应该如何与 AI 协作？先做再想的时代法则
应该如何与 AI 协作？哪些工作应当由人主导，哪些又该交由 AI 完成？要回答这个问题，首先需要将人与 LLM（大语言模型）置于同一个象限下进行对比，对比两种智能各自的优劣势。
智能的三个属性
突破点在于衡量人与大模型的智能特征有什么不同。
智能究竟是什么？我们可以将其分为静态智能与动态智能。静态智能基于规模法则（Scaling Law），即连接数量越多，智能越强大；动态智能则体现为学习能力，即在新领域中快速建立准确连接的能力。这两者共同构成了智能的”存量”与”增量”。
然而，仅仅拥有智能的存量与增量是不够的。智能必须在具体场景中发挥价值，这就涉及到了”吞吐量”。一个吞吐量极低的智能体，即使再聪明也难以产生实际价值，因为它无法高效地将智能转化为现实环境中的输出。
综上所述，衡量智能有效性的基础可以归结为三个核心要素：绝对的连接数量（存量）、环境中的吞吐量（输出）、边际的连接增量（学习）。
| 维度 | 同一象限参数 | 人脑 | 大模型（公开代表值） | 优势方 |
|---|---|---|---|---|
| 链接数 | 已学习的可调连接数量 | 约 100 万亿突触 | Kimi K2：1 万亿总参数 | 人脑领先 100 倍 |
| 吞吐量 | 调用时文本输出速度 | 约 3.0–4.1 tok/s | gpt-oss-120b：217.7–266.7 tok/s | 大模型领先 53-89 倍 |
| 学习速度 | 形成当前能力所需训练输入量 | 约 1690 万–5860 万 tokens | Llama 3.1 405B：约 15 万亿 tokens | 人脑领先约 25.6 万–88.8 万倍 |
三个属性所产生的原因
一、链接数量与具身性
AI 由于缺少了信息的模态性（例如对于触觉它是没有的），它拥有的都是一些符号性质的东西，所以它天然不具有具身性，在大脑的连接规模上也就必然会少了很多东西。
同时，AI 对具备具身性的人类在多模态信息上的理解也是缺失的。它无法精准把握人类复杂而微妙的需求。只要大模型没有获得等同人类的具身性，它就永远无法捕捉到人类基于细微感受和激素、肌肉、疲劳变化所产生的隐晦想法。因此，在服务于具体需求时，必须由人来进行各种修正，这也是人类最坚固的优势之一：人比大模型更了解人。
这构成了人机协作的第一点：在具身性上，人必须始终主导与大模型的合作，修正大模型因缺乏对人体内环境”默会知识”而产生的认知偏差。
二、学习速度与边缘环境
模型的特点在于它是在符号环境中进行压缩，产生具有均值性质的权重集合。由于缺乏与真实环境的交互，许多未被记录或参数量较少的边缘环境信息，往往被有损保存甚至完全忽略。此外，模型依赖周期性训练，更新速度缓慢，天然不适合处理边缘环境中的突发或新颖问题。AI 在处理上所展示出来的特质是循环性，而非边缘性。
对于缺乏历史数据的边缘环境，必须依赖具备快速学习能力的人类。人可以通过快速学习，将相关数据和规则提炼后”告诉” AI，从而让 AI 辅助处理。
快速地向边缘前进，不要在数据丰富的地方停留，这是未来与 AI 协作的第二个准则。
三、AI 的无限可扩展吞吐量
AI 最令人惊叹的优势在于其吞吐量的无限可扩展性。人脑的特点是，即使连接参数再高、学习速度再快，其吞吐量始终受限于生理极限。无论多么聪明的人，也无法像增加服务器那样无限扩展大脑的吞吐量；且人脑中保存的珍贵数据，会随着物理生命的终结而湮灭。
相反，AI 在芯片算力的加持下，可以无限保存数据并扩展吞吐量。即使其连接规模较小、学习速度较慢，它也可以将服务于特定领域的智能，通过庞大的吞吐量无限复制到各个需要的场景中。这意味着，在 AI 可复制的智能范围内，人类的同质化智能将不再具备竞争优势。
结合具身性以及快速向边缘前进这两点的基础上面去利用 AI 的吞吐性，那么 AI 就是我们的助力。如果没有做到这两点的话，那么 AI 就是我们最危险的敌人，它会吞噬一个人所有的价值。
先做再想
《孙子兵法》当中有一句话过去我非常喜欢，就是”先胜而后战”。这一点在过去很多领域都比较适合，其意图就是在有限的资源下面，尽可能增加自己的胜率，避免自身的资源有所损耗。这是一种因生产力匮乏而形成的工作模式，也就是说，它是以消耗更多人类自身的吞吐量，而少去消耗外界资源的方式。但未来已经不适合这样去工作了。
在 AI 的赋能下，生产力极度爆发，试错成本呈指数级降低。未来的模式不再是”想清楚了再做”，而是”先做再想”。
在未来，”想”（深度思考）将成为一种极度稀缺的资源。当我们只有一个模糊的念头，甚至无法界定哪些部分适合人、哪些适合 AI 时，最有效的做法是：把初步想法告诉 AI，让 AI 先去”想”和”做”；在 AI 产出结果的基础上，我们再利用自身的具身性和边缘学习能力进行二次思考和修正。
未来世界人机协作的核心诀窍在于：人类必须极其珍惜自身的思考资源（即自身的吞吐量），并最大限度地压榨和利用 AI 的吞吐量资源。
例如，在启动一个项目时，过去我们需要花费大量时间进行前期论证。而现在，只要有一个苗头，就可以让 AI 快速开发出一个产品原型（MVP）。看着这个具象化的产品，人类再结合自身的感受和新知识进行思考，产生新的想法，随后再次交由 AI 迭代落地，形成不断往复的循环。
凭空构思一件事情，极其消耗人类的思考能力和吞吐量；而对一件已经成型的事物进行总结、提炼和修正，则要轻松得多。因此，未来的世界是一个”先做再说”的世界——不是在现实的物理世界中盲目试错，而是在与 AI 沟通的模拟环境中，尽可能地”先让 AI 做，人再基于结果去想”。这才是人与 AI 共生时代的终极生存法则。