哈佛与OpenAI研究显示，70%的ChatGPT使用非工作目的。AI与人类形成"人机融合"协作模式，作为"能力放大器"而非"能力创造器"。尽管AI正在跨越性别、年龄和地域边界实现普惠，但未来人类仍需强化同理心、判断力等AI难以替代的能力，并专注于提出好问题，实现碳基与硅基一体的状态。

---

如果有人问，过去一年AI领域最震撼的数字是什么？

很多人可能会想到模型参数的暴增，或是用户数量的破亿。但在我看来，最震撼的数字，是‘70%’。这个数字背后，没有惊天动地的技术突破，却藏着关于AI最真实的秘密：

绝大多数时候，我们用它，70%都不是为了工作。

这一发现，源自哈佛大学与OpenAI在2025年9月联合发布的一份研究报告《How People UseChatGPT》。”

“人机融合”：我们与AI协作的真实模式

那么，在AI真正发挥作用的场景里，我们到底是以一种什么样的模式在和它协作？是把它当成“副驾驶”还是“自动驾驶”？

我觉得都不是。它更像一种“人机融合”的状态。

拿我自己写公众号文章的流程来举例，这个流程完全可以由人和AI协同完成：

1. 选题： 我想不出写什么时，AI可以基于海量信息给我10个选题，我来选。
2. 大纲： 作为初学者我不懂怎么搭框架，也可以让AI帮忙。
3. 初稿： AI已经把方向和大纲给了我，我只需要往里面填充素材和观点，这部分一定是人来写。
4. 修改： 写完后，让AI作为我的第一个读者来评评。这个环节不能“自动驾驶”，因为作为初学者，我不知道什么是好的内容，如果AI“放飞自我”，我根本没法判断它写得怎么样。
5. 标题： 让AI拆解“爆款标题”的元素，给我建议，然后我再去选择和调整。

在这个工作流里，人是“总指挥”，保留了最核心的判断力，而AI则像一个个可以随时调用的“专家模块”。

AI是“能力放大器**”，而非“能力创造器”**

这个“人机融合”的模式虽然高效，但也引出了一个更深层的问题：是不是每个人都能用好它？报告里另一条数据给了我答案：高学历和从事专业岗位的用户，更倾向于在工作中使用ChatGPT。

我觉得是的，AI是要基于你自身能力来扩展的。

比如说写一个复杂逻辑的代码，你连步骤都不知道是什么，什么前端后端服务器、并发高可用都没有一点概念，你只是一直问，是问不出个所以然的。一定要本身有一定的见识，哪怕只是了解。

所以，AI更像一个‘能力放大器’，它能让60分的具备一定基础的人士轻松做到90分，却很难让不及格的人实现质的飞跃。这可能意味着，在职场上，AI会让强者愈强，反而拉开实力差距。

AI****的另一面：正在跨越边界的普惠性

然而，正当我担心AI会成为加剧社会鸿沟的工具时，报告中的另一组数据却描绘了一幅截然不同的、充满希望的图景。 文中的最后的总结观点还提到：

• 性别差距已基本消失：在产品发布初期，约80%的用户是男性名字，那时的AI基本是早期技术爱好者使用的“极客玩具” 。而到2025年7月，女性用户的比例已超过半数 。 它暗示着AI的应用场景已经从纯粹的技术、编程等领域，大规模扩展到了写作、教育、生活规划等与日常生活更紧密的领域，说明AI的技术越来越走向大众化、生活化。
• 年轻人是使用主力：在成年用户中，18至25岁的年轻人贡献了将近一半（46%）的对话量 。 这说明在这一代“AI原住民”眼中，AI不再是一种需要刻意学习的技能，而是一种如同使用智能手机一样自然而然的习惯，已经迅速地融入了我们的学习、社交和娱乐的方方面面。
• 在中低收入国家增长迅速：在过去一年中，ChatGPT在中低收入国家的普及速度尤其快。 对于那些教育资源、信息渠道相对匮乏地区的用户来说，ChatGPT成为了一个低成本、高效率获取全球知识、学习专业技能、甚至提升工作能力的强大引擎。它有可能成为一个“认知均富”的工具，帮助缩小全球范围内的信息鸿沟和知识差距，为发展中国家的个人和经济体带来跨越式发展的机会。

这说明，ChatGPT正在经历一个快速“去精英化”和“大众化”的过程，其影响力正从少数技术先锋群体，迅速渗透到不同性别、不同年龄和不同地域的普通人生活中。

未来：从“人机融合”到“数字孪生”

对于这个AI发展日新月异的时代，短短地1-2年，迭代速度如此迅猛，我经常有一种想学习，但觉得AI学的比我快很多，相当于指数倍增，同时一想到过往的所有知识AI现在你随时问他，他都能够很快的解答出来。感觉有一种无力感了。

只不过我们不应该因此悲观。还有一些是AI没有的，但是我们有的，那就是身为人类的同理心、共情、审美、价值观、内驱力等，从现在起，识别并强化自身工作领域中不可替代的能力，比如对内洞察、创意以及判断力，将重复性、标准化工作的外包给AI。

而这种对核心能力的聚焦，尤其是对‘提出好问题’的重视，正与一些前沿思想不谋而合。

这让我想起在“5000天的后世界”里提到的观点：人类最重要的技能不再是掌握特定知识，而是“学会如何学习”的元能力和“不断提出好问题”的探索精神。

在未来，答案会变得越来越廉价。真正稀缺的，是那个能驱动AI、激发创新的好问题。

AI时代，我们更要保持学习的态度。即便我们追不上AI的脚步，但是要有自己独立思考的能力，要学会如何更好地利用AI，最终做到一个碳基与硅基一体的状态。

随着大模型的持续火爆，各行各业纷纷开始探索和搭建属于自己的私有化大模型，这无疑将催生大量对大模型人才的需求，也带来了前所未有的就业机遇。**正如雷军所说：“站在风口，猪都能飞起来。”**如今，大模型正成为科技领域的核心风口，是一个极具潜力的发展机会。能否抓住这个风口，将决定你是否能在未来竞争中占据先机。

那么，我们该如何学习AI大模型呢？

得益于新岗位相较于被取代岗位更高的生产效率，全社会的整体生产效率实际上是不断提升的。

然而对每个个体而言，更准确的说法是：

“率先掌握AI技术的人，将比后来者更具竞争优势”。

这个道理，在计算机、互联网乃至移动互联网兴起的每一个时代初期，都同样适用。

作为一名在互联网一线企业拥有十多年工作经验的老兵，我指导过许多同行和后辈，也帮助了不少人实现能力提升和职业成长。

在这个过程中，我积累了许多值得分享的经验和知识，也希望能用自己的专业能力，为正在学习人工智能的你答疑解惑。尽管日常工作已经非常繁忙，我仍然坚持整理和输出这些内容。但由于信息传播渠道有限，许多互联网人难以获取系统、可靠的学习资料来实现自我提升。因此，我决定免费分享一批重要的AI大模型资料，包括：AI大模型入门学习思维导图、精选学习书籍与手册、配套视频教程，以及部分实战学习录播视频。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

大模型入门到实战全套学习大礼包📚

01

大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

02

大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

03

AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

04

大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

05

大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

06

全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

一、初阶应用：建立AI基础认知

在第一阶段（10天），重点是对大模型 AI 的基本概念和功能进行深入了解。这将帮助您在相关讨论中发表高级、独特的见解，而不仅仅是跟随他人。您将学习如何调教 AI，以及如何将大模型与业务相结合。

主要学习内容：

• 大模型AI的功能与应用场景：探索AI在各个领域的实际应用
• AI智能的起源与进化：深入了解AI如何获得并提升其智能水平
• AI的核心原理与心法：掌握AI技术的核心概念和关键原理
• 大模型应用的业务与技术架构：学习如何将大模型AI应用于业务场景和技术架构中
• 代码实践：向GPT-3.5注入新知识的示例代码
• 提示工程的重要性与核心思想：理解提示工程在AI应用中的关键作用
• Prompt的构建与指令调优方法：学习如何构建有效的Prompt和进行指令调优
• 思维链与思维树的应用：掌握思维链和思维树在AI推理和决策中的作用
• Prompt攻击与防范策略：了解Prompt攻击的类型和如何进行有效的防范
  
  
  、、、

二、中阶应用：深入AI实战开发

在第二阶段（30天），您将进入大模型 AI 的进阶实战学习。这将帮助您构建私有知识库，扩展 AI 的能力，并快速开发基于 agent 的对话机器人。适合 Python 和 JavaScript 程序员。

主要学习内容：

• RAG的重要性：理解RAG在AI应用中的关键作用
• 构建基础ChatPDF：动手搭建一个简单的ChatPDF应用
• 检索基础：掌握信息检索的基本概念和原理
• 理解向量表示：深入探讨Embeddings的原理和应用
• 向量数据库与检索技术：学习如何使用向量数据库进行高效检索
• 基于 vector 的 RAG 实现：掌握基于向量的RAG构建方法
• RAG系统的高级扩展：探索RAG系统的进阶知识和技巧
• 混合检索与RAG-Fusion：了解混合检索和RAG-Fusion的概念和应用
• 向量模型的本地部署策略：学习如何在本地环境中部署向量模型
  

三、高阶应用：模型训练

在这个阶段，你将掌握模型训练的核心技术，能够独立训练和优化大模型AI。你将了解模型训练的基本概念、技术和方法，并能够进行实际操作。

• 模型训练的意义：理解为什么需要进行模型训练。
• 模型训练的基本概念：学习模型训练的基本术语和概念。
• 求解器与损失函数：了解求解器和损失函数在模型训练中的作用。
• 神经网络训练实践：通过实验学习如何手写一个简单的神经网络并进行训练。
• 训练与微调：掌握训练、预训练、微调和轻量化微调的概念和应用。
• Transformer结构：了解Transformer的结构和原理。
• 轻量化微调：学习如何进行轻量化微调以优化模型性能。
• 实验数据集构建：掌握如何构建和准备实验数据集。
  
  

四、专家应用：AI商业应用与创业

在这个阶段，你将了解全球大模型的性能、吞吐量和成本等方面的知识，能够在云端和本地等多种环境下部署大模型。你将找到适合自己的项目或创业方向，成为一名被AI武装的产品经理。

• 硬件选型：学习如何选择合适的硬件来部署和运行大模型AI。
• 全球大模型概览：了解全球大模型的发展趋势和主要玩家。
• 国产大模型服务：探索国产大模型服务的优势和特点。
• OpenAI代理搭建：学习如何搭建OpenAI代理以扩展AI的功能和应用范围。
• 热身练习：在阿里云 PAI 上部署 Stable Diffusion
• 本地化部署：在个人计算机上运行大型模型
• 私有化部署策略：大型模型的内部部署方法
• 利用 vLLM 进行模型部署：高效部署大型模型的技术
• 案例分析：如何在阿里云上优雅地私有部署开源大型模型
• 开源 LLM 项目的全面部署：从零开始部署开源大型语言模型
• 内容安全与合规：确保AI应用的内容安全和合规性
• 算法备案流程：互联网信息服务算法的备案指南
  

通过这些学习内容，您不仅能够掌握大模型 AI 的基本技能，还能够深入理解其高级应用，从而在市场竞争中占据优势。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你无疑是AI领域的佼佼者。然而，即使你只能完成60-70%的内容，你也已经展现出了成为一名大模型AI大师的潜力。

最后，本文提供的完整版大模型 AI 学习资料已上传至 CSDN，您可以通过微信扫描下方的 CSDN 官方认证二维码免费领取【保证100%免费】。