前言：
现在是2025年，AI已经非常热门。我想通过本文，谈谈我个人对AI的理解，展望，以及事业上的帮助和发展。

站在过去时间点，看待现在的AI。站在现在的时间点，预测未来的AI。

一篇2015年1月预测AI发展的文章

在2015年1月27号，有这么一篇文章发布了，颠覆了我对AI认知！这里附上翻译后的文章地址：
人工智能很可能导致人类的永生或者灭绝，而这一切很可能在我们的有生之年发生。
有兴趣可以详细阅读全文！我强烈建议看看！
在本篇文章中，我重点引用两点结论：
1.人类科技发展是指数级增长的！

2.AI发展将可能一瞬间超越人类认知！

站在当时看，大多数人都会觉得无稽之谈。毕竟2015年1月，连openai都没成立。我们看下时间线

1
2
3
4
5
6
7
8

2015年 – OpenAI 成立，专注于通用人工智能（AGI）。
2016年 – AlphaGo 战胜李世石，标志AI在围棋上超越人类。
2017年 – Transformer 结构（Google提出）引领NLP革命，成为后续GPT、BERT等模型的基础。
2019年 – GPT-2（OpenAI）发布，展示强大的文本生成能力。
2020年 – GPT-3（1750亿参数）发布，开启AI生成内容（AIGC）热潮。
2022年 – ChatGPT（基于GPT-3.5） 发布，迅速成为爆款产品。
2023年 – GPT-4 发布，性能大幅提升，支持多模态输入（文本、图像）。
2023年及以后，大量AI产品涌现。

如果你看过这篇文章，你现在应该会非常惊讶。这篇文章预测的简直一模一样，简直太有前瞻性了！
在10年前，连互联网才普及没多久，在大多数人都还刚用上智能手机时。该文的作者，已经准确预测到了10后的当下的AI发展。
这里我再一次强烈推荐还没看该文的小伙伴，去阅读一下！

历史证明该文正确性。那我们再看看，10年的该文，对2025年现在之后是怎么预测的。

该文将人工智能分为3个阶段，弱人工智能，强人工智能，超人工智能。我相信大家都认可，当下我们人类已经实现了强人工智能。

个人的总结是：

1. 当超人工智能来临的一瞬间，他的智能将在一瞬间远远超过所有人类的集合。以难以置信，夸张的指数成长。人类因此灭亡或永生。
2. 最乐观的估计是2030年出现，保守估计是2050年，悲观是2080年甚至永远不会出现超人工智能。

目前所有AI本质上都是模拟人脑来实现的。我们从算力角度看看这个问题：

1
2

截至 2024 年，全球最快的超级计算机（如 Frontier）已经达到了 1.2 EFLOPS（即 1.2 × 10¹⁸ FLOPS）。
由于人脑的运作方式与计算机不同，很难直接比较，但通常的估算范围是 1 EFLOPS 到 100 EFLOPS（10¹⁸ 到 10²⁰ FLOPS）。

可以见得，当下最强的算力已经接近人脑了。我一直认为，当计算机算力超过人脑时，智能也会非常接近人脑。现在看，强如o3（即便他的算力还远远够不上人脑）已经远远超过的绝大部分人。未来呢？未来算力继续增长会发生什么？

综上，我认为AI智能依旧如该文预测一样，还会飞速指数级变强。甚至达到强人工智能。

一篇2023年12月我写下对AI理解和运用的文章

在GPT3的时候，我已经开始大量的使用AI了。特别是GPT-4的出现，让我技术实力，眼界，思维飞跃式的提升。
原文链接：ai使用心得
直到现在，有更多更强大的AI产品出现。现在的我应用能力大幅度增涨，更加确信当时的我判断和思路是正确的。
也就是下一章，我要表达内容。

基于AI，天翻地覆的根本上的解决问题方式和思维改变。

我引用我之间的结论：
人的生命是有限的，掌握不了如此多的知识和技能。
AI颠覆了传统学习与实践方式，掌握框架，细节交给AI，从而极大提升效率和能力上限。

从以下几点描述：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

### AI彻底革新了知识学习和技能掌握的方式
传统学习模式需要全面掌握知识体系，而AI可以辅助完成具体细节，极大加快学习速度。
只需要掌握知识体系的“树干”，细节“树叶”可以通过AI补充。

### AI加速实践，从学习到落地的效率大幅提升
以往需要完整掌握才能动手做的项目，现在只需要知道大致可行性，就能借助AI快速推进。
例如，博客搭建、AI公众号、AI对话网页等项目，都是先有概念，然后通过AI完善细节并落地。

### AI是高效的执行助手，但上限仍由个人决定
AI能作为辅助工具帮助解决已有成熟方案的问题，但对前沿探索性问题仍有局限。
人的能力和思维深度决定了最终成就，AI只是放大器。

### 实践是关键，使用AI的最佳方式是“动手”
真正的提升来源于实际使用，技巧在实践中自然习得。
“能用就用、折腾起来”，比空谈技巧更重要。

作为我个人而言，我现在约80%以上的事务，都由AI介入。不限于工作和开发。
DeepSeek R1强大思维逻辑能力，可以从各个问题的各个角度去思考。其眼界和知识，远超当下的自己。如果有一天，真正的能学会这种结构化的思维，那简直不敢想象。
如我所描述的，实践是关键，深度用过，自然就懂。没用过就像镜花水月，多说无益。

当下各类AI的盘点

截止写问的2025年3月12日，我归纳总结市面上大部分流行，以及我用过的AI产品。总结其特点和优缺点。包括但不限于LLM大模型。抛砖引玉，供各位参考：

1. LLM大模型类

   • GPT系列
     • o3 ,o1 作为当下最强，也是最贵的推理模型。拥有超高（o1为200K）的上下文，是当前推理和逻辑能力最强的模型。特别擅长代码分析和逻辑推理。只有他小弟们解决不了，一般才会考虑动用这位大哥。
     • o1-mini，o3-mini，o3-mini-high 作为上面的mini版，在性能，价格，速度上有优势。困难代码问题一般先请他们解决。
     • 4o 作为多模态模型。全面，快速。可以直接看懂图片，解析音频。速度和价格都很优秀。是当下我最常用的模型。
     • 4.5 作为最新的GPT模型，创意和人性化水平强很多。但是价格非常非常昂贵。我一般用于创意和文案方面。
     • 其它GPT模型 其它都是弟中弟，除了便宜一点点，没有任何优点。不予讨论
   • DeepSeek系列
     • R1 作为当下中文推理能力最强，极具性价比的推理模型。其强大之处，我相信各位有目共睹。价格低廉，特别擅长中文场景下的各类问题推理。重点强调的是，其代码能力相比其他模型较弱，非常不推荐写代码。我一般用于各类中文味很强的问题。很贴地气。
     • V3 没有推理能力的版本。一般很少使用。
     • 其它参数版 DeepSeek强就强在用最少的算力和硬件，实现了堪比gpt-4o的能力。现在很多网站用鸡贼的用32B，70B参数版冒充671B满血版。这里特提的原因是，R1 32B 4位量化版，是在4090 24G家用显卡下能本地部署最好的模型。经体验，一般用于涉及保密的问题。
   • Claude系列
     • Claude3.7 有多个版本，一般常用为Sonnet。该模型为当下除了GPT以外，算老二了。用起来非常人性化，大量使用过的人表示，其代码能力强于GPT-4o。关键是交互非常人性化，canvas就是其率先引入的。同时，github copilot还将其纳入会员中。足以证明其代码能力的性价比。一般用于交叉验证GPT代码。
   • Gork系列
     • Gork3 马斯克家的AI，据说推理用算力是目前最强的。用下来和其他家在代码能力上没有明显优势。重点强调的是，其内容政策审核极为宽松。
   • Gemini系列
     • Gemini2.0 google家的。得益于google强大的技术实力，速度非常快。原生多模态。同时在搜索能力上，明显强于其它模型。（毕竟google嘛~）一般用的较少，智能上相比其他的没有明显优势。
   • 其它各类及本地模型
     • 在抱脸上，有大量的各类模型，国内也有QwQ等，各有优缺点。大多数都是参数较少，特化针对某个领域的专业产品。在有限的精力下，我们一般不考虑和使用。
   • manus
     • 大量信息显示，就是一场炒作和骗局。等真正用上了，再看看是不是金子。

2. AI绘图类

   • Stable Diffusion 大名鼎鼎的SD，开源且可高度定制。根据调用的底模不同，可以绘制各类题材画风。甚至可以结合多种插件玩出各种花活。在家用电脑上就可以轻松部署和绘画。缺点也很明显，结果内容全看底模，使用难度也偏高。
   • Midjourney 也是大名鼎鼎的MJ。能力非常强，仅能通过使用其服务画画。极多样的画风。但缺点也是，缺乏定制，价格较为昂贵。和SD正好是两个极端。
   • DALL-E 3 比上面两个差远了。唯一的优点就是融入到原生的GPT网页服务中。实在没啥用。

3. TTS类（文本转语音）

   • VITS系列
     • VITS最早版本由国人发布，经过大量的fork各种二次加工。目前最强开源是GPT-SoVITs。只要几分钟的音频源，就可以推理出非常相似的多语言语音。家用电脑就足够微调训练和推理。
       以下是我“动手”出来的：
       我声音的推理版
       
       二战解说原声
       
       二战解说AI合成
       
   • 其它各家类 微软TTS，谷歌TTS，抖音，都是闭源的。必须定制化微调，成本较高。否则的话，只能用他们训练好的。总体效果已经也非常棒了！

4. STT类（语音转文本）

   • Whisper Openai开源产品，支持上百种语言的识别。是目前开源STT最强选手。家用电脑即可本地部署。
   • 其它类 微软谷歌讯飞等等，都有大量API可调用。

5. 其它

   • suno 用于AI合成音乐，效果不错，但是目前实用性较弱。未来可期
   • sora 视频合成的AI现在非常多。但总体效果一般，看起来非常奇怪。另外一条路子是高度定制SD，通过拼接图片做视频。两种方式现在都有不少人在做。

6. 组合工具类

   • github copilot 强烈推荐，微软家的扛把子。高度融合各类IDE，特别是vscode和vs。有白嫖版，会员每个月10刀。融合GPT,claude,Gemini。和IDE深度融合后，可以自动读取上下文，非常方便。
   • cursor 基于vscode开发的一款深度融合AI的IDE，和github copilot不相上下。也是非常方便。但因其实IDE，而不是插件。IDE灵活性欠缺一些。
   • POE 融合各家AI的一个综合性平台，本质上是个套娃前端。通过其API调用各家AI。优点是一站式使用各家AI，可以白嫖使用一些次数。缺点也很明显，API调用大多数时候没有官网原生的效果好，功能丰富。

个人对AI未来应用的展望和思考

我认为AI已经彻底的改变了我思维方式，解决问题的路径。
当然要是超人工智能出现，人类直接毁灭了就没有意义了。我们当下必然是以AI将会带领我们人类科技突破为出发点。
在这个时代，我们必须紧跟时代，不断提升自我，不断接收新的知识。
世界上唯一不变的，就是变化本身。
经历国内市场虚假需求的繁荣日子后，我认为，AI本身并没有像其它技术那样自己就可以带来很大的价值。它必须和各类领域结合，才能发挥奇妙的化学反应。
例如和互联网开发，传统零售，传统机械加工，文学影视，教育等等等等。

无论如何，我们都应该作为一个创业者去思考。让AI给我们完善细节，帮我们打工才是正道。构建自己的知识框架，不再拘泥于细节。抓住问题的本质和主要矛盾。
在未来，我将更加深度的使用AI到我任何事务中。同时我也希望能提升所有团队成员的AI应用水平，并改进工作流。
以下是几点我从工作中，提炼一些AI可实际落地的方案，有已经落地经验果的，也有想要以后团队实现的：

1. 代码开发
   • 深度使用github copilot，大幅度提升代码开发效率。并有效进行自动化查错。特别是针对结构化的代码。对于一些不熟悉库，接口，也可以轻松做到“虽然我记不住，但是我竟然会用~” “虽然我没空看文档，但是我了解框架后，竟然马上就能上手写”。
   • 利用hook，在每次提交，使用AI进行review。确保代码质量，和避免明显错误。
   • 规范项目目录，使用tree命令（win），搭配AI，规范项目结构化目录。
   • 需求解决的思路推理，有很多时候，碰到一个没有做过的需求，自己考虑的可能不周全。可以摇AI分析一下，解决思路是如何，需要考虑哪些问题。
2. 策划配置
   • 使用AI进行变量命名，大多数小伙伴都很难做到信达雅的变量命名。导致后期很容易混淆，AI可以有效帮助。
   • 使用AI进行本地化翻译，甚至做到一键化脚本。高效低成本的做出及格的多语言。
   • 使用AI进行excel公式配置和数值计算，高难度excel公式极其复杂，不如请AI帮忙。
   • 使用AI进行报错查问题，策划同学一般不是代码出身，遇到报错很多时候会一头雾水。这时候复制报错，给AI看看，大多数情况能给出有效的信息，以便决定解决方式。（这条针对所有具有项目工程的同学！）
   • 使用AI进行策划工具编写，根据自己任务的痛点，快速的写一些工具提升效率。
   • 创意收集，可以通过AI快速收集创意点，最终还是需要自己分辨和处理。
3. 美术
   • 创意和参考 配置SD，mid管线。google不到那个味道素材，可以摇AI画。快速和需求端确认效果图。整理画风提示词库，可以快速画出对位的效果图，不重要的过场，场景图均可直接用。
     
     
     
   • 物品图标，角色原画 在过往，已经有上线成功案例。大量的各类图标，甚至角色原画。AI初稿，美术精修，大大提升素材效率。
     
     
     
     
4. 其它
   • 配音解说 如有需求的话，可以使用GPT-SoVITs，进行定制化配音。

两篇参考视频，读懂AI技术起源：
【计算机博物志】自然语言处理的“古往”和“今来”
为什么费曼技巧被称为终极学习法