★ 設(shè)為星標(biāo) | 只講人話，帶你玩轉(zhuǎn)AIGC。

上周六（3 月 21 日），我們辦了第一場(chǎng)線下會(huì)，名字挺奇怪——「養(yǎng)蝦交流會(huì)」。

說實(shí)話，會(huì)前我一直挺沒底。OpenClaw 的熱度已經(jīng)過去了，我也被群友直接嘲笑“小龍蝦都死了，才辦會(huì)”。

但時(shí)間只剩一周多，要招商、約嘉賓、做設(shè)計(jì)、跑流程，每一步都在趕。

最崩潰的是約人。

很多不回，有些拒絕。

我甚至很久沒有為了發(fā)一條微信反復(fù)修改了，寫了刪、刪了寫，發(fā)出去，然后等。

后來才發(fā)現(xiàn)，大多數(shù)時(shí)候只是我一個(gè)人的內(nèi)心戲。

中間一度想放棄。反正不掙錢，何必折騰。

但這件事是博雅酒店老板最早提的，我很敬重他，也不太想失信。

博雅在張江做了二十年，一直在做一件事：把這里變成一群人（特別是科技工作者）愿意停下來交流的地方。

那就干吧。

后來，當(dāng)上海人工智能行業(yè)協(xié)會(huì)、復(fù)旦大學(xué)人工智能實(shí)驗(yàn)室、階躍星辰、MINIMAX 等陸續(xù)確認(rèn)參與，我才稍微松了一口氣。

至少，這件事不再只是我一個(gè)人在硬撐。

一個(gè)不太正常的開場(chǎng)

我們的活動(dòng)原定 13:30 開始簽到，但還沒到 1 點(diǎn)，就已經(jīng)有人陸陸續(xù)續(xù)到了。

那會(huì)兒我午飯才吃到一半，被迫“提前營業(yè)”。

正式開始前，現(xiàn)場(chǎng)已經(jīng)明顯熱起來了。不斷有人提前入場(chǎng)，我會(huì)后看數(shù)據(jù)，簽到率超過了100%，不少人是直接來現(xiàn)場(chǎng)報(bào)名的，因?yàn)榫€上的票早已售罄。

我們?cè)跁?huì)前半小時(shí)通知直播，當(dāng)天直播的參加人次也超過 5000。

圖：會(huì)場(chǎng)座無虛席

這件事本身其實(shí)不重要，重要的是：為什么會(huì)這樣。

因?yàn)檫@次來的人，不是來看熱鬧的。

根據(jù)現(xiàn)場(chǎng)統(tǒng)計(jì)，參會(huì)者中超過 50% 具備企業(yè)中高層決策權(quán)，其中 21.9% 是 CEO、創(chuàng)始人或 VP 級(jí)別。

從行業(yè)來看，53.2% 來自傳統(tǒng)行業(yè)（制造、消費(fèi)品等），科技互聯(lián)網(wǎng)企業(yè)反而只占 28.8%，此外還有金融、醫(yī)藥等對(duì)數(shù)據(jù)安全極其敏感的行業(yè)參與。

圖：到場(chǎng)的人員結(jié)構(gòu)分析

更有意思的是，這場(chǎng)活動(dòng)本身，其實(shí)帶著一種“生態(tài)拼圖”的意味。

一邊是上海人工智能行業(yè)協(xié)會(huì)這樣的行業(yè)組織，一邊是復(fù)旦這樣的學(xué)術(shù)力量，再加上企業(yè)與一線從業(yè)者，以及我們這種更偏內(nèi)容與實(shí)踐的角色。

這些力量疊在一起，讓這場(chǎng)會(huì)既不懸浮，也不局限。

這也說明一件非常明確的事情：AI，已經(jīng)從“技術(shù)討論”，變成了“經(jīng)營問題”。

很多人不是來聽概念的，而是想確認(rèn)一件事——這東西，到底能不能幫我解決真實(shí)業(yè)務(wù)問題。

復(fù)旦教授：別再幻想了，大模型還不會(huì)“思考”

整場(chǎng)活動(dòng)中，很多人跟我說，如果只選一個(gè)最值得反復(fù)回味的分享，那一定是復(fù)旦大學(xué)人工智能實(shí)驗(yàn)室張教授的那一段。

圖：復(fù)旦大學(xué)人工智能實(shí)驗(yàn)室教授分享

他沒有去強(qiáng)調(diào) AI 有多強(qiáng)，反而做了一件更重要的事：幫大家劃清邊界。

他的一個(gè)核心觀點(diǎn)很直接——今天的大模型，本質(zhì)上并不會(huì)“思考”。

它所表現(xiàn)出來的推理能力，更像是基于訓(xùn)練數(shù)據(jù)的概率匹配，而不是像人類那樣真正理解和推導(dǎo)。

比如，一個(gè)模型可以解復(fù)雜的數(shù)學(xué)題，但卻無法完成一些簡(jiǎn)單的規(guī)則遷移；不同能力之間，也很難像人一樣自然遷移。

換句話說，它更像一個(gè)極其強(qiáng)大的“記憶系統(tǒng)”，而不是一個(gè)真正意義上的智能體。

這也引出了一個(gè)更關(guān)鍵的問題：如果模型本身有邊界，那 AI 的價(jià)值到底在哪里？

他的答案很明確——不在模型，而在場(chǎng)景。

適合 AI 的任務(wù)，通常具備幾個(gè)特征：人做很慢（需要幾小時(shí)甚至更久）、結(jié)果可以驗(yàn)證、流程相對(duì)清晰。

而那些幾分鐘就能完成、無法判斷對(duì)錯(cuò)、或者高度依賴創(chuàng)造性的工作，其實(shí)并不適合當(dāng)前階段的 AI。

這句話聽起來很簡(jiǎn)單，但幾乎可以過濾掉絕大多數(shù)“偽AI需求”。

怎么“養(yǎng)蝦”：?jiǎn)栴}不在技術(shù)，而在產(chǎn)品

在階躍星辰產(chǎn)品負(fù)責(zé)人的分享中，有一個(gè)讓我印象很深的觀察：很多用戶其實(shí)已經(jīng)安裝了，但不知道接下來該干嘛。

圖：階躍星辰 Agent 產(chǎn)品負(fù)責(zé)人分享

這聽起來有點(diǎn)反直覺，但其實(shí)非常典型——技術(shù)已經(jīng)到位，但產(chǎn)品路徑?jīng)]有跑通。

用戶會(huì)安裝，卻不會(huì)用；嘗試幾次之后，很快流失。這不是能力問題，而是“使用場(chǎng)景”和“使用路徑”沒有被設(shè)計(jì)清楚。

從工具到真正的產(chǎn)品，一般會(huì)經(jīng)歷三個(gè)階段：先讓人用起來（工具），再讓一部分人用出效果（KOL），最后形成持續(xù)的內(nèi)容與使用循環(huán)（社區(qū)）。

AI 產(chǎn)品，其實(shí)也正在走這樣一條路。

而這位負(fù)責(zé)人本身也是深度使用者，他分享了很多非常接地氣的使用方法、踩坑經(jīng)驗(yàn)，以及如何把這些能力真正嵌入工作流。

最重要的是，他講的都是人話，大家都聽得懂，也愿意聽。

從“玩具”到“生產(chǎn)力”：企業(yè) Agent 的真實(shí)落地

圖：一群人圍著杭州 404 科技創(chuàng)始人交流

如果說消費(fèi)級(jí) Agent 更偏“發(fā)散”，那企業(yè)級(jí) Agent 就必須是“收斂”的。

在企業(yè)場(chǎng)景中，Agent 必須在明確的業(yè)務(wù)邊界內(nèi)運(yùn)行，有權(quán)限控制，有安全約束，還要對(duì)結(jié)果負(fù)責(zé)。

它不再是一個(gè)可以隨便試的工具，而是一個(gè)需要穩(wěn)定運(yùn)行的系統(tǒng)。

這也是為什么，很多看起來很驚艷的 Demo，在真實(shí)環(huán)境中并不能直接使用。

但與此同時(shí)，真正落地的案例已經(jīng)開始出現(xiàn)。

比如一個(gè) 50 人規(guī)模的 MCN 公司，通過接入微信 Agent，實(shí)現(xiàn)客戶報(bào)告的自動(dòng)生成與分發(fā)，開發(fā)周期從原來的兩周縮短到一周，甚至有員工自行開發(fā)了十多個(gè)業(yè)務(wù)模塊。

又比如一個(gè) 10 人規(guī)模的跨境電商團(tuán)隊(duì)，通過對(duì)接 ERP 系統(tǒng)，實(shí)現(xiàn)自動(dòng)補(bǔ)貨和銷售分析，整體流程效率提升了大約 80%。

這些案例說明一件事：AI 并不是不能落地，而是必須圍繞具體業(yè)務(wù)去設(shè)計(jì)。

安全問題：不是“會(huì)不會(huì)出事”，而是“什么時(shí)候出事”

如果說前面的內(nèi)容還帶著一點(diǎn)樂觀，那綠盟科技的分享，則把大家拉回到了現(xiàn)實(shí)。

圖：綠盟科技安全研究員在分享

在 Agent 體系中，真正的風(fēng)險(xiǎn)不在模型，而在 Skill。

Skill 本質(zhì)上是可執(zhí)行的能力模塊，而現(xiàn)場(chǎng)提到的數(shù)據(jù)是：大約 70% 的 Skill 理論上可以被利用，其中 20% 甚至具備明顯的破壞性。

更關(guān)鍵的是，Agent 天然具備較高權(quán)限——可以讀取文件、調(diào)用接口、執(zhí)行命令。一旦被利用，其影響往往是系統(tǒng)級(jí)的。

因此，很多企業(yè)在落地時(shí)都會(huì)采取更保守的策略，比如本地部署、沙箱隔離、全量日志審計(jì)等。

同時(shí)，也開始嘗試一些新的安全方案，在效率和安全之間尋找平衡。

圓桌與提問：空氣里，其實(shí)全是焦慮

圖：圓桌討論環(huán)節(jié)

如果說前面的分享更多是“信息”，那圓桌和提問，更像是“情緒”。

你能明顯感覺到，現(xiàn)場(chǎng)的氛圍是緊的。大家問的問題都很具體，但背后其實(shí)都指向同一件事——這個(gè)時(shí)代，到底該怎么活下去。

我印象最深的，是一個(gè)創(chuàng)業(yè)者的提問。他沒有繞彎子，直接問：“現(xiàn)在這種變化速度，還有創(chuàng)業(yè)的機(jī)會(huì)嗎？或者說該怎么樣創(chuàng)業(yè)”

這個(gè)問題一出來，現(xiàn)場(chǎng)其實(shí)有點(diǎn)安靜。復(fù)旦的張教授給了一個(gè)非常直接、甚至有點(diǎn)刺耳的回答：最好別創(chuàng)業(yè)。

大家一開始有點(diǎn)愣住了，但他后面解釋得很清楚。

過去，從互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)，其實(shí)路徑是相對(duì)清晰的。大家大致知道技術(shù)能做什么，無非是把信息、流量、位置這些能力重新組合。

但 AI 不一樣，到今天為止，連學(xué)術(shù)界內(nèi)部，對(duì)它的能力邊界都沒有形成共識(shí)。

它到底能做什么，不能做什么，還在不斷變化。

換句話說，你連“賽道”都還沒看清，就要下場(chǎng)，這是第一層不確定性。

第二層，是成本。

他舉了一個(gè)很現(xiàn)實(shí)的例子：如果你要做 AI 相關(guān)的事情，哪怕只是一個(gè)相對(duì)基礎(chǔ)的團(tuán)隊(duì)，核心算法人才的成本，可能就是年薪幾百萬起步。

他甚至半開玩笑地說了一句：“我現(xiàn)在都在想，要不要把自己賣出去。”

現(xiàn)場(chǎng)是笑了，但那個(gè)笑，其實(shí)有點(diǎn)復(fù)雜。

另一個(gè)讓我印象很深的，是一位程序員的提問。

他說得很坦白：“現(xiàn)在 AI 替代程序員，基本已經(jīng)是個(gè)共識(shí)了。我這種做了很多年的程序員，該怎么辦？那對(duì)剛畢業(yè)的計(jì)算機(jī)專業(yè)來說，還有必要學(xué)編程嗎？”

這個(gè)問題，比創(chuàng)業(yè)那個(gè)更沉，因?yàn)樗鼪]有選擇題，只有現(xiàn)實(shí)。

張教授的回答依然很鋒利。他提到一個(gè)時(shí)間點(diǎn)：去年 10 月之前，大量程序員開始深度使用像 Cursor 這樣的工具，結(jié)果帶來的不是簡(jiǎn)單的效率提升，而是一種能力躍遷。

模型在真實(shí)代碼場(chǎng)景中被快速“喂養(yǎng)”，進(jìn)化速度被明顯拉高，到今天，已經(jīng)可以替代掉相當(dāng)一部分程序員的工作內(nèi)容。

這件事，不是未來，而是正在發(fā)生。

現(xiàn)場(chǎng)還有一位參會(huì)嘉賓，之前是一家上市公司的 CTO。他分享說，自己在 40 天內(nèi)，用 AI 寫了 30 多萬行代碼，這個(gè)量大致相當(dāng)于過去一個(gè)百人團(tuán)隊(duì)一年的產(chǎn)出。

這個(gè)數(shù)字聽起來很夸張，但你又很難完全否認(rèn)它的真實(shí)性。但他自己也很坦誠地說，他其實(shí)也沒有完全想明白。

如果 AI 可以替代初中級(jí)程序員，那問題就變成了：沒有這些“初中級(jí)”，未來的高級(jí)程序員從哪里來？

你會(huì)發(fā)現(xiàn)，不管是創(chuàng)業(yè)，還是程序員，最后都在問同一個(gè)問題：在一個(gè)變化速度遠(yuǎn)超預(yù)期的時(shí)代，個(gè)體應(yīng)該怎么定位自己。

沒有人給出一個(gè)確定的路徑，但有一點(diǎn)是確定的：這個(gè)問題，已經(jīng)沒有人可以回避了。

結(jié)語：這可能不是一場(chǎng)會(huì)，而是一個(gè)信號(hào)

后來我慢慢覺得，這場(chǎng)“養(yǎng)蝦交流會(huì)”，其實(shí)也是上海這座城市，在這一波 AI 浪潮里的一個(gè)縮影。

在上海，你能看到高校、企業(yè)、協(xié)會(huì)，還有像我們這樣的一線從業(yè)者，被同一個(gè)問題重新拉到一起——AI，到底什么時(shí)候開始真正干活。

而且，這件事已經(jīng)不只是“大家在自發(fā)嘗試”。

上海其實(shí)已經(jīng)在往前推了，無論是圍繞 OpenClaw、Agent 的開發(fā)者生態(tài)，還是對(duì)個(gè)人創(chuàng)業(yè)者（OPC）的支持，方向都很明確：不是再卷模型，而是去做真正能落地的場(chǎng)景。

我們正在從“AI 很厲害”，走向“AI 開始干活”。它還不穩(wěn)定，也不完美，但有些事情，已經(jīng)回不去了。

所以最后只剩一個(gè)問題：如果 AI 已經(jīng)可以開始替你做事，那你準(zhǔn)備先把哪一部分，交出去？

對(duì)了，講師們的 PPT 我已經(jīng)放到網(wǎng)盤了，關(guān)注公眾號(hào)后，發(fā)送“蝦客行”領(lǐng)取。