如何进入AI时代，如何寻找和使用AI工具来提高工作和学习效率，以及如何解决个性化和专业化需求的问题

1.对AI发展的态度，不FOMO，也不JOMO2.可能成功的AI公司，都应该打造自身的数据飞轮对AI产业链的一个经典划分，是基础设施层、模型层、中间层和应用层，应用场景的横向划分可以主要分为ToC和ToB。在当下，我们认为未来真正能出现一家AI新公司，去挑战现有巨头，还得是敢于从ToC场景里寻求突破的，因为C端能带来的数据飞轮效应，可能是在AI早期决胜的关键；3.有专业壁垒的垂直模型也许是机会所在前Google创始人Eric Schmidt有一个观点，他认为未来会是多个垂直模型或者多个垂直助理，包括各种高价值、专业化的AI系统。这是因为很多高价值、特定领域的工作流程，特别且必须依赖于丰富的专有数据集。AI时代可能会颠覆SaaS时代的很多想法。我们在当下会去看一个AI应用有多少是GPT等大模型的能力，有多少是自己的能力。如果壁垒太低，很多产品可能活不过GPT的一次迭代升级。4.大模型产品的两个方向：个性化&场景化个性化：给它装上“记忆”，令AI可以真正成为人类的工作助理或是陪伴者场景化：给它装上“手”和“眼睛”实践尝试的意义永远大于坐而论道通过拥抱AI而获得实际的数据增长：Notion和Character.AI专业化、垂直模型的先行场景：DoNotPay和法律应用虽然很小，但意义重大的例子：医疗领域的应用关于AI创业的几点建议AI的学习和应用，大家一定注意，用起来、有效迭代大于一切大家可以尝试形成正确的底层工作逻辑，或者设计正确的AI改变工作生活的流程，按节奏确定目标和复盘AI浪潮在这个阶段，一定是技术驱动为先和定义产品为重的AI创业，不但要能用好市面上的AI工具，更要从AI效率、变革的角度，去组织公司架构如果你是在做ToC产品，那数据飞轮带来的正反馈效应非常重要在当下AI相关如此火的状态，也对创始人提出了更高、更全面的要求AI创业一定要把握好融资节奏

从本次调研数据看，通过自然语言对话，单次或几次互动就可以完成一次性任务，是目前最常用AI工具处理的工作任务类型。90%的产品从业者，使用AI工具辅助文本信息处理生成。63%的用户在工作中使用AI工具辅助搜索，甚至优先用AI搜索信息。有45%的用户会借助AI生成图片以及音视频，用于快速制作demo演示效果是最主要场景，也有少部分情况会用于制作最终产品。有29%的用户会将AI作为工作创意助手以及数据报告的处理。GPT4，你怎么看这个数据：…我们可以看出AI工具在协助处理工作任务方面有以下几点可以改进的地方。提高创新性和创新辅助能力：很多产品从业者选择使用AI作为创意助手，但这一比例相对较少。这可能是因为现有的AI工具在协助创新设计、数据解读等高层次任务方面还存在一定的局限，比如无法理解复杂的创新需求，或分析结果过于直接和缺少深度。对这方面的改进除了技术手段，也可能需要更多关注产品从业者的工作模式和思维习惯，提供符合他们工作特性的工具和服务…提升个性化和智能化程度：每一个产品从业者的工作习惯、技能水平以及对工具的需求都是独特的。AI工具需要能够理解并适应这些个性化需求。此外，智能化程度也可以进一步提升，如通过机器学习等方式，使得工具能够记住用户的偏好，预测用户的需求…对合适场景的更精准识别：一种AI工具可能并不能满足所有场景的需求，AI工具需要更深入的理解用户在每个具体场景下的使用需求...

在许多情况下，我们只需给AI下达明确的命令来完成一次性任务，例如制作一个简单的Chrome插件、编写脚本、或创建Python爬虫。但当AI满足了我们简单的需求，并让我们获得正反馈之后，我们的期待也会不断提高，希望能进一步从繁琐的日常任务中解脱出来。这个时候，我们需要了解AI编程的边界和限制。[heading2]3.1 AI编程准则第一条：能不编，尽量不编[content]随着IT技术的发展，各种基础设施和工具越来越多，大多数需求都能找到现成的软件解决方案，只需权衡投入产出，进行评估即可。[搜索技巧的逆袭：在AI统治的世界中寻找价值](https://iaiuse.com/posts/af894b2a)成熟产品优先找线上工具：例如制作白底图等功能，如果线上有现成的工具那最好。其次找插件：基于现有系统找合适的插件。最后是本地应用：当线上工具和插件都不满足需求时，再考虑本地应用。API功能先找现成的开源工具，GitHub上很多。然后考虑付费服务。如果都找不到现成的方案，才考虑自己编程。毕竟，人生苦短，何必为难自己呢？如果真的需要动手编写，也要以终为始，抛开技术障碍，聚焦于目标。