内容来源：2026 年 7 月 4日，谢浩老师受北大国发院邀请进行了主题为《指挥的艺术 :AI 时代你的杠杆和护城河》的分享。

分享嘉宾：谢浩，《AI 大模型知会：从工具思维到智能协同》书籍作者。

责编  | 柒  排版  | 沐言

9743  篇度好文：4521字 | 17 分钟阅读

商业思维

、拥抱 AI 的人，已经先同龄人

现在很多工作中，我们看到的所有点都是 AI 在完成。例如现在的 Codex、Claude Code，腾讯的 Workbuddy 等等。

根据现场的调研，大 90 以上都在使用这些产品，至少先于同行或者同龄人。

近我有些思考我自己近有个直观的感受：现在每天我消耗的 token 数量，多的时候可能接近个亿。

因为像 Codex 和 Claude Code 这些工具，其实背后可以大量接入国内的模型。

比如 DeepSeek，现在市场估值已经到 500 亿美金量；

再比如智谱，前段时间港股市值度破万亿；

还有 MiniMax，也是几千亿市值；包括芯片公司寒武纪，都是破万亿的公司。

短短时间内市场为什么会发展这么快？我们作为个人，如何能抓住其中点点机遇？

这就是今天想跟大探讨的核心。

二、张雪的启示：

用 AI 做杠杆，实现增长

我们举个今天特别火的例子张雪。他是位非常火爆的山村修车工，他的机车已经获得了几次世界。

他在做发动机的时候有个：发动机能。我们直觉得发动机是个技术门槛相对较的域，做研发需要定的行业技术壁垒。

张雪在做发动机时遇到个很大的问题：内窥镜的图像分析。

这种图像分析其复杂，靠人分析其困难。当时开会就拍板：如果图像分析这么难，我们应该借助 AI。

于是团队借助 AI 视觉分析系统完成部件检测，用技术工具突破行业传统技术壁垒。

这案例印证核心逻辑：AI 是撬动增长的核心杠杆。

企业、个人存在大量重复、标准化工作卡点，搭建标准化 AI 工作流，即可实现任务自动化交付，大幅压缩人力成本、缩短项目周期。

斯坦福相关产业研究划分 AI 落地两类场景：

绿灯区（客服、数据整理等标准化任务，可交由 AI 落地）。

红灯区（涉及复杂决策、人际信任的场景，需延后布局），落地时优先耕绿灯场景，依托 AI 杠杆快速实现业务增长。

三、AI 能力的摩尔定律：

每 7 个月翻倍

我们再看另个数据：METR2025 年的研究湖南泡沫板胶价格。

METR 是美国个门做 AI 安全和能力评估的三组织。他们的核心研究结论是：AI 能处理的任务复杂度，大约每 7 个月翻倍。

这张图由 AI 制作，我们看到他发布了篇文章。他讲 AI 智能体的摩尔定律，在芯片域每 18 个月芯片的能提升倍，体积可能减少半。

区分不同赛道迭代差异：翻译、基础文案等简单任务迭代接近瓶颈；自动驾驶、复杂科研理等域迭代周期长，约 20 个月。

METR 在 2025 年发布成果时预测：

2026 年底：AI 有望处理天别的复杂任务；

2028 – 2029 年：可能连续处理个月别的活。

长期演可见，未来 AI 可立完成跨月度、跨季度连续复杂任务。

同时 AI 幻觉、逻辑偏差等问题仍客观存在，多轮交互、跨模型交叉核验是优化输出质量的通用手段。

AI 能力持续变强，意味着单纯执行类岗位价值持续缩水，人类核心价值将向顶层指挥、决策端转移。

我经常跟我们团队讲：你白天可能要让 agent 去跑些任务，用 Claude Code 也行、用 Codex 也行。

在跑的过程中，有些任务需要交互，什么时候该 AI 干、主要时间是不是应该让它自主跑？

现在像 long-horizon agent（长程智能体）这种模式也很火：你设个目标，它通过多轮迭代去完成。

我们给它设置个模式，今晚经过 3 轮、5 轮或 10 轮迭代，终能满足我的交付要求。所以 AI 时代的"摩尔定律"，意味着未来 AI 能做的事情会越来越多。

四、角转型：

从执行者到指挥者

在 AI 时代， 由于大量智能体（硅基员工）的涌现，我们能指挥的团队越来越大。

那么作为中层管理者，你的角在哪里？

我想说，这时候作为中层管理者其实蛮危险的。

你要么需要些能力去把事情落地、形成闭环；要么可能需要往层管理走，那时候你有多的资源。两者之间会有区别。

1. 执行者 vs 指挥者

我们原来设定个目标 , 比如给他做个，我大概知道交付对标的结果是什么样的，可以找个让他去看；甚至有人会问：你能不能直接帮我把这个钱赚回来？

所以流程是：定义问题→ 设计工作流→ 判断结果→ 承担结果。真正的竞争力，是设计这套协作系统的能力。

AI 时代，人的价值从亲自执行转向了定义问题、判断结果、承担责任。这才是个管理者真正要做的事。

2. 未来团队形态：人 + AI 团队

举个很小的例子。以前可能是多人团队 , 我们当年做公司时，每个月员工的开支可能就需要 50 万，创业门槛相对较。

现在呢？未来很多事情可能是个人 + 个 AI 团队。

编程、研究、写作 , 这些事情本质没变，你依然是定目标、派任务、验收、担责。但"验收"和"担责"度依赖你对行业的理解和本身的业知识。

我现在基本上很少会用到助理，也很少用到程序员帮我做什么 , 因为我觉得这些东西，大都会用 AI 的式去做。

3. 个美国大三学生的选择湖南泡沫板胶价格

前段时间我跟美国线的学生交流，其中位来自全球前 50 的学校。他大三，计机系。我问他未来计划是什么 , 是不是因为国内比较卷、想去读个硕读个博？

他给我的反馈是："现在发展实在太快，我觉得去读硕士、读博，可能会错过这波的时间和机遇。"

所以他说自己三年就想毕业去工作，我觉得这个想法非常好。

我说：你如果三年毕业能在美国找到大厂工作，应该立马去工作 , 因为现在 AI 发展其迅速。

我问他平时用 AI 的情况，他说很多作业不能让 AI 做 , 因为如果让 AI 做，闭卷考试的时候就不会做了。

这也是未来教育行业值得探讨的问题，即未来的教育式和学生需要学习什么，这也是我们需要关注的个问题。

五、指挥的四要素

指挥有四个要素：

1. 判断力

判断力，就是知道要做什么。

有时候讲"选择比努力重要" , 论你是来读 MBA，还是找工作，还是切换赛道，你要想清楚你应该做什么。这决定的是战略。

2. 提问力

这是把问题说清楚、定义清楚的能力。论是提示词（prompt），还是其他式 , 你以怎样清晰 、好的式去表达需求。

3. 鉴别力

鉴别力就是判断结果的好坏。

当 Codex、Claude Code，或者国产的 Workbuddy、通义千问这些工具给你做出结果时，你怎么让它进步优化？

这里面要么可能需要经过很多轮对话。

如果你带偏了，AI 可能很快做到 70、80 分；

但你发现从 70、80 分做到 90 分，达到交付标准，并没有那么简单。

判断结果度依赖于你的个人经验和行业经验 , 这是把 70 分优化到 90 分的关键。

4. 责任力

责任力，就是对结果负责。

为什么每个行业都拥抱 AI？举个例子 : 医生现在也用 AI。但医生看完 AI 的结果再给出来，是不是比你有信服力？

反过来，如果你没有医疗背景，作为医疗服务的提供者，你要想：怎么让别人相信你这个结果、能为它负责？

管理的本质是定目标、配置资源、判断结果、承担责任。AI 可以把这个能力放大 , 但前提是，你得有这个能力。

六、个人增长的三重杠杆

我们再看 AI 给个人的三重杠杆。

我们怎么优于同行、怎么先于对手？做企业怎么让产品、技术、利润先于市场？这些都来自哪里？

个人的三重杠杆分别是：湖南泡沫板胶价格

L1：时间杠杆（省时间）

如果 AI 可以迅速做完这样个交付，PVC管道管件粘结胶我为什么要用人去做？你给员工布置的工作里，如果 AI 本身能做，为什么要布置给员工？

L2：能力杠杆（能力放大）

这是用 AI 放大现有能力的能力。我们看到很多域其实拥抱 AI，但你却很难进去。

比如材料科学。如果你本来没有材料科学的背景，又如何做到？所以你肯定要选择自己的业能力去做杠杆放大，否则别人凭什么相信你有这个能力？

L3：认知杠杆（破认知）

作为"思维的外骨骼"，我们看到大量顶科学在用 AI 面用得非常好，他们是如何挖掘到那些足够先于市场、足够创新的法和点的？他们是人吗？这里面，AI 就是认知的杠杆。

越往上层杠杆，越难被 AI 替代。

每个人都是 24 小时，都需要休息、运动、健身，时间是有限的。有了杠杆，怎么放大？

以前的工业革命可能是 10 倍，这次的 AI 革命可能不再是 10 倍 , 可能是十倍、百倍、千倍，就看你怎么用这个杠杆。

所以三重杠杆总结：L1，省时间；L2，对能力放大；L3，破认知。

七、AI 时代的四大护城河

我们为什么要讲护城河？

比如你学了 Claude Code 个月，可能觉得学得还不错 。

但 AI 工具发展非常快，早期你帮人装个 Claude Code，还能收点钱；后来你发现装这个工具已经收不到钱了。

为什么？因为国产的些工具键就能装，像腾讯 Workbuddy 这类，不用学如何安装。

我们有时候开玩笑：键化发展特别快，如果你学得慢，你的工具就不用学了，因为立马就可以直接用了。

现在你不装那些复杂的东西了，Claude Code 也变成桌面板了，使用越来越简单。

以前你要学怎么用 CLI 配置，现在有好的，比如接智谱 GLM-5.2 的案， 我有时候也用，发现挺好用 。

你说有没有差距？也许会有点，但大量的情况下你根本用不到它的上限。所以"会用工具"已经不构成护城河 。

真正的护城河是这四个：

1. 场景理解

解决什么问题，永远比答案重要。有了 AI，寻找答案很便，但判断场景该不该用、怎么用，才是核心竞争力 。

2. 判断标准

为什么医生用 AI 出的结果，人愿意买单；而你出的结果，可能就没人买单？判断标准便是你的核心竞争力之。

3. 信任关系

今天班上十几名同学来了，线下的价值多是用来建立链接的。

这个课你听不听其实所谓，但来了以后，可能给你个的认知、好地触动你；同时你建立了个链接，你会加确信你的式是对的。度信任， 靠的是线下、面对面。

4. 整加飞轮（数据飞轮）

论对个人还是组织都样，后定是个数据飞轮。当你把个人知识库 、把工作流的每项都标准化以后，你就可以直接产出、自动交付。

护城河不是"会用多少 AI "，而是场景 × 标准 × 信任 × 数据飞轮。

结语

从理解到行动，

三件今天就能开始的事

前面讲了三大杠杆，又讲了四大护城河 。

现在的关键是直击问题本质：如果你不用杠杆，个人能力比别人强点，论时间、智商、还是资源，可能多点，但不够。

加上杠杆以后：人用得好可能乘以 3，你用得好可能是乘以 10 。10 和 3 的差距，就不再是每天 24 小时能比的。

给大四条行动建议：

1.All in AI

立即增加对 AI 的投入使用和学习 。如果有可能，尽量 All in AI，任何人都应该这么做。

2. 聚焦两个垂直场景

这个场景定是你理解的。

今天在座的每位，在你的行业里都有积累，你有资源、有人脉、也懂得行业的门道 。设计自己的 AI 工作流：哪些交给 AI，哪些须自己做，怎么达到交付要求？

3. 自动化交付

旦做到交付要求，就让它自动实现。这项工作后变成多长时间，取决于力当时紧不紧张：有可能是十几秒，也有可能是十几分钟甚至多。

4. 建立个人数据飞轮（二大脑）

现在有很多知识库工具：

腾讯把 ima 放到 Workbuddy 里；

Codex 、ClaudeCode 接入到 Obsidian 这类知识库，那就变成你"二大脑"。

这些我经常在用，果非常好，大可以去实践。

把可自动化的执行交给系统，把时间投向问题的定义，这是战略。

真正的护城河，不在于你用了多少工具， 而在于你能指挥多大的系统，承担多大的判断与责任。

三大杠杆 + 四大护城河（场景理解 × 判断标准 × 信任关系 × 数据飞轮）是我们长期需要关注、实践并落地的事情 。

* 文章为作者立观点，不代表笔记侠立场。

接下来，笔记侠要举办《AI 十倍增长营 02 期》，地点杭州，帮助多的企业实现 AI 转型。

如果你想知道全部的 AI 实操细节、踩过的坑、避坑指南和落地工具包。

欢迎扫描以下海报二维码报名。

好文阅读荐：

"低调的 3 个男人"，正在同条赛道上赌命

这，才是下个 10 年稀缺的能力

分享、点赞、在看，3 连 3 连！相关词条:铁皮保温施工     隔热条设备     锚索    离心玻璃棉    万能胶生产厂家

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述湖南泡沫板胶价格，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。