别把 AI 护城河押在补模型的短板上

半年前有一张图很火，内容是“这一刻，我忽然读懂了父亲的无奈。当年，他站在改革开放的风口浪尖，亲眼见证国家GDP翻了百倍，却终究没能登上那趟时代的列车。 如今，你和我！置身于AI的浪潮之中，大模型迭代日新月异，机会就在眼前，却不知如何抓住。唯有努力改变，才能避免不像父辈，错过ai浪潮。”

这个话题其实二月份的时候我就在X上说过，可以追溯。

在任何一个时代建立起自己的护城河都是必要的，但是千万不能把自己的核心价值押注在补足某个具体模型的能力的缺口上。 因为模型能力在指数级推进，或许今天用工程技巧补上的洞明天就被基础模型抹平了。

当时我认为，最容易塌的护城河就是： 1.prompt工程 2.复杂规则补丁 3.针对当前模型的workaround 这些事本质是建立在模型暂时做不到的之上的。

我觉得最重要的是复杂系统的编排能力还有谁能更快认错。 什么意思呢？虽然模型会越来越强，但是现实世界是有数据孤岛、组织阻力、权限问题、习惯成本等一系列问题的，模型会降低知识门槛，但是复杂的现实世界并不会变得简单，所以谁能在高复杂度环境中抽象-简化-组合-决策，谁就会有护城河。

还有一点很关键的就是求知心态，因为当世界在指数级变化时，固化经验会变成负资产，更新迭代速度才是正资产。 未来没有人能一直“更懂技术”，认错认得快，进步才能快。