平均车龄仅1.8年！新能源车主换车为啥这么勤快
内容来源：汇编整理网络果真资料 。责编? | 柒 ?排版? | 沐言第 9548篇深度好文：3995字 | 11 分钟阅读商业思维条记君说：就在你还在讨论 "AI 能不可替代白领 " 的时候 ，这个世界已经悄悄换了一轮牌桌 。最近两个月 ，AI 圈爆发了不少大事：OpenAI 的 GPT-5.6 即将宣布 ，上下文窗口拉到 150 万 token；DeepSeek V4.1 定档 6 月中旬 ，原生支持 MCP 协议 ，补齐多模态最后一环；而马斯克 ，直接把 xAI 解散了 ，并入 SpaceX ，更名 SpaceXAI 。许多人把这些新闻离开看：新模型宣布是技术圈的事 ，xAI 解散是商业八卦 。但如果你把它们放在一起就会发明 ，这基础不是巧合 ，更不是单个产品的普通迭代 ，而是在通往 AGI（通用人工智能）的路上 ，所有玩家都在全力冲刺 ，连马斯克都开始重新排兵排阵了 。一、不是单点突破 ，是全球 AI 竞赛全面打响许多人看新闻 ，只看到了 " 又发新模型了 "" 又升级了 " 这几个字 ，却没看懂背后真正在爆发什么 。先说 DeepSeek 。两个月前 ，DeepSeek V4 用 1 万亿参数的 MoE 架构（Mixture of Experts ，混淆专家架构）震了一下行业 。处理速度比上一代飙升 35 倍 ，能耗反而降了 40% 。上下文窗口拉到 100 万 token（词元） ，相当于一口气读完 15 到 20 本长篇小说 ，连人物关系和细节伏笔都记得清清楚楚 。更要害的是 ，V4 全程基于国产华为昇腾芯片原生开发 ，彻底挣脱了外洋算力的 " 卡脖子 " 问题 。但 DeepSeek 没停下来 。6 月中旬 ，V4.1 即将宣布 。这次升级的重点不是 " 更智慧 " ，而是 " 更能干 "：原生支持 MCP 协议（模型上下文协议） ，不再需要外部适配层；新增图像和音频多模态输入；企业级工具链深度集成 。以前的 AI 是你的聊天工具 ，V4.1 要酿成你的事情伙伴——能看图、能听声、能直接操作你的业务系统 。再看 AI 视频赛道 。两个月前横空出生的 HappyHorse（快乐马） ，已经迭代到了 1.1 版本 。1.0 版在 Artificial Analysis Video Arena 榜单上登顶时 ，用的是纯盲测的 Elo 积分制——用户不知道视频是哪个模型生成的 ，只凭画面质量投票 ，完全排除品牌光环 ，只比真实体验 。HappyHorse 以 1333 到 1357 的 Elo 分 ，碾压了字节的 Seedance 2.0 近 60 分 。1.1 版本补齐了上一代的短板：音画同步、多语言口型匹配、多场景角色一致性——支持最多 9 张参考图坚持视觉连贯 。150 亿参数、单流 Transformer 架构、单张 H100 显卡 38 秒出片、720P 视频每秒 0.9 元 。国产 AI 视频 ，已经从 " 能用 " 跨到了 " 好用还自制 " 。不止海内在冲刺 ，外洋的 AI 军备赛越发猖獗 。OpenAI 在 4 月宣布了 GPT-5.5 ，被称为 " 最聪慧且最直观易用的模型 " 。但还没等市场消化完 ，GPT-5.6 就已经在路上了 。谷歌也没闲着 ，5 月的 I/O 大会上 ，Gemini 3.5 Flash 正式宣布 ，输出速度是同类产品的 4 倍、本钱自制 40%、上下文窗口 100 万 token ，直接成为谷歌搜索和 Gemini App 的默认引擎 。更让人注意的是 Gemini Spark ，一个运行在谷歌云专属虚拟机上的个人 AI 智能体 ，24 小时不间断后台处理任务 ，买通了 Gmail、日历、文得魅整个谷歌全家桶 。Anthropic 也在 5 月推出了 Claude Opus 4.8 ，在软件工程和长时间编码任务上连续进化 。你看到纪律了吗？不是某一家在突破 ，是所有头部玩家都在同时加速 。文本、多模态、视频、智能体——每条赛道都在 " 跳表 " ，技术迭代的周期从以年计 ，酿成了以月计、以周计 。二、他们究竟在慌什么？AI 的 " 硬起飞 " 就爆发在眼前看到这里 ，你可能会问：不就是出了两个新模型吗？至于这么大惊小怪 ，上升到人类倒计时的田地吗？那我再给你看马斯克说的另一句话 ，他说：" 我们现在就处于‘硬起飞’阶段 ，就是现在 。"什么叫 " 硬起飞 "？以前我们说 AI 生长 ，是 " 人推着 AI 往前走 " 。我们给它定目标 ，给它喂数据 ，给它调参数 ，手把手教它学习 ，它每往前走一步 ，都离不开人类的推动 。但 " 硬起飞 " 纷歧样 。它是 AI 自己给自己踩油门 ，进入了自我加速的失控式增长阶段 。不必人催 ，不必人教 ，它自己就能完成迭代、实现突破 ，甚至连它进化的速度 ，人类都已经跟不上了 。马斯克自己是这么描述的：" 我晚上睡觉时 ，AI 取得了一项重大突破；等我醒来 ，又泛起了另一项突破 。老实说 ，很难跟上节奏 ，这让人有点晕头转向 。"而这场 " 硬起飞 " 里 ，最可怕的焦点 ，是 AI 已经进入了 " 递归自我革新 " 阶段 。以前 ，我们训练一个 AI 模型 ，要程序员写代码 ，算法工程师调参数 ，数据团队清洗数据 ，全流程都离不开人 。但现在纷歧样了 ，新一代的 AI 模型 ，已经由上一代模型深度加入训练了 。从代码编写、数据清洗 ，到参数调优、效果测试 ，AI 能做的事情越来越多 ，人类在这个循环里 ，角色越来越边沿化 ，越来越插不上手 。马斯克给出了一个更让人后背发凉的预判：" 可能今年年底会实现完全自动化的自我革新 ，最迟不会晚于明年 。"换句话说 ，最快今年 ，AI 就能彻底脱离人类的辅助 ，完成自我迭代、自我进化 ，进入完全的自我加速周期 。到那个时候 ，AI 的进化速度 ，会快到我们基础无法想象 。许多人以为 ，马斯克眼里的 AI ，就是能写文案、做报表、生成视频的工具 ，那你就太小看他了 。他描绘的 AI 终极蓝图 ，是一个消耗比全人类文明多一百万倍电力的智能体 ，能解决人类能想到的所有问题 。为了突破电力这个最大的瓶颈 ，他甚至计划 2-3 年内把 AI 数据中心送上太空 ，用太空里没有昼夜交替的太阳能 ，彻底释放 AI 的算力潜力 。而当 AI 和机械人接管了所有生产 ，人类社会会酿成什么样？马斯克的谜底是：钱会变得不再重要 ，商品和效劳的产出会远远凌驾需求 ，AI 和机械人会把所有事都干完 ，人类最终会因为全方位的效劳 ，而 " 无事可做 " 。马斯克和 Altman（奥特曼）不是在制造焦虑 ，而是看到了我们普通人看不到的景物 。他们怕的不是 AI 自己 ，而是人类基础没做好准备 。三、倒计时 1095 天 ，最危险的是你以为 " 另有时间 "看到这里 ，许多人心里照旧会有一个侥幸的想法：3 年呢 ，还早 ，急什么？3 年 ，听起来很长 ，其实只有 1095 天 。就是你换 2 份事情的时间 ，就是你学一个新技术、考一个行业证书的完整周期 ，就是你家孩子从幼儿园升到小学的时间 ，一眨眼就已往了 。更要害的是 ，AI 的进化 ，历来都不是线性的 ，是指数级的 。举个例子：一个池塘里的荷花 ，每天都会以前一天两倍的数量开放 。如果到第 30 天 ，荷花就开满了整个池塘 ，那请问：荷花在第几天开满了半个池塘？谜底不是第 15 天 ，是第 29 天 。前 29 天 ，荷花只开了半个池塘 ，可第 30 天 ，一天之内 ，就开满了剩下的整个池塘 。这就是指数级增长的可怕之处 。你以为它还很慢 ，还离你很远 ，可等你反应过来的时候 ，它已经瞬间铺满了你的整个世界 。我们现在 ，可能就处在这第 29 天的晚上 。这场 AI 竞赛 ，最先攻击的 ，就是 90% 的办公室白领事情 。现在无妨停下来 ，问自己两个问题：你每天的事情 ，有几多是 AI 分分钟就能替代的？1095 天之后 ，当 AI 真的逾越了所有人类智能 ，你的焦点竞争力 ，究竟是什么？四、不想被时代淘汰 ，你必须立刻做对 3 件事难道我们就只能等着被 AI 替代 ，一点步伐都没有吗？虽然不是 。具体该怎么做？记着这 3 件事 。第一件事：做决策 ，提问题许多人对 AI 的理解 ，完全搞反了 。他们天天用 AI 干自己的本职事情 ，写邮件、做报表、写计划 ，然后把 AI 的产出改一改 ，就交上去了 �？雌鹄词鞘×肆ζ� ，提高了效率 ，可实际上 ，你是在天天给 AI 喂数据、当陪练 ，帮它在这场竞赛里变得越来越强 ，最后把自己替代掉 。在德州超等工厂接受的深度访谈中 ，马斯克也谈到 " 任何涉及敲击键盘、移动鼠标、处理信息的任务 ，AI 都能胜任 。"你要明白 ，AI 是工具 ，不是你的竞争敌手 。工具是用来帮你干活的 ，不是用来取代你的 。你要做的 ，是使用工具的人 ，是决定 " 做什么 "" 为什么做 " 的人 ，而不是听指令 " 怎么做 " 的人 。就像马斯克 ，他不写代码 ，不调模型参数 ，不亲手造火箭 ，他做的只有一件事：决定我们要做什么、为什么做 。他决定我们要造电动车 ，要去火星 ，要做通用人工智能 ，剩下的 ，交给工程师和 AI 去执行 。AI 做执行 ，你做决策；AI 给谜底 ，你提问题；AI 算数据 ，你定偏向 。不要着迷于 " 把事情做对 " ，要学会 " 做对的事情 " 。第二件事：放弃舒适区的标准化 ，学习临场发挥许多人在职场里 ，追求的是 " 熟练工 " 的宁静感 。同一件事 ，我干得比别人快 ，比别人熟 ，我就有宁静感 �？稍� AI 时代 ，这恰恰是最危险的事 。AI 最擅长的 ，就是标准化、通例化、重复性的事情 。你在这件事上越熟练 ，就越容易被替代 。普华永道（PwC）在 2025 年果真认可 ，正在大幅缩减初级岗位招聘 ，审计部分的初级岗位到 2028 年预计将减少 39% 。与此同时 ，毕马威英国近两年结业生招聘人数也从 1399 人降至 942 人 ，缩减近三分之一 。这些变革的直接推手 ，正是 AI 。原本由初级审计员花数周时间完成的凭证核对、稿本整理、数据清洗 ，现在 AI 几小时就能完成 ，且不蜕化 。但有趣的是 ，四大并没有一刀切地砍掉所有招聘 。PwC 的 AI 鉴证卖力人 Jenn Kosar 明确体现 ，公司正在把被 AI 释放出来的人力 ，转向战略咨询、庞大问题解决等更高价值的领域 ，甚至开始培训初级员工 " 像治理者一样思考 " 。因为 AI 能搞定 99% 的标准化审计流程 ，但遇到企业财务造假的隐蔽迹象、庞大的跨国税务纠纷、客户特殊诉求的权衡判断 ，AI 就束手无策了 。你的价值 ，历来不是你能把通例事情做多好 ，而是你能处理几多 AI 搞未必的 " 异常情况 " 。这些 " 异常情况 " ，没有标准谜底 ，没有标准化流程 ，需要的是你的经验、你的判断力、你的临场反应 ，这些都是 AI 永远学不会的工具 。接下来 ，把你的时间和精力 ，从这些机械性的事情里抽出来 ，去解决那些庞大问题 ，去应对那些突发状况 ，去打磨那些非标准化的能力 。第三件事：做与 " 人 " 打交道的事AI 在虚拟的比特世界里 ，可以说无所不可 。哪怕是这场竞赛里最顶尖的视频模型 HappyHorse（快乐马） ，也只能在数字世界里生成完美的画面 ，却无法在现实世界里 ，完成一个简单的开门行动 。这就是 AI 最大的短板：它能玩转虚拟的比特世界 ，却搞未必真实的原子世界 。就像马斯克说的 " 除了必须亲手操作原子、挪动物理实体的事情 ，人工智能现在已经有能力完成一半以上的白领事情 。"而这 ，恰恰是我们最大的时机 。所以 ，我们要主动增加和真实物理世界、真实的人打交道的比重 。好比 ，做设计的 ，不要只在电脑里绘图 ，多去现场看施工、和工人相同落地细节；做电商的 ，不要只看后台数据 ，多去线下和供应链、用户面劈面交流；做教育的 ，不要只做线上标准化课件 ，多花时间做一对一个性化的陪伴和相同 。去深耕那些需要和真实世界、真实的人打交道的能力 。你的入手能力 ，你的实地判断能力 ，你的人际相同能力 ，你的共情能力 ，你的线下效劳能力 ，这些 ，都是 AI 短期内基础无法替代的 。结语条记侠 PPE 书院美国站 26 级「立异英雄?AI+ 出海专题」课程将于 2026 年 9 月 26 日正式启程 。10 天时间里 ，我们还将带你走进美国硅谷与西雅图 ，深度参访谷歌、英伟达、微软等全球 AI 工业标杆 ，聆听斯坦福名师、行业拭魅战派的一手分享 �＝哟私饪纬滔昵� ，