AI时代个人进化白皮书

大模型时代的来临，我一路亲眼见证，也一度倍感迷茫：大模型编码能力这么强，作为研发我该何去何从？我现在的岗位未来还需不需要我？未来如何发展自己的能力让自己不至于被大模型淘汰？我该如何起步跟进大模型时代的发展？

我做了很多的思考、沟通、理解，然后有了下面的认知：

一、大模型时代的生产力变革：“实现能力”不再是软件行业的稀缺资源

思考未来，先理解规律和现状。

软件行业传统的生产模式的基础逻辑是：实现能力是极其稀缺的资源。传统软件生产的整个生产流程都在围绕实现能力做展开：

充分的需求预研和产品设计：因为代码写完改动的成本很高，每一个研发都经历过临时改需求带来的加班加点，因此反向推动需求的产生要更加的严谨；
大量的沟通成本：因为实现能力效率低下，所以需要大量的人组合生产有价值的软件产品，这带来了大量的沟通、会议、排期的要求，再加入了沟通过程中的问题记录和追踪，从而诞生了PM、产品经理、横向管理这样的角色，他们本质就是在解决产品开发前、开发中的沟通问题；
多角色分工：因为实现能力学习成本高，因此出现了前端、后台、客户端、数据库、算法、工程等不同的研发角色分工，大家各司其职，因为每人的学习能力能在其中一个领域取得领先就已经需要用尽全力了
参差不齐的代码质量：因为实现能力低下，高质量人群成本太高，所以高低技能人员配合造成代码质量参差不齐，文档建设落后，这又反向影响工程质量，代价就是加大测试力度，进一步增加了项目人员
难以评估的开发耗时：实现能力的低下造成了程序员实现个别功能的耗时会超出预期，例如可能仅仅是单独建立一个跨平台编译框架的基本工程结构选型，对于很多程序员就是需要几天都不一定搭建好的东西。

然而大模型时代软件生产能力被大幅度放大，产品经理可以自己快速构建自己的系统，连小学生都能自己创作自己喜欢的游戏，这意味着我们花最大精力学习的稀缺资源----代码实现能力，变得不再稀缺，但这个变化来的太快，我们还不够适应

生产力变化了，生产关系的变化是早晚的事情，尽快的想到新的生产关系的变化方式并且与其适应，这种新的生产关系应该是能够适应当前生产力，并且能够进一步推进生产力的爆发，才是大模型时代的解药

二、大模型时代的核心能力：理解力、判断力、信任力、掌控力、责任力

在讨论新的生产关系之前，先讨论一下新的生产关系增强了对那些能力的要求。

作为一个思维实验：假设把大模型比作一个万能工具，我该怎么用它？

用它反馈的信息形成自己的认知。同一个问题不同的agent给出不同的解读，要能真正明白他们的意思，对他们总结的信息融合成自己的观点，这是【理解力】。理解不是表层的了解、知道，而是深层的用模型的反馈完善了自己的思维体系。理解力的强弱，直接决定了你在human in loop的人机合作模式中跟AI的合作深度，是人机配合深化思考的基本要求。理解力的本质是虚拟跟现实之间的接口，能让数字世界中ai的反馈对应到现实世界中形成人的认知。
清楚的知道这个工具可以用来做什么，擅长什么，不适合什么，解决什么问题需要用它，并且能够决策最终是否采用它给出的方案、结果，这是【判断力】。小到技术选型，达到行业发展，我们都可以通过大模型获得信息，最终需要形成自己的判断。判断力决定了你跟AI的合作方式，以及影响了最终AI对你产生的结果。判断力的进阶表现，是具备完整的问题提出、产品定义的能力，这些的基础都是能够对方向、真实需求有所判断。
能够获得他人的支持、理解，让他人（如关键决策者、团队合作人员、大众等）相信你用这个万能工具真的能解决他们的问题或者带来更强的行业竞争力，这是【信任力】。信任力是资源争取的前提，是他人对你的理解力、判断力的认可的直接体现，它需要反复的理解、思考并在此基础上形成务实、体系化的判断才能获得他人的信任，是项目批量投入前的最后一道壁垒。
在使用工具的过程中，黑盒范围越大，不可控因素越大。设计一个良好的工具使用模式，既能最大限度的发挥工具的优势，又能充分发挥团队合作的价值，建立人与人、人与AI之间的良好合作模式，或者能够在合作模式中用好工具稳定做好自己的那份输出。这是【掌控力】。

掌控力对工具使用有较高的要求，要能够认识到工具本身带来的潜在问题，建设提高使用黑盒过程中问题的可发现性、可恢复性、降低爆炸半径，再最差情况下具备回滚能力、人工开发兜底能力，并严格检查工具使用后的情况，适当的时候用使用后的情况来反向调整工具让它更好用。整体上不仅要满足生产，而且要可监控、可回滚、可替换、可兜底，让输出尽可能可控。

掌控力是大批量使用这个万能工具的核心能力，是区分职业和业余的分水岭。这个能力的强弱决定了是从工程师升级为系统构建者，还是被AI的快速生产压榨原本的执行/实现能力。

5.在对用户/客户负责的基础上，在问题发生前主动预防，在安全、合规、隐私、伦理等方面积极构建，在问题发生后具备承担能力，这是【责任力】。人是责任的最终主体，责任力是建立在此基础上的由内而外的驱动，是用户/客户放心的重要组成，是长期合作的基础。如果你从事的是强监管的行业（比如金融、政府等），责任力的要求会更高。

总体上，理解力让你可以将大模型的输出转化成自己的认知，判断力让你可以将认知最终转化为方向指引或者行动决策，信任力让你可以获取资源，掌控力让你可以对大模型形成人模一体的驾驭能力，责任力让你可以获得他人更长期而坚定的支持，这些能力在当前的社会分工中也存在，但是在大模型时代由于生产力的迅速提升，这些能力的要求会被进一步放大和强化

三、那么生产关系会如何变化呢？“超级个体”的崛起成为变革基石

大模型的时代，个体能力被大幅度放大，一人同时具备理解力、判断力、信任力、掌控力、责任力成为可能，我将具备这些能力的人，称为【超级个体】。超级个体的来源不区分于职业，无论是产品、研发、测试、销售，大家各自在不同的点出发，趋近成长为超级个体。

生产力大幅度提升后，超级个体的能力会被大幅度放大，因为对超级个体而言，原本昂贵的沟通成本为0，实现成本近乎为0，生产效率数量级级别提升。理解力、判断力、信任力、掌控力、责任力这几个力量可以覆盖一个产品项目的全流程。通过理解形成判断，通过判断获得信任获得项目启动的必要支持，通过掌控保障输出，通过责任担当谋取长期发展。唯一能制约超级个体的，是时间。所以他们的时间也会被进一步压缩，甚至会一步步逼近碳基生物的效率上限。生产力越高，个体就会越累。

所以对于一个小型的产品来讲，超级个体的作用会被大幅度放大，且随着技术的迭代，“小型产品”的范围会越来越大。也许昨天搭建一个红白机游戏叫小型产品，今天搭建一个RAG叫小型产品，明天搭建一个ERP也变为了小型系统。

对超级个体而言，可以通过个人能力完成资源、技术、资本的流转，对超级个体而言，团队合作是对其某一个能力的补充项，而不是必选项，这是一人产品、一人公司类似概念成立的基础，而一人产品、一人公司将会铸造未来社会广泛生产关系的底层。这些一人产品、一人公司让之前一些边缘的软件需求变得触手可及，各自在细分领域发展。而对团队而言，超级个体可以成为团队合作的基石，如何发挥超级个体的效率上限或者解决超级个体之间的合作关系，是团队构建要考虑的问题。

四、那么主流领域/大型项目的生产关系呢？基于“五力模型”建设能力互补的人机协作生产团队

在实际项目执行过程中，总会有大型项目的存在，大公司也总会将视角瞄准着主流领域需求，那么此时大模型时代的团队合作关系是怎样的？

也许还是从理解力、判断力、信任力、掌控力、责任力来做划分，不同的角色，各自具备这些能力中的某一个或者两个能力，然后共同配合

1. 智囊团借助大模型，快速深化行业、新兴领域、全新产品的理解，并且结合客观数据、公司既有实际项目经验，形成全面、客观、可靠的特定领域的全景理解。这部分人来讲，对大模型的依赖度越高，需要的理解力越强。

2. 管理团队根据智囊团的反馈，充分考虑公司发展状况、自身优势等私有数据与私有环境，形成公司发展、战略布局的方向性思考，并且最终形成具有信服力的决策。

3. 项目团队要根据决策的方向，规划产品发展路劲，可能需要配合大模型进行脑暴、完备性/全面性/匹配性思考等

4. 产研团队由于大量依赖大模型，需要对跟大模型的开发配合形成良好的组织行为模式，建立人与人、人与AI之间的良好合作模式，并且通过掌控力来保障研发的顺利开展。重要的是，需要认知到研发能力可能本身并不足以形成大模型时代之前那样的产品壁垒，更灵活的配置、更快的方向切换可能会成为大模型时代软件产品的基本要求，需求梳理与产品研发同步并行可能会成为高效率软件生产过程中竞争力的体现，比如OpenClaw的爆火到各大厂的类似龙虾产品的推出间隔不过一个月，就是需求和研发并行的结果

5. 也许会有专门的团队，他们的任务就是监控大模型生产过程的规范性，保障大模型生产过程发生问题具备回滚能力/人工兜底能力，避免问题的扩大从而建立体系。他们像sandbox一样是大模型运行在商业社会的基石，他们共同构建的，就是大模型时代的企业责任力，尤其是对如金融这样的强监管行业来讲，责任力的要求会更高。

对于未来的团队而言，对个体的要求应该是上述力量中的某一个力的补齐，在短期内团队的组成分工可能不会发生变化，但是对团队中每个人的要求会有改变。每个人都应该在具备上述五种能力的基础上，在某种能力上有特殊的专长。一些初级的合作human in loop的形态慢慢显现，如生产过程从传统的需求 → 设计 → 开发 → 测试 → 上线，变为了：问题定义 → AI生成 → 人类校验 → 系统控制 → 快速迭代

在大模型时代的后续阶段，可能会有更适合大模型的新的生产关系出现，例如产研团队可能会出现：模型选型（选择最新的适合的模型，建立不同任务的评估方式，对不同的任务选择最合适的大模型）、模块划分（针对不同的模型将软件项目拆分成不同的模块，并且书写模块完成的prompt以使大模型更好的工作）、模块验收（建立真实的适合项目的测评方法，验收过程包括不限于功能、功耗等）、整机验收（对最终项目负责）。过程中已经不需要模块实现的人了，这部分会有大模型根据模块划分自动实现，由模块划分的人承担实现效果的责任。模块划分者，就是大模型时代的架构师2.0，他们不再写伪代码，而是写极其精准的逻辑 Prompts 和协议标准。这是一个系统级AI构建者

总体上，由于生产力的提升，对个体和团队来讲生产方式必然发生变化，最终会形成更适合、更能发挥当前生产力的生产关系。这种模式的产生，大概应该会由某个大公司突然的一个内部变革起步，然后在很快的时间内就会社会性跟进。能够提前做好准备，就能更好地应对这一次的模式切换。

五、大模型时代初期个体/项目如何加入变局？认知、行动与契机的三重驱动

1.认知能力：

能够比别人更清楚的看清变化的本质或者底层逻辑。它是构建在对大模型的技术发展、社会逻辑、人群行为模式有合理认知基础上的充分思考。这个认知可能包含对产品的认知、对技术的认知、对时代和发展规律的认知，它是前进过程中的方向性指引。在大模型时代的初期，这种认知可能是个体/团队的最大壁垒，有的时候可能只是灵光乍现的一刹那间的想法，会带来巨大的产品价值，而这完全依赖于前期认知能力的构建

2.行动能力：

积极的学习、对各种工具/概念/产品的主动体验、主动而深入的思考，这几个都是说起来简单但是能做到并不多的方面，就像是健身，每个人都知道经常跑步可以有好的身体，但是罕有人可以真正做到，缺的不是方法方向，而是行动能力。在大模型时代的初期，能够熟练掌握几个好用的MCP、skill，能够对大模型各个层级的工具各选一个深入使用，都是实打实的壁垒。

3.契机：

一个合适的爆点时机，可能是一条爆款短视频、一个爆款开源项目、一个爆款产品等，在应用、算法、硬件领域我亲眼见证了无数人的乘风而起，OpenClaw的创始人也是十年开源一朝成名。幸运的是，大模型的风到处吹，只要跟大模型有关联能够体现自己的价值，这个契机的到来只是时间问题

认知决定方向，行动能力形成前进的动力，契机补齐成功的最后一块拼图。能够形成认知，在更多人产生共识之前提前有所行动，剩下的放心交给时间。

对于企业来讲，大模型时代的最佳起步是尽早完成私有知识库和工程闭环的实现，然后在构建过程中思考壁垒的进一步深化，逐步从产品的生产者转向定义者。

六、如何把控加入大模型时代的时间点？理解从算法爆发到工程化、产品化及生态战争的逐步演进

如果你形成了认知，具备行动能力，那么你需要理解一下当前的大模型发展阶段，从而找到更合适的切入点。软件生产的模式会被变化，但是软件发展的规律可以参考借鉴。

算法 -> 工程 -> 产品 -> 运营，互联网时代的迭代思路就是这样的：算法稳定了就比工程优化，算法工程都稳定了就开始比产品设计，最后比拼运营

现在已经基本走过了算法阶段（大模型智力满足需求，再迭代不会带来质变），正在构建工程能力（更高的执行效率、更广的执行边界、更多的接口接入），然后就会产生爆款的产品（对用户、场景、行业的深入理解）。等到拼运营能力的时候就进入稳定期了，对大模型还早。

基于大模型构建了think-act-observe完整体系的的AutoGPT在23年初就诞生了，但直到26年初拥有类似思路的OpenClaw才成功出圈。原因与差异固然很多，但彼时彼刻的模型智力、工程反馈效果、外部对接能力等也都实打实的对AutoGPT形成了制约。但是，OpenClaw这一波爆火，成功推动了腾讯、阿里、字节等一众生态厂商积极以skill、mcp形成接入，大模型的工程扩展能力被迅速补齐。生产逻辑即将走到应用端，大模型的产品定义能力比拼，后续会快速到来，也许属于大模型的全民极killer app，可能已经不远。

以时间线展开，一个也许的时间线可能是这样的：

2023~2024：大模型智力爆发，各种大模型底座、行业大模型层出不穷

2024-2026：AI工程化爆发（Agent / Tool / Infra），各种AI探索型产品推出，类似Manus、Dify、豆包手机等初期产品层出不穷

2026-2029：AI产品爆发（垂类killer app），OpenClaw的出圈推动企业加速开放、接入AI能力，skill、agent、龙虾生态快速繁荣

2030+：平台 & 生态战争，AI的意识/产品形态形成共识，新大厂崛起，或者大厂收割期到来

尽早了解全景，依据个人/团队的专长，选择合适的时间投入，是大模型留给时代最好的机会。

七、总结：生产力变革引发生产关系重塑，五大核心能力成为普通人驾驭AI的关键，构成团队合作的基石

生产力的提升带来生产关系的变革，进而引申出价值和财富的迁移。在AI带来的生产力变革浪潮的面前，原本的核心价值发生了变迁，当一个普通人甚至小学生都可以完成满足自己需求的小应用的时候，AI就已经完成了基础技术上的平权，但与此同时，顶层人才之间的差异也被放大，而非缩小。在社会生产的过程中，理解力、判断力、信任力、掌控力、责任力这些AI以上的能力，成为AI接入现实的最佳接口。起步阶段，可以先从认知、行动开始，每深入理解一篇文章，每尝试一个skill，都会慢慢形成自己的认知，然后扩大自己的影响，等待一个崛起的契机。随着各大厂对AI接入的建设和逐步的开放，未来将慢慢走入到AI产品定义的时期，这将是普通人创造、使用AI的最好的时期。