今天小編分享的教育經驗：如何用AI，讓一個人達到10個人的效率？，歡迎閲讀。
以下文章來源于嘉賓商學 ，作者嘉賓商學
作者 | 蔡叢興，硅谷資深 AI 從業者、Getsynco.AI 創始人，曾任職 Youtube 高級工程師、Snapchat 舊金山團隊負責人
來源 | 嘉賓商學 管理智慧
咨詢合作 | 13699120588
文章僅代表作者本人觀點
一場由 DeepSeek 引發的 AI 概念股大跌風暴席卷歐美股市，也讓國產大模型成為街談巷議的火爆話題。從城市到農村，從上班族到學生黨，言不談 AI，似乎就已經落伍于時代潮流。
人工智能取代人類，并不是 " 狼來了 " 一樣危言聳聽的妄語，驚濤駭浪或許已近在眼前。一個逐漸形成的共識是：AI 革命既是不得不面對的挑戰，也是一次史無前例的機遇。就目前而言，對 AI 最敏感的，除了因為被 " 平替 " 危機而焦慮的打工人，還有嗅到歷史性機會的企業家們。很多企業家都在問：我的企業該如何使用 AI 工具，以實現效率倍增？
大語言模型對企業家的價值
非常榮幸受吳婷校長之邀，在國產大模型全球爆火的這個時間點，與大家分享我從業這些年來關于 AI 積累的一些思路和幹貨。
這次授課的由來，是今年 1 ⽉份在嘉賓商學硅⾕訪學的一場晚宴上，我提到了使用 AI 的一點個人體驗：" 對⽐今年和去年，我的⼯作效率提升了 10 倍。" 後來，很多嘉賓商學的企業家校友對這個話題十分感興趣，希望我能更詳細地介紹。因此，今天的課題，就是對此做一些更加全面、具體的補充和解釋。
"AI" 雖然是今天的授課主題，但我想先強調，不要過度使⽤ "AI" 這個詞。在硅⾕的科技圈⼦⾥，如果⼀個⼈⼀直⽤ "AI" 來指代當前的技術，并且讨論它的未來影響，大家通常不會太過認真對待。
為什麼呢？因為 "AI" 更像⼀個籠統的市場宣傳⽤語，涵蓋了已有近百年歷史并仍将持續很久的技術遠景。它代表了過于宏⼤的概念，很容易理解，也很容易被誤解，更容易跑題。
比方説，很多現有的應用，如在線⼴告、短視頻推薦、商品定價、打車軟體、⾃動駕駛等，其實都基于不同層面的 AI 技術。
所以，今天的課程中，我更願意使⽤ " ⼤語⾔模型 " 來替代 "AI"，指代由 ChatGPT 引領的⽣成式語⾔模型，以及基于此衍⽣出的新型軟體架構和技術。
我在使⽤⼤語⾔模型時最⼤的感受，是它并不像⼀個标準化的⼯具，更像是⼀種個性化服務，會因⼈⽽異產⽣不同的效果。這就好⽐給團隊中的每個⼈都配了⼀個實習⽣，有些⼈能很好地利⽤這位實習⽣提升效率，有些⼈則因為管理成本反⽽效率下降。
如果給每個⼈配的實習⽣從 1 個變成 100 個、1000 個，甚⾄更多，結果⾃然更復雜。所以 " 效率提升 10 倍 " 這一説法是因⼈⽽異的，也許有⼈能達到百倍、千倍的提升，也有⼈提升有限。
在座的各位企業家校友，大都是各⾏各業的團隊領袖，擁有資深⾏業經驗和扎實業務能⼒，應該能從⼤語⾔模型中獲得極⼤的增效空間。所以我會更多以 " 企業創始⼈ " 的視⻆來展開通過 AI 提效 10 倍的體悟，但不⼀定适⽤于缺乏⾏業經驗的新⼈或者新晉的管理層。
今天的觀眾，我相信對 AI 相關話題都已經有了很多的了解，所以我們今天的⽬标更多是對 Deepseek 等大模型刨根究底：理解它是什麼、不是什麼？ 它在什麼情況下能做什麼、不能做什麼？以及雖然⽬前還沒确鑿迹象，但它未來還有可能做什麼？
針對這些問題，如果我們對某個結論的信⼼只有 60%，那麼基于該結論所做的決定就要 " 打 6 折 "。如果某個結論的信⼼度可以到達 90%，那它帶來的價值就又會顯著不同。
同時，我希望大家順着我的分析和推理方式，深入了解 AI 的底層邏輯與應用技巧後，能收獲更多問題，⽽不是簡單的結論。
DeepSeek 在全球⾏業的影響
關于當下掀翻全球科技圈的國產版⼤語⾔模型 DeepSeek，我先講講我的理解和預測。
在一眾大模型中，DeepSeek 脱穎而出的關鍵點在于，它使⽤相對低成本的訓練⽅式，達到了可⽐肩當下 OpenAI 最新推理模型的水平。
最初，ChatGPT 是通過 " 預測下⼀個 token（文本中最小的語義單元）" 的⽅式來⽣成回復，但當涉及復雜問題，需要更復雜的 Prompt（指令或提示詞）來優化回復質量。其中，"Chain of thoughts"（思維鏈），是讓模型先⼀步步推理⾃⼰的解決⽅案，再根據推理結果⽣成内容，于是 " 推理能⼒ " 就成為⼤語⾔模型的核⼼優化⽬标之⼀。
而 DeepSeek 在推理效果上，在表現出⾼準确性的同時，并沒有使⽤昂貴的 Fine-tuning（微調），⽽是采⽤反饋學習機制和⼤量⼯程優化，因⽽成本很低，同時速度也加快了。
值得注意的是，DeepSeek R1 模型甚⾄可以在普通的本地電腦上運⾏，也可以⽀持實時運算，這對應⽤開發的意義重⼤。
要知道，開源的⼒量在于，每⼀次突破都建⽴在前序創新之上，從⽽加速整體發展。這也會給 OpenAI 等閉源模型企業帶來競争壓⼒。
更為關鍵的是，DeepSeek 對整個 AI 行業的颠覆，説明⼤模型沒有護城河。團隊、數據、算法、芯片等，都不能形成商業壁壘。
此前，很多人認為⼤模型需要頂級科研團隊，但事實證明，⼀群聰明的⼯程師也能開發。DeepSeek 的開發⽅ High-Flyer（幻方量化）是⼀家對衝基⾦，⽽⾮傳統 AI 實驗室，反映了 "AI" 和 " 量化⾦融 " 之間的新型融合。這帶來⼀個⾮常重要的新的認知：并⾮只有⼤型研發中⼼才能從事⼤模型研究，就像當年的 Google，只要招到聰明⼈，也能做出重⼤創新。
也有不少人以為數據會是⼤模型的護城河，但 DeepSeek 展示了⽤ " 蒸餾⽅法 " 替代⼤規模訓練集，⽤公開模型即可重現類似的效果。
算法固然重要，許多細節和技巧大多在頭部企業之間流通，但其他中小團隊也可能研發出全新技巧。
芯⽚，并不是⼤模型無法突破的瓶頸，如果有⾜夠多的⼯程師去優化，也可以彌補硬體的局限。當然，中美限購可能會是另⼀層⾯的護城河。
DeepSeek 的異軍突起，對美國科技大廠，會造成不同程度的震蕩或影響。下面，我用 AI 做張簡單的圖表來更加直觀地展示。
以上推理，在股市當天（1 月 27 日）的表現中也得到一定程度的呼應。拿英偉達來説，受 DeepSeek R1 爆火引發英偉達算力需求預期将變弱的衝擊，英偉達下跌近 16.97%，報收 118.42 美元 / 股，單日市值蒸發規模達到 5890 億美元，創美股歷史記錄。未來，市場預期會随着技術與業務情況不斷調整。
如何用 AI 讓工作效率提高 10 倍
關于使⽤⼤語⾔模型的體驗，正如之前提到的：因⼈⽽異。有些⼈甚⾄可以獲得更⾼倍數的提升，也有⼈感知有限。經驗越多，視野越⼴的⼈，可能從 AI 中獲得的提升會越多，這也是今天的課程更針對企業⾼管和創始⼈的原因。
⽤⼀個類⽐來説：如果你可以⽆限制地雇傭實習⽣，⽽這些實習⽣只具備⼀定基礎知識、⽣活常識和思考能⼒，能夠完成明确任務，但也常犯錯，需要你去管理和指導，那麼你的⼯作效率會提升多少？對于⼤多數團隊⾼管來説，這是⼀個很有想象空間的假設。由此觀之，所謂的 " 超級⼀⼈公司 " 的時代到來，确實不遠了。
我作為公司創始⼈和曾經的企業⾼管，個⼈每天最主要的時間分配為：閲讀、計劃、記錄、創新和交流。我的核⼼⽬标是 " 做出更好的決定 "，AI 在這個過程中，幫助我⼤幅度提⾼效率的⽅式⼤概如下圖：
下面，我再具體講講，我在日常工作和生活中如何運用 AI 工具提升效率的實際經驗。
在如今這個信息過載的時代，如何高效地獲取并處理大量信息，是拉開人與人之間差距的重要因素。AI 的出現，能夠幫助我們減少很多重復性工作、節省大量時間，高效獲取核心或增量信息。
在閲讀包括網頁、⽂檔、論⽂、博客和書籍等各種類型的文字時，AI ⼯具（如 Pdf Chat 等）可以提前⽣成摘要、提出關鍵問題，幫助我判斷⽂章是否有價值，極⼤加速閲讀長⽂的速度。
AI 對視頻信息獲取，提效作用更強。我常通過 YouTube 等視頻平台獲取信息，但看視頻獲取信息速度相對閲讀更慢。AI 則可以把長視頻内容轉成⽂字摘要，供我快速浏覽并抓取重點。甚至，AI 可以對⼀個整個視頻号進⾏關鍵内容提取和分析。
在 AI 的協助下，我曾經發布了⼀個 5 ⾏代碼摘要 YouTube 視頻的 Post（帖子），如下圖：
除此之外，我會為某個課題在 AI 工具中保留一個對話視窗，随着時間推移，AI 會記住上下文信息，讓我能夠更快獲取增量的信息，避免重復從頭讀。
上述的獲取信息習慣的改變，對我最大的影響是，以前對于個問題，我可能最多只能閲讀⼀兩篇長⽂或者視頻來快速理解它，因此選擇可以信賴的信息渠道就很重要，讓我非常重視作者是誰。但今天我花同樣的時間，可以閲讀⾄少⼗倍的⽂字，所以我就能調研和積累⼤量的不同的觀點來提高認知。
在這裏，我推薦自己在用的搜索⼯具 Perplexity.AI，如下圖。相比其他 AI 工具，它更擅長聚合不同觀點、提供更全⾯的調研分析，⽽不只是給出 " 最相關結果 "。
繁忙的工作安排中，制定計劃必不可少。我個人其實并不擅長處理繁瑣的個⼈⾏程、瑣碎細節，過去這部分工作主要是要靠我太太或者公司助理，現在也逐步交給 ChatGPT 來做。比如，我把⽇歷截圖和各種個⼈需求輸⼊給它，讓它給我出⼀個初步計劃，然後不斷修訂，最終确認後再導⼊⽇歷。
此外，我的⼯作交流⼤多通過 Email。其中，花時間最多的通常是理解對⽅意圖、對交流要點進⾏梳理，以及根據策略修飾語⾔。現在我已把⼤量的潤⾊⼯作交給 ChatGPT，⾃⼰只專注于更⾼層次的溝通策略和要點思考。
記錄和整理，是我工作中不可或缺的一部分。⼀直以來，我都堅持寫⽇記、做筆記，⽤卡⽚記錄法沉澱學到的東西。現在，大部分在線會議我都會讓 AI 進行實時筆錄，它能自動生成會議記錄并将這些内容整理成結構化的形式。這不僅節省了我大量的記錄時間，還幫助我更加高效地進行後期整理。在整理學習筆記時，AI 能夠根據我的輸入将雜亂無章的思路梳理成一個清晰、邏輯性強的文檔。這種方式大大提升了我的學習效率和思考沉澱率，讓我在短時間内将獲得的信息進行深度處理和總結。
對于大多數職場人來説，AI 的作用主要還需要體現在工作本身。就我而言，寫代碼、做設計圖、研究產品⽅案、開發視頻腳本、做 PPT 等是主要工作内容，下面繼續以圖表來詳述。
總體而言，在閲讀、計劃、記錄、創作和交流這五⼤環節，AI 都顯著提升了我在部門時間的產能，減少我被打斷或陷于細節的精⼒消耗，并節省我⼤量體⼒⼯作。
從我個⼈項⽬進度來觀察，10 倍的效率提升并⾮誇張。但我相信我的層次只在⼆層樓，有的⼈已經到了六層樓，所以他們有可能會獲得更好的效果。今天到場的各位，也很有可能實現⽐我更好的效果。
在硅⾕，許多投資⼈和 AI 從業者都認為，" 超級⼀⼈公司 " 時代即将到來。回想當年，WhatsApp 僅憑 13 名員⼯就完成了被 Facebook 以 190 億美元收購的 " 史詩級 " 交易。如今，随着 AI 技術的飛速發展，許多曾需要團隊協作才能完成的⼯作，正逐漸被各種智能⼯具所替代。換⾔之，那些原本需要⼗⼏⼈或⼏⼗⼈才能達成的壯舉，在不遠的未來，或許只需⼀⼈加上⼀系列 AI ⼯具就能實現。
AI 應用元年，值得關注的⼏⼤⽅向
今天的⼤語⾔模型技術，我更傾向于把它視作⼀場類似從 " 蒸汽機 " 到 " 電能 " 的重⼤歷史轉變，⽽⾮⼀項簡單的技術迭代。正因為如此，我會⽤ " 第⼀性原則 " 去審視它在各⾏各業所帶來的底層變⾰，⽽不只是去關注某個⾏業、某個細分場景能如何使⽤。
當下，⼤語⾔模型所催⽣的應⽤，早已不⽌于 " 取代某個功能 "，⽽是 " 取代某個⻆⾊ "，從⽽颠覆了我們原有的業務形态。
換句話説，在這場浪潮中，我所關注的⽅向并不是某個具體的應⽤案例，⽽是底層架構被重塑後，所帶來的徹底的業務邏輯變遷。⽽這套新的業務邏輯，在不同領網域會演化出多元化且可能出⼈意料的應⽤形态。
在此的背景下，2025 年，被各界廣泛稱作是 AI 應⽤元年。
為什麼有這種叫法？正如我前面所説，⼤語⾔模型本身可能 " 沒有壁壘 "，更強的壁壘會出現在 DTC 應⽤層。
首先，⼤語⾔模型在多模态、推理、代碼能⼒等⽅⾯快速發展，未來會極⼤提升 " ⼯具使⽤ " 的能⼒。這⾥有很多的技術細節，我想到⼀個直觀的⽐喻就是，如果⼀個⼈眼觀六路、⽿聽⼋⽅，又會抽象思維、邏輯很強，那麼它影響世界的能⼒就越強。
其次，剛剛過去的 2024 年，是 Agent 開發⼯具的 " 井噴年 "。當⼤家對 Agent 架構的理解不斷深化，相關⼯具也更成熟，應⽤會更多元。
此外，成本快速降低，很多過去 " 虧損 " 或 " 不可⾏ " 的應⽤，将進⼊可盈利或規模化階段。⾼科技公司對芯⽚持續投⼊，豪賭應⽤的⼤規模增長。這些因素，共同導致很多⼈判斷 2025 年将是 AI 應⽤⼤規模爆發的⼀年。
目前，Agent 是硅⾕最⽕的概念，但它的定義和 AI 類似，⽐較寬泛。我認為最簡單的解釋是：能夠利⽤⼤語⾔模型，學會并改進⾃身對⼯具的使⽤的⼀整套系統設計。它可以是某個完整的軟體業務流程，也有可能是集成了硬體⼯具的機器⼈，還有可能是幫你安排⾏程的某個 AI ⼩秘。
Agent 值得期待的發展方向，包括開發模塊的通⽤化、更穩定的 " 調⽤⼯具 " ⽅法、流程化的評價體系等。⼀個⾮常有可能出現的趨勢是，" ⾯向 Agent ⽽⾮⼈類⽤户 "，專為 Agent" 提供服務 " 的新⼯具将越來越多。
現在已經有不少語⾳機器⼈的項⽬，如客服、醫療咨詢、產品導購，以及我在做的 AI ⾯試官、AI 教練等。
⽬前這些項目的系統穩定性和質量仍需提升，但随着⼤模型和 Agent 架構逐漸成熟，2025 年會有更多 " 多模态 " 綜合應⽤出現。這些實時的多模态 Agent，可以更好地取代傳統業務中的⼈，⽽并不僅僅是某項功能。
從 DTC 到 RPA（Robotic Process Automation，即機器人流程自動化），從純軟體到硬體，從開發⼯具到最終產品，⼤模型會從底層賦能很多⾏業。未來的商業模式會更加多元，很多以往只能停留在想象中的應⽤，都會成為可能。
最後，以我的創業方向為例，為大家更具體地講講 AI 的一個應用場景。
之前的 AI 服務，主要是⽀持招聘或者求職的某項任務，⽐如⾃動發郵件、篩選簡歷。但⼤語⾔模型可以完全取代⾯試官，未來可以直接完成絕⼤部分招聘流程。
我個⼈在⽤ AI 過程中的深刻感受之⼀，是團隊成員結構和招聘标準正在發⽣變化。許多傳統崗位的需求在減少，新的崗位需求在出現。AI ⾯試官可以幫助企業動态調整⾃⼰的⼈⼒資源投⼊。
據我所知，包括產業鏈的重新配置、中國企業出海、遠程辦公等趨勢，都在加速對 AI ⼈才和多元化跨國團隊的需求，而 AI 可以輕松完成跨語⾔跨⽂化招聘任務。
因此，年輕⼈想在新時代中找到好⼯作，也必須學習和适應有 AI 參與的新⼯作⽅式。假設⼈⼈都有⾃⼰的經紀⼈，那找⼯作既不痛苦也不⽤偷偷摸摸。這也是我做 Synco AI 的原因。它既能幫助個⼈，也能幫助企業形成标準化⾯試流程，進行跨國招聘和培訓。
非常感謝大家的時間和關注，希望對各位有所啓發，祝大家都能在這股大語言模型浪潮中找到更高效的工作方式，取得更好的業務成果。
