AI 副业人的 4 月焦虑 · 不是你跟不上了,是尺子换了

4 月 AI 圈的热闹,不是军备竞赛,也不是价格战。

如果你是每天用 AI 做副业 / 独立开发者 / 拿 AI 给工作提效的人,这事你这两个月应该已经有切身感受。

上周刚配好的工作流,这周主力模型又换了。今天是 Opus 4.7,明天是 GPT-5.4 pro,后天 DeepSeek V4。每月打开推特,又冒出 3-5 个新模型,prompt 库重建一次,skill 栈重配一轮。

追到最后,人先崩。你可能已经开始怀疑 · 是不是我根本不适合吃 AI 这碗饭?

先别怀疑自己。这事比你想的深得多。

---

一 · 副业人看到的 12 个模型,其实只是症状

Opus 4.7、GPT-5.4 pro、DeepSeek V4、Kimi K2.6、GLM-5.1、小米 MiMo-V2.5-Pro…… 这还只是一半。

表面原因能拉一堆 · DeepSeek R1 余震让中国阵营集体加速,Google I/O 逼各家在 5 月前抢身位,MoE 架构成熟让训练成本降了一档,半年一更改一月一更。

这些都对。但都只是症状。

真正的主题,是一件更根本的事 ·

AI 公司已经在用 AI 造 AI 了。

而且不是一点点用,是实质性的、主线产能级的用。

Anthropic 的 Claude Code 负责人 Boris Cherny 今年公开承认,自 2025 年 11 月起,他就没亲手写过代码了,100% 由 Claude Code 和 Opus 完成。Anthropic 官方数据 · 公司 70-90% 的代码现在由 AI 生成。Dario Amodei 也公开表示过,AI 已经在实质性加速下一代 AI 系统的研发。

写 Claude 的人,已经在用 Claude 来写 Claude 的下一代了。

不是预测,是正在发生。

---

二 · 飞轮三层 · 副业人为啥追不上

Sam Altman 写过一篇文章叫《The Gentle Singularity》,里面那句话我觉得是近年 AI 圈最重要的一句 ·

越先进的 AI,越能加速 AI 研究本身。

第一层,训练数据。

2022 年 12 月 Anthropic 发表 Constitutional AI 论文(arXiv 2212.08073),核心原理是让 Claude 用一套行为准则批评自己的输出,然后自动修正,再把这个「批评 - 修正」过程生成合成训练数据,喂给下一代模型。人类审核员不再需要手动一条一条标注,AI 自己给自己当老师。

第二层,弱到强监督。

OpenAI 的 Superalignment 团队做过一个著名实验 · 用 GPT-2 级别的弱模型去监督 GPT-4 级别的强模型。结果被弱模型监督的 GPT-4,表现显著超过了只用 GPT-2 训练能达到的上限,接近 GPT-3.5 水平。

逆推过来 · 你手里的基础模型越强,你能训练出来的下一代越强。

第三层,研发本身。

Anthropic 现在 70-90% 的代码由 AI 生成(官方数据)。Boris Cherny 近半年没手写代码。OpenAI 研究员公开表示 100% 不再自己写代码。研究员生产力,Altman 说已经提升 2-3 倍。

三层叠一块儿是什么效果 · 更强的模型帮写更好的训练数据,帮写更快更好的研发代码,更快训练出更强的下一代。下一代更强,再循环。

Epoch AI 的数据给这个飞轮做了底层背景 · AI 训练算力每年增长 4.4 倍,大约每 5 个月翻一倍。摩尔定律是每 18 个月翻倍,这是它速度的 3 倍多。

这不是加速。是换了条曲线。

---

三 · 副业人的焦虑不是你的问题,是尺子换了

回到你手上。

你的工作流,每月只能升级一次。你要学 prompt、改 skill、调工具链,中间还要吃饭睡觉干主业。

但飞轮每月自己跑 N 轮。

你在用线性速度,追一条指数曲线。追不上是应该的,追上反而奇怪。

过去你跟 AI 比进步速度 · 现在你跟『飞轮』比进步速度 · 这不是你慢了,是尺子变了。

Altman 自己也没把这叫终点,他管当前状态叫「飞轮的幼虫阶段」(larval version of recursive self-improvement)。

幼虫,它还没长大。

---

四 · 尺子换了,副业人今天就能做三件事

前面这么多背景,都是为了说清这三件。

第一件,挑一个主力模型用厚,别天天切。

飞轮启动之后,主力模型每月自己升级一次。你什么都不用做,它自己变强。你真正的功夫,在一个模型上的「用法积累」 · prompt 库、skill 栈、工作流、场景默认参数。

你手里最常用 1 个模型的熟练度,比你认识 10 个模型的名字,重要 100 倍。

切模型是成本最高的动作。每切一次,至少 20 小时沉没 · 重学文档,重建 prompt,重改工作流,重对齐输出风格。算一下 · 你要切多少次,才抵得过飞轮一个月自己给你升级一次?

你积累的不是对某个模型的熟悉,是飞轮帮你升级之前,你已经建好的工作方式。

第二件,每季度花 1 小时重评天花板,别天天追热点。

天天追是焦虑消费,季度重评是战略重置。前者让你累,后者让你稳。

每季度只问三件事 ·

• 我的主力模型落后半档以上了吗?(90% 情况下没有)
• 新出的模型有没有解决我某个具体卡点?(没有,继续搬砖)
• 我的场景,还在飞轮红利赛道的同一条轨道上吗?

一小时搞定,剩下三个月专心搬砖。省下来的时间,比切一次模型多得多。

第三件,把精力押在飞轮红利赛道上。

飞轮让 AI 本身越来越强,也意味着「学会用 AI」的门槛越来越低。三年前你会写个基础 prompt 就能开课卖钱,现在小学生都会写。

所以副业人的真红利,不在「做更通用的 AI 工具」。那个赛道飞轮每月都在自我吞噬。

真红利在「把 AI 翻译成某个垂直人群能听懂的方案」。

不是做「AI 写作工具」,是做「给独立律师的 AI 文书流」。 不是做「AI 图像生成平台」,是做「给小红书母婴博主的 AI 出图 SOP」。 不是做「AI 客服机器人」,是做「给独立开发者的 AI 闲鱼运营助手」。

选赛道的时候,对着三个问题自问 ·

• 这个行业最后一公里的交付,AI 能不能直接替代?能 → 往上走一档,做给他们的系统方案
• 这个行业有没有 AI 翻译过来的现成方案?没有 → 那就是机会
• 我是不是这个行业的人?不是 → 换一个你真懂的人群

飞轮帮你把基建卷到极致,你要做的是把最后一公里交付到某个具体的人手里。

这一公里,飞轮短期追不上。它要学的是人,不是代码。

---

别再问「我跟得上吗」。

问一件更有用的事 · 在飞轮推我之前,我先把哪块砖搬好?

---

数据来源 · Anthropic Constitutional AI 论文(arXiv 2212.08073)、Anthropic 官方 2026 年代码自动化占比公开数据、OpenAI Superalignment 团队弱到强泛化研究、Epoch AI 算力数据库、Sam Altman《The Gentle Singularity》

---

顺手说一句 · 咨询业务

长期承接这三块 · 价格大概是官方的一半 ·

• Claude 官方订阅代开(Pro / Max 都能搞)
• ChatGPT 官方订阅代开(Plus / Pro 都能搞)
• Claude 各国 KYC 认证(美国 / 香港 / 新加坡 / 欧洲地区都能搞)

关注「麦总玩 AI」· 后台私信「订阅」或「KYC」· 报你要的档位,给你算细账。