了650，Xbox也是游戏部门；2025年5月13号，全公司组织优化6,000人；2025年7月2号，全公司优化9,000人。这就是咱们一开始读的X上面讲的，说最近裁了9,000人，这个数确实是在这里呢。

谷歌呢肯定也没闲着了。Alphabet，现在谷歌是一个品牌，是一个子公司，它总公司叫Alphabet。2023年1月20号，12,000人，在全公司里头占6%，而且也是全公司范围内，直接“十一抽杀令”发下去就开始裁。2023年9月13号，全球招聘团队裁员，具体数字没有公布，但是呢很吓人，裁招聘团队这件事，基本上相当于冻结headcount的这种状态。2024年1月11日，谷歌助手硬件，包括手机、家居硬件，裁员了几百人；2024年1月16号，广告销售裁了几百人；2025年4月11日，平台和设备，就是安卓呀、Pixel、安卓手机，还有Chrome相关的，裁了几百人；2025年5月7日，全球业务销售裁了200人；2025年8月，外包合同工AI评测裁了200人。反正就是一直在裁。谷歌呢并没有进行像微软那么大规模的裁人，但是一直没停下来。

亚马逊人很多的，因为后边他有仓储、有物流，所以他的员工数是很多的。亚马逊的裁员，2023年1月5号，18,000人；2023年3月20号，9,000人。这都是全公司范围内裁的。2024年1月9号，把Twitch裁了500人。Twitch呢是全球最有名的游戏直播平台，像国内的什么虎牙呀，这些都是抄Twitch的，当然虎牙他们混得也不怎么样。2024年1月10日，把流媒体和影业，就是拍电影的这帮人，裁了几百人，就是亚马逊的流媒体平台这块裁一部分。2024年1月16号，广告销售裁了几百人；2024年4月3日，AWS就是云计算这块裁了几百人，一般这种都是裁销售。2025年，图书内容Kindle、AWS少量裁员，应该是百人上下的一个裁员吧。直到2025年的亚马逊，基本上已经稳定下来了。Meta的话，从2022年开始一直在裁员，每年基本上都是上万人的裁。今年1月份还裁了5%，大概是3-4千人。

那些鼓吹裁员的老板们呢，刚才我讲了，你一旦裁员了以后，老板要证明自己的合法性，就是你要证明说我做这个决策是对的，一定会有很多老板给裁员这件事情找出合理的理由来。比如说Salesforce，Salesforce最早的叫SaaS云吧，就是软件即服务的云，他们是典型案例。Salesforce的老板就是说，我们就是要靠AI去裁员，强调AI将帮助公司重新想象工作流程。他的公司从2023年1月的9,000人，下降到了2025年剩余的4,000人。没有马斯克裁的多，马斯克就属于啥也不说，抱着个水槽子就进去了，噼里啪啦就裁干净了。亚马逊的CEO叫安迪·贾西，贝索斯离开了以后上来的CEO，他在讲什么？AI将使亚马逊未来用更少的员工运营，并鼓励员工学习AI工具，以在公司重塑中保持竞争力。那意思就是我们要不断地去裁员，你AI没学好，我就裁了你。

还有一个特别有意思的公司呢，叫IGNITE Tech。这个公司是干嘛的呢？这个公司是不断地去收购各种各样的企业用软件，比如说企业用的销售软件、企业用的客户管理软件。他把这玩意买回来以后呢，把这个软件重新做一下，让它维护起来变得更简单，然后跟它的用户签这种长期维护的协议，让它的用户来去订阅这些企业软件。它们的CEO呢，就去搞了一个叫“AI Mondays”，就是每周一，所有员工必须做AI相关的项目，如果你不做就不行。约80%的员工因为抵制AI而被他替换掉了，这个是真狠。但是呢，他这个其实是可以理解的。你想他干的活是什么？收购了项目，然后呢进行AI改造。那么他收购完项目以后，你总要把原来的这些遗老遗少干掉，那咱们就做AI项目呗。这些人如果不愿意配合，说我原来行业的流程是这样的，你不能直接这么粗暴地对待，这不就有理由吗？直接可以把人开掉。所以我觉得他搞这个事呢，算是一个顺理成章吧，AI成为了一个借口。

那么裁员以后，效果到底怎么样呢？从整个的市场来讲，大家认不认可这件事呢？首先要讲，股市其实还是愿意相信这种故事的。通常呢，哪个公司说我大裁员了，它股票会涨的。Oracle也是裁了几百人之后股票暴涨。当然Oracle涨这个事情原因很多，咱们前面还专门分析过这个事。迪士尼也是在裁员之后股价开始上涨，因为迪士尼前面亏了很多钱，又把老CEO拎回来，拎回来也没什么别的办法，裁员呗，裁完了以后股价开始往上涨。因为你裁员了以后呢，剩下的人呢，也确实可以少掉很多掣肘，而且剩下的人也会很努力地、更高效率地把原来的工作做完。所以呢，迪士尼在这块是有效的。Salesforce呢，裁员之后他们干了一个特别奇葩的事情，用节省下来的薪水去做股票回购，也是有效果的。我不需要把这个薪水发出去影响原来9,000人，现在只有4,000人了，少了5,000人，多出这部分，就是原来该发薪水这部分的钱，我去做股票回购，也挺好的。然后英特尔裁员了15%以后股价上涨。换了华人CEO上来以后，其实他就开始裁员。CEO上来以后第一件事都是裁员，原因呢，一方面是降本增效，还有一方面是什么？就是你总要把原来这些掣肘、原来这些给你捣乱的人把他干掉，要不然谁好好干活？而且也要立个威嘛，也要告诉大家谁能够决定你的饭碗，给大家演示一下，杀鸡儆猴嘛。

那么股市为什么会为这种故事买单呢？原因很简单，所有跟AI相关的裁员，他们讲的故事都是说“我们要聚焦”，我要把这些非核心业务干掉。你比如说像Meta裁的很多人，都是原来做AR/VR眼镜，还有很多呢是做游戏的。微软也是这样，他裁了一堆做游戏的，其他的裁的是行政、销售。裁完了以后剩下来的钱呢，去做AI基础设施建设呀，我去建机房了，我去买显卡了。股市是愿意相信这样的故事的，这叫“聚焦故事”。

最近呢，还有一个特别有趣的聚焦故事，不是在AI领域里头，是在制药领域里头。有一公司叫诺和诺德，直接裁员9,000人，而且这9,000人里头，有5,000人是在丹麦总部的行政人员，跟新的业务无关的部门直接裁掉。比如说糖尿病教育，因为诺和诺德是做各种跟糖尿病相关的药的，他们有糖尿病教育相关的部门，把这些人都裁掉，或者很大部分裁掉吧。那你说剩下的人他聚焦什么呢？聚焦司美格鲁泰，GLP-1的减肥药，就聚焦这玩意。他现在需要跟礼来，跟一堆的做这种复方减肥药的人，跟这个路径相关的人要去竞争。现在中国人也上来了，中国人现在也开始自己做司美格鲁肽类似的药了。就把原来很大的运营体系，就跟他无关的事全裁掉，这个叫“聚焦故事”。现在呢，被裁掉的很多都是什么呢？行政、绩效差的、招聘、销售、非核心业务，大家基本上奔这块去裁，然后集中力量去做AI。

那你说有没有裁员裁出事的呢？也肯定有。不可能说大家都裁员都是一剂良方，吃进去以后就往前走了，这是不现实的。首先呢，咱们讲刚才那个IGNITE Tech，就是做软件收购了以后修改修改，然后去给人用的。这公司那员工反抗、企业文化崩塌呀、士气下降，就讲的他。你想他换80%的人，肯定是要出问题的。他自己也承认说我这个有问题，我不建议其他人采用我们的方式。他采用这个方式的最核心原因是，买下新软件以后去进行项目整合，有愿意听话的你就留下来干，不愿意听话你就滚蛋。他是干这样的一个事情。然后澳大利亚的联邦银行，他们也是AI裁员裁出事来了。发现AI客服系统特别好用，就准备用AI客服去替代人工客服，直接遭到了工会的反制。在中国大陆肯定就没有这种问题，没有工会。但是你在世界其他的国家，特别是一些非IT行业，你就容易被工会反制。像谷歌呀、亚马逊、微软，这些程序员是没有工会的，那么高工资了，谁还给你组织工会？没有人保护你们，所以裁了也就裁了。但是你要去裁仓库的人，你要去裁卡车司机，这个是有可能出事的，那是有工会的。像这个银行你要去裁客服，那是有工会的。

最后呢，总结一下。AI时代呢，裁员应该是不会停下来的，而且呢可能随时都会到来。所以任何一个在大公司里上班的人，都不可能说高枕无忧，说我这个位置肯定是稳的，这事不太现实。大企业裁员呢，股市呢通常会买账，最主要的原因是聚焦，次要原因是他们可以降本增效了。甭管是不是增效吧，至少降了本，拿了降了本的钱去进行股票回购，股市会买账的。AI呢是也成为了很好的裁员理由。裁员对于企业来说呢，一定会造成阵痛和伤害，肯定还会有很多的HR或者很多的人去研究，被裁下来的人应该怎么办，留下来的人应该怎么办，这个大家也是会去思考的一个事情。

好，这就是咱们今天讲的故事，咱们作为被裁员的人，去讲一讲裁员以后，剩下的公司他们在干嘛的事。好，感谢大家收听，请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。

斯坦福大学的研究表明，近半AI创业者选错了方向。这里边到底谁对谁错呢？

大家好，欢迎收听老范讲故事的YouTube频道。大家都在指点江山，但是人家斯坦福大学肯定要更专业一些。

7月7号，斯坦福大学的HAI（叫以人为本的人工智能研究所）与数字经济实验室，发布了一个工作论文，叫“员工真正希望从人工智能中得到什么”。这样的一篇论文，有兴趣的可以自己去找这个论文来看一下。里边讲到很大比例的AI创业者呢，都找错方向了，大概41%的AI自动化，正在做没人想要的事情。那这论文到底说什么了呢？

他呢，首先做了一个打分。论文我们要去看他的研究方法，数据来源是不是可靠。像我老范坐在这，我可以一拍脑袋说，以我过去的经验怎么怎么样，大家听个乐就可以了。但是人家这个呢，一定是要有严谨的数据收集过程的。

首先呢，他们先去选择任务，每个月至少要做一次的任务，而且呢能够被数字化的任务挑出来，一共是2,131项任务。你说我这个任务十年碰不到一回，这用不着了；或者说我这个任务完全没法数字化，也用不着了。然后呢，对这些任务进行去重，你说这个任务跟那个差不太多，算一项，去重了以后呢，一共剩了844项任务。

然后呢，要求一帮人，对这些任务打一个五分制的分。首先呢，他选了1,500名美国的在职人员，囊括104个行业，和刚才我们讲的844项任务，就是你至少要参与过其中的哪项任务，你才可以对他打分。你说我这事从来没干过，你去给打个分，这个不行的。而且呢，在题目前面还要插上说，跟工作的乐趣和失业风险，你也要进行考虑，帮助受访者呢平衡理性和情感。

他呢，通过语音访谈，让被调查者回想真实的工作场景回答，避免拍脑袋。所以呢，他先对这844项任务呢，进行了一个有没有人想要的一个调查。调查的过程，就是刚才我们讲的语音访谈，说你干过这事吗？干过，那你到底想不想要呢？这样的一个过程。

然后，再找了52名拥有AI agent系统研发经验的研究者和工程师出来，也是5分制打分。他们打什么呢？按照现有的大语言模型和工具链，让AI单独完成该项任务的把握有多大。同时做任务分类，H1级全自动，H5级必须人类主导。他对这个844项任务，再去做一个这样的打分。等于两个维度，一个维度说你想不想要，另外一个维度说做得了做不了。

把这两个维度的分数搁在一起，把所有844项任务呢，变成了四个象限，上下左右四块。这四块里头呢，第一个呢叫绿灯区，所谓的绿灯区就是高需求高能力，什么意思呢？就是员工也很喜欢，现在的技术也可以实现了。第二个呢叫做低需求高能力，这叫红灯区，就是技术很炫，但是呢没人想要。第三个呢是高需求低能力的区域，就是呢市场特别想要，但是现在做不出来。第四个呢是低能力低需求的区域，现在技术也做不出来，市场也不想要。一共分了四个区域。

为什么说错配呢？他们说现在看了一下，41%的热情都给了高能力低需求，或者是低能力低需求的这个区域了。而上面这个高能力高需求，和高需求低能力这个区域呢，配置的并没有那么多。

那他这个是怎么统计出来的呢？他呢，抓取了YC 5,156个项目的描述，这个直接上爬虫就可以了。爬完了以后呢，找GPT来做分类，说这项目跟AI到底有没有关系。抓完了以后呢，发现有1,723个项目呢，跟AI是有关的。然后呢，对公司的项目，与刚才咱们讲这个844项独立的项目，进行对齐，你干这事儿跟上面的哪一项是相关的。这个也是由GPT就可以搞定的。做完了以后，按这四个象限一分，发现41%在红灯区，绿灯和高需求区，配置的并没有那么多。

那么四个象限里，都包括些什么样任务呢？首先咱们讲绿灯区，有29%的创业者在这儿。绿灯区就是高需求高能力，我现在完全能做的了，大家也需要。第一个是访客日程安排，大家都打了5分，我们需要这东西。因为在美国做的调查，美国很多事情都是需要预约的，而且预约这个过程呢又特别麻烦。他呢，跻身在绿灯区的top one。任务本质是结构化信息的写入加提醒，AI专家评估为，现有的大语言模型技术和日历的API，可以一步到位。因此属于两轴皆高的立刻可落地区域。

搜集的信息是这样搜集回来的，但是他真的表达的是说，大家赶快都去做AI日程排布，这样的一个功能吗？其实不是这样的哈。大家仔细思考一下，这个绿灯到底说明的是什么？说明的是有大量的需要去进行预约的，这种需求是没有被很好满足的。你说我要去看医生，那这个医生预约两个月以后，这个并不是说，你需要把预约系统做的更好，而是需要更多的医生。但是你说医生多了以后，是不是现在医生的薪资就降低了，就跟韩国似的，说我们多招点医生上来去上学，医生就跑去罢工，说不行，你这多招了医生上学了以后，我的薪水就降低了。这个事呢，肯定需要靠AI进行更深层次的解决，但是这个报告里他就不管了，反正我们搜集了，排日程是最有需求的。

第二个呢叫做维护紧急呼叫档案，就是911，你打了电话去，进去以后发现有很多档案是错的。那么自动化意愿呢，1-5分制算完4.67。需求呢是批量整理索引去重，典型的CRUD项目。这个CRUD就是create，read，update和delete，就是把这个数据库增删改查的，这样一个事情。专家判定的是，完全可以靠现在这个能力搞定的事情。为什么大家需要干这个活呢？传统人工处理，导致15%的紧急呼叫响应延迟。你给我打电话了，说我这出一什么事，结果发现呢，你登记的什么路牌，或者是很多这些信息是错的。AI呢，可以将错误率从8.3%直接降至1.2%。边缘计算设备呢，也可以提供实时的这种GPS通话，记录警力分布数据，响应时间也可以极大的缩短。这个是美国人很需要的一个功能。

然后呢，叫更正工资记录。这个自动化愿望是4.6。比如说你到底迟到了早退了，还是有需要有奖励，还是需要有处罚的事情，这些呢是要去反映在工资里边。在这一块读取误差，计算差额，写回表单，AI在这个表格处理文本生成上的能力，其实已经很成熟了。所以也放到绿灯区里头。

我以前是做过人力资源管理系统的，给员工算工资，是一个非常非常麻烦的事情。而且呢，他需要在极短的时间内完成，需要考虑的东西呢虽然很多很复杂，但是呢毕竟是有限的东西，相对还是要容易一些的。基于规则引擎和自动化系统，可以处理92%的常规薪资纠纷，准确率呢高达98.7%。以前人事部和财务部，每个月底算工资的时候，都是这个脾气特别不好的时候，我们一般在这个时候，都是躲着他们走的。他们非常需要这个玩意，可以释放员工80%的时间用于合规审计，降低企业用工的一些风险。因为每个人收到工资以后，都会去算一下我自己的东西对不对，为什么多了为什么少了。工资发下去，他们还会上来说，为什么少发我了，到底怎么回事，这个月谁谁谁说了要给我涨工资，或者要给我一什么奖励，我怎么没拿着。这个事还是挺多的。这个就是绿灯区的项目。

但是绿灯区的项目，刚才我们也讲了，大家需要去思考这个绿灯背后，可能隐藏着更深层次的市场需求。有可能并不是让你把表面上绿灯的事情做完，而是需要去思考，整个的社会希望向哪个方向发生改变。特别是一些非常高需求的东西，都不是让你直接去干活了。

再往后呢，叫高欲望低能力区，有30%的创业者在这块选择，就是大家很需要，但是又做不太好。因为有技术的人呢，就肯定喜欢做这件事嘛，在这块努力是没毛病的。第一个呢，叫季度预算整合。工人呢，希望借助AI减轻繁琐的汇总，但是呢牵扯到多表关联权限校验，解释性要求，专家认为当前的大语言模型，仍然很难做到端到端的自动化，能力低。所以呢落到这个区域里边来了。

再往后，医疗影像诊断的多模态分析。现有的模型对于罕见病，如肺淋巴管肌瘤的识别准确率是62%，需要结合基因数据和临床记录，就是可能需要更多的数据搁在一起，进行多模态识别吧。联邦学术技术可整合跨院数据，在保护隐私前提下，将准确率提升到89%。这一块肯定是有需求的，看片子原来其实人在这块也是有问题的，看片子的人，可能对于其他的什么血象，一些这样的数值也没那么了解。现在有AI以后的话，让AI大模型，把各种的数据进行综合考量，一定是可以把诊断率提高很高的。而且对人进行医疗诊断，这个是有很大需求的。

再往后呢，叫教育领域的个性化学习路径规划。当前自适应学习系统的知识图谱，覆盖率仅有40%，无法动态调整难度系数，就是说我们没办法去根据人的学习能力，或者学习反馈，去给他设计新的教学方法。而且呢这种教学计划的调整，是很难进行有效的结果评估的。所以这一块呢，目前为止大模型也做不太好。一旦跟教育有关，他的需求还是很高的。

再往后呢是生成生产设备的维护排期。这个也有很高的需求，什么意思呢？你需要去排期，说我的设备到底什么时候应该生产，什么时候应该去检修。目前为止呢，工业设备的传感器数据，存在很大的噪音，15%的噪音，就是里头有很多数据不准，导致呢故障预测误报率高达38%。现在经常有什么波音飞机怎么样了，或者其他的一些设备出什么问题了，是怎么回事？他收集了很多数据，回来以后来确定说，从工程上说，你这个飞多少公里需要检修一次，但这玩意他不准。在这里头呢，大模型也没有做的那么好，需求还很高。你飞机掉下来了，这玩意需求肯定高。所以这一块大家如果有能力的话，也可以努力的冲锋一下。

再往下呢，叫红灯区，就是低欲望高能力区，我现在可以做的很好，但是没人要。有21%的创业者在这里努力。第一个任务是撰写创意文稿，这个是AIGC干的第一个活写文章。大语言模型已经可以生成流畅的文本了，而且能力很高。但是呢工人愿望仅有1.6，5分1.6是他的愿望。72%的编辑认为AI创作缺乏深度，61%担忧技术价值被削弱。这就属于担心失业的这帮人。尽管技术可行，但是编辑岗位的自动化接受率，仅有17.1%，远低于技术乐观派的预期。

然后是客服聊天机器人。GPT4已经能够处理85%的常规咨询，一响应准确度高达91%。但是呢40%的客服人员认为AI缺乏同理心，32%担心客户满意度下降。但其实他们担心的还是失业嘛。员工呢更倾向于H4级协作，就是人类主导加上AI辅助。刚才我们讲了，有50多个专家打分的时候呢，H1是AI全都能搞定的，到H5是完全人搞定的。在这里头这些客服希望做H4级的工作，我自己呢又可以省点力气，但是呢我还是主导。但是现在所有的研发都是向H1级，就是完全由机器主导，完全脱离人这个方向去发展的。

还有就是物流分析师的供应商联络工作。这个呢现在大语言模型也可以做的很好了。它基于大语言模型的供应链管理系统，可以自动生成谈判策略，响应速度比工人快5倍。但是呢53%的受访者认为，AI无法处理供应商的隐形需求，比如账期灵活性，41%担心失去客户关系的一个控制权。你去管理供应链的时候，这个里边还有很多灰色的地方，这个是人类不希望被替代的。这个是红灯区。

最后呢，就是低欲望低能力区，就是没人想要，也做不好这个区域。20%的创业者呢在这个里边努力。第一项任务解读工程图纸，愿望分是1.75，5分里头只有1.75分。现阶段多模态理解，3D语义抽取仍然比较难。现在看不懂这个图，AI能力低，优化级别低。现在呢在这一块也没有那么大需求。

再往后呢，叫追踪行李去向。愿望呢是1.5。该任务需要电话航空后端多方沟通，当前通用的代理难以整合。这个技术低需求也低。现在不太好搞。

然后是心理咨询师的情感支持对话。GPT4的共情准确率只有53%，无法识别非语言线索，比如微表情，包括语气语调都比较难以识别。82%的心理咨询师认为，AI可能泄露用户隐私，且缺乏法律责任界定。

然后是律师的复杂案件策略制定。现有的法律AI对于判例的关联分析覆盖率仅有35%，无法处理跨法域的冲突。91%的律师认为，AI应该定位为法律检索工具，而非策略决策者。法律这块我不是特别懂，但是写程序这块我是知道的，你问他各种细节的东西，他都做的很好，但是呢他特别容易钻牛角尖。我们一定要看着他的COT，就是思考过程叫思维链，你一定要看着这个东西，发现他走错路了的时候呢，你要给他提供新的思路，把他揪回来，他才能回的来。所以呢甭管是心理咨询师，还是律师的复杂案件决策，这个事到目前为止还只能依靠人。

还有一项是什么呢，就是绘图创意。愿望分呢是1.71。他们认为呢生成式视觉模型，在客户化的创意上，版权合规上都还存在着局限性。Midjourney、达利生成的图片，在这块都是有问题的。专业设计师不期待AI全接管。达利3生成的设计方案呢，仅12%符合品牌调性，且缺乏文化隐喻的深度。你让他去理解一些我希望隐藏的一些含义，基本上没法整。艺术创作者，艺术创作的需求呢，集中在H5级别，就是人类完全主导，AI呢仅提供一些素材就可以了。这一块呢是低欲望和低能力区。

现在呢红灯21%，低欲望低能力是20%，他们俩加起来是41%。最后这种报告的意义在什么地方？我们是不是应该照着这个报告的方式，去选择我们的创业方向了？不是这样的。这个报告最重要的一点，是展示了有效的信息搜集和形成决策的一个过程。我应该怎么去搜集信息，我们应该如何去划归任务，我们应该去做什么样的访谈，访谈完了以后呢，怎么对这些任务进行象限的划分，怎么去判定大家到底都在做什么事情，而且哪一部分是可以靠AI来搞定的。你比如说我爬虫，爬了YC的四五千家的创业公司，找到其中跟AI相关的1,700家，再对他们进行844项任务的对齐，你们到底是做哪项任务的，然后再拿四个象限去套。后边的部分完全是AI搞定的，就是AI负责了整个的数据统计和分析的部分。前面怎么去找人去设计问卷设计报表，应该也是AI搞定的。他们只需要给1,500个人打电话，然后去找到51位AI editor的专家去打分，就可以搞定了这样的一个报告出来。

但是呢要注意一点，就是这个报告并不完全可靠。大家不要说这一块是绿灯的我要冲，那一块是高欲望低能力，我要去研发。不要去直接这么简单的使用这个报告。第一个呢是搜集信息的过程并不全面，存在情感和偏见。还有一点是很重要的，什么呢？就是打分的是打工者，不是决策者。打工的人是没有权利去决定我买谁家的系统的，他们是要被AI替代，是要失业的这帮人。所以他们在这个里边会有一定的偏差。未来的世界呢也是动态变化的，不是按照现在这个状态不一成不变的。所以呢我们可以去仔细的思考和解读这个报告，但是解读的方式并不是简单的是使用。

那么应该如何选择创业方向呢？你说我有关系有行业背景，也有行业数据，先找个绿灯区域先做起来，先挣一笔钱再说。或者说我是不是可以去做一些颠覆性的事情，你也可以在绿灯区域去找。刚才我们也讲了，很多绿灯区域都是需求极其强烈的，但是他强烈的过程，并不是因为说我们真的想要排好日程，而是说整个美国社会的预约制度，给大家带来了极大的痛苦。解决的方法并不是说我做好预约系统，而是增加前面的供给。这个可能就需要换一个思路去思考了。

第二个有技术，可以尝试一些高欲望低能力的区域，突破AI的技术瓶颈。最多的人在这块，30%的创业项目都在这。你比如说我去解读一下，医疗影像这块，肯定还是值得大家去努力的，而且这一块呢也更容易拿到钱。

至于红灯区呢，不是说到红灯区，就是高能力低需求，这些东西我们就躲着走。比如说智能客服机器人这种东西，大家注意访谈是来自于打工人，不是来自于决策者。打工人是害怕失业的，决策者是想降本增效的。所以呢对于决策者来说，这个区域未必是红灯区。大家做的时候自己去思考。

至于最后这个低欲望低能力区呢，确实需要谨慎一些。但是呢如果你是真爱，说我真的喜欢这一块，那也不妨去尝试一下。真正的有可能出大型公司的，这个领域呢，其实是绿灯区跟这个低欲望低能力区。这里头有可能会真正的出现，颠覆社会的这种大型公司。而其他这些区域里头，红灯区和高需求低技术的这个区域，咱们做一做，有可能会出一些小型的成功公司。大型成功公司，或者是真正的跨时代的这种，成为美股七姐妹那样的公司，是比较难的。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

Manus的后劲来了。百度、字节都有了自己的agent产品上线。

大家好，欢迎收听老范讲故事的音乐节目频道。字节上线了扣子空间，百度上线了心想APP。Manus的光环不再。Manus本身就属于意外爆火，当时它突然火了以后，咱们还做了直播，说这个东西没有什么技术门槛，只是产品设计的很有意思。

Manus跑去跟阿里合作了之后，那字节、百度说这不行，咱们也得有自己的产品上线。又不是有多难做的东西，那就做呗。我呢，搞了一个字节扣子空间的邀请码，咱们呢试一试，看看这个产品到底怎么个用法儿。

Manus呢，到现在我也没用上。原因也很简单，我去申请测试，等了很久，到现在都已经开始收费了，也没有收到说你可以来玩一下的这个邀请。所以也就别费劲了。我自己呢也没有特别着急，我要特别着急想用的话，随便找两个人去要一些邀请码，也还是可以搞得定的。既然没有那么热心的话，也就没有上心去找嘛。

AI agent呢，其实主要还是做自我规划、完成复杂任务。就当我看明白这个东西到底是干什么了以后呢，就没有那么着急了。如果对于输出的结果没有什么特殊要求的话，其实用Grok的deep search或者是open AI的deep research都是够用的。只是这些工具呢，输出的都只是一个文档，就是一个Markdown文档，或者说是一个富文本的文档而已。

我想去生成个网页，想去生成个表格，它就稍微差点意思。而且呢，Grok的deep search可以使用的工具是有限的，就是一些内部工具。现在呢还不支持我们去调用外部工具。像Manus这种东西呢，它除了内部工具之外，有一些外部工具，可以通过一些接口放进来。如果是对输出结果有一些要求，说我想输出个网页，我想输出个应用，可能就需要使用Manus这样的工具了。

新的方向有了，大家就冲就好了。现在新方向是什么呢？就是Manus给大家指明的新方向，叫agent加MCP。现在的大模型呢，基本能力已经够用了。GPT4O及以后的版本，Claude 3.5及以后的版本，Gemini 2.5 Pro以及往后再出的各种版本，其实都已经可以实现agent的全套功能。

这里头比较倒霉的就是Meta，他现在出的LLAMA4好像稍微差那么一点点。国内的模型呢，比刚才我们讲的这几个要稍微差一些，但也勉强能用。比如说DeepSeek R1，比如说通义千问的千问QWQ 32b。

通义千问的推理模型，以及豆包1.5的推理模型，最近这两天也发布出来了。百度文心一言呢，他自己号称他的4.0推理模型是可以用的，但是我没有去测试，实在是懒得跟他费劲。

这些大模型给他一个任务以后，他把这个任务拆解出来，进行一些规划，基本上是可以使了。在自我规划之后呢，就是数据调用和内部工具使用，这个就会看出各家的差异来。因为你输出的结果怎么样，跟你搜索的结果是息息相关的。你如果搜索质量差的话，那你输出的内容就会变得很烂。

我为什么很少使用GPT的各种推理模型，包括它的深度思考去干活呢？因为它的搜索质量实在太烂，所以经常出来给我胡说八道。而且有一些比较特殊的资源，只有某些内部可以使用。比如说X上面的帖子，只有Grok能用，其他人你用不了。或者说抖音里边的视频，我们根据字幕来进行一些搜索和总结，这事除了字节，别人也看不了。这就会产生差异出来。

在内部的数据跟工具使用了之后，还可以使用外部工具。现在MCP标准呢，已经基本确立了，各大平台都开始出官方接口了。前几天还跟大家演示过，使用高德地图进行行程规划，还是非常有意思的。

剩下的是什么呢？剩下的就是等就好了。因为这种任务你扔进去以后，没有个十几二十分钟他出不来。等的过程中就是TOKEN在燃烧。后边就是一次一次的调用大模型，哗啦哗啦在那跑，TOKEN就在干这个事了。

今天呢，咱们测试一下扣子空间。扣子空间呢，应该是4月19号吧，低调上线，也没开发布会，什么也没说，这东西就来了。也是需要邀请制或者是报名去等待。我呢，就直接找了人说：“给我发个邀请码过来。”人就给我发过来了。

拿到邀请码以后，你进去完成第一个任务，也就是让扣子空间给你去做第一个项目以后，你就可以生成5个新的邀请码。待会呢，我会在视频的简介里头贴4个邀请码。我的5个邀请码已经有人用了一个了，还剩4个。想试的人呢，可以到那去找邀请码去试去。

你试完了以后呢，也欢迎你把自己在生成的新邀请码，没有用过的，还贴到我们的评论区里头，让其他想试的人可以去使用。在海外的人现在别费劲，只有coze.cn上才可以用，只有在墙内的人才可以用。

现在呢是免费试用，每天呢可以跑5-10个中等复杂度的任务，就是跑十几二十分钟这种，我们算中等复杂度吧。长了呢，可能能够跑个几小时，但是我现在还没有规划这么复杂的任务让他去干。

完成的工作呢，算是有一点点小惊喜吧，待会咱们看一眼。但是呢，内容不能细看。

很多的内容还是比较粗糙的。下面我们来演示一下，这就是我们的扣子空间。进入以后，你点击快速开始。如果像我这样已经有使用权限的，就干活去了。如果你没有使用权限的，可以加入他的waiting list，或者是输入邀请码。邀请码在咱们视频的简介里边去找。

下面是他的一些样例，就是这些是能干什么。这个很重要，为什么呢？就是当你看到了这些样例以后，你就说，我可以去拿他的提示词改一改，就去干活去了。比如说什么股票早报定制、什么深度调研、访谈记录整理。当然访谈记录，你要给他一个很复杂的访谈记录，他才去给你整理去。包括AI产品的用户分析，那你要给他一大堆的用户调研报告，他去干活去。包括什么游戏攻略撰写，待会我们去试试。还有的一些呢，是比如说写旅游攻略、市场信息调研，这个都是可以的。

我们点进去了以后呢，就会到达这里。这就是老范讲故事做的扣子空间了。但是注意这里头有两个模式，一个呢叫探索模式，一个呢叫规划模式。探索模式就是你给它一提示词，它噼里啪啦就给你干完了。规划模式呢，你给他一个提示词，他呢先去做一个规划：这样干行不行？我去按这10步干，还是干这20步干？你在这个时候还可以调整，调整完了以后他去干去。如果你是这个探索模式呢，直接干完就出结果。如果是规划模式的话，中间他遇到问题，他会停下来问你：“对不起，这有一个问题我搞不定了，咱还干不干？”或者有什么其他方法，你可以再跟他聊两句，他再接着往前走。更像个人规划模式。但是，规划模式呢，会更加消耗时间和TOKEN。我就不在这现场给大家试了，因为现场事实在是太慢了，没有个20分钟跑不完一个项目。

这个地方呢是上传文件的，只识别文字的部分。你说我上传个图片给我识别一下，目前还不可以。最多可以上传10个，单个文件的最大是50兆。比如说我有一大堆的这个简历，把它打包扔上去。扔上去以后呢，他把里边的内容都给你找出来，说哪一个是符合我要求的。这个是可以做简历筛选。或者你给他一大堆的用户的调研报告，他也可以去给你分析。

这边呢是MCP扩展，大家看到了有高德地图、飞书云文档。你比如说我添加这个，最后说请把输出的结果写在飞书云文档里，它就给直接给你做完了。或者你说我从里边去读取信息，都是可以的。包括飞书多维表格、飞书电子表格。你说我有一堆的用户调研报告，都是存在这个里边了，你可以让他直接去读去。图像工具呢是可以做文生图，但是效果一般，我试过了。语音合成也是可以。

Notion可以在Notion里边去创建、读取、编辑、更新，包括GitHub、MySQL的一些查询，ClickHouse的一些查询，这个都是允许的。ClickHouse就是有些人把比如用户的数据放在里头，这个都可以拿来去分析。就是你需要哪个，你就在这里头添加。把这都弄完了以后，直接点开始就完了。点一次基本上20分钟就不见了。像我们这种免费用户的话，每天可以点个5-10次。

我们来看一看他干的怎么样。第一个呢是前面有案例说：“请给我分析《黑神话：悟空》的攻略。”现在我说：“你给我做《纪元1800》的详细游戏介绍文档，包括发布后的完整时间线，涵盖每个关卡和DLC的详细介绍，以及基础策略和故事线的介绍。同时列举出主要人物角色和各项任务的情况。最后报告用可视化网页呈现。”

他说：“我接到你的任务了，我要开始干活去了。”先思考一下去搜索：《纪元1800》什么时候发布的？游戏背景是什么？基础信息是什么？思考的过程又去想去了：关卡、DLC、策略，挨着个儿去搜索它。等于就是搜索了大量的内容，再去思考说：“我们现在开始把一些基础信息保存下来。”去生成网页，生成UI。UI完成了，然后生成代码。代码呢要进行解析、分析和检查。完成了以后给它配图，但实际上没有什么图进来，可能有一点小图标进来。配图完成，开始部署。最后就生成完了。大概整个跑了20多分钟。

做出来的结果是什么？就是这样的一个结果，说：《纪元1800》游戏指南。这个游戏背景是回到工业时代之初，19世纪初的工业化。基本上写的都是对的，因为都是搜索出来的嘛。游戏核心呢是城市建设，依托于海岛港口的小型农庄起步，逐步建设各种的养殖场和工厂，以及公共设施，形成繁荣的近代都市贸易系统。一项一项的就去讲去了。

你看它还是有一点点小动画的。这边是时间线：2019年4月16号正式发布的，2020年8月11号有各种组合包，DLC就开始上线。到2023年呢，登录了PS5和Xbox。2024年呢，又在出新的组合包。

然后DLC的一些详情。这个里头呢就告诉你说：植物园的DLC，推荐指数是什么？植物园、沉默的宝藏、植物园航道、权力之座、狮子之地。好像有些DLC我是有的。贸易港，这个里头是说有这么多，哪个是推荐去买的，哪个不是那么推荐的。推荐指数五颗星制。然后呢，是有季票，就是你买了季票以后呢，包含了哪些DLC了。这是第一个季票，第二个季票，大概是这样的一个购买方式。

就是你买了本体以后，还可以买季票，或者买这些DLC继续丰富游戏。策略呢，也告诉你了，说我要先干什么后干什么：初期什么，中期什么，后期什么。这是策略，这是故事线，稍微的跟大家讲解了一下。

然后是角色。这个里头呢，只写了两个，其实他角色是很多的。清公主是比较有名的一个角色了，都是他们有什么特色。然后系统任务有哪些任务：什么拍照任务，解谜任务。其实任务非常多，这个就是非常不完善了。但是呢，这就是给你的一个结果。

前面的提示词大家看到了，最上面是提示词，然后是一项一项的去干活去了。后面我就让他做了一个什么项目呢？做一个PPT说明吧：扣子空间目前免费使用的版本，背后是哪些大模型，内置了哪些工具，可以通过MCP挂载哪些工具，免费试用的用户有多少额度，额度如何计算，每天可以做几个任务，如何计费。扣子空间擅长做哪些任务，为什么没有大张旗鼓的宣传呀？用户对于扣子空间的反馈怎么样？扣子空间跟百度、跟Windows、跟Grok的deep search之间到底有什么差异？他就去挨着个儿搜索，搜索完了以后再去生成PPT，大概是这样的。

右边我们就看到了这个PPT。当然它这个PPT呢，下载下来是一个PDF。有些部分还可以，但是呢，有些部分明显的就没搞明白，包括计费的部分。实际上它属于明显的没搞明白。但是我们就一句话呀，虽然它做了十几二十分钟，但它确实给我们做了一个还能看的PPT出来哈。我们可以在这下载这个PDF：扣子空间介绍功能、使用反馈和优势点PDF。你可以下载下来。

然后呢，我让他做了一个稍微复杂一点的。这个是什么？我需要在5月10号到17号，从北京出发7天，呼伦贝尔大草原自驾旅行，一共两个人，预算5万元左右。我喜欢自然风光、隐藏的宝地和蒙古文化。我想从北京自驾出发，一路开电动车，需要规划充电站。请详细的给我行程安排和一个内容丰富的飞书文档旅行手册，包括地图、景点描述、旅拍和航拍的打卡点、必备的装备、每日行程、一路上的特色美食，以及我们每个行程中可以参考的旅行小贴士。将飞书文档保存到我的飞书账号。但是你使用飞书呢，它就会让你认证一下，说你的飞书账号是哪个，它到时候就给你存进去了。

最后呢，它给我生成了一个什么？这个过程我们就不仔细看了，因为我还调用了高德地图。它里头到底如何开，到了哪个地方，有什么吃的，哪个地方有充电站，这个都是由高德地图来去提供的。做了可能有半个小时吧。

第一天：从北京开车到锡林浩特
北京出发，走G6京藏高速。中午到张家口休息，再往锡林浩特方向开，约4小时车程。
打卡贝子庙、鄂尔古纳敖包，感受蒙古文化。品尝手抓羊肉、咸奶茶。
充电站位置：锡林浩特市区XX充电站。

第二天：锡林浩特到阿尔山
上午出发，走S307省道。中午在东乌珠穆沁旗用餐。下午继续前往阿尔山，沿途景点包括XX草原、XX湖。
晚上入住阿尔山XX酒店（需提前预订）。
景点介绍：普留克（特色美食）、炸柳根鱼（当地特色）。
充电站位置：阿尔山市区XX充电站。

第三天：阿尔山到满洲里
出发路线：走S203省道。中途在XX镇用餐。
满洲里景点：套娃景区、XX民俗村。
充电站位置：满洲里市区XX充电站。

第四天：满洲里到黑山头
行程安排：上午出发，中午在XX镇用餐。下午抵达黑山头草原活动营地，参与蒙古族民俗活动。
充电站位置：黑山镇XX充电站。

第七天：海拉尔返回北京
行程调整：第七天应从海拉尔返回北京，建议乘坐飞机或高铁。

旅行装备：
– 衣物：5月份昼夜温差大，需准备保暖外套、长裤。
– 生活用品：牙刷、保温杯、驱蚊用品。
– 摄影器材：相机、三脚架、无人机（航拍必备）。
– 车载用品：充电器、地图导航设备。

旅行小贴士：
– 交通：提前检查车辆（充电车需确认电量），携带驾驶证、行驶证、保险单。
– 饮食：注意饮食卫生，尽量选择正规餐馆。
– 住宿：提前预订酒店，避免旺季无房。

其他注意事项：
– 雨天行车需减速，注意安全。
– 旅拍和航拍打卡点：贝子庙、黑山头草原、套娃景区等。
– 特色活动：参与蒙古族民俗体验，探访俄罗斯后裔家庭。

—
（注：纪元1800任务部分因涉及游戏截图及图标缺失问题，已按用户要求跳过未完成部分。）

我们就不要图标了，然后又接着吭哧吭哧干去了。

我这写着放弃图标和截图，继续完成其余工作。说好的我将放弃这个东西，然后我去干活去了。最后蹭蹭蹭，干到这大概也是20多分钟，不到30分钟吧。干完的这个结果呢，其实给我们生成了很多的这种Markdown文件，就是把所有搜索的信息都放在这。

它搜索完了以后呢，再用这些Markdown文件去生成我们最上面这个GSX。这个是一个用React来去渲染的单个的网页文件，他最后生成了这么一个文件。

主要的人物，这个里头也有谁谁谁：清公主，然后白手起家。这个一般我们管她叫老太太，这个反正最后总要打一仗的，叫欧梅拉，这都是有的。相关的新世界相关的角色有哪些？就是他找的还是挺全的，虽然最后生成的网页里好像没有这么全，但是这边找的还是很全的。

然后呢，给大家看一个他犯的错误：游戏关卡跟DLC，他找了一堆什么使命召唤、守望先锋、吸血鬼幸存者。这什么意思呢？就是他在agent传递的过程中，他忘了我要找纪元1800相关的信息了，传递的时候把这个游戏名扔了。所以呢，他再去找游戏关卡跟DLC的时候，就直接输出了错误的结果。因为当他很多的agent一起配合干活的时候，就很难避免看这个事情。

最后呢，给我们生成了这样的网页。这就是大家能看到的网页，说一是什么什么样的，二是什么。这是我们的时间线。然后呢，是关卡跟DLC，这个还是有点小漂亮的。但是这个呢，就刚才我们看了，它是出错了，所以它给了一堆什么吸血鬼幸存者的DLC、什么激战、什么恶龙绝境的DLC、方舟的DLC。所以这个页面是完完全全错误的，不用管它了。

然后呢是策略和分析，这个很二。他需要展开前期后期主线写的，就非常的简陋了。再往后是人物：清公主，一个一个的人物。但是这个呢写的并没有那么完整吧，就是其实他找人物的时候找的是挺完整的。就刚才我们看到他给的，这个Markdown里头是挺完整的，但是呢最后生成网页里并没有那么完整。

作为基础框架是够的，把这个框架拿出来以后，再套上这些Markdown文件，还是可以继续去丰富的。这就是我们今天演示的扣子空间。

进入的网址呢是space.coze.cn。海外的用户先不要着急使用，国内的现在已经可以跑了。使用的感受是什么样的呢？真的需要跟扣子开会了，不能跟他随便聊天了，太浪费TOKEN了。因为你是跟他说点什么，他都哗啦哗啦去干活去了，不能随便聊了。

所以，我现在都是写很长的提示词，把各种能想到的尽量都罗列清楚。如果你说我实在是一次想不明白怎么办？使用规划模式：你先提出要求，他先把这个任务列出来，你再按照这个任务呢再去调整。修改好任务以后，他再去确认，按这个逻辑来去执行，他再往前跑。而且跑的过程中，他还有时候问你说：“我这块执行不下去了，那块找不着了怎么办？”你还可以跟他再聊两句，继续往前走。

如果你说我不走规划模式，直接用简单方式一次跑到底的话，那你就一开始要把任务提的比较详细一些。整个干活的过程呢，还是很有启发的，就跟思维链似的。你看他先干什么后干什么，先搜索什么后搜索什么，是有启发性的。如果发现哪块没做好呢，我们后面也可以拿这个东西再去修补。输出的结果呢必须要验证，这个没什么好说的，里头一定是有明显错误的。Agent的传递过程中呢，会出现明显错漏，刚才我们演示的时候也看到了。生成的结果呢框架可用，生成结果后面的很多细节，还需要我们再去补充。而且把这种结果放到他们的Agent IDE里头，比如说像trae里边去，也可以拿这个东西再去修修补补。

目前呢，可以输入的东西是搜索，它自己可以搜索。然后呢，通过MCP挂载一些外部工具。但是现在的MCP呢，只能是它挂好的。你说我想挂一些新的MCP进来，目前还没有完全开放。可以输出的信息呢，第一个是文档，它这个文档是Markdown，就是一些程序员的标记语言，也是有一定格式吧，但是没有那么丰富。然后可以输出这种单页的网页文件，你拿这个网页文件以后，后面呢可以让他去生成自己的网站。你说想让他去写一些别的代码，我测试了一下失败了。你说给我写一个什么安卓应用，它最后生成出来的还是一个网页，没有其他东西出来。然后呢，可以把输出的东西写在Notion里去，也可以输出什么PDF、PPT。PPT呢是以PDF形式来输出的，还可以做表格、做飞书，文档存进去都是允许的。

大家看到了这个产品以后，特别是有些人试用了以后，自己去感受一下。字节在做类似这种产品上呢，它有一些优势和劣势。优势呢就是迭代速度还可以，trae现在基本上已经能用了，特别是在Gemini 2.5 Pro这个模型上来以后，现在trae基本上可以跑了，因为把MCP也加上去了。所以呢，像扣子空间这样的工具，经过一段时间迭代之后，应该也是可以运用的。第二个优势呢，是字节有非常丰富的应用场景，它有抖音、有TikTok，有今日头条，都是可以使用的。

然后有流量，就是我们想宣传点什么东西，在自己的这个流量池里头稍微说两句，没有任何问题。最后一个优势是有钱，就是当产品打磨好了以后，铺天盖地的投放推广。

但是字节呢也有些劣势。它的劣势就是包袱太重。你比如说豆包大模型算是基本达标，但是距离DeepSeek R1呢，还是有一点点差距的。不能扔，因为是自己家的，必须抱着往前走，这就叫包袱。还有呢，就是藩镇割据。大公司都是这样的，扣子、火山、trae、飞书、剪映，各玩各的还相互提防。就是说我这边有点什么东西，我绝不能给你看，也绝不能听你的。你需要我什么配合，一定不给你做。咱们是这样的一种合作模式。其实大厂里边都这样，就是宁与外人不与家奴。这个话应该是慈禧说的。什么意思呢？就是他们更喜欢跟外界进行合作。你说我跟内部的一些团队合作了，其实更合适一些吗？因为毕竟大家的基础数据是一致的，应用场景也是一致的。那不行，一旦是内部合作了，就有谁听谁的问题，谁成主谁成辅的问题。这事不能随便乱搞。

总结一下吧。现象级的产品Manus出现之后呢，各大厂商都是要抄一遍的，这也算是对方向的一个认可。agent加MCP呢，应该能够引起一个小的热潮吧，确实可以解决一些实际问题了。未来呢，更好的模型，更多的外部工具，会产生更好的结果。

下一步我们可以期待什么？open AI、谷歌、Anthropic和Meta现在还没有特别明确的类似这种agent加MCP的产品出来，我们还是可以期待一下的。下一个里程碑是真正的交易。什么意思？就是我们现在看到的扣子空间也好，Manus也好，或者其他所有类似这种产品也好，主要做的事情还是叫信息搜集。他并没有真的做交易。你说你给我订个房间，去给我买张机票去，给我买东西去，这个事没干。一旦这一条路打通了就会腾飞。

为什么他们现在不去做交易呢？原因也很简单，现在模型还没有那么靠谱。因为它出问题的几率会很高嘛，受不了。所以现在并没有真正的把交易做进去。现在的各种MCP，也都是以信息查询为主，很少有哪个MCP是可以做交易的。你比如说像美团，如果给我一个MCP，我直接可以通过MCP去在美团上订餐，目前还没有。因为现在的大模型或者是这种agent模式呢，还没有那么靠谱。在等待向前发展那么几个月，可能我们就会看到由MCP驱动的交易大量涌现，这么下一个篇章就真正翻开了。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛。

参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

谷歌最新的代码中，居然有1/4是由AI写的，这到底是不是真的？程序员是不是又要失业了？大家好，欢迎收听老范讲故事的YouTube频道，咱们来讲一讲谷歌代码的事情。

首先，上面这个消息是哪来的？谷歌在发布三季度财报的时候，开了一个电话会议，由Alphabet的CEO皮彩直接在财报电话会议上讲的。他说我们现在至少有1/4的代码是由AI生成的。人干嘛去了呢？读这些代码，然后再把它确认入库，就像是AI建议大夫怎么开药，大夫开完药以后要在下面签名字一样。现在他是这么来工作的。

其实现在各个公司都在讲这个事情，百度宣称他们的代码里头有27%是由AI生成的，阿里呢，宣称他们最新的代码里头大概有20%是由AI生成的。当然，这个里头，百度应该是在骗人。

那你说为啥呀？有25%的，有20%的，有27%的，咋这27的就骗人了呢？大家要注意，甭管是谷歌说的至少1/4，还是阿里说的20左右，这个数其实都是一个大约的数字，或者说是一个概念性的数字。而这个里面，一旦提到一个很具体的数字，比如像27%这种数，那么这个数通常不会是真的，因为你很难去统计到底哪一行代码、哪一个字符是由AI生成的。你到底是按照行数，还是按字符数，还是按照什么样的方式来去统计比例，这个事情其实是没有一定之规的。

所以真正能够去验证说代码到底有多少是由AI写的，只有一个方法：你开除了多少程序员。原来10个程序员写代码，现在剩8个了，那你20%代码是AI写的；原来5个程序员写代码，现在剩4个了，开了一个，那你25%的代码是由AI写的。那这个里头，你到底能不能算到一个27%这样的一个有零有整的数据呢？这个大概率在骗人。

那咱们讲到开人的事情了，谷歌的程序员肯定就不乐意了嘛，上来说：“我们不承认这个事，你凭什么说我们25%的工作都是由AI做的？这不行，你是要降薪呢，还是要裁员？咱得把话说清楚，咱不能随便一张嘴就来这个事。”

当然，谷歌说这个话，包括百度、阿里说这个话，咱们能够理解他。为什么？因为人家是要靠AI来挣钱的。如果你自己不在身上贴个标签来，我也用AI了，你怎么好意思把AI的产品卖给别人呢？所以这个话人家还要说。其实，真正在里头挣到最多钱，或者说用户量最大的那个产品，他们公司啥也没说。最大的产品是谁？是微软的GitHub Copilot，这个是AI编程工具里的老大。但是微软从来没有出来说过，我们家百分之多少的代码是由AI写的。这已经不需要去争辩了。

其他需要追赶的厂商，挨个儿要出来说。当然，百度呢，属于是想去吹个牛，结果还没吹好的那种。人家20%、25%，他整了27%，稍微有些丢人。那么，从程序员的角度上来说，到底有多少代码是由AI生成的呢？因为我自己也是程序员，虽然现在只能算业余程序员。当然，有了AI编程以后，我觉得我这个业余程序员又行了。现在我的编程能力蹭蹭蹭的往上涨，我现在可以去学习一些原来不会的编程技术，因为我并不需要把一本书看完了。我只需要问GitHub一些问题，然后到VS Code里头用GitHub Copilot，就可以去进行新技术的使用，去编程去了。这还是非常开心的一件事情。

我们要去衡量，到底有多少代码是由AI自动生成的，这件事本身其实没什么意义。为什么呢？很早的时候，我应该是在2007年，在Borland的公司任职的时候，当时我们的开发工具里头就有这种代码自动补全的功能。只是当时的代码自动补全，它是根据你整个项目的编译结果来进行补全的。但是他的补全也不像现在这样，你可以补出一个完整的函数来，或者补出一整段代码来。他能干嘛呢？就是当你去一个地方，说我现在要补全这一个单词后半截，他是可以做到的；或者是说我需要去填参数，需要去填空的时候，他会给你一个比较好的建议，比如说，这里应该是填一个什么样的参数，什么类型的，你前面有没有定义过这样的东西。

可能是哪个哪几个里面去挑一个。他可以把这个约束条件收束得比较紧，然后让你一次性命中，或者可能一两次就可以命中。你真正要去填的这个东西，已经可以极大地提升效率了。这是在很早就开始有的。而且我们写程序这件事呢，我们经常干这种叫“一句顶一万句”的事情。

什么叫“一句顶一万句”？前两天跟一个语言学家去聊天的时候，他给我讲了一个事情。我们问他说，语言发展的方向是什么？人类语言发展的方向是什么？他给我们讲说，全人类的语言发展方向都是变得越来越简单。因为像西班牙语、俄语这种又非常复杂的各种格式的语言，现在都在变得越来越简单。因为你要交流、要沟通嘛。而且会有越来越多的这种代词，会有一些新的词汇产生。这些词汇可能原来会有一个很复杂的意思，他就用一个缩写，或者用一个很简单的词就给你带过了。

它是这样的一个发展趋势。人类可能说的话始终就是这么多，但是呢，我们这个话语里边所表达的含义，会变得越来越丰富，信息密集度越来越高。而且在这个过程中呢，各种对格式的要求会变得越来越低。当时他讲完那个故事以后，我就想起了我们程序员的一句顶一万句了。

我们使用的叫类库（class library）。原来你要去写程序的时候，你要写说：“我在屏幕上哪个点画一个红色，画一个绿色，下一个点再画一个什么颜色，拼起来是个按钮或是什么样的。”以前你要这么来写程序，但是现在的话，我们只需要告诉他说：“请给我画一个按钮，下头有个阴影，什么样的字体，给我写什么字上去就完事了。”那中间执行的部分都是谁来执行的呢？就是类库来执行。

你下一次说：“我连这个按钮具体想摆在什么地方我都不想告诉你了。”那你可以告诉他什么呢？你说：“请给我按照横向平均排列，比如三个按钮横着了。”他给你均匀地排开，或者你给我按照纵向什么排列。为什么我们后来这么写程序，不再告诉他你给我从左上右下去写？这个其实很简单，因为我们后面面临的各种设备越来越多，各种设备的分辨率是不一样的。

你如果每一次都写死了，说请给我从左边哪个点开始画，上面哪个点开始画，右下哪个点结束。你换到不同的设备上，长的位置不一样。所以我们后来都是改成说，请按照一个比例，给我画在一个什么位置上。那甭管你用什么样分辨率的设备，我们都保证这个按钮是在一个相应的比例的位置上。基本上是一句顶一万句。

那你要这样算的话，我们可能写了几百行的一个代码，但是呢，实际上这个代码编译了以后，可能有几十万行，或者有几百万行，因为你每一句后边，可能都调用了非常多的底层程序去工作。所以你说我来算一下，到底有多少代码是由人写的，有多少代码是由AI写的，或者人写的多少代码去调用了AI写的多少代码，或者AI写的多少代码去调用了人写的多少代码，这个事其实是没有什么意义的。

所以为什么我说百度，这个稍微有点夸张，27%算的还有零有整了。那么到底什么样的代码适合AI生成呢？有各种各样的地方都可以写代码。你说C代码适合AI生成，Python代码适合AI生成，Java代码适合AI生成，这个都没有什么意义。现在呢，AI代码生成器是我们常用的代码，都是可以生成的。

那么到底什么样的代码更适合AI生成，应该怎么去分类呢？我们分成四类：界面代码、逻辑代码、算法代码和接口代码。一般写程序大概率就是这4种东西。

什么叫界面代码？就是刚才我描述的，哪个地方写一个按钮，按钮什么颜色，字是多大字，字体什么样的，字写什么颜色，摁了以后该怎么办，这个东西呢就叫做界面代码。

哪一部分叫逻辑代码呢？逻辑代码就是，比如说你现在要去做一笔交易，这个交易我应该先确认一下库存够不够，然后确认库存够了以后，我在库存里扣除你的钱，把东西发快递发给你，然后把钱存到我自己账户里去。这一部分呢叫逻辑。

然后呢，算法代码，比如说我现在需要做个排序，需要做个查找，需要做一个很复杂的分类，这个东西呢就属于叫算法。特别是像现在做AI算法这一块，要求会越来越高。

还有一块程序叫接口程序。接口程序干嘛呢？比如说，我今天要使用谷歌的账号来进行登录，我就需要去查一下谷歌的文档，谷歌账户登录的这个API应该怎么去写。我应该先到谷歌哪个地方去申请这个权限。申请好权限以后，得到一个叫做TOKEN的东西。然后呢，再把这个TOKEN放到我们自己代码里去，按照谷歌的文档去调用某一个接口，把TOKEN放上去，说明现在我要用这个TOKEN，然后用谷歌的账号去登录。

得到了谷歌账号登录以后的一个凭证，之后我们在网上做各种操作的时候，就可以使用谷歌账号登录以后的凭证，再去申请各种各样的权利。这部分呢，实际上就属于接口代码。这四个里面，逻辑代码跟算法代码相对来说没有那么容易被替代，而剩下两部分，界面代码跟接口代码呢，相对来说是比较容易被AI所取代的。

而接口代码呢，是更容易被AI取代的。为什么呢？因为你不需要好看的界面代码，界面好不好看这件事是要靠人来看的，这个事情你没法完全被AI取代。但是接口代码是可以完全被AI取代的。像刚才我们讲的百度、阿里、谷歌，他们所使用的代码里头，接口代码的数量占比是比较高的。像公司内部这么多的分子系统，需要跟公司外部的各种系统去连接，所以他们需要大量的接口代码，这部分完完全全都可以交给AI去处理，而且AI会处理得非常好。

你不需要去看文档了。比如说，我举一个例子，我前两天希望在我的一个程序里边使用谷歌家的Firebase这种大数据库。原来你需要干嘛？看文档，看各种的接口，再进行一步一步的配置。因为你可以直接从Web端访问这种云端数据库，所以它在安全处理上做了非常多的认证，这不是那么容易的。我就交给AI了，我说我现在要干这个事情怎么办。它说，行吧，我给你搞定吧。你第一步先到谷歌那去申请这个授权。我说申请完了，那行了。然后它说，下面我们去执行哪一个命令。

这个命令就可以自动化地帮你做完所有的配置。然后我就开始做这个命令，做完了以后说，谷歌上你申请了哪些项目？你现在想把你这一个APP所使用的数据库挂在哪个项目的授权里头去。然后只要选一下，剩下都不用管了。他在问你说，你这个应用是要在Mac OS、Windows、iOS、安卓、Web，需在哪些端跑。先是打勾，打完勾以后，一按确认，他就呲咔嚓嚓嚓咔给你去搞去了。可能在这个过程中，他就生成了几百行、上千行代码，把所有的配置给你做完。这就是挺好的事情嘛。

现在呢，有非常多的成熟的AI编程工具。我最早使用的AIGC工具实际上就是Github Copilot，它就是AI编程工具，非常好用。现在呢，我自己个人使用最多的AI变声工具还是GitHub Copilot，那没办法，我交了100美金给他，我总要把这一年使完。虽然很多人都说Cursor好用，我也确实用了一段时间，在他给我的免费试用期里试了一下。但是现在看来呢，我觉得Github Copilot还是很好用的，可以把Cursor基本上扔掉了。为什么呢？就是底层的模型还是做得很好的嘛。

你像Cursor自己，底层的模型也是用的GPT-4O，GPT-4O MINI，用的GPT-o1以及Cloud 3.5 Sunnet。现在Github Copilot也是把所有的模型都扔进去了，而且下一步可能还会去开Gemini 1.5 Pro这样的模型进去。他的所有功能又非常完善，我觉得Github Copilot还是可以再战几年的。而且Cursor再怎么着，他需要20美金一个月，他一个月要找我多收10美金，还是觉得稍微有些心疼。

国内呢，有一大堆免费的产品，比如说阿里的通义零码，百度的叫文新快码，质朴的叫Codegeex，字节叫MARSCODE，就是火星代码。这些都不要钱，免费的大家可以随意去使用，效果呢其实都还可以。我用过字节的MARSCODE。

其他几个用的不多，基本上可以满足大家的需求。现在所有的这些工具做的，使用的方式都差不多。你只要向它提出要求，说我想去做什么，什么事情都是有聊天窗口。你直接提完要求以后，它给你生成代码。生成完代码以后呢，你只要说：“哎，我现在需要去进行合并了。”它就把新生成的代码直接跟你原来的代码进行比较。合并完了以后告诉你：“哎，这我给你加点什么，那给你改点什么。”你只要去确认就行了。确认完了以后，这些代码就合并到自己的代码库里边去。

或者说你直接在代码库里边打字的时候，它也会根据当前的情况给你做一些建议，使用方法都很像。另外呢，所有的工具都有代码解释。什么叫代码解释？就是你选中一段代码，问：“给我讲讲这段代码说什么。”以及改错误。遇到错误了，或者有什么错误信息出来以后，把这些东西扔给这些大模型的聊天窗口，问：“这到底咋回事，我应该咋改？”所有这些功能差不多，但也都有很多不方便的地方。

你比如说，我最近在学习一个新的开发环境，叫 Next.js，算是一个前端加后端的开发工具吧。实际上都是错的，因为分很多版本，不同的版本之间有不同的约束。每一次在回答问题的时候，它就忘记了你前面的约束是什么，然后就给你一些错误的代码。现在请给我把错误改掉，它也都给你改的没有问题，能给你改过来。但是你下次再要求它生成的时候，还是会有一些错误。你说：“哎，现在再去给我把这些错误都改了，通通通给我改回来。”这是可以工作的，但还没有那么顺畅。

那么程序员是不是又要失业了呢？百度的李彦宏就讲过说：“再过多少年就没有程序员这个职业了。”当时还引出周鸿祎以及一大堆的行业老大跟他对喷。那么程序员是不是又要没有工作了？这个里头呢还差那么一点点。现在那到底差在哪一点上呢？这个临界点到底是什么呢？临界点就是如果你完全没有受过编程训练，这些工具你使不了。什么意思？你说：“我就是个文科生，我这个程序一点都不懂，完全不知道。”

这个程序的架构是什么样的？什么叫面向对象？什么叫函数式编程？什么叫顺序编程？这些东西，比如说你都不了解，那所有刚才咱们讲的那些工具，就跟你都没啥关系了。等真到哪一天能够达到说“端到端，上帝说要有光，于是就有了光”的时候，那那个时候程序员就真的失业了。现在还不行，你还是需要经受编程教育，才可以使用刚才我们说的这些工具。

那你说这个临界点，是不是在近期就可以快速被突破呢？嗯，可以说是，也可以说不是。为什么呢？因为你去想一下，说你用嘴去描述一个应用需求的时候，你能说得清楚吗？有一些简单的通用化的需求，你可能能够快速地用嘴把它说清楚。对于这一部分来说呢，程序员确实没什么用了，你只要告诉他：“我现在想要什么东西”，马上就交给你了，这个事是可以的。但是所有的复杂需求，你用嘴一句说不清楚的，或者需要很多人去一起才能把一个事情定义明白的这种需求，这一部分呢，短期内或者说在相当长的一段时间内，这个临界点都是过不去的。

所以为什么说既是又不是呢？就是看你的需求到底是有多简单，还是多复杂。昨天还有一个朋友说：“哎呀，我想去学一下编程，想做一些应用。”后来我说：“你想干嘛？”然后提出来的那个应用的需求叫复杂呀。我说：“你再好好想想，你要看什么？你又没学过编程，何必要跟自己过不去呢？”

那么现在学习编程还有必要吗？还来得及吗？首先，现在还是建议大家去学习一下，只是呢，学法可能需要调整一下。就不需要像我当年上大学那么个学法了，我们可能只需要学一些基础知识，剩下的交给AI就完事了。我们上大学的时候，大量东西需要背，记忆这种事情，计算机永远比人强。所以未来计算机编程，肯定也是需要新的教学方式的。

再往后一个问题，什么样的程序员最容易失业呢？第一个，产品向的程序员其实是可以大展拳脚的。什么叫产品向程序员？就是他知道我做这个东西是为什么，我到底在解决一个什么具体的产品需求，而且可以去跟真正的需求方进行讨论，去确定产品需求的这些人。

或者说，他有一部分产品经历，职能的这些程序员，对于他们来说呢，未来大有可为。为什么呢？就是原来他们沟通明白了以后，还需要跟一些编码的程序员再去沟通，再去写一大堆程序，而且这个沟通成本还很高。

现在的话，他们只需要把前期的需求搞明白了，后面他自己就可以在AI的帮助下，快速地完成大量的代码了。然后，算法向的程序员呢，这个其实永远都不够用。你只要是能够把算法的效能提高一些，把一些原来做不了的事情能够做掉，这一块的需求是非常大的，特别是在AI时代，这一块的需求会变得更大。

那你说前端程序员呢？前端程序员，未来应该会更多地被设计师所替代。就是我能把画画出来了，那你这个程序就算写完了，不需要再通过这个画再怎么切，切完了以后再怎么一块一块拼起来。这一块其实就不太需要了。

因为以前我们去写程序的时候，都是先让设计师设计，设计完了以后呢，我们在写程序的时候，再把这个设计的稿件搬到这个程序的表达上面去，原来有这样的一个过程。以后呢，就不需要了，直接设计师就完事了。

当然，设计师说我也烦这了，别来烦我。设计师烦什么呢？这边还有文生图的很多模型，mid journey、达利，还有一大堆这样的模型，我都快失业了，你们不要来烦我。可能是未来会有一个过渡吧，有一段时间还是需要他们的。

等过完这一段时间以后呢，更多的可能是需要他们提出想法，然后再把大量的文生图所产生的结果进行判断，我到底要哪个，不要哪一个，或者拿到一些文生图的结果以后进行一些精修，这可能是未来的一个方向。

现在已经有一些公司里边出现这种岗位了，就是给机器人打工。机器干完了以后，这个图出来了，让美术去修这个图。原来一个美术可能还能挣个一万多块钱，没准只做得好的能有两三万。现在这种给AI修图的美术的话，一个月的薪水大概也就只剩五六千了。

原来写接插件的这些程序员，很多程序员原来是给接口写程序的，这些程序员呢，以后应该重新找找新出路了。

也只能言尽于此了。对于整个程序员行业来说，现在真正需要做的事情，不是说我到底应该向产品向程序员发展，是向前端程序员发展，还是说我应该去做一些算法，不是这个事情，而是什么呢？应该要找出更多的需求来。如果整个程序的需求量不上升的话，那么大量的程序员失业，这件事情是不可避免的。

所以现在呢，还是要去看看，我们到底能够用AI配合程序员做点什么事，这个是需要现在去思考的。未来AI程序的占比呢，一定会越来越高，甭管现在谷歌说的至少1/4，阿里说的20%，还是百度说的27%，未来这个数一定会越来越高的。而且程序员呢，也不像是很多设计师似的，一定要用笔画，没有这支笔了，我就失去灵魂了。程序员从来不讲究这种事情。

现在欧美的程序员已经大量的开始使用GitHub Copilot这样的AI编程工具，国内的我相信也是如此。你说我就不用这个玩意，除非你最后变成行为艺术，否则真的没有任何意义。人以后真正需要做的事情是什么？不是看代码，改代码，不是这些事情。人以后真正需要做的事情，叫提出问题。我到底要解决一个什么问题？我希望通过什么样的方式解决？我需要规避哪些东西？这个是人真正需要干的活。

然后呢，是检查结果。AI拿出来结果以后，你要去检查一下，是不是很好的依从了你前面的提示，还是说你前面的提示本身有一些什么样的问题？是不是有一些代码拼接接口的地方，有不合适的地方？有不合适的，我们就再拿出来修改一下，或者说再告诉AI说这里不对，再给我改一改。就哪怕我自己不会改也是如此。

你像我现在使用新的编程技术去写程序的时候，这个编程技术我除了一些大的逻辑清晰之外，其他的所有细节我都不知道。报的所有错误，都是人给GitHub Copilot说来给我改一下，出什么毛病了，在这个地方我希望怎么个改法，他就去给我认真的修改。只是比较费劲的就是屡教不改，这次犯了错误，下次接着犯，这次是改正了以后，下次接着改。

这个是让人稍微有一些烦恼。所以，人呢，就是提出问题，检查结果，最终再把一些新的问题处理掉。这就是人以后干的事情，找到更多的需求，才是避免大面积失业的一个唯一途径。我觉得现在咱们不用去纠结，到底是有多少代码是由AI写的，这个没有任何意义。

好，这就是今天跟大家讲的故事。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

米哈游的创始人非常罕见地发出声音，劝同行们考虑转行吧，以后都是AI做游戏了，没你们什么事了。大家走吧，这到底是个什么事？

大家好，这里是老范讲故事的YouTube频道，今天咱们来讲一讲惯常低调的米哈游创始人到底说了些什么。

米哈游的创始人蔡浩宇在8月26号，在个人的LinkedIn账号上发了一篇文章。咱们在国内其实已经不会在LinkedIn上面去发文章了，应该现在在国内发文章，相关的这种功能也都没有了。他们已经基本上撤出中国了，而米哈游的总部是在新加坡的，所以米哈游的老板依然在使用领英这样的职场社交平台，在上面写一些他对于游戏职场的感悟。

他上面写的东西其实也很简单：第一，生成式人工智能，也就是AIGC，将彻底改变游戏开发行业；第二，未来游戏创作将主要由两类人主导：第一是0.0001%的顶尖从业者，他们将领导精英团队，创造出前所未有的游戏内容和体验；第二是占绝大多数的业余爱好者，他们可以根据自己的兴趣，随意创造游戏。最后他说，普通的游戏开发者可以考虑转行了。

大家也知道，游戏开发这个事本来就是成功率非常低的，千万别跟我讲二八法则，就是80%人失败，20%人成功，这个事是不对的。正常的游戏开发成功率可能只有百分之几，这是个个位数。百分之九十几的人都会失败，这个是按照游戏立项到最终能够发售挣到钱的数字来算。其实你从游戏立项到游戏正儿八经能够发行，可能百分之九十几的人就已经不见了，然后从发行到最终能够挣到钱，可能又有接近90%的人不见了。

所以按这样算，可能真的是千分之几，甚至万分之几的游戏才能最后被大家看到，被大家所记住，能够挣到钱。原来就是这样。

所以他上面写0.0001%的人留下来做游戏，剩下的人你们就撤退吧。这个数字并没有大家想象的那么夸张，尽量让AI参与到游戏制作过程中去，降低普通人去开发一款游戏的时长和难度，这个事其实大家一直都在努力。

最典型的案例就是在AIGC出来之前，其实大家也在做。是什么呢？比如说网络游戏，其实就是玩家创造世界。很多人说不对，网络游戏也是人家创造了，我们只是进去玩而已。暴雪做了《魔兽世界》，我们进去打《魔兽世界》，我们怎么进去创造《魔兽世界》呢？这里跟大家分享一首现代诗，写的什么呢？

“你站在桥上，风景看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦。”这就是普通人或者玩家去创造网络游戏世界的一个过程。什么意思呢？游戏开发商会给你做出《魔兽世界》，但是里面的其他参与者，你可以去跟他组队，可以参加各种国战，可以跟他PVP。人和人之间的这种战斗，那所有的一些生态，都是人创造的。

“你站在桥上看风景，看风景的人在楼上看他。”就是这样的一个过程。传统的更古老的一些游戏，其实也是如此，比如说棋牌类游戏。我们在这下围棋，每一盘棋跟每一盘棋都不一样。实际上每一盘棋就是下棋的两个人，他们自己所创造的游戏。包括桌游，我们一帮人坐在这打狼人杀，每一盘都是不一样。整个这个游戏，都是我们坐在这里的人临场创建出来的。这才是参与者创建游戏的过程。

那么未来有可能是什么呢？一群非常强大的开发者，他们去开发游戏的底层平台。另一群人只需要说清楚自己的需求，就可以得到相应的结果。相当于是有一帮人在开发一种叫围棋的游戏，开发完了以后，大家坐在这说：“来，我们下一盘。”就可以享受一个叫围棋的这种乐趣。而这个过程，绝大部分的人是下围棋的人，只有很少的人是开发围棋的人。这是一种开发方式。

那么游戏行业距离干掉大多数开发者到底还有多久呢？米哈游的老大都出来说话了，他其实算是能出来说话里边份量最重的人之一了。国内的大游戏公司，网易、腾讯，腾讯的小马哥其实平时是不怎么出来说话，比较低调。网易甭管是丁磊还是他们游戏的老大丁丁，在这一块其实出来说的话也不多。米哈游的蔡浩宇呢？

其实，相对来说，平时也是比较低调的。像他都出来说了，我们是不是应该信一些？过个两三年，这个游戏开发者就已经没有工作了。现在我还要不要去学习游戏开发，做个Unity，做个Unreal？你看这个《黑神话：悟空》火了，我们是不是要去干这件事？

我们要首先看一看游戏是什么。游戏、电视剧，各种文创的作品，现在都是什么？不光是文创作品，它其实是现代工业巅峰的明珠。为什么这么讲？你俩人坐这能做出《黑神话：悟空》来吗？你做不出来。100个人坐这，你能做出《黑神话：悟空》来吗？你也做不出来。你别看《黑神话：悟空》就150人把它做出来，后边还有引擎团队，还有这么多的线下支持团队，还有外包团队。他是一个大的工业体系才能做出的东西。

不光是游戏。你说我现在想拍一个好莱坞大片，那都是工业化产品。他也是有完整的一个工业流程和体系才能做出来的。所以呢，咱们讲，比如说3A大作，前面《黑神话：悟空》火了以后，大家都说我们要去做3A大作。咱们还讲过3A大作，a lot of money, a lot of resource, a lot of time。难道真的是有这3个A就可以搞定吗？搞不定的。

除了有这3个A之外，你还需要有完善的工业和工程的体系，以及流程和方法论，才有可能造出这种东西来。你是不可能说我们把相应的钱堆这，把人堆这，我们坐这，等他都隔离起来，你们都不许出门，就闷头在屋里做，就能把这玩意做出来。这个是不可能的。

他需要跟全世界的人一起合作，要去跟全世界的整个游戏工业的流程一起去碰撞，才有可能做出3A大作来。所以这个事情并没有那么容易。如果以后，比如工具非常先进了以后，我们是不是有可能说，我们十几二十个人坐这，就比如说像打这个狼人杀似的，我们就可以开始构建世界？是不是这样再向这个方向发展？但是还是有很大的差距的。

而且呢，即使是说三五个人或者七八个人坐在这构建世界，那么构建完了以后，它可能也是一个非常受限的世界。什么叫非常受限？狼人杀出来始终是狼人杀，你不可能在狼人杀的这个世界里头构建一个围棋出来。你说我想在围棋的棋盘上下盘象棋，或者我想在上头玩个德州扑克什么的，那大家就想得有点太多了，这个事是做不出来的。

那么当前已经开始了哪些部分？第一个，剧情的编写现在已经开始了。大家看到《黑神话：悟空》里头有大量的文案，这些文案原来都是需要人坐在那一个字一个字写的。像我们以前见过一些做的这种SLG游戏，SLG应该叫策略性手机游戏，他们的这种文案，比如说工程车是怎么回事，兵是怎么回事，哪个英雄是怎么回事，现在有些什么样的背景故事，这些东西搁一块，可能有几十万字，甚至多的有上百万字，这种东西都要靠手写的，是很痛苦的。

现在有了AIGC，那来编故事呗。我们只需要把基础框架搞定，把基础设定搞定，剩下的生成的部分都可以让大模型去搞定了。我们只换审核修改就可以了。再做文声图、图生图这些事情，因为游戏嘛，大量的是图像，那我们就花费这个事情。现在各大游戏公司已经开始普遍应用了各种3D模型的生成。

现在很多的游戏公司也开始用上了广告素材的生成，这已经成熟了。编程辅助，比如说我们用Copilot或者用一些其他的编程辅助工具，大模型去干活，现在也可以搞定了。包括一些简单的AI角色，有些NPC可以由AI在后台跟大家聊个天，这些现在也都已经实现了。

甚至这两天，还出了一个特别奇葩的工具，谷歌的DeepMind做了一个纯AI的游戏引擎。它是什么样的呢？就是它跟大家打毁灭战士，Doom。这个是很古老的一个游戏，当时大概只有十几兆。我记得我是上大几的时候，可能大二大三的时候开始有这个游戏的。我们那个时候打的，真是一开电脑就趴在地上吐，因为它是第一次让我们见识到有什么叫晕3D这种东西。

那谷歌的这个模型是什么样的呢？它完完全全用Transformer的方式。去一帧一帧地生成你看到的内容。我在转动镜头，出怪物，我去打他。打完了掉血，再去往前走，往后退，拐弯，走哪个岔道。所有这些事情，他等于是根据前面生成的图像和内容，根据我们对电脑的操作，然后临时生成最新的场景。这也把很多游戏圈的人都震惊了，而且他的速度还不低。

像原来我们去生成的图片，甭管是用达利还是用Midjourney，生成一幅图片至少要几十秒，那是很慢的。而谷歌的这个AI游戏引擎，它可以达到每秒20帧，每秒钟生成20张不同的画。这种东西，如果你再交给英伟达好好优化一下，没准就可以打了呢。每秒20帧还是稍微慢一点点，特别是对于动作游戏来说，稍微有些差距。

那么现在我们已经有的东西，其实是在完整的工业流程与体系上，在每一个环节进行修改，进行AI改造。但是我们并没有形成一个完整的可以面向普通人的这样的一个界面接口，这块现在还没有做出来。也就是说，我们距离“上帝说要有光，于是就有了光”还是比较遥远的。但我相信，应该有游戏公司已经在这块努力了。

未来是不是人人就都可以做游戏了？我们首先要想一想，人人都可以做游戏到底是一个什么样的过程。其实很像是从骑士到步兵的过程。什么叫从骑士到步兵？不是把那马去了，而是骑士是需要终身训练的，或者需要从小训练。你至少要有十几年的训练，再去当骑士，然后再慢慢地升级成为骑士，等一辈子你要去做这个事。

而步兵，现在有步枪了，你只需要把一个健康的年轻人招募起来，进行三个月的训练，他们就是一个很好的合格步兵。它是变成这样的一个状态了。那你说我再往前发展，大家想想，现在的司机，司机也是一个专门的职业，要去学怎么修车，要去学机械原理，要去跟各种的车辆打交道，还要有很娴熟的驾驶技术。而现在呢，我们去驾校里头，快可能一个月也就出来了。

所以未来，人人都要去做游戏，可能也是如此。大家因为热爱，参加一个简单的训练，就可以像司机一样上路去开车了。

那么，未来的游戏人人都可以做，可能是几条路。第一条路，在现有的一些游戏里头，允许大家去做一些新的创造。我2009年跑去盛大入职的时候，其实参加的就是这样的一个项目。那个项目叫零世界，后来我们管那个东西叫次时代网游。

什么叫次时代网游？就是这棵树。正常的网游是你砍完了以后，你走到我走的这个地方，这棵树其实还在这立着，这就是原始的网游。而次世代网游，你走到这把这棵树砍了，我过了10分钟再走到这，这棵树还是倒着的。这叫次时代网游。

很多人说这有什么区别吗？区别大了。我看你他把树砍了以后，你得记住下一个人走到这以后，你要重新去得到这个地方的当时的状态，才能知道谁在这扔了东西了，谁把树砍了，谁在这盖了个房子。有人砍了树，有人盖了房子，有人放了东西，那就有可能有人在这建起城市了，有人在这建起要塞了，或者做一些其他的什么，都是有可能的。那么这个世界就变成活的了，它就会生长起来了，玩家就参与到游戏建设里边去了。

这可能就是第一条路。我们在固有的游戏公司设计好的世界里面，我们去创造自己的游戏。而且呢，它是自由度不断的上升。原来这个里面，你可以创造内容是相对比较少的，你必须符合他原来游戏比较刻板、比较简陋的这种世界观设定。那么未来可能是我们往前走一走，我们可以把这个世界观变得更加的有包容性一些，可以变得更大一些。

这什么意思？比如说原来我们设定的是最简单的游戏，骑马砍人，放个魔法什么的，未来可能说，哎，我是不是造个火枪出来，弄个蒸汽机出来？那你说有游戏可以干这事吗？有，现在的《塞尔达传说：王国之泪》余料建设系统，已经给我们展示了这种未来的可能性。

虽然这个东西做起来很难，为什么难？因为你一旦允许他去做这样的操作了，这个游戏的平衡性就很难去控制。为什么以前游戏平衡性好控制？因为你限制了他的发展上限，它就比较好控制。但是你做完余料建造以后，发展上限就不设限了。所以很多人说《塞尔达传说：王国之泪》。

打到后边的boss都很容易。他为什么会做得比较容易？你堆数值堆上去行不行？可以，但是如果有些人余料建造得不好，打到这儿不就过不去了吗？所以他就只能是按照一个普遍的状态，走到这能过去的状态。你如果前面做得比较有趣，余料造得比较厉害，这你就可以很容易地就平坦过去了。

另外一种就是AI游戏引擎。虽然谷歌给我们演示了，直接由大模型生成AI画面，但这条路到底走不走得通？或者说这是不是未来AI游戏的这种端到端的方法？有可能，但这一条路一定是充满荆棘的。我们要把这个scaling low彻底推到极端，才有可能走得通这条路。你要造巨大的模型，耗巨大的算力，才有可能让它真正跑起来，因为重新生成所有的端到端的图像或者模型，实在是太消耗算力了。

但是，也有可能过个三五年，店也不值钱了，算力也不值钱了，那可能这条路就是唯一的最终通路。还有没有折中通路呢？也有。什么是折中通路？就是上全宇宙。我给了大家一个更开放的宇宙，但我已经把所有该规定的东西都规定差不多了，只是等着大家到里边去盖房子、买地，去做一些自己的游戏。

搞这条路，像最早的叫Second Life，包括扎克伯格想干这些事情，也包括米哈游想干的事情。为什么今天这个话是米哈游的老板出来说，腾讯的老板没出来说，网易的老板也没出来说？因为米哈游一直在做一个东西，叫Hayouverse，元宇宙叫Metaverse。米哈游是做了Hayouverse，也是一直在做元宇宙，他们在做，比如说崩坏系列元宇宙或者元神系列元宇宙。大家就可以在这个元宇宙里边去买房、买地，在里边去建立新的城市，让大家在这样新的虚拟世界里面去玩耍。

他们在走这条路，所以这个话由他来说，是符合他的商业预期的。最终再跟大家讲一讲，现在是一个非常焦虑的时代，怎么个焦虑法？所有人都说，你这个职业是先被AI替代，还是后被AI替代？

我们希望AI去做各种重复性劳动，结果AIGC把所有白领的工作都干掉了。人们坐在这儿，写文章、画画、写诗、写程序，脏活累活没人干了。这边还没抱怨完，那头具身智能机器人出来了，开始打螺丝，开始到家里做很多家务。人也没用了，体力劳动也没人干了，所有人都在焦虑。

这是一方面，另一方面呢，既然已经让整个行业都焦虑了，AI行业到底挣没挣着钱？AI行业也没挣着钱，这就真的是相互之间都没讨好。现在OpenAI新的模型、新的引擎没做出来，说我已经把钱花光了，要重新融资。现在又在找钱，这一轮微软可能接着跟英伟达怎么着也得意思。这轮可能有一个基金是老大，人家已经说我们要给钱了，剩下的可能苹果会给一个大头出来，因为苹果把OpenAI集成到他们的Apple Intelligence里头，可能会给一些线，拿到一些控制权。

那么现在的从业者到底应该何去何从？是像蔡浩宇说的那样，大家就赶快转行，还是说我们在观望，还是说现在有什么新机会，赶快让我们去？我觉得现在的游戏开发者应该有几条出路。第一条出路，成为新的平台开发者。但我并不像蔡浩宇觉得那样，并不太认同他的说法，认为只需要0.0001%的人去做这些平台。为什么？因为那个平台未来会变得很大。这个平台上除了开发者之外，还需要教官。

什么叫教官？刚才我讲了，你要想去开车，也得上个驾校，总得有人来教你。这其实就是我以前干的本行，叫开发者关系部门。你在这已经做出平台来了，我们要去告诉玩家怎么在里边把这个事情做好。像我最早进入盛大，加入零世界团队，他们招我进去就是在看这个教官的活。因为我在加入盛大之前，是Bolan公司的evangelist，他说我们需要一个新的社区运营者，帮助整个社区，帮助这个零世界里的玩家学会怎么去建造他的世界。

学会怎么在里边去体会这种乐趣。这是当时我要去干的事情。09年到现在已经过去了15年，这条路依然没有走出光亮来。大家还在努力地往这条路上走。

第二个是什么呢？就是要有技术支持与服务。虽然现在满街都是开车的人，但是修车这事我不会。我们不是职业司机，打开车盖子以后，我连火花塞长什么样都不知道。这是没法办的事情。所以我们还是需要专业的机构来去维护我们的车辆。

那么这又是一波人，甚至还需要专业的游戏策划和主持人。大家知道去玩这种桌游，或者玩这种狼人杀、亚城守护者这样的游戏，它的核心是主持人。咱们现在到那种桌游吧里边去，他们的主持人是专门需要招聘的。他是能说会道，能够烘托气氛，把大家的气氛调节起来，还很熟悉这个故事的各种套路。这些人可能未来也会成为一个职业。

甚至还需要很多的审核与优化人员。比如说我们今天都去马路上开车了，那交警还得有，还要有很多的人来看看，说你们是不是都符合规则，或者说哪开的不好。我们要去改一改交通信号灯，重新修修路，肯定还是未来很大的一个就业机会。

第一个平台不可能只有一个，Meta会做一个，米哈游也会去做，其他的一些公司可能也会去做。这样的平台出来，做完了以后，他们每一个平台都会比现在的员工数要几何级数地上升，才有可能应对这么多的玩家涌入。

甚至还有一些现有的游戏开发者可以去干嘛呢？可以成为新的开发者中的领军人物。什么意思呢？大家都在元宇宙里头，都在这种游戏AI引擎里边做游戏的时候，您原来做过游戏的人，是不是会比以前没做过游戏、从来没接触过的人有些基础？您未必会做出未来最好的那个游戏，但您总比这些从头开始、从来没有摸过如何做游戏的新手小白，还是会有一些先发优势的。

所以即使是像米哈游的蔡浩宇说的那样，未来大量的人是玩家或者是爱好者去开发游戏，那么以前做过职业开发者的这些玩家和爱好者，他们开发出来的游戏也会比其他人好。

那你说会有人被淘汰吗？一定会，这个没什么好说的。但是应该也不会有那么大的比例，绝不是说99.9999%。不会有这么多人被淘汰掉，绝大部分人还是可以转岗的。会产生出很多新的岗位来，甚至新的岗位有可能会比现在的游戏开发者的总数还要多。只是这个新岗位产生的过程并没有那么快而已，他可能需要一些耐心。那么游戏内容未来一定会越来越多，这件事是必然的。人们在游戏中所消耗的时间也会越来越多，游戏产业所产生的价值一定会越来越大。大时代已经到来，车轮滚滚向前，这才是游戏整个产业在AIGC面前正在快速发生转变的故事。好，这个故事今天就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。