从腾讯首席科学家姚顺雨的行业洞察中,看到培训人学习应用AI的三个方向

本文导读：

顶级科学家的四个洞察；

培训人学习、应用AI的三个方向；

学习过程中的三个错误；

阶段性学习成果的三个标志；

做门好课公众号未来推出的三个资料包。

四个洞察

我们先来看顶级大咖的最新洞察。

腾讯首席科学家姚顺雨入职后迎来首秀。

在刚刚举办的北京AGI-Next论坛上，

他直接视频接入论坛，没有讲客套话，

而是直接扔出了反直觉的四个核心洞察。

我觉得对于培训人来说，

这些洞察对2026年的AI学习、应用很有指导意义，

所以在春节前最后一篇文章中，

详细分享一下对未来的感知。

首先说这四个洞察是什么：（精华提炼）

1. 在赛道层面，To C的AI拼情商和上下文感要贴近人，To B的AI拼专业精准度要近乎神，尤其coding领域是企业付费的核心战场。

2. AI自主学习已悄然发生，而是像Claude、Cursor这样在实际应用中持续自我迭代、逐步进化。

3. 2026年Agent智能体的核心卡点不是模型技术，而是会用AI工具的人和落地场景，即使就用现有技术落地各行业，也能创造百倍收益，未来人的差距在指挥AI的能力，现在的卡点是教育、是我们能不能教会员工用 AI，而不是在那儿卷参数。

4. 中国AI基建、成本、工程师优势显著，但缺乏探索新范式的冒险精神，Deep seek不唯分数论做正确事的态度，是中国AI弯道超车的关键。

我相信很多培训人作为非AI技术人群，

在学习、应用AI的过程中，

出现过兴奋、迷茫、焦虑，抵触等等。

做门好课公众号，之前也发过很多AI应用的文章，

但我还是想试图去梳理出一个清晰的方向作为指引。

直到碰巧看见姚顺雨先生的AI发展洞察，

让我看清了学习、应用AI的三个方向：

1. 真实任务场景下的AI coding的深度应用。

2. 可对话的AI知识库建设。

3. 企业内非AI技术人员学习设计。

三个方向

第一，真实任务场景下的AI coding的深度应用。

培训人学AI的真正难点：

不在于难，而在于乱。

所以问题的本质是：

信息过载，而不是学习困难。

“未来人和人的差距不是谁脑子更好使，而是谁更会指挥AI干活。”

对我们来说，这个道理更直白：

不需要学编程、学算法等等。

需要知道的是：

遇到什么任务问题，该用什么AI，怎么清楚地描述需求。

不是比谁会的工具多，而是比谁真正用AI提升了培训效果。

• 错误：学10个工具但都没深度用过。

• 正确：只学2个工具，但用它们把工作效率提升了50% 。

我在上一篇文章让AI知识库变身DISC智能测评专家

讽刺过这一现象。

  所以，第一个方向的核心原则：

• 从你最痛的真实任务场景入手。

• 只深度学1-2个工具，用到极致。

• AI负责效率提升，你负责专业把关。

总结就是两个关键词：

任务场景、深度应用。

但是关键问题是，用什么AI啊？

“随着Deepseek的出现，搜索之战已经结束，下一场硬仗是coding。 为什么？因为企业愿意为绝对正确的模型付真金白银。To C 要像人， To B要像神。”

在企业中应用AI，

我相信没有一个老板会认为天天聊都豆包就算应用了。

营收了？降本了？增效了？改变流程了？

我们举个例子，比如Claude Code。

Claude Code本质上是一个Agent，他可以灵活的自己规划任务然后执行，以目的为导向具备感知环境和决策的能力，控制权一部分移交给了Agent。

因为Claude Code被用于越来越多非编码的业务场景，所以也推出了Skills等能力，增强Claude Code在处理特定业务场景SOP的稳定性和一致性。

翻译一下：

1.它面向的是任务场景；

2.它有超强大脑（神级模型），还有手和脚给你干活；

3.它能做出东西来改变现有的任务。

放心，你不用学代码，自然语言就可以指挥它了。

最重要的，它是未来企业应用的方向，

你早点入手了解，能和老板的认知一致，

甚至还会引领他的想法。

不管用什么AI，

关键是能做出实实在在的东西来，

应用在任务场景中。

培训任务一般是几个类型：

规划设计、内容开发、项目运营等，

任务包括编写方案、需求调研、数据分析、课程开发、工作坊设计等等。

个人觉得突破的顺序是：

运营→开发→规划

因为运营是我们特别不想干，

但又不得不干，

毫无成就感，但至少有忙碌感。

所以，运营特别适合当做：试点。

但有人说，那我不就闲着了？

不会的，AI应用的设计开发、过程测试、调试训练、应用迭代，就够你忙的了。

是转变了，不是替代了。

这就是第一个方向，任务场景、AI coding、深度应用。

第二，可对话的AI知识库建设。

这个方向很多人会忽略，

不就是把一堆PDF放在一起么？

但我认为它是所有AI应用的基础。

为什么要建知识库？

两个原因：

1.私域范围。企业中的产品、流程、制度、能力模型，甚至是老板喜欢的书，都是公司自己那摊子事，也不会上传到互联网上，你指着广域的大模型能告诉你，你们公司的核心技术和参数数据？不太可能。

在最近看到的一项AI应用调研报告中：

企业最关心的居然不是AI应用方法，

而是应用的保密性。

所以企业私域的知识基础就很重要。

2.培训人最大的资产是"知识"：

• 课程资料

• 案例库

• 培训方案

• 行业素材

我们的工作任务中，
本来也有很大比重是做知识的传递，
而知识库是这个任务的突破点。

你先别想着变革培训的流程，
能做出一个知识库就已经很了不起了。

这里有一个关键词是“可对话”，
意思是，这个知识库，可以调用，去完成一些任务。

比如，
智能整理：AI帮你给所有文件打标签、分类、建立索引。
语义搜索：不只是关键词，而是理解你的意图推荐内容。
知识推荐：做领导力课程时，AI自动推荐相关的历史案例。
任务执行：客户答疑、课程开发等等。

知识库是企业AI自动化应用的弹药库。

做这个事情，也别一上来就着急搭建一个“XX公司智能知识体系库”。

我建议的顺序是：
1.先整理一个你的个人知识库，就是你电脑里的一堆课件、视频、文档。
2.个人的做成了，再做一个部门知识库。
3.都做成了，再推广给其他部门去做。

而不是一上来先搞个大而全的东西。

还有一个重要的原因：
知识库的搭建，并不难。
不管你用什么工具，基本原理都差不多。
关键还是你如何策划这件事。

第三，企业内非AI技术人员学习设计。

“现在的卡点是教育、是我们能不能教会员工用 AI，而不是在那儿卷参数。”

前面两个说的，都是自学自用，
但培训人，有个专属特性，
就是不光是自己会，
还得推动别人也学会。

公司的人群分为两种：
AI技术相关人员，
非AI技术相关人员。
但是重点在于后者。

这是培训人的差异化竞争力。

培训人要躬身入局，而不是站在门外，

看着他们在AI学习的圈子里熙熙攘攘。

最怕的是造成这样一个局面：
花钱找外面的人来讲课，
邀请AI技术的内训师分享，
自己就在教室后面的椅子上一坐，
又回到只做运营的老路。

这么说，如果你对AI都没深度用过，
甚至做出一些成果，
你的那个AI培养方案，也只是空谈。

先做"会用AI的培训经理"，
再做"推动组织AI学习的项目经理"，
这就是你未来的核心竞争力。

三个错误

在这三个方向下，我们在学习、应用的过程中，还有注意规避三个坑：

1.如果你学习一个AI，超过了10天还没搞懂，那说明你学的方向错了。
2.如果你用一个AI，把事情越高越复杂了，那说明你用的方向错了。
3.如果你的AI产品，没人去用，那说明你做的方向错了。

AI，不管是学、用、做，
一定是越来越简单！
只要复杂，那就错了。

三个标志

我在未来学习、应用AI，
怎么才算是学有所成呢？

虽然学无止境，

但是当你看到这三个标志出现的时候，
那我认为这就算是取得了阶段性的成果。
一次分享、一个应用、一份方案。

一次分享是指，你能面向其他人做一次完整的AI知识分享，平时那种只言片语的讨论不算。

一个应用是指，根据你的工作任务，开发了一个AI应用，让他帮你跑了一个流程，哪怕再小的流程也可以。

一份方案是指，你在公司内部做了一个推动AI学习的项目设计。

而且反过来说，
如果你还在小白阶段，
当你遇到这样的一个人，

他同时具备了这三个标志，
你就可以想方设法的向他请教了。

三个资料包

最后，做门好课在2026年，
将在AI学习、应用的方向上，
陆续推出三个资料包。

教程包，产品包，案例包。

也就是：
看完就会的教学指导手册。
拿来就用的培训智能产品。
听了就懂的实战案例合集。

当然你可能有自己的理念，路径，
没关系，培训人就是喜欢分享、交流。
也欢迎大家关注公众号，
在未来，共同学习、成长。

最后祝每一位培训人，新年快乐。