56 lines
3.1 KiB
Markdown
56 lines
3.1 KiB
Markdown
---
|
||
title: "AI 生产力现状"
|
||
date: 2026-05-17T18:10:00+08:00
|
||
draft: false
|
||
poet: |
|
||
We are stuck with technology when what we really want is just stuff that works.
|
||
— Douglas Adams, UK, 1952–2001
|
||
description: "和炎明吃饭聊起 AI 实际应用，感叹一个事实：到今天为止，AI 真正有生产力的应用场景只有 coding 一项。"
|
||
tags:
|
||
- AI
|
||
- 思考
|
||
---
|
||
|
||
晚上和炎明吃饭，聊到 AI 的实际应用。几杯酒下去，话题从宏大叙事落到日常体验。我俩有个共同感受：
|
||
|
||
**AI 目前能有生产力的，只有 coding 这一项。**
|
||
|
||
这是一个残酷但诚实的判断。
|
||
|
||
## 为什么只有 Coding
|
||
|
||
仔细想想，Coding 和其他场景有什么本质不同？
|
||
|
||
**第一，输出可验证。** 代码跑不跑得通，一运行就知道。结果客观、即时、无歧义。AI 写对了就是对了，错了就是错了，不存在"写得好不好"的主观拉扯。
|
||
|
||
**第二，反馈闭环极短。** 写一段代码 → 编译/运行 → 看到结果 → 修改，这个循环可以秒级完成。AI 和开发者之间形成了高频的"对话-验证-迭代"机制。
|
||
|
||
**第三，错误可容忍。** 代码写错了不会死人。你可以反复试错，直到跑通为止。这种低代价的试错环境，是 AI 学习和人类协作最舒服的区间。
|
||
|
||
**第四，人类判断力最低介入。** 代码的逻辑正确性由机器判定，不需要专家逐行审阅。非技术类任务（写文章、做设计、决策建议）都需要人的判断力做最终把关——这恰恰是最稀缺的。
|
||
|
||
## 其他场景为什么不行
|
||
|
||
- **写文章** → 需要人类判断风格、语气、事实准确度，改了半个小时不如自己写
|
||
- **数据分析** → AI 能跑数，但"问对问题"才是关键，而这个恰恰是 AI 做不到的
|
||
- **创意设计** → 生成一堆选项，人类从中选一个最不差的，本质是降本不是提效
|
||
- **聊天陪伴** → 有情绪价值，但没有产出，不算生产力
|
||
|
||
这些场景的共同问题：**判断成本转移了，但没有消失。** 写文章的时候，AI 帮你省了打字的力气，但审稿的时间一点没少。效率提升只是把体力活变成了脑力活。
|
||
|
||
## Coding 也是例外，也是范式
|
||
|
||
但仔细想，**未来真正有生产力的 AI 场景，都会呈现出某种"可验证性"**——无论是否在写代码。
|
||
|
||
比如合同审查：如果有一套明确的合规规则，AI 可以逐条校验；比如医疗影像：如果有标注好的数据集，AI 可以辅助诊断。这些场景的共同特征都是：**输出可以被客观判定对错。**
|
||
|
||
而那些依赖人类主观判断的领域——策略、审美、人情世故——AI 很难产出真正的生产力。不是技术问题，是评价标准的问题。
|
||
|
||
## 写在最后
|
||
|
||
和炎明的一顿饭，让我更清楚了一件事：**AI 不是万能工具，它是一把专门在"可验证"领域发力的扳手。**
|
||
|
||
承认它的边界，比鼓吹它的全能，更有意义。
|
||
|
||
而当前这把扳手最趁手的活，就是 coding。这也是为什么从大厂到个人开发者，都在往这个方向猛押注——不是跟风，是因为这里真的能看到产出。
|