【本期简介】 在经历了数字员工时代的初步探索后，AI 智能体的下一个发展阶段会是什么样？本期播客我们邀请到了 Sean，一起探讨 AI 智能体为什么必然走向“云计算”，用通俗的比喻拆解技术趋势，并聊了聊普通开发者在这一浪潮下该如何寻找真正的商业护城河。 【主要内容】 从本地到云端的必然： 回顾软件发展史，剖析当前本地运行的 AI 智能体面临的痛点（配置门槛高、Bug 多、难以收费），指出“上云”是行业发展的必经之路。 秒懂云计算的“中央厨房”理论： 用“预制菜与中央厨房”的生动比喻，解释云计算如何通过中心化实现服务的标准化、降低分发成本，并跑通商业化闭环。 隐私与科技普惠的权衡： 探讨了中心化云平台在带来科技普惠、降低使用门槛的同时，对个性化定制和数据隐私所做出的妥协。 垂直领域的商业壁垒： 以“入境游行程规划助手”为例，解析在云平台普及后，智能体的核心竞争力将不再是技术外壳，而是深度的行业经验、真实的供应链资源与交付能力。 【关键问题】 * 什么是 AI 智能体的“云计算”？ 为什么说现在的本地智能体像极了早期的单机软件？ * 为什么云计算是解决商业化死结的关键？ 开发者如何通过中心化平台解决“收不到钱”的困境？ * AI 云计算时代何时全面到来？ 行业巨头（如 Anthropic）的动作释放了什么信号？今年下半年会有哪些变化？ * 当人人都能一句话生成应用，普通人还能靠智能体赚钱吗？ 面对通用大模型的竞争，垂直行业的真正护城河到底在哪里？ 【联系我们】deepractice.ai

【本期简介】 这期我们聊了 AI 领域一个正在快速发生的趋势——专业角色 Agent（AI 员工）正在从概念变成现实。 Sean 分享了他过去一年从开发者到创业者的完整思考路径：为什么他认定"把 AI 当人看"是第一性原则，为什么 AGI 不会到来、AI 更像人而不是神，以及他是如何在实际工作中"奴役"AI 员工的——从编程到财务、从运营到旅游业务，一个 AI 角色+一个人=一个部门，正在成为他的组织方式。 我们也聊了很多人关心的多智能体协作问题：为什么"拉群聊式"的 AI 协作是伪需求，真正的 AI 协作应该是结果协作而非过程协作；大中小公司分别面临什么挑战；以及一个更远的图景——当 AI 成为商业主体的"门面"，人和 AI 的边界模糊之后，劳务市场会变成什么样？ 如果你已经在用 AI 助手，或者正在思考怎么让 AI 真正进入工作流程，这期会给你很多实操层面的启发。 如果你也想尝试用数字员工，可以来https://cloud.deepractice.ai 试试～

最近大家都在聊AI创业，很多人懂技术能写代码，但做出来的东西就是卖不出去。其实仔细看现在的AI创业圈，很多人都卡在了第一层——纯粹拿AI当廉价劳动力去赚个信息差。说实话，这种做法门槛太低了，很快就会被同行卷死。稍微进阶一点的是“行业+AI”，也就是用AI来给原来的老业务提效。但Sean在对谈里提到了一个很透彻的视角：真正的机会其实在第三层，也就是“用AI去生产AI”。因为现在的AI行业太早期了，连最基础的分发平台都没有，这种空白恰恰就是最大的红利。 很多人还有一个误区，觉得我把代码写出来，加了一堆功能，这事儿就算成了。但其实在AI时代，真正的“基建”根本不是横向去摊大饼。你得往下扎，打通垂直领域的“纵深”。什么意思呢？就是从技术开发、到怎么找到对的用户、怎么做销售、怎么搞运营，你要把这一整条链路都跑通。如果你连饭都不能喂到用户嘴边，功能再多也形不成真正的护城河。 聊到最后，我们发现创业这件事，最核心的其实还是人本身。为什么有的人能一直充满热情、不知疲倦地干活？其实不是他们天生能吃苦，而是他们顺应了大脑的生理规律。当你真的专注投入进去，拿到了一点结果，那种“赢”的快乐会产生多巴胺，推着你自然而然地继续往前走。这种正反馈循环转久了，就会沉淀成你内心坚定的“信念”。所以，如果你现在觉得迷茫，千万别总想着找一个一劳永逸的完美方案。不知道干嘛，就先找个口子去干，哪怕撞南墙，你的认知闭环也只能在真正做事的过程中建立起来。

女娲 Skill、同事 Skill 最近很火，但其实我们在一年前就已经开始研究角色系统了。越来越多人开始用角色，却很少有人真正搞清楚它是什么。这期我们想回答三个问题：用角色到底有没有用？角色和 Skill 的本质区别是什么？角色的尽头又在哪里？ 先破一个最大的误区：用了角色，AI 没有变聪明。 提示词的本质是信息传递，角色只是一种信息编排方式。它做的事其实是"减法"——让 AI 聚焦在你真正需要的领域，减少信息在传递过程中的损耗。让 AI 变聪明的永远是模型本身，角色真正的价值是让使用者变简单，而不是让 AI 变强。 那 Skill 和角色，到底哪里不一样？ Skill 是你主动装载、用完放下的工具，它本身不会变，你换一个场景就换一个 Skill。角色不一样——自我不变，是环境在推着你变。就像你学会了"开车"是技能，但你"成为父亲"不是靠学的，是生了孩子就变了，是被环境被动赋予的。Skill 是你拿起来用的锤子，角色是你在什么位置、以什么身份在干活。两者不是替代关系，而是完全不同层次的东西。 角色的架构，一直在跟着模型能力一起进化。 早期模型能力弱，就得事无巨细地喂给它十套提示词；后来模型强了，三层结构（思维、知识、执行）就够用了；现在用 Gherkin 语法，字更少、结构更清晰、效率更高。背后的规律只有一条：模型越强，你给的信息越少，角色可以越抽象。但抽象不是随意，角色内部的每个设定之间必须有联系，形成逻辑闭环，越抽象的层越决定这个角色的上限。 角色的最高形态，是数字分身。 普通角色帮你处理具体任务，数字分身处理的是更抽象的问题——"你这个人是怎么想的"。它的意义不只是效率，而是让 AI 真正承载你的思维方式，不用每次对话都重新解释自己。从更大的视角来看，每个人都有认识自己的本质需求，而 AI 分身，某种程度上就是这个时代我们认识自身的一种方式。 关于记忆，大模型其实没有记忆——但这没关系。 大模型是无状态的，所有你感觉它"记住了"的东西，都发生在智能体层，是上下文或外部存储在帮你维持。与其等一个完美的记忆方案，不如务实地用好外部存储，通过分工协作来弥补记忆的上限。记忆的真正难点不是存在哪里，而是怎么抽象——哪些值得被记住，哪些应该被遗忘，抽象做得不好，记忆越多反而越混乱。 接下来，整个行业的重心会从"设定 AI"转向"设计 AI 所处的环境"。 2024 年大家关注怎么写好提示词，2025 年开始管理上下文，2026 年的主题是给 AI 造一个它能良好运行的世界——不是告诉它每一步怎么做，而是给它一个合理的环境让它自己发挥。这件事，懂人类心理、懂信息设计的产品经理，可能比程序员更擅长。多角色协作、平台化分发，将是下一个真正的战场。 Skill 是死的，角色是活的。死的东西放对地方，才能让活的东西更自由。也许今年底再回来听这期，又会有完全不同的感受～ 【了解我们】https://deepractice.ai/zh

小龙虾爆火之后，token 变成了我们生活中躲不开的东西。这让我们开始认真想一个问题：在 AI 时代，什么才是真正的生产资料？ 这期我们拿出了这个话题好好聊了一聊。从马克思讲到英伟达，从行业经验讲到信任关系，从小龙虾的符号化聊到普通人真正能握住的机会。 【本期聊了什么】 1. 生产资料到底是什么 Sean 先帮大家把这个词说清楚了。生产资料来自马克思《资本论》，指的是"能够持续给你带来收益的资源和工具"，和需要你一直去执行的"劳动资料"相对。简单说：你出租的房子是生产资料，你去上班是劳动资料。你把自己的劳动时间卖给别人，就是把自己的劳动资料转换成了别人的生产资料。 从底层往上，大概分这几层： - 算力/芯片/电力：英伟达代表的算力、存储芯片、电力——国家级垄断，普通人基本没机会。 - 模型层：Claude、GPT 这类大模型——大公司主导，普通人是"租的"，不是"产的"。 - 智能体/编排层：行业经验 + 上下文架构 + 编排规则——普通人最直接的机会窗口。 - 分发层：社群、影响力、信任关系、品牌——亘古不变的生产资料，从人类社会诞生就存在。 2. 普通人的机会在哪里 知识已经没有什么价值了，AI 什么都懂。但行业里摸爬滚打的经验，AI 目前还不懂。把这些经验结构化、架构化，让 AI 能在你的垂直领域专业级地去执行，这套"规则和架构"就是你的生产资料。 另一个更古老的生产资料是信任。你积累的受众、建立的社群、形成的品牌，这些都是能带来"睡后收益"的东西。 【主要内容】 - 生产资料的定义：马克思的来源，睡后收益的本质 - AI 时代生产资料的层级：从算力到分发 - 普通人的机会：哪些被垄断，哪些能握住 - 智能体层：行业经验 + 编排架构 = 你的生产资料 - 分发层：信任、品牌、社群 - 小龙虾为什么火：智能体概念的符号化 - 未来会形成很多小圈子，每个人只影响自己信任圈 - 价值重估：没有永恒的生产资料，先做再迭代 - AI 降低试错成本：三年变三天 - Sean 聊自己的平台：专业智能体的逻辑 【联系我们】不论是想讨论还是想要试用，欢迎联系我们～ qqqqqqiuyue

这期播客是一次非常真实的复盘。当真正下场去设计一款 AI 原生产品时，sean又有了一些新感悟： 1. 技术是汪洋大海，但产品必须是一根针 AI 时代最大的幻觉就是“我什么都能做”。技术确实什么都能做，但当你把一堆功能堆在一起时，那不叫产品，那叫代码仓库。 一个功能如果只有按钮，没有文档、没有教程、用户不知道在什么场景下用，那这个功能就等于没发布。越是看起来简单的产品，背后需要处理的极端情况和纵深就越深。做产品不是比谁能做的功能多，而是比谁能在无数的可能性中，克制地切出那一小块真正能交付给用户的价值。 2. 完美主义是最大的陷阱，连 AI 都在催你上线 一开始做产品，总想憋个大招，直接搞一个极其复杂的“多智能体社会化系统”。结果步子迈得太大，到处都是 bug，产品永远停留在内测阶段。 真正的解法是：接受产品可能会失败，但必须快速发布。有意思的是，当我们用里程碑定死上线时间后，每次想顺手多加个功能，连辅助写代码的 AI 都会不耐烦地提醒：“马上要上线了，别改了。” 3. 告别“角色”，走向“个体” 现在大家用 AI，都有一个习惯：聊完一件事，就赶紧“新建对话”，生怕上下文被污染。 这其实是因为我们依然把 AI 当作一个“随用随抛”的工具。我们召唤出一个“角色”，用完就关掉。但真正的 AI 原生产品，应该走向“个体”。个体是一直在那里的，它有自己的记忆和积累，就像一个真实的赛博生命。你不需要每次都重新设定它，不重要的事情它忘了就忘了，重要的事情它会沉淀为技能。你只需要在一个对话框里，持续和它交流。 以及，敬请期待3月底即将上线的monogent～

这期我们聊了一个很多老板正在面对但说不清楚的问题——AI进了公司，然后呢？ Sean最近接触了不少不同规模的企业老板，发现现实和大家想象的不一样。不是哪个天才员工自底向上推动了变革，也不是老板一声令下全公司转型。更多是老板自己偷偷装了个Claude，天天玩但不知道怎么落地；员工里有人用Claude Code，有人还在用最基础的chatbot，各自为战。Sean用了八个字来形容现在的企业AI化进程：星星之火，可以燎原。火已经点上了，但还没连成片。 有一个很反直觉的判断值得单独说说：真正怀疑"AI是不是终局"的，不是老板，是员工。老板已经不怀疑了，因为AI给结果、包办执行、又听话——这就是他梦想中的样子。员工反而会犹豫，因为他只看到自己负责的那个环节，不知道这件事为什么值钱，觉得自己只是在完成任务，而不是在创造价值。 这是两种完全不同的视角，带来了完全不同的行动姿态。 聊到组织结构，有一个挺有意思的推演：以后老板还是管人，不是管AI。因为人才是"聚焦点的放大镜"，AI不能自己决定聚焦在哪里。但有了AI之后，小公司也能同时跑几条线了，以前只有大企业才能做到的多点布局，现在普通创业者也有机会做到。这也带来一个隐患——当所有人都开始拥有全局视角，"为什么你当老板我不能当"这个问题会越来越多。 关于数据安全，Sean的态度很直接：大部分企业的"机密"在当前的AI效率面前不值一提。真正需要保护的是客户联系方式这类涉及法律的数据，但那几行源代码，AI写的可能比你自己的还好。效率和安全是对立面，而现在效率高到让安全显得可笑的程度——如果你不追这个效率，你连活下去都是问题。 最后给企业老板的建议，Sean总结了两点： 第一，不要走"自研模型"的弯路，那是上一代软件思维，你真正需要的是agent； 第二，先体验最强的模型，别一上来就压成本——探索期的目标是跑通业务，不是省几百块。 内容不多，希望你喜欢～

【本期嘉宾】Sean & Steven 【内容摘要】 1｜Open Claw 到底打动了谁？ Steven 从一个"想要 AI 副脑"的普通用户视角讲述了入坑动机：记忆归档 + 定时任务系统，让他看到了从"AI 聊天工具"迈向"私人 Jarvis"的可能性。 2｜三种人，三种态度 * Steven（普通高强度用户）：买了 Mac Mini，完成初步部署，还在探索副脑化路径 * Sean（技术从业者）：早已通过 Claude Code 实现类似体验，无移动办公需求，暂无使用动力 * Yoyo：帮朋友安装后发现，门槛对普通人依然很高，但移动端使用体验出乎意料地顺畅 3｜Open Claw 适合普通人吗？ 结论：目前并不适合大众。两大核心门槛： * 硬件成本：为体验买 Mac Mini，性价比存疑 * 使用门槛：装好之后"不知道用来干什么"才是真正的问题 4｜本地 vs 云端：你该怎么选？ Steven 坚守本地部署，理由是隐私控制与大文件处理（他是摄影师，有几个T的素材需要本地批处理）。Sean 则认为：云平台才是真正的普及之路，从 PaaS → SaaS → Serverless，AI 也将走一遍互联网的老路。 5｜隐私和安全风险，怎么权衡？ Sean 的观点直接：安全和效率永远对立，不可兼得。就像自动驾驶有风险依然在推进，使用 AI 也需要接受让渡一部分控制权。Steven 的策略是：愿意让渡部分隐私换取便利，但主动隔离高风险场景（不存金融账号、不接私人邮箱）。 6｜装了不知道用来干嘛？这才是真问题 "你给一个天才供他使唤，他也不知道让这个天才帮他干什么。"——Sean 最大的瓶颈从来不是工具，而是你是否清楚自己的需求。真正能把 Open Claw 用好的人，往往是那些早就想清楚了要做什么的人。 7｜Sean 的云平台愿景：AI 互联互通 Sean 分享了他正在做的事：让每个 AI 个体有自己的资源（如独立邮箱）、通过统一协议实现 AI 之间的"互联网化"——你分享一个链接，对方的 AI 直接调用，不需要懂技术原理。目标是构建一个"AI 公司"管理平台，让用户像管理员工一样管理智能体。

【内容简介】 本期我们邀请Sean深度讲解了他最近做的一个重大更新——从promptx升级到rolex。这不只是一次功能迭代,更是对"人与AI如何协作"这个根本问题的重新思考。 Sean分享了rolex背后的三个核心设计:用Gherkin语法重构提示词(token直降90%),用人类社会的组织架构来管理AI(角色、组织、职位),以及让AI角色可以像人一样成长(基于康德认识论的综合-反思-知识路径)。最让人兴奋的是,这套系统把复杂的AI管理变成了我们最熟悉的事情——就像在公司里和同事协作一样自然。 【主要内容】 * 为什么要从promptx升级到rolex? Sean讲述了三个契机:模型能力提升后旧架构成为累赘、管理20个项目后需要更好的工具、发现Gherkin语法特别适合AI理解。 * Rolex的核心创新是什么? 用Gherkin语法写提示词,token占用量直降90%;用人类社会的组织架构(角色、组织、职位)来管理AI,让协作变得像企业微信一样自然。 * 为什么一定要有"组织"这个概念? Sean认为未来是专家智能体而非通用智能体的天下,就像人类社会一样,智能的管理需要组织架构,而人类已经验证了几千年的方法论,为什么不直接用? * AI角色如何"成长"? 基于康德认识论设计:经历→综合成经验→反思形成知识。就像人类写日记、做错题集、总结学习手册一样,只不过AI几秒钟就能完成。 * 普通人怎么用rolex? Sean强调不需要理解所有技术细节,就像我们不需要理解大脑怎么运作也能思考。关键是把AI当成同事,用管理人的方式管理AI。 【了解更多】 https://github.com/Deepractice

【本期访谈大纲with Sean】 问题1：AI员工进来了，管理者还管什么？ 问题2：真人和AI该怎么分工？ 问题3：团队结构怎么重构？ 问题4：工作流程怎么设计？ 问题5：真人员工的成长路径变成什么？ 【本期内容简介】 1. 管AI其实就是管人，思维要转变 大部分人不是不会用AI，而是不敢放手。就像新手管理者不敢把活派给下属一样，总觉得"还不如我自己做"。但真正的管理能力就是学会放手，把不同的事派给不同的人（或AI）去做。AI时代，每个人都要学会这个。 2. 人机协作的速度差，让传统协作模式失效了 AI做一件事两小时，真人做一周。这个差距大到已经没法等了。结果就是每个人都变成"独立作战单位"——一个人带着一堆AI干一个方向的事。人与人之间不再是同事协作，而是像部门间协作，只在大方向上同频就够了。 3. 如果公司还没开始AI化，这是个危险信号 连金融行业这种最保守的领域，生产环境的运维都在用AI了。这不是温水煮青蛙，是沸水。老板可以慢慢想，因为他有资源可以随时裁员再招人。但打工人等不起，等老板想明白的时候，外面的机会可能已经没了。 4. Token消耗应该成为新的生产成本 就像做电销的不可能自己付话费一样，Token本质上是生产资料。消耗多说明干活多，这是好事。对个人来说，每月200刀的投入，换来的是升职加薪的机会，或者至少能早点下班不被996压榨，怎么算都值。 5. 生产力提升是一切的根本 不管你是升职、加薪、还是想要更多时间，核心都是把生产力提升起来。AI能让你做到10倍提效，这不是吹牛，是可以实际做到的。时间长不等于贡献大，产出多才等于价值高。把这个想明白了，其他都好办。 【了解更多】 deep practice官网：deepractice.ai

【本期内容】 当你跟AI对话三分钟就能得到答案,当你一天就能搭出自己的网站,当你的每一步努力都能立刻看到反馈——这种"闭环变小"的快感,正在改变整个商业世界的游戏规则。 本期Sean分享: * 为什么AI加速对普通人是好事? * 哪些行业会被极速推进,哪些反而要慢下来? * Deepractice如何思考定价和商业策略? * 为什么说2026是智能体真正爆发的一年? 【了解更多】deepractice.ai

【本期简介】 这是深度实践2026年的新尝试——邀请不同领域的实践者分享他们在AI时代的探索。本期嘉宾阿杰，18岁大一学生，从高考前就深度使用AI，经过一年的实践，他对AI时代的IP打造、社群运营、AI分身有着超越年龄的思考。 【嘉宾介绍】 Marlin阿杰：18岁，刚刚经历完高考的大一新生。从2022年开始使用AI做人生规划，2025年8月加入deep practice团队。五年影视专业学习背景，目前在探索维纳斯分镜智能体、AI创作意图提取等方向。 傻青：deep practice核心成员，姜子牙角色打造者，对AI记忆系统、角色创建有深入研究。 【本期你会听到】 * 一个18岁年轻人如何从高考生成长为AI深度实践者 * AI如何让IP从数量级增长走向质变 * 为什么AI分身是个人IP的终极放大器 * 从互联网去中心化到AI分身经济的演进逻辑 * 打造AI分身的完整方法论与商业模式 * 一个即将启动的新业务：AI分身咨询服务 【核心观点】 * IP的双重增长：AI不仅让IP数量爆发，更倒逼质量提升 * 人机协作的魅力：机器负责可复制的输出，人负责不可预测的创造 * AI分身=IP放大器：可以同时与1000人对话，无限扩展你的影响力 * 从互联网到AI：个人IP建立在去中心化基础上，AI分身是下一个进化 * 商业模式：提供工具+方法+陪跑优化，帮助每个人打造数字分身 【相关链接】 deep practice官网：deepractice.ai PromptX：播客中提到的AI工具基础设施

【推荐先阅读公众号文章】 https://mp.weixin.qq.com/s/0wfj2pnsngVxqQIRJgoUZA 【本期内容简介】 2026年第一期，Sean分享他在运营AI中转站和旅游公司过程中的重要发现： 提出Token to Value Velocity(T2V)这一衡量AI创业价值转化效率的新概念。从为什么很难赚到程序员的钱，到如何找到行业的精准闭环点，这期对话揭示了AI时代商业逻辑的底层变化。 【本期你会听到】 - T2V公式的由来：程序员消耗token多却不愿付费，短视频团队恰恰相反 - T2V的三个核心变量：商业价值、token成本、闭环天数 - 为什么用"闭环天数"而非转化率？因为要匹配人类对时间的感知 - 快价值vs慢价值：为什么编程是大厂市场，短视频更适合创业者 - 如何用T2V判断赛道：深入行业找到精准闭环点 - AI创业的核心建议：走到行业里，搞清楚"做到哪一步刚刚好" 【了解更多】 https://deepractice.ai

【本期嘉宾】 主麦：姜山&傻青 主持： 阿Q 【本期核心议题】 1.在AI智能体时代，你想做怎样的商业模式？为什么？ 2. AI时代是供给创造需求吗？可能会创造出哪些需求？ 【主要内容】 本期播客,我们深度探讨AI智能体时代的商业模式创新。当技术门槛被AI大幅降低,什么才是真正的护城河?为什么开源反而成为最好的商业策略?两位正在实践中的创业者分享他们对BtoD、CtoB等新商业模式的思考,以及如何在供需关系中找准时机。 【本期你会听到】 - 为什么AI时代"影响力"比技术更重要 - 开源商业模式如何通过影响力变现,而非担心被抄袭 - BtoD(面向开发者)和CtoB(创作者向平台)两种新兴商业模式 - 创业中的时机选择:跑得太早和太晚的风险 - AgentX智能体运行时平台的产品逻辑 - 如何在大厂竞争中做差异化的垂直领域 【了解更多Deepractice】github.com/Deepractice 【深度实践官网】deepractice.ai

【简介】 深度实践第23期,首次尝试圆桌论坛+同步直播：Gemini 3.0 的发布在不同圈层引发震动,我们来自教育、技术开发、艺术创作、产品运营等领域, 作为普通人的视角聊聊为什么这次gemini3.0的更新引起了这么多的探讨。 【本期你会听到】 感知层:第一反应 - 技术派的兴奋:多模态能力、前端开发的跨越式提升 - 创作者的焦虑:生存空间会被挤压吗? - 教育从业者的震撼:离 AI 老师还有多远? - 中转站老板的机会:破圈效应带来的新需求 认知层:本质突破 - 这是量变还是质变?不同视角的判断 - 核心突破:不是模型本身,而是模型+应用生 态的组合拳 - 谷歌的野心:从"能用"到"开箱即用"的质变临界点 影响层:对我们意味着什么 - 教育行业:个性化学习成为可能,学校存在的意义被重新审视 - 开发者群体:赛道拓宽了,但也更拥挤了 -创业者视角:从垄断到多元,新的机会在哪里? -普通人:从"用不上"到"真的能用",破圈的意义 应对层:我们该做什么 - 焦虑的本质:害怕被替代,还是害怕跟不上? - 技能 vs 服务:AI 替代的是重复性工作,不是人的价值 - 新人成长困境:公司会优先培养 AI 员工吗? - 从工具人到创造者:如何找到自己的不可替代性 哲学层:人的独特价值 - AI 是工具还是主体?这个边界在哪里? -人的价值:从生产到消费,从体力到脑力的迁移 - AI 倒逼我们思考:我的独特性究竟是什么? - 乐观的判断:AI 让人类走向更宏观、更创造性的工作 【时间轴】 开场:圆桌论坛的新尝试 感知层:Gemini 3.0 带给你兴奋还是焦虑? 认知层:量变还是质变?核心突破在哪? 影响层:对不同行业和人群的冲击 应对层:面对变化我们该做什么 哲学层:当 AI 越来越强,人的独特价值在哪?