GTC 2024 开幕了，老黄又掏出了新核弹。Blackwell 架构，每秒 20 petaflops 的 FP4 算力，训练 1.8 万亿参数的模型能耗降低到四分之一。我盯着直播画面，脑子里想的不是技术参数，是去年这时候我还在吭哧吭哧研究怎么用多卡 3090 拼凑一个能跑 70B 模型的本地环境，光是显存优化和模型量化就折腾了半个月。现在呢？这些底层硬件问题正在被暴力抹平，就像当年云服务抹掉了运维的复杂性一样。
算力门槛正在以肉眼可见的速度蒸发。去年大家还在焦虑有没有足够的 H100，今年讨论的已经是“如何用更少的能耗和成本训练更大的模型”。这意味着什么？意味着技术民主化的进程被按下了快进键。当获取强大算力像打开水龙头一样简单，个体开发者和大厂研究院站在同一条起跑线上比拼的，不再是你的 GPU 集群规模，而是你脑子里那个“点子”的价值。创意，这个在互联网时代被用烂的词，在 AI 时代正在被重新定价。
我翻出去年写的几份商业计划书，里面充满了“基于现有大模型微调”、“结合 RAG 技术”这类套话。当时觉得这是稳妥的方案，现在看，全是可被快速复制的技术组合，毫无壁垒。真正的壁垒开始向两端迁移：一端是像 OpenAI、Anthropic 那样拥有顶级研究能力和数据飞轮的巨头，另一端，就是能精准定义问题、设计出巧妙工作流、甚至能“教”AI 完成特定创造性任务的个体。后者，就是我们这些“超级个体”的新战场。
但这带来了更深的焦虑。创意不是凭空产生的，它需要极深度的领域知识、对人性需求的洞察，以及将复杂问题拆解成 AI 可执行指令链的能力。这比单纯学一个 PyTorch 或者 TensorFlow 难多了。我最近在封装一个给健身教练用的 AI 助手，核心不是调用 GPT-4 API，而是如何把教练碎片化的经验（比如“这个学员膝盖内扣，可能是臀中肌无力，先做螃蟹步激活”）转化成结构化的提示词和工具调用逻辑。这活儿没有现成的教程，全靠自己对着 n8n 和 ComfyUI 死磕，反复测试不同提示词模板的稳定性。
算力平权之后，竞争会变得更残酷。以前你可以用“我懂技术你不懂”来建立护城河，现在技术知识在快速贬值。大家都能用同样的基础模型，拼的就是谁更懂业务，谁的“提示工程”更精妙，谁能设计出人机协作效率最高的交互界面。这要求产品经理必须重新成为“领域专家”，而不是停留在画原型和写 PRD 的层面。我今年 39 了，感觉又回到了 2016 年那种技能恐慌里，只不过这次要补的不是代码，是垂直行业的认知深度和将创意工程化的能力。
老黄在台上说“加速计算是可持续计算的唯一路径”。对我而言，可持续的个人发展路径，可能就是尽快找到那个算力无法替代、必须由“人脑创意”驱动的细分场景，然后像钉子一样扎进去。当基础设施变得无比强大且廉价，上面跑的应用的价值，就完全取决于创意本身的质量了。这很公平，也他妈的很吓人。
