本文经原作者授权转载，版权归原作者所有。原作者：Xudong Han（@Xudong07452910）。

2026 年过半，AI 已经强到足以改变"怎么工作"，但离"无摩擦地替你把事做完"仍然有距离。这期「十字路口」的特别之处在于结构：上下半场互换提问权。上半场，主播 Koji 杨远骋采访课代表立正：高手到底是怎么用 AI 的，普通人该从哪一步开始；下半场角色互换，课代表立正反过来采访 Koji：2026 年年中，AI 创投一线的真实体感是什么，钱到底流向了哪里，创业者还剩哪些活路。

两位对谈者的背景值得先交代清楚。课代表立正，37 岁，康奈尔大学经济学博士，先后做过亚马逊经济学家、Meta 数据科学家、腾讯游戏数据科学副总监，之后加入美国创业公司 Statsig 任首席数据科学家和布道师，这家卖 AB 实验平台的公司后来被 OpenAI 收购。他现在做的事是"教大家怎么把 AI 用好"：社区、课程加企业培训，2024 年 3 月启动，团队 5 人，2024 年收入约 50 万美元，2025 年超过 100 万美元，2026 年至今约 50 万美元。Koji 杨远骋是「十字路口」播客的创办者，三次从零到一创业，现任真格基金投资合伙人，长期和一线 AI 创业者打交道。

一个教人用 AI 的人，和一个看 AI 创业项目的人，在 2026 年中坐在一起互相盘问。下面是这场对话的整理，按主题重新组织，保留了原话引用。

要点速览

1. 高手用 AI 的本质差异是换位：不是"AI 能为我做什么"，而是"我能为 AI 做什么"。 高手会为 AI 搭脚手架，例如上下文、工具、个人偏好、做事规则，一句简单的 prompt 背后能路由到大量历史积累。这个换位有复利效应，差距会越拉越大。

2. 普通人学 AI 只做一件事的话：立刻停止使用 ChatGPT、豆包这类聊天工具，改用 Claude Code、Codex、Cursor 这类 agent 工具。聊天框延续的是旧生产方式，上限卡死在 30%-100% 的提效；想做到 10 倍以上，agent 工具是必要条件。

3. "工具一样、模型一样，最后拉开差距的其实就是你的 context。" 用好 AI 的三步法：换 agent 工具、写好 skill、积累并提炼上下文。好 skill 的标准是把隐性知识显性化——定义边界、给到工具、给出好坏标准。

4. "摸着石头过河的石头不见了"——消失的是上一代的商业模式。 需求端，用户跟 Codex 聊两句就能得到结果，不再为成品买单；供给端，抄袭太快，创业者很难积累出逃逸速度。产品越来越不 make sense，服务还 make sense。

5. 这一波 AI 浪潮创造的商业价值，90% 被基模吞掉了。 OpenAI 和 Anthropic 占据美国 AI 相关收入的 90%，其余所有应用加起来只占 10%。应用层创业像"在推土机前面捡钢镚"，活路只有两条：往天上跳（AI for Science、具身智能），或者往地里钻（FDE、深度行业落地）。

6. FDE（前沿部署工程师）是 OpenAI 和 Anthropic 不约而同提出的新岗位，本质是"帮数字员工上岗的 HR"。 国内没有现成的人才，会出现井喷式的职位需求。而 Agent 落地按十年计算，Karpathy 的说法，现在只是十年周期的起点。

7. 五个值得关注的创业方向：everything agent（基础设施 + 给 agent 设计产品）、Physical AI、视频模型解锁的创作革命、软件的新价值形态（工作流 / 知识库 / 界面三个最小单元）、和语音相关的一切。

【1】高手用 AI，差在哪：为 AI 搭脚手架，遇事不决先问 AI

开场的问题很直接：高手用 AI 到底有哪些不一样？课代表立正用他的搭档鸭哥举例，给出两个本质差异。

第一个差异是思考方向反过来了：

他总是在想着他能为 AI 做些什么，这也导致了，长期来看的话，鸭哥的 AI 就是会越来越好用，越来越能做更多的事。

第二个差异是密度，随时随地、各种大小事都在用 AI。有一次两人开车体验特斯拉自动驾驶，兜风一圈，鸭哥用手机做完了十个任务：调研一栋房子的价格和购买的坑（有专门的 skill），把调研结果连到 Google Doc，再连到 Gmail，"你写成一个简短的 Google Doc 分享给课代表"，一会儿对方就收到了一份写得很详细的文档。

支撑这种密度的不只是上下文，是脚手架：

这个脚手架就是包括了上下文，包括了工具，包括了他的偏好，包括了他觉得什么事情应该怎么做。同样的，我的一个 prompt 可能就是一句 prompt，但是鸭哥的一个 prompt 背后，他的 AI 可以帮他路由到他很多之前的工具和他之前的资料库，从而调动起来很多东西。

Koji 补了一个让他大开眼界的案例：身边一位高手想学世界模型，没有去读论文，而是把权威文章和播客全部丢给 Claude，要求写一篇 3 万字的短篇小说，指定要有恋爱情节的狗血剧情。最后产出了一篇交织着办公室恋情和创业竞争的小说，写的人看完觉得很好，分享出去，看的人也觉得对世界模型的理解多了一分。

【2】普通人三步法：停用聊天框、写好 skill、积累 context

如果普通人学 AI 只说一件必须做的事，是什么？课代表立正的回答没有任何犹豫：

必须要停止使用聊天。停止使用 ChatGPT、豆包，然后去使用这种 agent 工具：Claude Code、Codex 和 Cursor。总之就是那三个工具里边选一个去使用，然后你所有聊天的东西全都停掉。

理由是一个经典的技术史类比：电机取代蒸汽机，工厂生产力只马上提高了 30%；真正的跃升发生在工作流程围绕新工具重构之后。用聊天框就是典型的"围绕旧的生产方式用 AI"，用 AI 取代搜索引擎、取代实习生、取代外包程序员，生产方式没变。而且聊天框比 agent 工具差了三个点：上下文每次都要重新交代；产出留不下来，要手动复制粘贴；能调用的工具有限。

因为这三点导致他没有复利。聊天嘛，就必须要有人在这里跟他聊，那人就成了他的阻碍。……如果你用 chat 的方式，你基本上就卡死在了这个 30%、100% 的提效。但是你想要做到 10 倍以上的提效，一个必要条件就是你要能去使用这个 agent 工具。

第二步是写好 skill。他对当下流行的"风格化 skill"不客气，什么苏格拉底 skill、离职同事 skill，在他看来都不是真正的 skill：

好的 skill 是把隐性的知识给显性化。最好是把边界给定义清楚，把该给的工具给到，把什么是好、什么是不好的标准给到，把你需要有的 context 给到。……真正的 skill 应该是跟流程有关的，跟工具有关的，跟你的标准有关的。

skill 能不能商品化卖钱？他认为很难——"这个东西它就太开源了，你买回去就可以卖了"。但 skill 服务化（skill as a service）make sense：卖的不是 skill 本身，是帮你达成一个结果。

第三步是积累和提炼上下文，而且这是两个要分开做的动作：今天就可以开始想方设法积累，先不用管怎么提炼；提炼是之后的功课，让 AI 聪明地知道做什么任务需要调用你的什么上下文。这一步为什么关键，他给出了整场对话被引用最多的一句话：

最后大家的工具是一样的，大家的模型是一样的，拉开差距其实就是你的这个 context。

他自己的验证方式很实在：做企业培训，"他给我再高的要求，我在两天之内都可以 deliver，因为上下文积累到了足够的厚度"。

【3】"摸着石头过河的石头不见了"：旧商业模式的消失

聊到 AI 创业者最近在焦虑什么，课代表立正举了 ComfyUI 的例子：这家公司正处在一个巨大的战略决策中，到底要放弃什么、做什么。普遍的感受是"摸着石头过河的石头不见了"。

消失的石头是什么？

我觉得消失的是上一代的商业模式。有一个需求，我通过创业不断找到这个共性的、足够大的需求，把它做出来，然后 go to market，reach out 更多的人，我可能有先发优势，能打败竞争对手，然后吃到这个市场。

这个模式在需求端和供给端同时崩塌。需求端：用户自己用 Codex 就能做出可用的版本，公司做的东西可能更好，但更难卖了。他拿自己的上一家公司举例：

Statsig 是卖 AB 实验平台的，我能说出来 100 个你为什么应该用 Statsig 的理由，但是别人就是更难买账了。之前他可能不知道怎么搞一个 AB 实验，现在跟 Codex 一聊，AB 实验结果都出来了，他就不知道为什么要买你。

供给端：抄袭太快了。"你做一个什么东西，别人都可以很快做出来，现在就很难有人积累出来这个逃逸速度。"

【4】给焦虑大厂人的 0.5%：存钱、换工具、学商业

谈到大厂人的集体焦虑，课代表立正先笑了，自陈有一种"病态的复仇的快感"：2023 年初 ChatGPT 刚出来时，他发了《关于 ChatGPT 最重要的 5 个问题》，做了很多大胆的预测都是对的，并且提醒大家工作要被取代了，结果被骂。三年过去，大家开始焦虑了，但多数人仍然没有行动。

焦虑可以啊，焦虑完了以后的行动呢？从来就没有什么救世主，没有救世主会来救你的。

Koji 引出心理学家李松蔚的 0.5% 行动理论：大道理和建议没有用，有用的是让人迈出一小小小步，获得一点正反馈，进入正循环。课代表立正给出三个小步骤。

  • 第一，存钱，减少不必要的消费，现在这个钱是你未来的自由，这个自由是非常非常宝贵的。
  • 第二，停用 ChatGPT，用 agent 工具，多动手做点东西：
你不适应这么一个新生产力，你的大脑是没有办法活在一个新现实里的。你在旧现实里边，你怎么可能知道新现实怎么样赚钱呢？你不能去计划一个未来，你要先让大脑和你的能力适应了这个未来，然后你才有可能在这里边抓到一些机会。

第三，从零学习基础商业和销售，并且要先认识到自己很可能是负分起步：

你在大厂的工作会积累很多错误的认知。比如说你会觉得更难的事情更有价值——这个在商业上是完全不成立的，而且可以让你多花很多学费。

练习可以很小：去楼下常吃的餐馆，问问老板，如果他要提升销量，你有没有什么可以帮他做的地方。

【5】第二次文艺复兴：通才回归，学 AI 是学动词

被问到 AI 时代的小孩教育，课代表立正的回答出人意料地乐观："我非常不看好我们这一代人的 transformation，但是我非常觉得我小孩是会面临一个光明的未来的"：

我们的教育把我们培养成一个工具人，我们工作也是把我们变成一个螺丝钉。当 AI 把螺丝钉完全给取代了，那人被逼的就只能去发现自我了，去发现自己独特的东西。这在我看来是一个非常好的文艺复兴。

他对自己孩子的教育方向是保护内驱力：少教、少干预，"争取让他自己天然而然地对一些东西感兴趣"。

Koji 顺着提出了一个教育结构的设想：过去要选专业，是因为精通一个专业需要足够多时间，社会需要精细化分工；但在 AI 时代，可能不需要精通一个专业，而是要对 100 多个专业各略懂一二，每门课只上两个小时，入个门。因为很多时候你要问出一个对的问题，是需要略懂一二的；只要问题问得出来，AI 就能帮你继续挖掘。课代表立正的呼应是：达芬奇之前最牛的人全都是 generalist，后来知识太深才必须专才，"AI 因为它有这么多的知识，能做那么多事，所以通才可能又变得更重要了"。

这一段以一个漂亮的提炼收尾：

你以为学 AI 是学名词，但是其实学 AI 是在学动词，动词才是重要的。当我们学课本上的知识的时候，我们学的都是名词。但是我们学手艺，例如学游泳也好，打高尔夫球也好，做播客也好，你学的都是动词。

Koji 补充：Manus 的名字在拉丁语里就是"手"的意思，模型本来就有非常多的知识和智能，agent 让它像长出手一样去帮你完成任务，而不是只会回答问题。

【6】下半场：90% 被基模吞掉，创业只剩两条路

下半场角色互换，课代表立正向 Koji 提问：国内 AI 创业的一线体感是什么？

Koji 的总体判断：2026 年是前所未有的一年，创业热浪和资本热情前所未有，癫狂的资本故事和显而易见的泡沫并存。但他不把泡沫看成坏事，因为泡沫的另一面就是大家对于科技的进步，处在前所未有的高度信心的环境之下。他引用了 Paperboy AI 创始人在他播客里说过的一句让他印象极深的话：人类和 AI 的最佳协作方式很可能还没有被发明出来。今天不管用什么工具，仍然存在大量摩擦，而摩擦就是创业机会。

悲观者当然往往正确，但是只有乐观者才有可能成功。因为只有你在乐观地去寻找哪里还有缝隙、可以长出新机会的时候，你才可能创造出一些别人没有看到的事情。

但乐观要建立在对价值分配结构的清醒认知上。他给出了整场对话里最扎心的一个数据：

OpenAI 和 Anthropic 他们所产生的收入，在美国所有的 AI 相关的软件包括模型里面占 90%。其他的例如Cursor、Manus，你能想到的一切 AI 应用，只占那 10%。整个由这一波 AI 浪潮所创造的商业价值，被基模吞掉了 90%。

应用层创业因此像"在推土机前面捡钢镚"。回避推土机的办法只有两种：

往天上跳：做 moonshot 级的星辰大海创业，AI for Science 和具身智能。中国已经有十几二十个 AI for Science 领域的百亿级公司，很快会出现 300 亿级的。判断标准是什么？"今天的普通白领没法去参与的高级知识工作"——AI + 芯片设计、AI + 新材料发现、AI + 探矿、AI for math、AI 辅助量子计算机设计。叠加上教授创业和 PhD 创业这一波拿到的正反馈（这一波模型公司很多就是这类背景做出来的），资本正在追捧这样的创业者。至于具身智能的高估值，他的解读是：当前商业化场景确实不多（机器人表演、租赁采数据、部分工业场景、卖给科研机构），估值不是对当下收入的定价，"而是因为大家认为它的未来是星辰大海，给的是一个未来价值到今天的折现"。

往地里钻：深入行业做"脏活"。标志性事件是大约一个月前，OpenAI 和 Anthropic 不约而同发公告提出 FDE（前沿部署工程师）这个新概念，帮企业梳理流程、文化、上下文、数据库，把 AI 植入工作的各个环节。

今天要把一个 AI 卖给一个公司，有点像把一个数字员工带入一个公司。你可以想象它有点像一个 HR：现在公司来了一个新的数字员工，我怎么让这个 AI 数字员工上岗？

这个角色过去叫售前、客户成功、驻场工程师，但重新命名凝聚了行业共识，企业会意识到，用好 AI 不是给所有员工开个账号就完了。国内有这样的人才吗？"肯定是没有现成的人可以干这个事情的，所以这里面应该会有一个井喷的职位需求出现"——他认为这是想转岗的人一个非常好的方向。

为什么井喷还没发生？因为创新扩散自有它的时间规律。ChatGPT 发布到现在三年多，AI 真正显现出做长任务的 agentic 能力，从 Manus 发布算起才一年零四个月。Karpathy 自己都说，agent 的落地应该按十年来计——今天只是这个 decade 的起点。"回头看电的发明到电真正改造了工厂，也花了非常长的时间。"

【7】谁在用 AI 赚钱，以及为什么"AI 留给腾讯的时间大大的有"

课代表立正追问：今天用 AI 赚到钱的公司有吗？Koji 列了四类：AI 应用（Cursor、Lovable、Manus 都在披露不断增长的 ARR）；模型公司本身，以及买了上市模型公司股票的投资者；用 AI 的短剧、漫剧创作者——"当他们开始用了 AI 之后，会秒掉那些不会用 AI 的同行"；用 AI 选品、写文案、投流的外贸从业者。

他还交代了一个个人持仓（声明不构成投资建议）：长期持有腾讯，逻辑不是基模，而是微信 agent：

只要他能够做出微信 agent 的那一天，就是中国的普通用户们全部用上 AI 的那一天。你的工作、你的生活、你小孩的教育、你的班主任、你的前任，你能想到的所有的社会关系，以及与这些社会关系相关的生活和工作的 context，全部在微信上面。

再加上小程序生态这个"全世界独一无二的 OS"，agent 可以去买保险、办签证、查快递。"微信再给任何一个产品五年时间，他能把这些积累出来吗？No。所以 AI 留给腾讯的时间是大大的有。"

【8】五个创业方向

对于想创业但找不到方向的人，Koji 不给通用建议，只分享他自己正在关注的五个大方向。

第一，everything agent和 agent 有关的一切。agent 会越来越深地浸入白领工作的毛细血管，它的 infra——沙箱、记忆、通信网络、支付——每一个都是非常大的问题。其中支付很可能不是创业公司的机会（大概率被巨头把持），其他都值得新创业者探索。这个方向还有一个反面视角：给 agent 设计产品。飞书最近口碑飙升，和它及时做了给 agent 用的 CLI、积极拥抱 agent 生态直接相关。

如果在未来一个 agent 要去用工具的时候找不到你的工具，那你的工具对他来说就是不存在的，就像一个人在 App Store 搜美图搜不到你一样。

第二，Physical AI / 具身智能。目标是做出真正能进入工业场景和家庭环境、完成高价值任务的机器人。这个领域泡沫非常大，但他提醒自己避免"这些人都是来割韭菜的"的心态："历史上的泡沫可能 10 个里面有 9 个，最后都沉淀出了有长期价值的事情。"

第三，视频模型提升解锁的商业价值。可灵 ARR 已经 5 亿美金，Seedance 已经 15 亿美金。云南一个给人拍婚纱照的小镇青年，做出了全球刷屏的电影质感短片《僵尸清道夫》。"每个人都可以把自己大脑里面的很多东西释放出来，变成作品。"对于看不起短剧的精英心态,他引了周总理在文艺工作者座谈会上的话——"你不喜欢你算老几，人民群众喜闻乐见的才是我们大家应该做的"。

第四，软件的新价值形态。 SaaS 股在暴跌，但软件不会消亡。他给出一个拆解：最小的软件单元由三个部分组成：工作流、知识库、界面，小到一个 Excel 文件都符合这个结构（写好公式的工作流 + 数据 + 呈现界面）。三个单元里任何一个做透都能产生价值：界面做到极致的例子是 Vibe Island，在 Mac 灵动岛里显示 Claude Code 的任务进度，"每个人都能 vibe 一个，但当它像一个作品一样被 polish 得非常精致的时候，你仍然会愿意为它买单"；私有化数据不用多讲；工作流的想象空间最大，"如果 Marc Andreessen、Peter Thiel 愿意把'怎么和创始人聊天、聊完怎么评估团队'这两个工作流按次卖给我，100 美金一次，我至少买 10 次"。至于数据和工作流理想的商业化封装形态是什么样，"我就期待看到创业者们来收敛这个可能性了"。

第五，和语音相关的一切。** 打字不是人类最自然的交流界面，中文打字门槛尤其高；语音承载的信息量、表达的全面性和细致性都比文字多很多。微信从 0 到 1 的起点就是语音聊天（受 Talkbox 启发）。语音交互、语音互动内容都还有大量未被挖掘的机会——比如已经有人做了用说话音高控制的 Flappy Bird，"一家人在那学驴叫，可以想象有多好玩"。

【9】新时代的 VC 像副驾，创业要从自己的痛点出发

Koji 自己的状态也被问到了。他现在做两件事：十字路口播客和真格基金投资合伙人，两者协同效应很强。三次创业之后，他很享受当前没有强制创业目标的状态：创业意味着你要定一个足够高的目标，"你永远在拉扯，你的真实能力和你想要做到的目标之间的拉扯，这个拉扯翻译过来就是人的追逐和焦虑"。而现在，"我每天只要坚持这些动作，它就会形成时间的朋友，在未来的某一天带给我一些回报"。等真正有原生 passion 的项目出现，他才会再创业。

关于新时代 VC 应该长什么样，他给出三个角色：一是叙事连接器，帮 founder 找好自己的叙事并放大它；二是 connector as a service，帮创业公司找客户、说服犹豫的候选人、组织被投企业互相帮助（他拿亲身经历对比：Statsig 早期是红杉投的，资源感受一般，C 轮 Iconiq 进来后"带我们去见大客户、各种晚宴"，被投公司互助的机会多了很多）；三是新型财务伙伴，提供招聘、财务这类所有公司都需要的基础设施。

但他同时划了一条线：

我始终相信一句话叫自强则万强。最牛逼的创业者是不需要来自太多 VC 的指指点点的。如果一个创业者特别表现出需要 VC 帮我干 ABCDEFG 这些事情，我反而会觉得非常担忧。好的投资人应该像一个好的副驾，在必要的时候锦上添花一下，而不是一直坐在副驾边上说前面红绿灯要来了你看清楚。

最后是给大厂里想创业的人的三条建议。

  • 第一，找到自己真正有热情、不睡觉也要把它搞出来的事情，"如果没有找到的话，不要那么勉强自己，不要把创业当做工作不开心的出口"。
  • 第二，找到一件你做起来毫不费劲、但别人做起来觉得很累的事情——可以和 AI 有关也可以无关，比如你研究茶叶三个小时一晃而过、讲给朋友听人人都被安利。
  • 第三，从真实的痛点需求出发，更容易有 PMF。他举了最近全球刷屏的两个项目：OpenClaw 的起点就是"vibe coding 爽到不想吃饭，但不能不吃饭啊"，于是做了一个手机上继续 vibe coding 的小工具。

最后

这场对话上下两个半场，其实在回答同一个问题的两面：当模型能力不再是稀缺品，个人和公司的护城河分别在哪里。

上半场课代表立正给个人的答案是 context。"工具一样、模型一样，最后拉开差距的其实就是你的 context"，这句话的份量在于它把 AI 时代的个人竞争完全重新定义了：竞争的不是谁更会写 prompt，而是谁积累了更厚的上下文、谁把更多隐性知识显性化成了 skill。这个判断和他给焦虑大厂人的建议是自洽的：先换工具去适应新生产力，因为"你在旧现实里边，你怎么可能知道新现实怎么样赚钱呢"。

下半场 Koji 给公司的答案是位置。90% 的商业价值被两家基模公司吞掉，这个数字决定了应用层创业的全部战略：要么跳到推土机够不着的高度（AI for Science、具身智能—，普通白领无法参与的高级知识工作），要么钻到推土机推不到的深度（FDE、行业流程改造，脏活累活和企业内部的上下文）。值得注意的是，这两条路的护城河其实和上半场是同一个东西：往天上跳靠的是稀缺的大脑和行业 know-how，往地里钻靠的是企业的流程、文化和数据库，全是 context。

第三个值得记住的是时间刻度。Agent 落地按十年计算，现在是一年零四个月；电从发明到真正改造工厂也花了几十年。这个刻度同时解释了泡沫（信心折现到今天）和机会（FDE 的井喷还没发生、人类和 AI 的最佳协作方式还没被发明、数据和工作流的商业化形态还没被收敛）。悲观者往往正确，但只有乐观者才有可能成功，在一个十年周期的起点上，这句鸡汤是字面意义上成立的。

---

原播客来源：十字路口《2026 年中 AI 访谈：高手用 AI 方法论 + AI 创投观察与创业方向——课代表立正 × Koji 杨远骋》

发布时间：2026 年 6 月

原播客：[https://www.xiaoyuzhoufm.com/episode/6a275ed57444b5722235a897]

节目时长：约 63 分钟

*本文为基于公开播客内容的整理与注解，保留了主要观点引用和关键背景注记。*