Google 发布 Gemini 1.0 的消息，是在雷军年度演讲的刷屏间隙里看到的。巨头终于把多模态大模型攒出来了，新闻稿里那些“原生”、“理解”之类的词，看得我后槽牙有点酸。不是技术上的酸，是节奏上的。他们总能在你觉得赛道已经挤满的时候，开着航母来划定新的海域。
雷军讲他人生低谷，我脑子里全是现金流。他讲小米CyberOne机器人，那个视频我看了三遍，关节电机的声音，还有那个略显僵硬的步态。说实话，那一刻我焦虑的不是技术，是商业模式。小米这种玩法，是典型的高客单、重研发、长周期。一个机器人团队，光学、机械、控制、AI算法全要配齐，烧钱烧到海枯石烂，赌的是五年甚至十年后的市场。这和我现在干的完全是两个极端。
我现在是什么？超级个体户。疫情把团队拆了之后，我就彻底回到了“轻量化、重算法”的路子上。客户要一个自动处理健身会员续费的流程，我不用养硬件团队，不用开模，我甚至不用自己从头训练模型。我用现成的 API，用 n8n 把 OpenAI 的接口、Stripe 的支付、Notion 的数据库像搭乐高一样拼起来。一周交付，客单价可能就几万，但现金流是正的，明天就能吃饭。小米那个机器人，可能还在 PPT 阶段，就已经烧掉了我一辈子都赚不到的钱。
但问题就在这里。我的“轻”是建立在别人的“重”之上的。我的 n8n 工作流、我的自动化脚本，底层依赖的是 Google、OpenAI 这些巨头提供的算力和模型。Gemini 一出来，就意味着规则又变了。它把图像、视频、文本、代码的理解全打通了，号称要超越 GPT-4。这对我是好事吗？短期看是，工具更强了。长期看，毛骨悚然。当巨头把多模态能力做成像水电煤一样的基础设施，并且越做越深、越做越闭环的时候，我这种“拼接工”的价值壁垒在哪里？我去年还在死磕用 Python 爬虫结合 OCR 去解析健身教练手写的训练计划表，折腾 DOM 树、应对反爬、处理模糊图片。如果 Gemini 级别的模型开放一个接口，直接“喂”图片就能返回结构化数据，那我过去三年积累的这套数据清洗手艺，瞬间就贬值了百分之八十。
雷军演讲里有一句，大概意思是，你看起来的顿悟，可能只是别人的基本功。太他妈扎心了。我现在每天研究的“自动化”，在 Google、DeepMind 那帮工程师眼里，是不是就跟小孩子过家家一样？他们思考的是如何让 AI 理解物理世界，让机器人平稳行走、抓取物体。我思考的是如何用 Zapier 替代手动点击，如何把 API 调用频率优化到不触发限制。我们好像活在两个维度。
但焦虑归焦虑，饭还得吃。高客单重研发的模式我玩不起，那是资本的牌桌。我只能在我的维度里，把“轻量化”做到极致。Gemini 再强，它也需要被应用到具体场景。健身教练不会用 Python，中小工作室的老板看不懂 API 文档。这就是我的缝隙。我的价值可能不再是“发明轮子”，而是成为最好的“装轮子的人”。把 Gemini、GPT-4 这些吓人的能力，封装成一个健身教练能看懂的、点击几下就能分析会员体态视频并生成训练建议的 GUI 软件。把巨头的“重”，转化为我客户能感知的“轻”。
这大概就是中年手工艺人的出路。知道航母在哪，但安心开好自己的小渔船。只不过，现在得时刻盯着海图，因为航母掀起的浪，随时可能把我打翻。
