内容来源：汇编整理网络公开资料。

责编  | 柒  排版  | 沐言

第 9548篇深度好文：3995字 | 11 分钟阅读

商业思维

笔记君说：

就在你还在讨论 "AI 能不能替代白领 " 的时候，这个世界已经悄悄换了一轮牌桌。

最近两个月，AI 圈发生了不少大事：OpenAI 的 GPT-5.6 即将发布，上下文窗口拉到 150 万 token；DeepSeek V4.1 定档 6 月中旬，原生支持 MCP 协议，补齐多模态最后一环；而马斯克，直接把 xAI 解散了，并入 SpaceX，更名 SpaceXAI。

很多人把这些新闻分开看：新模型发布是技术圈的事，xAI 解散是商业八卦。

但如果你把它们放在一起就会发现，这根本不是巧合，更不是单个产品的普通迭代，而是在通往 AGI（通用人工智能）的路上，所有玩家都在全力冲刺，连马斯克都开始重新排兵布阵了。

一、不是单点突破，

是全球 AI 竞赛全面打响

很多人看新闻，只看到了 " 又发新模型了 "" 又升级了 " 这几个字，却没看懂背后真正在发生什么。

先说 DeepSeek。

两个月前，DeepSeek V4 用 1 万亿参数的 MoE 架构（Mixture of Experts，混合专家架构）震了一下行业。处理速度比上一代飙升 35 倍，能耗反而降了 40%。上下文窗口拉到 100 万 token（词元），相当于一口气读完 15 到 20 本长篇小说，连人物关系和细节伏笔都记得清清楚楚。

更关键的是，V4 全程基于国产华为昇腾芯片原生开发，彻底摆脱了海外算力的 " 卡脖子 " 问题。

但 DeepSeek 没停下来。

6 月中旬，V4.1 即将发布。这次升级的重点不是 " 更聪明 "，而是 " 更能干 "：原生支持 MCP 协议（模型上下文协议），不再需要外部适配层；新增图像和音频多模态输入；企业级工具链深度集成。

以前的 AI 是你的聊天对象，V4.1 要变成你的工作搭档——能看图、能听声、能直接操作你的业务系统。

再看 AI 视频赛道。

两个月前横空出世的 HappyHorse（快乐马），已经迭代到了 1.1 版本。1.0 版在 Artificial Analysis Video Arena 榜单上登顶时，用的是纯盲测的 Elo 积分制——用户不知道视频是哪个模型生成的，只凭画面质量投票，完全排除品牌光环，只比真实体验。HappyHorse 以 1333 到 1357 的 Elo 分，碾压了字节的 Seedance 2.0 近 60 分。

1.1 版本补齐了上一代的短板：音画同步、多语言口型匹配、多场景角色一致性——支持最多 9 张参考图保持视觉连贯。150 亿参数、单流 Transformer 架构、单张 H100 显卡 38 秒出片、720P 视频每秒 0.9 元。

国产 AI 视频，已经从 " 能用 " 跨到了 " 好用还便宜 "。

不止国内在冲刺，海外的 AI 军备赛更加疯狂。

OpenAI 在 4 月发布了 GPT-5.5，被称为 " 最聪慧且最直观易用的模型 "。但还没等市场消化完，GPT-5.6 就已经在路上了。

谷歌也没闲着，5 月的 I/O 大会上，Gemini 3.5 Flash 正式发布，输出速度是同类产品的 4 倍、成本便宜 40%、上下文窗口 100 万 token，直接成为谷歌搜索和 Gemini App 的默认引擎。更让人注意的是 Gemini Spark，一个运行在谷歌云专属虚拟机上的个人 AI 智能体，24 小时不间断后台处理任务，打通了 Gmail、日历、文档整个谷歌全家桶。

Anthropic 也在 5 月推出了 Claude Opus 4.8，在软件工程和长时间编码任务上持续进化。

你看到规律了吗？

不是某一家在突破，是所有头部玩家都在同时加速。文本、多模态、视频、智能体——每条赛道都在 " 跳表 "，技术迭代的周期从以年计，变成了以月计、以周计。

二、他们到底在慌什么？

AI 的 " 硬起飞 " 就发生在眼前

看到这里，你可能会问：不就是出了两个新模型吗？至于这么大惊小怪，上升到人类倒计时的地步吗？

那我再给你看马斯克说的另一句话，他说：" 我们现在就处于‘硬起飞’阶段，就是现在。"

什么叫 " 硬起飞 "？

以前我们说 AI 发展，是 " 人推着 AI 往前走 "。我们给它定目标，给它喂数据，给它调参数，手把手教它学习，它每往前走一步，都离不开人类的推动。

但 " 硬起飞 " 不一样。它是 AI 自己给自己踩油门，进入了自我加速的失控式增长阶段。

不用人催，不用人教，它自己就能完成迭代、实现突破，甚至连它进化的速度，人类都已经跟不上了。

马斯克自己是这么描述的：" 我晚上睡觉时，AI 取得了一项重大突破；等我醒来，又出现了另一项突破。老实说，很难跟上节奏，这让人有点晕头转向。"

而这场 " 硬起飞 " 里，最可怕的核心，是 AI 已经进入了 " 递归自我改进 " 阶段。

以前，我们训练一个 AI 模型，要程序员写代码，算法工程师调参数，数据团队清洗数据，全流程都离不开人。

但现在不一样了，新一代的 AI 模型，已经由上一代模型深度参与训练了。从代码编写、数据清洗，到参数调优、效果测试，AI 能做的事情越来越多，人类在这个循环里，角色越来越边缘化，越来越插不上手。

马斯克给出了一个更让人后背发凉的预判：" 可能今年年底会实现完全自动化的自我改进，最迟不会晚于明年。"

换句话说，最快今年，AI 就能彻底脱离人类的辅助，完成自我迭代、自我进化，进入完全的自我加速周期。到那个时候，AI 的进化速度，会快到我们根本无法想象。

很多人以为，马斯克眼里的 AI，就是能写文案、做报表、生成视频的工具，那你就太小看他了。

他描绘的 AI 终极蓝图，是一个消耗比全人类文明多一百万倍电力的智能体，能解决人类能想到的所有问题。

为了突破电力这个最大的瓶颈，他甚至计划 2-3 年内把 AI 数据中心送上太空，用太空里没有昼夜交替的太阳能，彻底释放 AI 的算力潜力。

而当 AI 和机器人接管了所有生产，人类社会会变成什么样？

马斯克的答案是：钱会变得不再重要，商品和服务的产出会远远超过需求，AI 和机器人会把所有事都干完，人类最终会因为全方位的服务，而 " 无事可做 "。

马斯克和 Altman（奥特曼）不是在制造焦虑，而是看到了我们普通人看不到的风景。他们怕的不是 AI 本身，而是人类根本没做好准备。

三、倒计时 1095 天，

最危险的是你以为 " 还有时间 "

看到这里，很多人心里还是会有一个侥幸的想法：3 年呢，还早，急什么？3 年，听起来很长，其实只有 1095 天。

就是你换 2 份工作的时间，就是你学一个新技能、考一个行业证书的完整周期，就是你家孩子从幼儿园升到小学的时间，一眨眼就过去了。

更关键的是，AI 的进化，从来都不是线性的，是指数级的。

举个例子：一个池塘里的荷花，每天都会以前一天两倍的数量开放。如果到第 30 天，荷花就开满了整个池塘，那请问：荷花在第几天开满了半个池塘？

答案不是第 15 天，是第 29 天。

前 29 天，荷花只开了半个池塘，可第 30 天，一天之内，就开满了剩下的整个池塘。

这就是指数级增长的可怕之处。你以为它还很慢，还离你很远，可等你反应过来的时候，它已经瞬间铺满了你的整个世界。

我们现在，可能就处在这第 29 天的晚上。

这场 AI 竞赛，最先冲击的，就是 90% 的办公室白领工作。

现在不妨停下来，问自己两个问题：

你每天的工作，有多少是 AI 分分钟就能替代的？

1095 天之后，当 AI 真的超越了所有人类智能，你的核心竞争力，到底是什么？

四、不想被时代淘汰，

你必须立刻做对 3 件事

难道我们就只能等着被 AI 替代，一点办法都没有吗？

当然不是。

具体该怎么做？记住这 3 件事。

第一件事：做决策，提问题

很多人对 AI 的理解，完全搞反了。

他们天天用 AI 干自己的本职工作，写邮件、做报表、写方案，然后把 AI 的产出改一改，就交上去了。

看起来是省了力气，提高了效率，可实际上，你是在天天给 AI 喂数据、当陪练，帮它在这场竞赛里变得越来越强，最后把自己替代掉。

在德州超级工厂接受的深度访谈中，马斯克也谈到 " 任何涉及敲击键盘、移动鼠标、处理信息的任务，AI 都能胜任。"

你要明白，AI 是工具，不是你的竞争对手。工具是用来帮你干活的，不是用来取代你的。你要做的，是使用工具的人，是决定 " 做什么 "" 为什么做 " 的人，而不是听指令 " 怎么做 " 的人。

就像马斯克，他不写代码，不调模型参数，不亲手造火箭，他做的只有一件事：决定我们要做什么、为什么做。他决定我们要造电动车，要去火星，要做通用人工智能，剩下的，交给工程师和 AI 去执行。

AI 做执行，你做决策；AI 给答案，你提问题；AI 算数据，你定方向。不要沉迷于 " 把事情做对 "，要学会 " 做对的事情 "。

第二件事：放弃舒适区的标准化，学习临场发挥

很多人在职场里，追求的是 " 熟练工 " 的安全感。同一件事，我干得比别人快，比别人熟，我就有安全感。

可在 AI 时代，这恰恰是最危险的事。

AI 最擅长的，就是标准化、常规化、重复性的工作。你在这件事上越熟练，就越容易被替代。

普华永道（PwC）在 2025 年公开承认，正在大幅缩减初级岗位招聘，审计部门的初级岗位到 2028 年预计将减少 39%。

与此同时，毕马威英国近两年毕业生招聘人数也从 1399 人降至 942 人，缩减近三分之一。

这些变化的直接推手，正是 AI。原本由初级审计员花数周时间完成的凭证核对、底稿整理、数据清洗，现在 AI 几小时就能完成，且不出错。

但有趣的是，四大并没有一刀切地砍掉所有招聘。

PwC 的 AI 鉴证负责人 Jenn Kosar 明确表示，公司正在把被 AI 释放出来的人力，转向战略咨询、复杂问题解决等更高价值的领域，甚至开始培训初级员工 " 像管理者一样思考 "。

因为 AI 能搞定 99% 的标准化审计流程，但遇到企业财务造假的隐蔽迹象、复杂的跨国税务纠纷、客户特殊诉求的权衡判断，AI 就束手无策了。

你的价值，从来不是你能把常规工作做多好，而是你能处理多少 AI 搞不定的 " 异常情况 "。

这些 " 异常情况 "，没有标准答案，没有标准化流程，需要的是你的经验、你的判断力、你的临场反应，这些都是 AI 永远学不会的东西。

接下来，把你的时间和精力，从这些机械性的工作里抽出来，去解决那些复杂问题，去应对那些突发状况，去打磨那些非标准化的能力。

第三件事：做与 " 人 " 打交道的事

AI 在虚拟的比特世界里，可以说无所不能。哪怕是这场竞赛里最顶尖的视频模型 HappyHorse（快乐马），也只能在数字世界里生成完美的画面，却无法在现实世界里，完成一个简单的开门动作。

这就是 AI 最大的短板：它能玩转虚拟的比特世界，却搞不定真实的原子世界。

就像马斯克说的 " 除了必须亲手操作原子、搬动物理实体的工作，人工智能现在已经有能力完成一半以上的白领工作。"

而这，恰恰是我们最大的机会。

所以，我们要主动增加和真实物理世界、真实的人打交道的比重。

比如，做设计的，不要只在电脑里画图，多去现场看施工、和工人沟通落地细节；

做电商的，不要只看后台数据，多去线下和供应链、用户面对面交流；做教育的，不要只做线上标准化课件，多花时间做一对一个性化的陪伴和沟通。

去深耕那些需要和真实世界、真实的人打交道的能力。你的动手能力，你的实地判断能力，你的人际沟通能力，你的共情能力，你的线下服务能力，这些，都是 AI 短期内根本无法替代的。

结语

笔记侠 PPE 书院美国站 26 级「创新英雄・AI+ 出海专题」课程将于 2026 年 9 月 26 日正式启程。10 天时间里，我们还将带你走进美国硅谷与西雅图，深度参访谷歌、英伟达、微软等全球 AI 产业标杆，聆听斯坦福名师、行业实战派的一手分享。

欢迎了解课程详情，提交报名信息。

好文阅读推荐：

哈萨比斯最新震撼预言：留给旧世界的时间，不到 2000 天

李飞飞最新访谈：10 年后，只会剩下 2 类工作者

分享、点赞、在看，3 连 3 连！