一段我自己的判断
2025 年 2 月 23 日，我做大航海联盟时讲过一段话：
落地人工智能之后：
1. 销售报价效率提升 10 倍
2. 采购了解型号效率提升 10 倍
3. 只要是可量化的工作，不管是报价、培训还是选型，AI 都做的更好
4. 每个会用 AI 的芯片从业者都可以无缝对接全球客户供应商
那是我对芯片分销行业的判断。但这个判断适用于所有行业。
三个行业预测
我对各行业的预测：
| 时间 | 预测 |
|---|---|
| 未来 5 年 | 大部分行业从业人员减半 |
| 未来 10 年 | 从业公司只剩 1/3 |
| 未来 10 年 | 两极分化：世界级公司 + 专家级个人 |
为什么减半？
因为 AI 能做大部分"可量化的工作"——
- 写邮件
- 算报价
- 查资料
- 做翻译
- 出方案
这些减半了，意味着这些岗位减半了。
为什么"世界级公司 + 专家级个人"两极分化？
因为：
- 大公司有钱训自己的模型 + 整合 AI → 效率超高
- 个人专家用通用 AI + 自己经验 → 一个人能干 10 个人的活
- 中间企业最尴尬——不能像大公司那样投，又没专家级专业度
中间被掏空。
AI 不是"工具"，是"核武器"
为什么叫核武器？
因为：
- 它能让 1 个人 = 10 个人（杠杆）
- 它会让"没 AI 的公司"灭绝（毁灭）
- 它改变所有行业的力量平衡（颠覆）
这跟原子弹改变战争规则一个道理。
二战前，人力 + 钢铁定输赢。
二战后，原子弹定输赢。
AI 时代前，人力 + 资本定输赢。
AI 时代后，AI 应用能力定输赢。
AI 用得好的人的 5 个特征
我观察过我身边用 AI 用得好的人——
有以下 5 个特征：
特征 1：好奇心强
他们看到任何工作，第一反应是：
"这个 AI 能干吗？"
不是"我能干吗"。
每周尝试 3-5 个新 AI 工具。
特征 2：愿意写提示词
提示词是 AI 的"程序"——
写好提示词 = 编程。
很多人觉得"AI 用不好"——
90% 是因为提示词写得烂。
写好提示词的人：
- 知道给 AI 角色（"假设你是一个 15 年经验的 XX"）
- 知道给 AI 上下文（背景信息）
- 知道给 AI 例子（few-shot）
- 知道给 AI 输出格式（不要让 AI 乱发挥）
特征 3：会"批判 AI"
AI 不是真理机器——它会胡说八道。
用 AI 用得好的人：
- 永远验证关键信息
- 永远给 AI 反馈让它改
- 永远保留自己的判断
不批判 AI 的人 → 被 AI 误导。
特征 4：能用 AI 做"非显然的事"
显然的事：写邮件、翻译、做总结。
这是 50% 用户。
非显然的事：
- 用 AI 做客户画像
- 用 AI 模拟销售对话
- 用 AI 设计课程结构
- 用 AI 写 SOP
- 用 AI 分析竞品
这是 5% 用户。
非显然的事回报最大。
特征 5：保留"人的部分"
AI 用得最好的人不是把所有事都交给 AI——
他们清楚地知道：哪些事 AI 干，哪些事自己干。
AI 干：
- 重复性工作
- 信息检索
- 草稿生成
- 数据分析
自己干：
- 战略决策
- 客户关系
- 团队管理
- 创意原点
用 AI 但不被 AI 主导。
我的 AI 使用清单
我现在每天用的 AI 工具：
主力：
- Claude（Anthropic）— 写作、长文档分析、提示词工程
- DeepSeek — 中文场景、便宜
- ChatGPT — 通用 + 多模态
专项：
- Perplexity — 搜索 + 引用
- Midjourney — 图像生成
- ElevenLabs — 语音克隆
- HeyGen — 数字人视频
集成：
- Cursor / Claude Code — 编程
- Notion AI — 笔记 + 写作
- 飞书 AI — 团队协作
自研：
- tiktok-gen — 我自己做的自动化视频生成
我朋友圈的 AI 实践
我朋友圈 2023-07-23 发过一条：
数字分身
54 赞，39 评
那时候我刚开始尝试数字分身（AI 训练我的人格 + 我的内容）。
3 年后的今天，AI 数字分身已经在我的业务里发挥作用：
- 客户咨询：AI 先回答 80% 标准问题
- 视频生成：AI 用我的脸 + 声音 + 风格自动出视频
- 内容生产：AI 写初稿，我润色
我一个人 = 一个小团队。
AI 落地的"10 个智能体"
我之前给芯片行业设计过 10 个智能体——
任何行业都可以套用：
销售相关
- 智能型号管家：产品 / SKU 智能管理
- 销售战情室：客户尽调 + 数据分析
- 邮件机器人：全语种自动邮件
- 客户情报中心：全球客户库 + 风险预测
采购相关
- 采购策略引擎：供应商分析 + 价格预测
- 库存价值医生：库存优化
- 权威专家工程师：技术替代 + QC
管理相关
- 培训元宇宙：员工培训
- 德鲁克管理大师：管理咨询
- 马斯克决策大师：第一性原理决策
每一个都可以独立部署，每一个都能让相关岗位的人效率 10 倍。
AI 落地的 4 大挑战
但 AI 不是即插即用。落地有 4 大挑战：
挑战 1：数据
没有好数据 → AI 输出垃圾。
公司没有：
- 客户数据库
- 历史报价记录
- 产品规格库
- 培训资料库
→ AI 没法学。
先做数据基建，再做 AI 应用。
挑战 2：基础设施
- 你需要 API 接入
- 你需要数据库
- 你需要部署能力
如果你公司连个 IT 都没有 → 先解决基建。
挑战 3：能力
- 谁会写提示词？
- 谁能验证 AI 输出？
- 谁能集成到业务流程？
如果团队没人懂 AI → 先培训 / 招人。
挑战 4：内部抵抗
- 老员工担心被取代
- 中层担心控制权丧失
- 高层不愿意大改流程
人的阻力比技术阻力大 10 倍。
AI 落地的"3 步路径"
我建议任何公司这样落地 AI：
Step 1（前 3 个月）：个人使用
- 老板自己每天用 AI 至少 1 小时
- 至少用过 5 个工具
- 在内部分享体验
Step 2（第 4-6 个月）：1 个核心场景
- 选公司最高价值场景（销售 / 客服 / 内容生产）
- 用 AI 做一个最小可用版
- 验证 ROI
Step 3（第 7-12 个月）：全面铺开
- 把 Step 2 标准化
- 在 5-10 个场景复制
- 培训全员
12 个月可以让公司 AI 化。
一个反例：拒绝 AI 的代价
我有个朋友 2024 年坚定地说：
"AI 没用，我们这行靠的是关系。"
他做的是高端餐饮供应链。
2024 年他的同行用 AI：
- 自动询价
- 自动报价
- 自动跟单
- 自动客户分析
他的同行 3 个销售 = 他的 10 个销售产出。
2025 年他们卷不过，业绩同比降 40%。
他终于想用 AI，但晚了 1 年。
晚 1 年 = 失去先发优势。
这一章的金句
AI 不是工具，是核武器。
会用 AI 的人和不会用 AI 的人，差距比有学历没学历还大。
未来 10 年：世界级公司 + 专家级个人。中间被掏空。
AI 干 = 重复性 / 数据 / 草稿。自己干 = 战略 / 关系 / 团队 / 创意。
这一章的行动
- 本周：注册 Claude / DeepSeek / ChatGPT，每天用 1 小时
- 2 周内：写出3 个你自己业务的提示词
- 1 个月内：选 1 个核心场景做 AI 试点
- 3 个月内：让团队每个核心岗位都用 AI
- 6 个月内：评估 AI 让你的效率提升了几倍