牛牛游戏app 开年重磅万字长文范式复盘：咱们在AI奇点之中

{jz:field.toptypename/}

本文来自微信公众号：AIGC从0到1，作家：01Flow，头图来自：AI生成

小引：2026年2月20日，又一个行业的坍弛时刻

2026年2月20日，Anthropic发布Claude Code Security，好意思股板块集体暴跌。CrowdStrike跌7.95%、Cloudflare跌8.05%、Okta跌9.18%，单日市值挥发超100亿好意思元。Global X收集安全ETF创2023年11月以来新低。

这是继2月3-4日\"SaaSpocalypse\"（SaaS坍弛）之后，48小时内第二次行业级坍弛。

两次坍弛的共同特征是：AI不再是“援手器用”，而是平直替代了所有奇迹类别的中枢价值。Claude Code Security在里面测试中发现500+遁藏多年的高危罅隙，包括Ghostscript、OpenSC等开源样式，部分罅隙存在超十年未被东说念主类安全巨匠发现。

这是范式坍弛的信号。

当一个AI器用能够卓越所有行业数十年的巨匠蕴蓄，因为中间有段时候我莫得紧密fellow，参见前文《用AI，不AI：一个AI异化者的重外行记》，是以我十分想搞明晰的是：范式是怎样演进到这一步的？

第一阶段：模子智商的指数级跃迁（2018-2024）

A. 中枢特征：Scaling Law（缩放定律）的顺利

从GPT-3到GPT-4，从Claude到Gemini，这一阶段的主旋律是模子智商的指数级增长。LLM在软件任务上的时候跨度每7个月翻倍，Claude Opus 4.6在METR软件任务上达到14.7小时，比较前代进步了近3倍。

这个阶段的要害信念是：

更大的模子 = 更强的智商

更多的数据 = 更好的泛化

更长的凹凸文 = 更复杂的推理

直到互联网数据被用完，蒸馏数据会激励崩溃。AI检会的瓶颈从模子参数够不够大，到是簇新、可靠的数据从那处来。这预示着第一阶段的天花板。

B. 范式的内在矛盾

这一阶段暴露馅三个中枢矛盾：

1.数据衰退：互联网公开数据已被“反复嚼旧料”，模子运行“嚼我方的尾巴”；

2.智商泛化 vs. 落地应用：模子越概括越泛化，但繁忙与的确任务的有用对接；

3.Speech-act的空转：多数对话停留在“数字空间空转”，未能进入“speech-cognition的高价值空间”。

第二阶段：从In-Context Learning到Scaffolding（2024-2025）

A.Anthropic的双重旅途

Anthropic的战术中枢：“in-context learning和Scaffolding演化的双重作用下的模子进展。”

In-Context Learning（凹凸体裁习）的深化：

不再是节略的few-shot prompting；

演变为Context Engineering——Anthropic在2025年9月发扬提议这一主见；

中枢转换：从“写好指示词”到“策展最优token王人集”；

要害手艺：Compaction（压缩）、Structured Note-taking（结构化操心）、Sub-agent Architectures（子代理架构）。

Scaffolding（脚手架）的战术预料：这里的“脚手架”指的是：东说念主类造就进入LLM的管说念和结构。

Anthropic的工程博客揭示了一个要害瞻念察：

> \"Context engineering represents a fundamental shift in how we build with LLMs. As models become more capable， the challenge isn't just crafting the perfect prompt—it's thoughtfully curating what information enters the model's limited attention budget at each step.\" “凹凸文工程代表着咱们应用大型话语模子进行开导的根人道转换。跟着模子智商的增强，挑战已不再只是是经心联想完好意思的指示，而是要审慎地在每一步中筛选出哪些信息能进入模子有限的醒目力预算。”

那么，LLM平台战争的本色依然从模子转换到脚手架。谁界说了东说念主类具身造就进入LLM的管说念形态，谁就界说了speech symbiosis的拓扑结构。

这意味着：

脚手架（Scaffolding）成为模子智商的放大器；

战场从“模子检会”转换到“运行时编排”；

东说念主类造就的输入样式，决定了AI的输出质地。

B. 要害手艺打破

1.Context Window的辩证法：

更长的凹凸文 ≠ 更好的性能；

Context Rot征象：跟着token数目增多，模子检索准确性着落；

治理决议：Just-in-time retrieval + Agentic Search。

2.从Pre-retrieval到Runtime Exploration：

传统：事先检索所有有关数据；

新范式：颐养轻量级符号符，动态加载数据；

Claude Code的实践：用glob、grep等器用导航环境，绕过贪污索引。

3.Multi-agent Architecture的崛起：

主代理颐养高层盘算；

子代理处理深度手艺责任；

每个子代理可能糜掷数万token，但只复返1000-2000 token的精湛纲要。

C. 递归自我雠校（RSI）期间的到来

2025年底，一个惟一行业少数东说念主能察觉的拐点出现了：模子运行匡助创造模子。（参见前文：《AI自主进化前的窗口期：12个月!》）

研发速率初次收尾递归式增长，单个参议者的产出被成倍放大。Alexandr Wang将这个阶段定名为递归自我雠校（RSI，Recursive Self-Improvement）期间。

畴昔五年的规定：AI跳跃靠堆资源。参加更多数据和算力，模子就变得更强。

咫尺的质变：模子不再被迫恭候投喂，它运行能襄理作念参议，能参与检会下一代模子。它能整理数据、生成实验代码、作念架构搜索，而况速率更快。

从外部看，所有头部LLM厂家的发布频率蓦然变高了。但这只是表象。在里面，研发历程正在发生质变：

参议被切分红更小的要领；

模子能够及时给出决议并进行对比；

好多畴昔依赖东说念主工试错的旅途，咫尺平直在模子里面就能跑通；

下一代模子的迭代速率收尾了量级跃升。

竞争逻辑的改变：在RSI期间，竞争的焦点依然从单纯的“资源范围”转向了“迭代速率”。

咫尺的上风，取决于谁能更快地生成实验决议、更快地清洗数据、更快地测试不同旅途，并以最快速率将这些闭幕反哺给下一代模子。是以你会看到，掌捏了这套叮属的头部实验室，居品发布节律昭彰提速了。

AI依然进入了能够自我推动的阶段。短期内，你大约感知不到剧烈变化，但在将来三到五年，这种自我加速智商会在居品迭代、组织更新和行业地位上拉开庞大差距。

第三阶段：脚手架重构与行业坍弛（2026年2月）

A. 脚手架战争的本色

LLM平台战争的本色依然从模子转换到脚手架。谁界说了东说念主类具身造就进入LLM的管说念形态，谁就界说了speech symbiosis的拓扑结构。

这意味着：

模子智商趋于同质化:（OpenAI、Anthropic、Google的顶级模子差距消弱）；

各异化在于编排智商：怎样让东说念主类造就有用输入、怎样让模子与的确任务对接；

价值拿获点转换：从“检会最强模子”到“构建最好管说念”。

B. 脚手架重构的领域，等于营业模式坍弛的领域

第一次坍弛：SaaS的48小时（2月3-4日）。

市值挥发：

纳斯达克云指数挥发近3000亿好意思元；

这不是宏不雅回调，而是底层营业逻辑的坍弛。

三个要害方针的失速：

1. NRR（净收入留存率）中位数跌至101%——接近危机线；

2. GRR（总收入留存率）跌破90%——客户流失加速；

3. CAC回本周期拉长至24个月以上——单元经济模子失效。

Forbes的深度报说念指出：这不是“增长变慢”，而是“单元经济模子正在失效”。

成本的三个潜逃办法：

资金流向呈现出令东说念主窒息的极化：

1.Service-as-Software（闭幕导向立异）：

从“出售器用造访权”到“出售可考证的营业闭幕”；

无法把计费模子与委用价值硬绑定的软件→沦为“可替换组件”。

2.物理基础设施：

固态变压器、推理ASIC、硅光收发器；

掌控变压器架构与光通讯模块→建立“物理主权”；

“成本只称心为‘物理限制权’和‘原生数字主权’下注”。

3.机器身份与硬核推理：

安全层面：从“防东说念主越权”到“防守自治机器代理”；

硬件层面：通用芯片在低蔓延推理的能效比被挑战。

第二次坍弛：收集安全的玄色星期四（2月20日）

触发事件：Anthropic发布Claude Code Security

手艺打破的颠覆性：

遴荐AI模子Claude Opus 4.6；

可像东说念主类安全巨匠般长入代码逻辑；

发现传统器用易遗漏的复杂罅隙（业务逻辑劣势、权限绕侵犯题）；

内置多阶段考证机制，自动生成成立建议但保留东说念主工审核要道。

实战阐发：

里面测试发现500+遁藏多年的高危罅隙；

包括Ghostscript、OpenSC等开源样式；

部分罅隙存在超十年未被东说念主类巨匠发现。

阛阓反馈：

CrowdStrike跌7.95%、Cloudflare跌8.05%、Okta跌9.18%；

板块单日市值挥发超100亿好意思元；

Global X收集安全ETF创2023年11月以来新低。

行业影响：

该器用定位代码审计要道，平直冲击应用安全测试阛阓；

尽管仍处限量参议预览阶段，但加重阛阓对AI颠覆传统安全营业模式的张惶。

两次坍弛的共同逻辑

这两次坍弛揭示了一个罪行的事实：当AI的脚手架能够有用对接某个垂直领域时，该领域的传统营业模式就会在48小时内坍弛。

当AI能够：

1.卓越东说念主类巨匠的多年蕴蓄（收集安全）；

2.以更低成本委用疏导闭幕（SaaS）；

3.不息学习和进化（而东说念主类巨匠的学问更新速率有限）。

传统营业模式的护城河就会蓦然挥发。

脚手架重构的本色：

传统软件期间：

东说念主类造就 → 圭臬员编码 → 软件居品 → 用户使用；

瓶颈：圭臬员的编码智商和时候。

脚手架期间：

东说念主类造就 → 脚手架管说念 → LLM长入 → 输出闭幕；

瓶颈：脚手架的联想质地。

谁界说了“东说念主类造就→LLM输入”的管说念形态：

就界说了AI能长入什么、弗成长入什么；

就界说了AI能作念什么、弗成作念什么；

就界说了价值怎样流动。

这等于“speech symbiosis的拓扑结构”——东说念主机共生的交互拓扑。

第四阶段：Agentic AI的大范围落地（2025年底-2026年）

A. 从“主见”到“可用”的跨越

如若说前一阶段讲的是手艺为什么变快，这一阶段则更逼近正常东说念主和企业：AI为什么终于能把事情办成了。

畴昔两年，智能体（Agents）这个词被说起了无数次。从2023年运行，它就被鼎力宣传，但在很长一段时候里，它更像是一个被炒作的流行词，弥远莫得达到预期。

到了2025年下半年，情况变了。智能体第一次信得过运走运转，能够承担的确任务，而不再只是是Demo。

从会申诉到会推论：

智能体运行处理完整的任务链：

一语气调用器用；

在后台万古候运行；

字据突发情况自动诊治推论要领。

从这一刻起，AI智商规模扩大了。以前的AI只可申诉问题，咫尺的AI能鼓舞进程。对企业而言，多了一个7x24在线的“数字职工”；对个东说念主而言，则多了一个能主动帮你成事的“超等助理”。

B. 软件工程的统率地位

数据夸耀：软件工程占所有AI代理器用调用量的近50%，而医疗、法律、金融等垂直领域各占比不及5%。(见下图）

这揭示了两个事实：

1.通用智商的优先级：代码长入、文献操作、系统调用是最基础的“管说念智商”；

2.垂直领域的庞大空缺：有上百个AI独角兽企业恭候被打造。

马斯克的第一性旨趣展望：

马斯克展望：到本年年底，AI将实足绕过编码，平直创建二进制文献。

当AI能够：

长入用户意图；

联想系统架构；

生成优化的机器码；

平直输出可推论文献。

中间的“编码”要道就成了冗余。这是第一性旨趣的极致体现——平直从需求到闭幕，跳过所有中间层。

不愧是第一性旨趣宗主。

C. 三个办法同步爆发

1. 编程智能体正在重塑研发历程

它们能读懂、生成并修改代码，让工程师的责任遵循收尾跃升。在Meta里面，有工程师应用AI将坐蓐力提高了10到100倍。这些案例一个接一个出现后，组织里的其他东说念主蓦然意志到，责任样式真是在改变。

2. 个东说念主智能体（Personal Super Intelligence）

能帮你贪图任务、安排日程、拆解办法，信得过浸透进日常生计。

如若你想改善健康：它能帮你量身定制并严格落地一套包含饮食、畅通和作息的完整决议。

如若你要策齐整场步履：它能自动跟进进程、对接形势、发送邀请，致使替你查漏补缺。

如若你想享受生计：它能帮你禁受脱落的日常琐事，把你开释出来，抢庄牛牛app把时候留给垂钓、画画、旅行，或者任何信得过有价值的事。

3. 世界服务智能体

在印度提供了范本：大家平直在WhatsApp上就能赢得政府服务、查询信息、提交恳求，遵循发生了质变。

智能体不再是某个前沿行业的专属，它正成为一种通用的责任样式。

D. 从不安稳到安稳

智能体为什么能在咫尺跨越“主见”走向“可用”？Alexandr Wang将其归结为四点质变：

1. 模子的推明智商大幅跃升；

2. 器用调用变得愈加贯通；

3. 与推行场景的集结愈加顺畅；

4. 经过海量应用测试后，可靠性得到了考证。

智能体从让东说念主“不安稳”，变成了“不错安稳寄予”。这恰是其能够被范围化部署的中枢前提。

一朝信任建立并安稳部署，价值就会快速开释。它们不知疲乏、可无尽复制、能同期处理多项任务。它们不仅能将东说念主类从重叠性劳动中自若出来，更能加速所有组织的运转速率。

企业的运转遵循、国度的世界服务质地，都将因此拉开差距。这些差距将在2026年变得露出可见。按照Wang的判断，在所有2026年，智能体会在全球诸多经济领域和地区收尾大范围部署。用他的话说：“AI带来的经济价值将呈指数级增长。”

智能体依然成为一种新的坐蓐样式。越早将其纳入业务历程的组织，就能越早进入新的增长轨说念。

E. Claude vs. OpenClaw：两种脚手架玄学

有东说念主这么说：“Claude Code是精英巨匠共事，OpenClaw是知说念你全部经验、凌晨两点还给你发语音的室友。”

这代表了两种脚手架联想玄学：

Claude的“巨匠互助”模式：

强调Context Engineering的细腻化；

多阶段考证机制；

保留东说念主工审核要道；

符合高风险、高价值场景（如代码安全审计）。

OpenClaw的“亲密室友”模式：

不息凹凸文感知；

低摩擦交互；

更激进的自主权；

符合个东说念主坐蓐力场景。

两种模式的中枢各异在于：怎样均衡“东说念主类造就输入的一语气性”与“AI自主决策的规模”。

F. 数据坐蓐关连的重构：Perceptron Network案例

Perceptron Network代表了范式演进的另一个维度：数据坐蓐从顽固平台左右转向漫衍式共建。

中枢瞻念察：“AI检会的瓶颈从来不是模子参数够不够大，而是簇新、可靠的数据从那处来。”

Perceptron的想路：

把数据坐蓐从顽固的平台左右，转向漫衍式共建；

让的确东说念主类信号成为AI不息进化的燃料，而不是反复嚼旧料；

将来胜出的不是谁算力最猛，而是谁能拿到一语气不停的、可考证的及时行动数据。

机制联想：

节点捕捉公开互动和凹凸文信号（闪避阴事雷区）；

经过考证结构化后供给AI代理；

孝敬者通过$PERC奖励参与价值闭环。

收集效应：

节点越多→遮掩越广→信号越丰富→数据质地越高；

酿成正反馈轮回；

数据从“平台护城河”变成“可轮回授权的世界钞票”。

这是AI坐蓐关连的重塑：从“少数巨头囤积”到“收集共建分享”。

第五阶段：Speech-Cognition的末端（将来）

A. 东说念主东说念把持理天才团队的期间

AI期间本色上等于“东说念主东说念把持理天才团队”。每个东说念主手里的chatgpt、claude，等于博士团队、致使诺奖级巨匠组合。

但要害前提是：管理天才团队的智商自身等于稀缺资源。

但有个要害前提：管理天才团队的智商自身等于稀缺资源。AI如实裁汰了手艺门槛，但“提议好问题、联想考证历程、判断输出质地”这套智商反而在放大。就像东说念主东说念主都能开法拉利，但不是东说念主东说念主都能跑出F1圈速。器用平权了，但智商差距反而更大了。

这导致了新的智商分层：

器用平权了：东说念主东说念主都能造访Claude、GPT；

智商差距放大了：“提议好问题、联想考证历程、判断输出质地”成为中枢竞争力；

脚手架智商成为新的护城河：谁能更好地构建“东说念主类造就→AI输出”的管说念。

B. 供应端的指数级挑战

The advancement of AI technology is not linear but exponential.The task duration doubles every seven months.东说念主工智能手艺的发展并非呈线性增长，而是呈指数增长。任务糜掷时长每七个月就会翻一番。

这带来一个反直观的担忧：与其系念AI泡沫，本猿更系念的是——供应端是否跟得上指数级的需求爆发。

马斯克的供应链瞻念察：2023年，业界最系念的是GPU短缺。经过3年的坐蓐，GPU依然充足了，信得过的瓶颈是电力。

这意味着：

算力瓶颈：从GPU算力转换到光互连的纳秒级蔓延和兆瓦级电力调度；

数据瓶颈：簇新、可靠、可考证的及时行动数据（Perceptron Network试图治理的问题）；

编排瓶颈：能够支配复杂agent系统的工程师（脚手架智商）。

供应链的瓶颈正在从“臆想”转向“动力”和“编排”。一朝治理瓶颈，等于意味着收尾了黄仁勋的不雅点：智能的0关税、0蔓延出口全球，本色上是动力出口。

C. 从Speech-act到Speech-cognition

agent开脱speech-act的数字空间空转，进入到speech-cognition的高价值空间。

这是范式演进的终极办法：

Speech-act：对话自身是目的（聊天机器东说念主期间）；

Speech-cognition：对话是领路器用，集结想考与行动；

Aha moment：访佛Hassabis说的Einstein Test——科学表面发现的打破。

因为是个神经收集黑盒。这个嗅觉基于多数交互造就。暧昧摸一下，等于意图明白穿透力很强，长逻辑链的防守，动态对王人（信得过的互动）。有通盘往前走的互助感。

这种“互助感”的特征：

意图明白穿透力很强：AI能长入深层意图，而非名义指示；

长逻辑链的防守：能在复杂任务中保持办法感；

动态对王人：信得过的互动，而非单向推论；

通盘往前走的互助感：东说念主机共生，而非器用使用。

D. 由概括到具象

和AI互动是一个高信息密度智能体在向下兼容咱们，是以无论何如聊，都会有所成绩。AI是越概括越泛化，怪不得咫尺年青东说念主越来越概括。

这揭示了面前阶段的特征：

AI的智商是“概括泛化”的；

东说念主类的需求是“具体情境”的；

脚手架的作用等于在两者之间建立桥梁。

范式演进的头绪转头

A. 五个阶段的递进逻辑

1.模子竞赛期（2018-2024）：

- 中枢：Scaling Law

- 瓶颈：数据衰退、落地应用缺失

- 代表：GPT-3/4， Claude 1/2

2.脚手架醒觉期（2024-2025）：

- 中枢：In-Context Learning + Scaffolding + RSI

- 打破：Context Engineering， 模子匡助创造模子

- 代表：Claude 3.5 Sonnet， Anthropic工程实践

3.脚手架重构与行业坍弛期（2026年2月-不息）：

- 中枢：脚手架重构的领域，营业模式就坍弛

- 信号：两次48小时坍弛（SaaS + 收集安全）

- 触发：Claude Code Security等垂直打破

4.Agentic AI大范围落地期（2025年底-2026年）：

- 中枢：从“主见”到“可用”的跨越

- 战场：编程、个东说念主助理、世界服务三个办法爆发

- 代表：Meta 10-100倍坐蓐力进步、印度WhatsApp政务

5.Speech-Cognition期（将来）：

- 中枢：互动行为领路器用

- 办法：AI行为领路放大器，而非器用

- 特征：动态对王人、长逻辑链防守、互助感

B. 两条干线的交汇

第一条干线：手艺提速

模子智商 → Context Engineering → RSI（模子创造模子）→ 迭代速率指数级增长

第二条干线：应用落地

Speech-act空转 → Agentic Orchestration → 大范围部署 → Speech-Cognition

第一条干线决定天花板有多高，第二条干线决定落地有多快。而竞争的末端，取决于谁能让更多东说念主更早用上智能体。

还有一条数据干线，咫尺共鸣还不投诚。

C. 要害转变点

1.Anthropic的Context Engineering论文（2025年9月）：

- 标记着从\"prompt engineering\"到\"context engineering\"的官方阐明

- 脚手架从隐性学问变为显性依次论

2.RSI期间的到来（2025年底）：

- 模子运行匡助创造模子

- 研发速率初次收尾递归式增长

3.第一次坍弛：SaaSpocalypse（2026年2月3-4日）：

- 传统SaaS营业模式的结构性坍弛

- 成本从\"软件\"逃向\"物理基础设施\"和\"闭幕委用\"

4.第二次坍弛：收集安全板块玄色星期四（2026年2月20日）：

- Claude Code Security发布

- AI卓越东说念主类巨匠多年蕴蓄的标记性事件

智能体从“不安稳”到“安稳”（2025年底-2026年）

- 可靠性考证完成

- 大范围部署运行

- 新的坐蓐样式设置

D. 深层想考：范式演进的玄学

从“器用”到“共事”再到“共生体”三个阶段的隐喻：

1.器用期间：东说念主使用AI（GPT-3期间）

2.共事期间：东说念主与AI互助（Claude Code期间）

3.共生期间：东说念主AI一体化（Speech-cognition期间）

从“attention is all you need”到“context is all you need”

Transformer的中枢是attention机制，但Anthropic的瞻念察是： “Context， therefore， must be treated as a finite resource with diminishing marginal returns.”

因此，凹凸文信息必须被视为一种有限的资源，其边缘效益会渐渐递减。

这意味着：

-Attention的稀缺性：每个新token都糜掷“醒目力预算”；

-Context Engineering的本色：在有限醒目力预算下，策展最高信号密度的token王人集；

-脚手架的价值：不是增多模子智商，而是优化模子醒目力的分拨遵循。

2026年2月20日之后

A. 三个投诚性趋势

1.模子智商连接指数级增长：

- 任务时长每7个月翻倍

- RSI加速这一进程

2.脚手架生态成为主战场：

- 谁界说管说念，谁限制价值流

- 脚手架重构的领域，营业模式就坍弛

3.数据坐蓐关连重构：

- 从平台左右到漫衍式共建

-及时行动信号成为新石油

B. 三个绽开性问题

1.供应端能否跟上需求爆发？

- 从GPU短缺到电力短缺

- 物理瓶颈可能成为下一个放胆成分

2.垂直领域的AI独角兽何时爆发？

- 软件工程已占50%

- 医疗、法律、金融的5%占比意味着庞大空缺

3.东说念主类智商分层会怎样演化？

- 器用平权 vs. 智商差距放大

- “管理天才团队”的智商怎样培养？

C.临了的隐喻：Einstein Test与三个时候维度

Hassabis提议了“Einstein Test”（爱因斯坦测试）——AI发现科学表面的智商，回到1905年AI能弗成发现狭义相对论。这大约是范式演进的终极办法。

要到达那里，咱们需要穿越三个时候维度：

咫尺：这是一个工程问题。咱们需要构建更好的脚手架，让东说念主类造就有用进入LLM，让智能体可靠推论。

将来：这是一个管理问题。当东说念主东说念主都能造访天才团队（AI agents），信得过的差距在于谁能更好地管理它们——提议好问题、联想考证历程、判断输出质地。

更远的将来：这是一个共生的问题。不是AI替代东说念主类科学家，而是AI与东说念主类科学家共生，在Speech-Cognition的高价值空间中，通盘往前走，发现下一个aha moment。

2026年2月20日，当Claude Code Security发现了东说念主类巨匠十年未发现的罅隙，咱们大约依然看到了这个将来的一角。

这种“意图明白的穿透力”，这种“长逻辑链的防守”，这种“通盘往前走的互助感”——恰是咱们正在经验的范式演进的最深切特征。

谜底正在2026年的每一天被书写。

参考文献：

- Anthropic， \"Effective context engineering for AI agents\" (2025)

- Forbes， \"SaaSpocalypse Now: AI Is Disrupting SaaS\" (2026)

- 立委NLP频说念， \"从生成式AI到行动式AI的范式转换\" (2026)

- Alexandr Wang， \"RSI期间与智能体大范围部署\" (2025-2026)

- METR Software Tasks Benchmark (2024-2026)

- Claude Code Security发布及阛阓反馈报说念 (2026年2月20日)

本文来自微信公众号：AIGC从0到1，作家：01Flow（ex上市公司CMO，《AIGC从0到1》第一作家，专注AI期间的营业模式与居品架构，主张“用AI，不AI”。“AIGC从0到1”是创造者的帆海日记，由<航路图><办法舵><压舱石>构成。）

本内容由作家授权发布，不雅点仅代表作家本东说念主，不代表虎嗅态度。如对本稿件有异议或投诉，请推敲 tougao@huxiu.com。

本文来自虎嗅，原文一语气：https://www.huxiu.com/article/4836239.html?f=wyxwapp