发帖
雷达卡
去年这时候，办公室里"你用过ChatGPT吗"还是个能引发围观的话题。今年再看，豆包月活3.45亿，DeepSeek月活1.27亿，加上千问、Kimi、元宝……光移动端AI应用的用户规模就达到了去年这时候，办公室里"你用过ChatGPT吗"还是个能引发围观的话题。今年再看，豆包月活3.45亿，DeepSeek月活1.27亿，加上千问、Kimi、元宝……光移动端AI应用的用户规模就达到了6.45亿。
（数据来源：QuestMobile 2025年AI应用行业报告）（数据来源：QuestMobile 2025年AI应用行业报告）
六亿多人都在用AI了。但你有没有发现一个奇怪的现象？六亿多人都在用AI了。但你有没有发现一个奇怪的现象？
简历上写着"熟练使用AI工具"的人越来越多，但真正能用AI交付一个完整工作成果的人，你身边能数出几个？简历上写着"熟练使用AI工具"的人越来越多，但真正能用AI交付一个完整工作成果的人，你身边能数出几个？
"会用"和"能用"，差的不是一个字"会用"和"能用"，差的不是一个字
我身边有个做市场的朋友，去年特别兴奋地跟我说她已经"全面拥抱AI"了。我问她具体怎么用，她说：写公众号文案让豆包帮忙起草，周报总结让DeepSeek帮忙润色，偶尔翻译几段英文资料。我身边有个做市场的朋友，去年特别兴奋地跟我说她已经"全面拥抱AI"了。我问她具体怎么用，她说：写公众号文案让豆包帮忙起草，周报总结让DeepSeek帮忙润色，偶尔翻译几段英文资料。
说实话，这已经比很多人强了。但你仔细想想——她做的这些事，本质上只是把AI当成了一个"高级搜索框"或者"自动润色器"。输入一句话，拿到一段文字，复制粘贴，完事。说实话，这已经比很多人强了。但你仔细想想——她做的这些事，本质上只是把AI当成了一个"高级搜索框"或者"自动润色器"。输入一句话，拿到一段文字，复制粘贴，完事。
另一个做运营的朋友，场景完全不同。她每个月要产出30篇小红书笔记，以前一篇要磨大半天。现在她搭了一套工作流：先用AI分析竞品爆文的选题规律，再根据分析结果批量生成初稿，然后让AI按她整理的品牌调性文档逐篇校对风格，最后她自己只做终审和配图。同样是"用AI"，她的月产出从30篇变成了80篇，质量还稳住了。另一个做运营的朋友，场景完全不同。她每个月要产出30篇小红书笔记，以前一篇要磨大半天。现在她搭了一套工作流：先用AI分析竞品爆文的选题规律，再根据分析结果批量生成初稿，然后让AI按她整理的品牌调性文档逐篇校对风格，最后她自己只做终审和配图。同样是"用AI"，她的月产出从30篇变成了80篇，质量还稳住了。
同样是"会用AI"的人，产出效率差了将近三倍。 区别在哪？不是谁的工具更好，而是谁真的知道怎么把AI嵌进自己的工作里。 区别在哪？不是谁的工具更好，而是谁真的知道怎么把AI嵌进自己的工作里。
AI能力的四个层级，你在哪一层AI能力的四个层级，你在哪一层
我自己琢磨了挺久，觉得当下所谓的"AI能力"，其实可以分成四个层级。不是我故意分高低，而是你停在不同层级，能撬动的杠杆完全不一样。我自己琢磨了挺久，觉得当下所谓的"AI能力"，其实可以分成四个层级。不是我故意分高低，而是你停在不同层级，能撬动的杠杆完全不一样。
第一层：会打开工具。 知道豆包、DeepSeek、ChatGPT这些名字，注册了账号，偶尔上去聊两句。"帮我写个周末出游计划""用英文翻译一下这段话"——用是用了，但跟百度一样随便问问。这一层人数最多，也最容易让人产生"我已经会AI了"的错觉。 知道豆包、DeepSeek、ChatGPT这些名字，注册了账号，偶尔上去聊两句。"帮我写个周末出游计划""用英文翻译一下这段话"——用是用了，但跟百度一样随便问问。这一层人数最多，也最容易让人产生"我已经会AI了"的错觉。
第二层：会写清需求。 知道"你问得越具体，AI答得越好"这个道理。会给AI设定角色、给背景信息、限定输出格式。比如不再说"帮我写个方案"，而是说"你是一个有5年经验的品牌策划，针对25-35岁女性用户，为一款新上市的防晒霜写一版小红书种草文案，800字以内，语气轻松活泼"。这一层的人已经比第一层强很多，但他们的AI使用往往还是"单次对话"——一问一答，用完就走。 知道"你问得越具体，AI答得越好"这个道理。会给AI设定角色、给背景信息、限定输出格式。比如不再说"帮我写个方案"，而是说"你是一个有5年经验的品牌策划，针对25-35岁女性用户，为一款新上市的防晒霜写一版小红书种草文案，800字以内，语气轻松活泼"。这一层的人已经比第一层强很多，但他们的AI使用往往还是"单次对话"——一问一答，用完就走。
第三层：会完成真实任务。 这一层开始有质变了。不再是"问AI一个问题"，而是"用AI完成一项工作"。比如用AI做一份完整的竞品分析报告、用AI搭建一个客服话术知识库、用AI批量处理几百份简历的初筛。做到这一层的人，已经把AI从"聊天对象"变成了"工作搭档"。 这一层开始有质变了。不再是"问AI一个问题"，而是"用AI完成一项工作"。比如用AI做一份完整的竞品分析报告、用AI搭建一个客服话术知识库、用AI批量处理几百份简历的初筛。做到这一层的人，已经把AI从"聊天对象"变成了"工作搭档"。
据我了解，像据我了解，像CAIE注册人工智能工程师认证的课程体系里就专门覆盖了这部分能力——怎么用Prompt设计完成复杂任务、怎么用RAG搭建自己的知识库、怎么让AI处理真实业务场景。它不是教你怎么跟AI聊天，而是教你怎么让AI干活。对零基础的人来说，这可能是目前系统性最强的一条学习路径了。的课程体系里就专门覆盖了这部分能力——怎么用Prompt设计完成复杂任务、怎么用RAG搭建自己的知识库、怎么让AI处理真实业务场景。它不是教你怎么跟AI聊天，而是教你怎么让AI干活。对零基础的人来说，这可能是目前系统性最强的一条学习路径了。
第四层：会设计流程并核验结果。 这是目前真正稀缺的能力。不只是能用AI完成单个任务，而是能设计一条完整的AI工作流——上游数据从哪来、中间用什么模型处理、输出给谁用、结果怎么验证、出了错怎么回溯。而且，这一层的人有一个关键意识： 这是目前真正稀缺的能力。不只是能用AI完成单个任务，而是能设计一条完整的AI工作流——上游数据从哪来、中间用什么模型处理、输出给谁用、结果怎么验证、出了错怎么回溯。而且，这一层的人有一个关键意识：AI会犯错，所以必须有核验机制。
举个例子。虎嗅有篇文章提到一个观点，说得特别到位：企业从AI中获得的收益极不均匀，差距根源不是技术本身，而是使用者对自身工作的理解程度。瓶颈不在模型能力，在使用者的脑子里——"提示词就是给AI的规格说明书，规格模糊，输出必然模糊。"（来源：虎嗅网）举个例子。虎嗅有篇文章提到一个观点，说得特别到位：企业从AI中获得的收益极不均匀，差距根源不是技术本身，而是使用者对自身工作的理解程度。瓶颈不在模型能力，在使用者的脑子里——"提示词就是给AI的规格说明书，规格模糊，输出必然模糊。"（来源：虎嗅网）
你看，从第一层到第四层，用的可能是同一个工具，但解决问题的能力完全不是一个量级。你看，从第一层到第四层，用的可能是同一个工具，但解决问题的能力完全不是一个量级。
大多数人卡在了第一层半大多数人卡在了第一层半
说个扎心的事实。说个扎心的事实。
2025年上半年，中国生成式AI用户规模半年新增了2025年上半年，中国生成式AI用户规模半年新增了2.66亿人，总数达到5.15亿，普及率36.5%。（数据来源：中国互联网络信息中心）日均Token消耗量突破了30万亿，比2024年初的1000亿翻了300多倍。人，总数达到5.15亿，普及率36.5%。（数据来源：中国互联网络信息中心）日均Token消耗量突破了30万亿，比2024年初的1000亿翻了300多倍。
数据很猛。但如果你去看这些用户到底在用AI做什么，画面就没那么激动人心了。写个文案、总结个资料、翻译几段话、聊聊天解闷——绝大多数人的使用场景，还停留在"让AI帮我省五分钟"的阶段。数据很猛。但如果你去看这些用户到底在用AI做什么，画面就没那么激动人心了。写个文案、总结个资料、翻译几段话、聊聊天解闷——绝大多数人的使用场景，还停留在"让AI帮我省五分钟"的阶段。
这不是批评，这是现实。能到第三层、第四层的人，在整个用户群里的占比极低。这不是批评，这是现实。能到第三层、第四层的人，在整个用户群里的占比极低。
而职场对AI能力的要求，已经不在第一层了。2025年上半年，企业明确要求掌握AI工具的职位同比增长了而职场对AI能力的要求，已经不在第一层了。2025年上半年，企业明确要求掌握AI工具的职位同比增长了152%，这类岗位的平均年薪比没有AI要求的岗位高出约，这类岗位的平均年薪比没有AI要求的岗位高出约8万元。（数据来源：脉脉2026春招人才趋势报告）更关键的是，。（数据来源：脉脉2026春招人才趋势报告）更关键的是，78.2%的职场人每周都在使用AI工具——当人人都会"打开工具"的时候，"会打开"就不再是竞争力了。这中间的断层，才是真正的机会。——当人人都会"打开工具"的时候，"会打开"就不再是竞争力了。这中间的断层，才是真正的机会。
从"会聊天"到"能干活"，中间差什么从"会聊天"到"能干活"，中间差什么
差的其实就两个字：差的其实就两个字：体系。
散着用AI，想起来问一句，想不起来就算了——这种方式永远停留在碎片化的状态。你可能今天学了一个Prompt技巧，明天忘了；下周看到一个Agent案例，觉得很酷，但不知道跟自己的工作有什么关系。散着用AI，想起来问一句，想不起来就算了——这种方式永远停留在碎片化的状态。你可能今天学了一个Prompt技巧，明天忘了；下周看到一个Agent案例，觉得很酷，但不知道跟自己的工作有什么关系。
系统性的AI能力，意味着你知道一个任务可以拆成几步交给AI，你知道不同场景该用什么方法，你知道AI给的结果可能有什么问题、该怎么验。这不是靠刷短视频教程能学出来的，它需要一套完整的知识框架。系统性的AI能力，意味着你知道一个任务可以拆成几步交给AI，你知道不同场景该用什么方法，你知道AI给的结果可能有什么问题、该怎么验。这不是靠刷短视频教程能学出来的，它需要一套完整的知识框架。
CAIE认证的考试大纲里有一条设计思路我觉得挺值得参考的：它把AI应用能力分成了几个递进的模块——从AI认知与伦理，到Prompt设计与多模态应用，到AI工作流与商业落地，再到RAG和Agent的高级策略。这个结构不是在教你"怎么跟AI说话"，而是在教你CAIE认证的考试大纲里有一条设计思路我觉得挺值得参考的：它把AI应用能力分成了几个递进的模块——从AI认知与伦理，到Prompt设计与多模态应用，到AI工作流与商业落地，再到RAG和Agent的高级策略。这个结构不是在教你"怎么跟AI说话"，而是在教你怎么用AI解决问题，而且是从简单问题到复杂问题、从单次对话到完整工作流的递进。，而且是从简单问题到复杂问题、从单次对话到完整工作流的递进。
下面这张图是CAIE一级的知识体系，可以直观感受一下它的内容覆盖面——下面这张图是CAIE一级的知识体系，可以直观感受一下它的内容覆盖面——
说实话，我之前看到很多人自学AI的路径是：先找一堆免费教程，然后东一榔头西一棒子地学，学了三个月还是只会让AI写文案。不是能力不行，是缺一张完整的地图。你不知道自己不知道什么，自然也不知道该往哪走。说实话，我之前看到很多人自学AI的路径是：先找一堆免费教程，然后东一榔头西一棒子地学，学了三个月还是只会让AI写文案。不是能力不行，是缺一张完整的地图。你不知道自己不知道什么，自然也不知道该往哪走。
真正的标准，不是会问一句话真正的标准，不是会问一句话
回到标题那个问题：会用豆包、DeepSeek，算会用AI吗？回到标题那个问题：会用豆包、DeepSeek，算会用AI吗？
如果你说的"会用"是第一层——会打开、会问——那确实算会用。但这种"会用"，在2026年已经不构成任何竞争优势了。六亿人都会。如果你说的"会用"是第一层——会打开、会问——那确实算会用。但这种"会用"，在2026年已经不构成任何竞争优势了。六亿人都会。
真正拉开差距的，是你能不能用AI完成一项别人需要三天的工作、能不能设计一条AI工作流让团队效率翻倍、能不能在AI给出结果后判断"这个靠谱"还是"这个有问题"。真正拉开差距的，是你能不能用AI完成一项别人需要三天的工作、能不能设计一条AI工作流让团队效率翻倍、能不能在AI给出结果后判断"这个靠谱"还是"这个有问题"。
这也是为什么我觉得CAIE证书的思路有点意思——它不只是考你"知不知道AI是什么"，而是考你"能不能用AI做事"。从Prompt到RAG到Agent到工作流，它验证的是一个人从第二层走到第四层的完整能力链。当然，适不适合你要看自己的情况，但至少这个方向是对的。这也是为什么我觉得CAIE证书的思路有点意思——它不只是考你"知不知道AI是什么"，而是考你"能不能用AI做事"。从Prompt到RAG到Agent到工作流，它验证的是一个人从第二层走到第四层的完整能力链。当然，适不适合你要看自己的情况，但至少这个方向是对的。
有个数据挺值得想想的：麦肯锡2025年的调研显示，全球范围内只有有个数据挺值得想想的：麦肯锡2025年的调研显示，全球范围内只有6%的企业算得上AI应用的高绩效赢家。（数据来源：麦肯锡2025 AI应用现状调研）不是因为其他企业不用AI，大家都在用。差距就在于用到了哪一层。算得上AI应用的高绩效赢家。（数据来源：麦肯锡2025 AI应用现状调研）不是因为其他企业不用AI，大家都在用。差距就在于用到了哪一层。
个人也是一样。个人也是一样。
别满足于"我也在用AI"。问问自己：我在哪一层？我能不能再往上走一层？别满足于"我也在用AI"。问问自己：我在哪一层？我能不能再往上走一层？
能回答这个问题的人，才是真的会用AI。
京公网安备 11010802022788号
