今天小编分享的教育经验：如何用AI，让一个人达到10个人的效率？，欢迎阅读。
以下文章来源于嘉宾商学 ，作者嘉宾商学
作者 | 蔡丛兴，硅谷资深 AI 从业者、Getsynco.AI 创始人，曾任职 Youtube 高级工程师、Snapchat 旧金山团队负责人
来源 | 嘉宾商学 管理智慧
咨询合作 | 13699120588
文章仅代表作者本人观点
一场由 DeepSeek 引发的 AI 概念股大跌风暴席卷欧美股市，也让国产大模型成为街谈巷议的火爆话题。从城市到农村，从上班族到学生党，言不谈 AI，似乎就已经落伍于时代潮流。
人工智能取代人类，并不是 " 狼来了 " 一样危言耸听的妄语，惊涛骇浪或许已近在眼前。一个逐渐形成的共识是：AI 革命既是不得不面对的挑战，也是一次史无前例的机遇。就目前而言，对 AI 最敏感的，除了因为被 " 平替 " 危机而焦虑的打工人，还有嗅到历史性机会的企业家们。很多企业家都在问：我的企业该如何使用 AI 工具，以实现效率倍增？
大语言模型对企业家的价值
非常荣幸受吴婷校长之邀，在国产大模型全球爆火的这个时间点，与大家分享我从业这些年来关于 AI 积累的一些思路和干货。
这次授课的由来，是今年 1 ⽉份在嘉宾商学硅⾕访学的一场晚宴上，我提到了使用 AI 的一点个人体验：" 对⽐今年和去年，我的⼯作效率提升了 10 倍。" 后来，很多嘉宾商学的企业家校友对这个话题十分感兴趣，希望我能更详细地介绍。因此，今天的课题，就是对此做一些更加全面、具体的补充和解释。
"AI" 虽然是今天的授课主题，但我想先强调，不要过度使⽤ "AI" 这个词。在硅⾕的科技圈⼦⾥，如果⼀个⼈⼀直⽤ "AI" 来指代当前的技术，并且讨论它的未来影响，大家通常不会太过认真对待。
为什么呢？因为 "AI" 更像⼀个笼统的市场宣传⽤语，涵盖了已有近百年历史并仍将持续很久的技术远景。它代表了过于宏⼤的概念，很容易理解，也很容易被误解，更容易跑题。
比方说，很多现有的应用，如在线⼴告、短视频推荐、商品定价、打车軟體、⾃动驾驶等，其实都基于不同层面的 AI 技术。
所以，今天的课程中，我更愿意使⽤ " ⼤语⾔模型 " 来替代 "AI"，指代由 ChatGPT 引领的⽣成式语⾔模型，以及基于此衍⽣出的新型軟體架构和技术。
我在使⽤⼤语⾔模型时最⼤的感受，是它并不像⼀个标准化的⼯具，更像是⼀种个性化服务，会因⼈⽽异产⽣不同的效果。这就好⽐给团队中的每个⼈都配了⼀个实习⽣，有些⼈能很好地利⽤这位实习⽣提升效率，有些⼈则因为管理成本反⽽效率下降。
如果给每个⼈配的实习⽣从 1 个变成 100 个、1000 个，甚⾄更多，结果⾃然更复杂。所以 " 效率提升 10 倍 " 这一说法是因⼈⽽异的，也许有⼈能达到百倍、千倍的提升，也有⼈提升有限。
在座的各位企业家校友，大都是各⾏各业的团队领袖，拥有资深⾏业经验和扎实业务能⼒，应该能从⼤语⾔模型中获得极⼤的增效空间。所以我会更多以 " 企业创始⼈ " 的视⻆来展开通过 AI 提效 10 倍的体悟，但不⼀定适⽤于缺乏⾏业经验的新⼈或者新晋的管理层。
今天的观众，我相信对 AI 相关话题都已经有了很多的了解，所以我们今天的⽬标更多是对 Deepseek 等大模型刨根究底：理解它是什么、不是什么？ 它在什么情况下能做什么、不能做什么？以及虽然⽬前还没确凿迹象，但它未来还有可能做什么？
针对这些问题，如果我们对某个结论的信⼼只有 60%，那么基于该结论所做的决定就要 " 打 6 折 "。如果某个结论的信⼼度可以到达 90%，那它带来的价值就又会显著不同。
同时，我希望大家顺着我的分析和推理方式，深入了解 AI 的底层逻辑与应用技巧后，能收获更多问题，⽽不是简单的结论。
DeepSeek 在全球⾏业的影响
关于当下掀翻全球科技圈的国产版⼤语⾔模型 DeepSeek，我先讲讲我的理解和预测。
在一众大模型中，DeepSeek 脱颖而出的关键点在于，它使⽤相对低成本的训练⽅式，达到了可⽐肩当下 OpenAI 最新推理模型的水平。
最初，ChatGPT 是通过 " 预测下⼀个 token（文本中最小的语义单元）" 的⽅式来⽣成回复，但当涉及复杂问题，需要更复杂的 Prompt（指令或提示词）来优化回复质量。其中，"Chain of thoughts"（思维链），是让模型先⼀步步推理⾃⼰的解决⽅案，再根据推理结果⽣成内容，于是 " 推理能⼒ " 就成为⼤语⾔模型的核⼼优化⽬标之⼀。
而 DeepSeek 在推理效果上，在表现出⾼准确性的同时，并没有使⽤昂贵的 Fine-tuning（微调），⽽是采⽤反馈学习机制和⼤量⼯程优化，因⽽成本很低，同时速度也加快了。
值得注意的是，DeepSeek R1 模型甚⾄可以在普通的本地电腦上运⾏，也可以⽀持实时运算，这对应⽤开发的意义重⼤。
要知道，开源的⼒量在于，每⼀次突破都建⽴在前序创新之上，从⽽加速整体发展。这也会给 OpenAI 等闭源模型企业带来竞争压⼒。
更为关键的是，DeepSeek 对整个 AI 行业的颠覆，说明⼤模型没有护城河。团队、数据、算法、芯片等，都不能形成商业壁垒。
此前，很多人认为⼤模型需要顶级科研团队，但事实证明，⼀群聪明的⼯程师也能开发。DeepSeek 的开发⽅ High-Flyer（幻方量化）是⼀家对冲基⾦，⽽⾮传统 AI 实验室，反映了 "AI" 和 " 量化⾦融 " 之间的新型融合。这带来⼀个⾮常重要的新的认知：并⾮只有⼤型研发中⼼才能从事⼤模型研究，就像当年的 Google，只要招到聪明⼈，也能做出重⼤创新。
也有不少人以为数据会是⼤模型的护城河，但 DeepSeek 展示了⽤ " 蒸馏⽅法 " 替代⼤规模训练集，⽤公开模型即可重现类似的效果。
算法固然重要，许多细节和技巧大多在头部企业之间流通，但其他中小团队也可能研发出全新技巧。
芯⽚，并不是⼤模型无法突破的瓶颈，如果有⾜够多的⼯程师去优化，也可以弥补硬體的局限。当然，中美限购可能会是另⼀层⾯的护城河。
DeepSeek 的异军突起，对美国科技大厂，会造成不同程度的震荡或影响。下面，我用 AI 做张简单的图表来更加直观地展示。
以上推理，在股市当天（1 月 27 日）的表现中也得到一定程度的呼应。拿英伟达来说，受 DeepSeek R1 爆火引发英伟达算力需求预期将变弱的冲击，英伟达下跌近 16.97%，报收 118.42 美元 / 股，单日市值蒸发规模达到 5890 亿美元，创美股历史记录。未来，市场预期会随着技术与业务情况不断调整。
如何用 AI 让工作效率提高 10 倍
关于使⽤⼤语⾔模型的体验，正如之前提到的：因⼈⽽异。有些⼈甚⾄可以获得更⾼倍数的提升，也有⼈感知有限。经验越多，视野越⼴的⼈，可能从 AI 中获得的提升会越多，这也是今天的课程更针对企业⾼管和创始⼈的原因。
⽤⼀个类⽐来说：如果你可以⽆限制地雇佣实习⽣，⽽这些实习⽣只具备⼀定基础知识、⽣活常识和思考能⼒，能够完成明确任务，但也常犯错，需要你去管理和指导，那么你的⼯作效率会提升多少？对于⼤多数团队⾼管来说，这是⼀个很有想象空间的假设。由此观之，所谓的 " 超级⼀⼈公司 " 的时代到来，确实不远了。
我作为公司创始⼈和曾经的企业⾼管，个⼈每天最主要的时间分配为：阅读、计划、记录、创新和交流。我的核⼼⽬标是 " 做出更好的决定 "，AI 在这个过程中，帮助我⼤幅度提⾼效率的⽅式⼤概如下图：
下面，我再具体讲讲，我在日常工作和生活中如何运用 AI 工具提升效率的实际经验。
在如今这个信息过载的时代，如何高效地获取并处理大量信息，是拉开人与人之间差距的重要因素。AI 的出现，能够帮助我们减少很多重复性工作、节省大量时间，高效获取核心或增量信息。
在阅读包括网页、⽂档、论⽂、博客和书籍等各种类型的文字时，AI ⼯具（如 Pdf Chat 等）可以提前⽣成摘要、提出关键问题，帮助我判断⽂章是否有价值，极⼤加速阅读长⽂的速度。
AI 对视频信息获取，提效作用更强。我常通过 YouTube 等视频平台获取信息，但看视频获取信息速度相对阅读更慢。AI 则可以把长视频内容转成⽂字摘要，供我快速浏览并抓取重点。甚至，AI 可以对⼀个整个视频号进⾏关键内容提取和分析。
在 AI 的协助下，我曾经发布了⼀个 5 ⾏代码摘要 YouTube 视频的 Post（帖子），如下图：
除此之外，我会为某个课题在 AI 工具中保留一个对话視窗，随着时间推移，AI 会记住上下文信息，让我能够更快获取增量的信息，避免重复从头读。
上述的获取信息习惯的改变，对我最大的影响是，以前对于个问题，我可能最多只能阅读⼀两篇长⽂或者视频来快速理解它，因此选择可以信赖的信息渠道就很重要，让我非常重视作者是谁。但今天我花同样的时间，可以阅读⾄少⼗倍的⽂字，所以我就能调研和积累⼤量的不同的观点来提高认知。
在这里，我推荐自己在用的搜索⼯具 Perplexity.AI，如下图。相比其他 AI 工具，它更擅长聚合不同观点、提供更全⾯的调研分析，⽽不只是给出 " 最相关结果 "。
繁忙的工作安排中，制定计划必不可少。我个人其实并不擅长处理繁琐的个⼈⾏程、琐碎细节，过去这部分工作主要是要靠我太太或者公司助理，现在也逐步交给 ChatGPT 来做。比如，我把⽇历截图和各种个⼈需求输⼊给它，让它给我出⼀个初步计划，然后不断修订，最终确认后再导⼊⽇历。
此外，我的⼯作交流⼤多通过 Email。其中，花时间最多的通常是理解对⽅意图、对交流要点进⾏梳理，以及根据策略修饰语⾔。现在我已把⼤量的润⾊⼯作交给 ChatGPT，⾃⼰只专注于更⾼层次的沟通策略和要点思考。
记录和整理，是我工作中不可或缺的一部分。⼀直以来，我都坚持写⽇记、做笔记，⽤卡⽚记录法沉淀学到的东西。现在，大部分在线会议我都会让 AI 进行实时笔录，它能自动生成会议记录并将这些内容整理成结构化的形式。这不仅节省了我大量的记录时间，还帮助我更加高效地进行后期整理。在整理学习笔记时，AI 能够根据我的输入将杂乱无章的思路梳理成一个清晰、逻辑性强的文档。这种方式大大提升了我的学习效率和思考沉淀率，让我在短时间内将获得的信息进行深度处理和总结。
对于大多数职场人来说，AI 的作用主要还需要体现在工作本身。就我而言，写代码、做设计图、研究产品⽅案、开发视频脚本、做 PPT 等是主要工作内容，下面继续以图表来详述。
总体而言，在阅读、计划、记录、创作和交流这五⼤环节，AI 都显著提升了我在部門时间的产能，减少我被打断或陷于细节的精⼒消耗，并节省我⼤量体⼒⼯作。
从我个⼈项⽬进度来观察，10 倍的效率提升并⾮夸张。但我相信我的层次只在⼆层楼，有的⼈已经到了六层楼，所以他们有可能会获得更好的效果。今天到场的各位，也很有可能实现⽐我更好的效果。
在硅⾕，许多投资⼈和 AI 从业者都认为，" 超级⼀⼈公司 " 时代即将到来。回想当年，WhatsApp 仅凭 13 名员⼯就完成了被 Facebook 以 190 亿美元收购的 " 史诗级 " 交易。如今，随着 AI 技术的飞速发展，许多曾需要团队协作才能完成的⼯作，正逐渐被各种智能⼯具所替代。换⾔之，那些原本需要⼗⼏⼈或⼏⼗⼈才能达成的壮举，在不远的未来，或许只需⼀⼈加上⼀系列 AI ⼯具就能实现。
AI 应用元年，值得关注的⼏⼤⽅向
今天的⼤语⾔模型技术，我更倾向于把它视作⼀场类似从 " 蒸汽机 " 到 " 电能 " 的重⼤历史转变，⽽⾮⼀项简单的技术迭代。正因为如此，我会⽤ " 第⼀性原则 " 去审视它在各⾏各业所带来的底层变⾰，⽽不只是去关注某个⾏业、某个细分场景能如何使⽤。
当下，⼤语⾔模型所催⽣的应⽤，早已不⽌于 " 取代某个功能 "，⽽是 " 取代某个⻆⾊ "，从⽽颠覆了我们原有的业务形态。
换句话说，在这场浪潮中，我所关注的⽅向并不是某个具体的应⽤案例，⽽是底层架构被重塑后，所带来的彻底的业务逻辑变迁。⽽这套新的业务逻辑，在不同领網域会演化出多元化且可能出⼈意料的应⽤形态。
在此的背景下，2025 年，被各界广泛称作是 AI 应⽤元年。
为什么有这种叫法？正如我前面所说，⼤语⾔模型本身可能 " 没有壁垒 "，更强的壁垒会出现在 DTC 应⽤层。
首先，⼤语⾔模型在多模态、推理、代码能⼒等⽅⾯快速发展，未来会极⼤提升 " ⼯具使⽤ " 的能⼒。这⾥有很多的技术细节，我想到⼀个直观的⽐喻就是，如果⼀个⼈眼观六路、⽿听⼋⽅，又会抽象思维、逻辑很强，那么它影响世界的能⼒就越强。
其次，刚刚过去的 2024 年，是 Agent 开发⼯具的 " 井喷年 "。当⼤家对 Agent 架构的理解不断深化，相关⼯具也更成熟，应⽤会更多元。
此外，成本快速降低，很多过去 " 亏损 " 或 " 不可⾏ " 的应⽤，将进⼊可盈利或规模化阶段。⾼科技公司对芯⽚持续投⼊，豪赌应⽤的⼤规模增长。这些因素，共同导致很多⼈判断 2025 年将是 AI 应⽤⼤规模爆发的⼀年。
目前，Agent 是硅⾕最⽕的概念，但它的定义和 AI 类似，⽐较宽泛。我认为最简单的解释是：能够利⽤⼤语⾔模型，学会并改进⾃身对⼯具的使⽤的⼀整套系统设计。它可以是某个完整的軟體业务流程，也有可能是集成了硬體⼯具的机器⼈，还有可能是帮你安排⾏程的某个 AI ⼩秘。
Agent 值得期待的发展方向，包括开发模块的通⽤化、更稳定的 " 调⽤⼯具 " ⽅法、流程化的评价体系等。⼀个⾮常有可能出现的趋势是，" ⾯向 Agent ⽽⾮⼈类⽤户 "，专为 Agent" 提供服务 " 的新⼯具将越来越多。
现在已经有不少语⾳机器⼈的项⽬，如客服、医疗咨询、产品导购，以及我在做的 AI ⾯试官、AI 教练等。
⽬前这些项目的系统稳定性和质量仍需提升，但随着⼤模型和 Agent 架构逐渐成熟，2025 年会有更多 " 多模态 " 综合应⽤出现。这些实时的多模态 Agent，可以更好地取代传统业务中的⼈，⽽并不仅仅是某项功能。
从 DTC 到 RPA（Robotic Process Automation，即机器人流程自动化），从纯軟體到硬體，从开发⼯具到最终产品，⼤模型会从底层赋能很多⾏业。未来的商业模式会更加多元，很多以往只能停留在想象中的应⽤，都会成为可能。
最后，以我的创业方向为例，为大家更具体地讲讲 AI 的一个应用场景。
之前的 AI 服务，主要是⽀持招聘或者求职的某项任务，⽐如⾃动发邮件、筛选简历。但⼤语⾔模型可以完全取代⾯试官，未来可以直接完成绝⼤部分招聘流程。
我个⼈在⽤ AI 过程中的深刻感受之⼀，是团队成员结构和招聘标准正在发⽣变化。许多传统岗位的需求在减少，新的岗位需求在出现。AI ⾯试官可以帮助企业动态调整⾃⼰的⼈⼒资源投⼊。
据我所知，包括产业链的重新配置、中国企业出海、远程办公等趋势，都在加速对 AI ⼈才和多元化跨国团队的需求，而 AI 可以轻松完成跨语⾔跨⽂化招聘任务。
因此，年轻⼈想在新时代中找到好⼯作，也必须学习和适应有 AI 参与的新⼯作⽅式。假设⼈⼈都有⾃⼰的经纪⼈，那找⼯作既不痛苦也不⽤偷偷摸摸。这也是我做 Synco AI 的原因。它既能帮助个⼈，也能帮助企业形成标准化⾯试流程，进行跨国招聘和培训。
非常感谢大家的时间和关注，希望对各位有所启发，祝大家都能在这股大语言模型浪潮中找到更高效的工作方式，取得更好的业务成果。
