努力让“认知”真能跟上“时代”

今天一早读到了杨攀老师接受采访的一篇文章，其中一些“炸裂”的观点反映了技术变化中的思维变化，比如对工具、软件开发方向、收费模式的论述，感兴趣的读者可以去看看原文。从dau到token的消耗量。

这篇文章让我瞬间回想起了去年年初我总结的“人工智能生产力公式”，这个公式也许去年大家还不太好完全理解，今年估计要好理解的多了。

杨攀老师的采访挺有意思的，也确实听说有些人的token消耗量高的吓人，虽然AI还不是一个生产结果特别让人满意的状态，但是，在很多人还在犹疑时，已经有人在试着让AI变“工厂”了，Agent模式在这方面起了关键作用。很多人还在琢磨Agent在“应用架构”中的位置，我觉得也可以多想想如何去“应用”“架构”吧，采访里说以后要多考虑给AI做软件，估计不少人也会觉得有点儿早吧，早是早了那么一点儿，我上一篇文章里不是也说过，对AI来讲，没有“做软件”和“用软件”的区别，它本不就是该自己做软件给自己用吗？

虽然总把汽车或者火车刚诞生那会儿的事情拿出来说事儿未免有些老套，但我自己倒是经历过算盘的彻底淘汰。我是财经大学毕业的，上学的时候还有珠算课，还是必修课。幸运的是，毕业的时候还真用上了，刚做柜员的时候，晚上下班还会用算盘找账，这就是本世纪初的事情，我是2000年参加工作的。后来接触信息化，还听说过微机刚上线时（那就更早了），也有老会计用算盘跟微机比算账速度的事情，之前还有位前辈写过一本名为《从算盘到键盘》的书，我算是经历过那一浪尾声的人吧。在我离开柜员岗位后不久，算盘就彻底从桌面上消失了，偶尔还能见到作为“金算盘”的小挂件。

感兴趣的朋友可以在回顾下我去年写的那个公式，我把一些变化点又做了些说明：

公式展示

图片

1.1 公式核心

1.1.1 人工智能生产力的定义

• 人工智能生产力是衡量人工智能技术在特定场景下创造价值的能力。

• 它综合了人员能力提升评估、工具迭代速度、使用人数等因素。

1.2 公式构成

1.2.1 人力资源（HC）的累积

• 从人力资源为零（HC₀）到累计人力资源（HCₙ）的总数。

• 人力资源指的是使用AI工作的人。

1.2.2 工具使用数量（TS）的累积

• 从单工具使用（TS₀）到多工具使用（TSₙ）的叠加过程。

• 多工具使用目前的效率还不到连乘的效果，要进一步观察未来Agent的提升。（2025年Agent提升得很猛，2026年只会更猛、更独立）

1.2.3 单工具生产力（f_( v（工具迭代速度）)）的提升

• 单工具生产力的提升是个人使用效果的衡量。

2.公式解析

2.1 单工具个体能力计算

2.1.1 个体的效能提升影响因素

2.1.1.1 学习能力（LA）的作用

• 学习能力决定了人员对AI能力发挥的增幅上限。

• 高学习能力可以快速掌握新工具和新技术。

2.1.1.2 用户友好性（UF）的影响

• 用户友好性决定了工具的易用性和普及程度。

• 良好的用户体验可以提高工具的使用频率和效率。

2.1.1.3 经验窗口（TW）的作用

• 经验窗口决定了工具的使用深度和广度。

• 相对充分的经验窗口可以拓展工具的应用领域，提升其价值。

2.1.1.4 工具迭代速度（v）的作用

• 工具效率的提升可以放大人员能力的产出。

• 高效的工具可以减少人力投入，提高生产效率。

• 但如果工具掌握难度较高，实际上会造成不同学习能力层次的人员之间效能的进一步拉大，而非简单的平权。（从去年一年的变化看，工具依然在飞速进步，春节不知道又会有谁跳出来搞事情，至于平权，我始终认为是经验、技能平权大于智力平权，因为我不认为“智力”真的能平权）

2.3 多工具个体能力计算

• 目前的多工具衔接效能还有待大幅度提升。

• Agent的进步有可能将求和效果转变为连乘，前提是Agent不仅丝滑，而且每环节都能合理扩张想象。（目前看，Agent不仅在环节上，在规模上带来的变化更明显）

2.3 多个体能力计算

• 集体人数从0到n代表了一人企业、中小微企业、大型企业、超大型企业的计算方式。

• 0和全社会这两个极值很有趣，可以多思考。

• 从公式看，ai提升的是效率而非直指创新，这个需要多思考下，如果因为ai，尤其是这类交互式ai的采用而大幅度裁员，那是舍本逐末、饮鸩止渴。（目前看，AI其实更有助于扩大规模，让想法有更多机会落地，因此，其实需要更多来自于人的“想法”，也可以说需要更多有“想法”的“人”）

3.生产实例

从笔者自己的经历中，就可以看到公式的作用，学习能力（LA）决定掌握工具快慢，笔者之前也是AI小白，去年春节期间，从只能闲聊对话的水平开始练习本地部署、个人知识库搭建、长文写作、代码生成再到音视频剪辑，除了DeepSeek、Claud、Kimi、llama、豆包这些模型外，ollama、cursor、Docker、AnythingLLM、cherry studio、chat box、剪映和一些画图工具等也是折腾了一个昏天黑地，补了不少这些年落下的软件课，但也只学会了些皮毛；不过，能走到这一步，其实是工具易用性（UF）有了大幅度上升，但是很多控制不到位、不精细，跟抖音上的一些高阶玩家比，工具熟练度和时间窗口（TW）都是差了不少，尤其是AI的饭搭子掌握的不够，AI是加速这些饭搭子的，饭搭子用的不熟练，控制力就差多了；这几个因素搞好了，工具迭代速度（v）真的就是给老虎插翅膀了；目前ai带动的饭搭子进化不少时候还是要人工衔接的，所以，多工具使用只是求和，熟练掌握饭搭子，做好多工具流水线协作，可以提高多工具的合作效能，这是Agent正在逐渐变得更强的地方；最后，一人企业、超级个体，能力主要提升就是这个部分，在这之后就是看看有没有合作伙伴可以生态连接，共同提升效率，但是对人数较多的企业，这就是多工具提升个人能力后的连乘了，连乘意味着什么，如果每个人的提升是大于原有能力，也就是大于1的，连乘就牛了，如果不是，也很牛，只不过是副作用牛，这说明，想用好，真得深层次提升个人，不是只满足简单应用，那样恐怕不是能真大于1的。（2025年我更多精力放在了自然语言编程上，之前文章中也介绍过，总体看，还没有从“单兵战”转入“团队战”模式，这方面也有成本考量，2026年再看看，因为目前“单兵战”对我的目标而言还算“够用”，毕竟我是“探索性需求”大于“生产性需求”）

• 结论：对于企业而言，ai是伪装成企业应用的个人应用，从使用到结果，是非常个性化的，没有躬身入局，是无法了解的。

*******************************************