299
0等待 AGI 降临再行动，会忽略眼前更大的机会：模型已有能力与真实应用之间，还缺 Infrastructure、Pipeline 和使用习惯。借汽车取代马车的历史类比，本期说明 Manus 这类产品为何能靠处理落地杂活创造价值。
适合对 AGI 进展焦虑、想提升工作效率或寻找 AI 项目机会的人，帮助你把注意力从预测模型能力转向建设真正可用的系统。
这期你会听到
• 汽车替代马车的过程为何能解释 AI 落地速度？
• Transformer 与 ChatGPT 分别对应技术引擎和早期产品的什么位置？
• Infrastructure、Pipeline 和使用习惯为何比等待更强模型重要？
• Manus 如何通过处理脏活累活降低 AI 使用摩擦？
• 怎样用 Frictionless、Contextual 和 Proactive 检查自己的工作流？
章节
00:00 — 等待 AGI 躺平为何是认知误区
01:23 — 汽车替代马车为何经历漫长生态建设
03:20 — Transformer 是引擎，ChatGPT 只是第一辆车
06:39 — 落地瓶颈在 Infrastructure、Pipeline 与习惯
08:35 — AI 被困在聊天框，是系统还未就位
11:35 — Manus 的价值来自处理落地杂活
14:25 — 用 Frictionless、Contextual、Proactive 改造流程
16:04 — 从一个真实需求找到个人机会
18:41 — 别等银弹，先参与 AI 生态修路
相关内容
加入Superlinear Academy免费社区
把当前工作流中仍靠人补位的环节拿出来，和大家设计可落地的代理系统实验。
关于主播与节目
孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。
《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。
