当前的AI主题是LLM， Agent， ALL in显卡 服务器，大量的电力消耗和用户争夺。

但是在实际的应用中， 我那AI tools当作大数据搜索整合工具， 而不是真正意义上的人工智能。 举几个例子： 我会用Cursor来生成LC刷题笔记，但是它不是真正意义上的原创内容，而是基于大数据的内容整合。 我会用VS Code生成代码，但是它不是基于需求理解的代码生成，而是通过语意的关联性搜索类似的代码段然后填充，如果我想实现一个数据库不存在的代码段，VS code很可能生成的代码是不符合我的期待的。 代码的自动填充是基于概率的补充，而不是基于思考的实现。 AI在我看来只是”看起来“智能。

当然不得不说AI工具能快速辅助我，让我从重复性无聊的事务里脱身。 以前想实现多步骤的图片修改， 比如把多余的内容过滤 需要几小时的人工，现在只需要几个指令+AI图片处理就好了。 这些，是基于大量的计算机运算来实现重复性操作，而不是基于智能去主动的改变什么。 方便，快捷，但是真的能算是“智能”么？

尤其是大型通用性模型花费了极其高昂的算力和电能，实现的可能只是用户重复的简单需求。

下一步AI辅助的细分大概是某个趋势？ 比如说ChatGPT提供的法律解释大概率不够靠谱。 但是一个专用的专注于正确法律辅助的AI能帮助法律从业者更快的更有效的工作？ 针对智能家居的AI管家能基于如何帮主人更好的生活，能够提供家用电器的优化控制，给予主人恰当的建议（比如基于图片识别的家用采购清单）？ 这类专用/专业的针对性AI比通用AI对于资源的消耗更可控，同时可靠性更好，用户也更有意愿买单。

我有一个朋友，她会付费给专业营养师，每天给自己的事物拍照 然后得到系统的热量计算以及专业的建议和反馈。现在已经有相关手机APP在做类似的事情，引入AI（后台调用第三方API）来实现类似的功能。 当然，本质上还是用的通用LLM， 期间存在很多不需要的overhead的同时 不知道有没有在精准度上面有优化？

当前的科技领域：大公司凭借资本 大批裁员减开支来买显卡。中型公司因为没有足够的资本 逐步被淘汰。 新型的小公司及个人 通过AI帐号和API接口来快速积累人气和收入。 水深火热。

这种能源消耗换热点的局面，什么时候能够破局呢？ 期待分布式AI的存在，AI落地不应该是只有大型模型才行的局面。 毕竟几家独大目前都是烧钱倒贴换人气，哪天站稳了涨价了 或者泡沫破了 那就是全民灭杀的局面了。

一个健康的科技圈不应该是这样的。