我第一次意识到,AI 也会参与“造 AI”
上周三晚上,我在杭州西湖边听一档 AI 播客,节目里提到:十几位研究人员带着 300 多个 AI 助手,用四五个月完成了大型模型的后训练。我第一反应不是厉害,而是有点慌:如果 AI 都能参与研发下一代 AI,那普通创业者还能做什么?我也卡过在这里——把行业新闻听成了“自己必须马上造模型”的任务。
其实,AI 参与 AI 研发的“AI for AI”,更像是让 AI 帮忙提出假设、执行实验、记录结果,再把成功和失败留给下一轮。它还不是真正意义上的“自我进化”,因为负责研发的 AI 自己能否持续变强,仍有待验证。
它是什么,又是谁在用
听众边江在节目里提到,AI 可以从数据处理、后训练优化到实验监控参与研发。一个具体例子是:研究人员分别让多个助手分析结果、提出新假设、实现改进和盯住训练过程,像开了一场二十四小时不休息的小型研讨会。
微软亚洲研究院、Anthropic、OpenAI 等团队都在利用 AI 加速研发;资源有限的创业团队,则更适合从垂直领域找机会。边江把关键落在“反馈闭环”:做出来、测效果、保留经验、再改一版。对咱们来说,这比“训练一个更大的模型”具体得多。
今天照着做,门槛和成本是多少
复刻一个小型流程,不需要几百万元,也不用先懂模型训练。预算可以先定在每月 300—1000 元,用现成的 AI 助手;时间是 1—2 周,每周约 5 小时。技术门槛一句话:会把自己的工作拆成“输入—执行—检查—修改”即可;如果你完全不懂代码,也可以先用网页版工具。第一步,打开你常用的 AI 助手的项目或工作区,新建一个客户需求整理项目,先录入 3 个真实需求作为测试材料。
我也搞错过:最早我把提示词写得很复杂,却没固定检查标准,结果 AI 每次都“完成得很好”,却无法比较谁更好。后来我加了一张简单评分表,只看三点:是否省时间、是否出错、能否复用。这个改动很土,却让流程终于跑起来。
按你现在所处阶段,我会这样选
如果你刚起步、还没稳定客户,我不会建议你追着研发大模型;我会先用 7 天把报价、交付或内容生产拆成一个闭环,甚至先不额外付费,用现有工具跑通。刚起步最大的资产是真实反馈,不是算力。
如果你已经有 1—2 个客户,我会把 AI 放进交付环节:让助手整理需求、生成初稿、执行固定检查,但最终判断仍由你做。这样通常比另买一套复杂系统更稳。
如果你正在扩规模,我会建议先找垂直场景里最重复、最能积累数据的环节,再决定是否值得做专用工具。团队人数增加后,“经验能沉淀下来、结果能复查”会比一个漂亮演示更重要。
这工具不是所有人都需要,它更适合已经在交付、愿意记录过程的人。现在不试也没事;先拿一项你每天都烦的工作跑 7 天,再决定要不要继续。