逐条判定：讲者说了什么，证据到哪一步
「命题类型」和「证据强弱」分开标：修辞不等于说错，只是不能当统计用；预测要等时间检验。
| 讲者的说法 | 类型 | 核对结果 | 证据 |
|---|---|---|---|
| 前 5% 的 AI 使用者是用命令行的程序员；全球开发者占计算机用户的 2%–5% | 事实＋推断 | 「计算机用户」没有权威分母，2%–5% 无法验证。作为口径示例：开发者约 4,720 万人，按约 60 亿网民算约 0.8%，但这不能验证原比例。而且职业占比推不出 AI 能力分位。[S8][S9] | 证据不足 |
| 中间 30% 是白领中产，是 WorkBuddy 的用户 | 假说 | 讲者未提供能验证 30% 比例的代表性用户样本；媒体访谈个案也不能说明整体分布。只能写「定位人群」，不能写「谁在用」。 | 证据不足 |
| 这类产品续费周期大概两年，之后用户要么升级去自建，要么退订 | 预测 | 待检验。还漏了第三条路：会自建的人也可能持续购买省心的服务。 | 证据不足 |
| WorkBuddy 核心是壳不是模型，壳对模型是「冷兵器对热武器」 | 修辞 | 「薄功能会被上游吸收」的担忧合理；但 WorkBuddy 的核心价值在哪里，公开资料不足以判断，需要具体分析。「冷兵器对热武器」是类比，不能证明应用层必然失去价值（另一个应用自建模型的例子见下文 Cursor）。 | 证据不足 |
| 今年推出后半年多，日活拉到千万级 | 事实断言 | 腾讯称按日活衡量它是中国使用最广的效率类 AI 智能体服务，未披露具体日活数字；流传的 1,300 万日活出自非公开渠道；媒体转述的腾讯方面说法是「上百万日活」，是模糊数量表述，无法确认千万级。[S2][S4][S5] | 证据不足 |
| 这就是克里斯滕森说的创新者的窘境 | 理论引用 | 「在位者偏爱确定收益」这一面与理论相通；但理论的核心是新进入者从被忽视的低端或新市场切入后向上走，讲者没有讲这条路径。[S10] | 部分 |
| OPC 做的是大厂今天、明天都做不了的事 | 预测 | 讲者没有给出依据；建议改写成「现阶段不经济或不愿做」，见 创新者窘境一节。 | 证据不足，建议改写 |
| AI 在工作中参与率低于 50%，说明工作含金量不高 | 修辞 | 没有找到 50% 门槛的依据；研究显示同一工具在能力边界内外效果相反。[S14] | 证据不足 |
| 多数人过去被当工具人用，所以不会把 AI 当合伙人 | 心理归因 | 本次没有找到验证这一因果的研究。 | 证据不足 |
| 提问能力决定方向；问题空间决定答案的可行性 | 观点 | 与评论文章「问题表述比提示词技巧更重要」的论点相呼应；这是观点层面的一致，不是实证。[S19] | 观点呼应 |
| 找问题空间的能力「教不了」 | 观点 | 四项创业随机试验显示，训练能改变项目终止与转向决策，部分方法可教。[S22] | 部分反证 |
| 行业以一百倍的速度进步 | 修辞 | 行业快速进步这一面成立；但不同指标量级不同：达到给定基准表现的实际推理成本约每年下降 13 倍，任务长度约 7 个月翻倍。[S23][S24] | 部分 |
表格可左右滑动查看。
WorkBuddy 到底多大：官方说法、流传数字与价格
WorkBuddy 是腾讯云 CodeBuddy 团队做的桌面办公 agent。规模数字的口径差得很远：访问量、月活、日活不能互相换算。
时间线
官方说法（一手）
| 数字 | 口径 | 出处 | 能不能当「千万日活」证据 |
|---|---|---|---|
| 885 万次（3 月）→ 2,097 万次（6 月） | PC 端月访问量（易观榜单） | 媒体转述 [S5] | 不能 访问量不是日活 |
| 1,300 万日活 | 流传说法 | S5 作者称来自非公开渠道物料，腾讯未披露 [S5] | 不能 出处不可核 |
| 2,000 万月活 | 流传说法 | S4 转述其他媒体报道，原始出处未核实 [S4] | 不能 出处不可核 |
| 「上百万日活」 | 腾讯首席 AI 科学家 7 月的说法（媒体转述） | [S4] | 不能确认千万级 只有模糊数量表述，缺少精确数值和可比口径 |
| 约 217 万 | App 7 月月活（AI 产品榜估算） | [S4] | 只覆盖 App |
| 活跃留存超 60%、付费留存超 80% | CodeBuddy 与 WorkBuddy 合并口径 | 媒体 [S5] | 口径混合 |
表格可左右滑动查看。
用户画像：媒体采访的个人用户多数用免费档，一位每月付 ¥70；企业侧有券商先买 30 个席位、后扩到 100 个。这些是个案，不是用户分布。[S4]
用不用 WorkBuddy：按任务选「自建 / 购买 / 委托」
讲者提出「前 5% 程序员、中间 30% 白领」的分层，这个比例没有数据支撑。更实用的问法是按任务判断，同一个人可以在不同任务上分别自建、购买和委托。
能自建 ≠ 不买。讲者说会自建的人「没必要用别家的产品」，但自建有维护成本；很多会写代码的人仍会为省心的服务付费。所以「两年后升级或退订」至少还漏了「继续付费」这一种结局。
壳与模型：两个常被引用的例子
保留讲者较合理的担忧：只是把模型包一层界面的薄功能，容易被上游吸收。但两个例子都不能推出「所有应用必死」。
Jasper：受挫，但没有消失 媒体
压力测试：上游免费提供同功能后，客户为何仍付费？能答上来的通常是这几类：你掌握客户的私有数据或流程；你对结果负责（返工、合规、交付期）；你在某个行业里有模型拿不到的判断和信任。答不上来，就是讲者担心的「壳」。
创新者的窘境：讲者的用法与理论原意
理论原意 理论文章／HBR
在位企业专注最挑剔、最赚钱的客户，持续改进产品；新进入者先在被忽视的低端或新市场站稳，再向上走。克里斯滕森本人还提醒，「颠覆」这个词常被乱用，并举了 Uber 不算典型颠覆的例子。[S10]
讲者的用法 视频
大厂资源多、人才多，容易摘到低处的果实，所以永远错过明天。这描述的是「资源让大厂偏爱确定收益」，和理论里「切入路径」不是一回事；腾讯主动入场，也不能据此判定它是持续性创新还是颠覆。
OPC 机会的更准确表述：把「大厂做不了」改成「现阶段不经济或不愿做」。例子：客单小、需要行业深知识、需要有人亲自对结果负责的定制交付。创始人亲自交付既是信任来源，也是产能瓶颈；一旦标准化到可以做成功能，大厂就可能进来。
AI 参与率与工作含金量：该问什么
任务表现、就业变化、商业价值是三件事，下面的研究分别回答其中一件，不能互相替代。
能力边界：BCG 顾问 论文
758 名顾问。边界内任务：完成数 +12.2%、快 25.1%、质量高 40% 以上；边界外任务：正确率低 19 个百分点。[S14]
任务：咨询类模拟任务。版本：GPT-4（2023）。限制：边界随模型变化。
16 名资深开源开发者、246 个真实任务：用 AI 反而慢 19%，事后仍自认快了 20%。[S16]
版本：2025 年初工具。限制：METR 自称是一个时点快照。
就业：斯坦福「金丝雀」仪表盘 描述性
2025-08 首版：高暴露职业中 22–25 岁就业相对下降 13%。2026 年 2 月更新写明早期下降 "likely driven by non-AI factors"；2026 年 8 月更新称差距扩大到 19%。[S17]
样本：美国 ADP 薪资数据中的企业，不代表整个劳动力市场。限制：描述性数据，不是因果结论，不能换算成个人替代率。
用法结构：Anthropic 经济指数 公司研究
2025 年 11 月 Claude.ai 对话中，增强型（人机协作）占 52%，自动化（直接交办）占 45%。[S18]
限制：单一产品的使用样本，不代表全体劳动者。
参与率本身说明不了价值。先判断任务在不在 AI 的能力边界内，再用盲评和客户反应测结果；自我感觉不可靠。
建议一深化：提问能力，练的是「可被推翻的判断」
讲者的这个判断值得作为工作假设：你问什么问题，决定 AI 带你往哪走。补两点：一是宏大的问法未必更好；二是这项能力可以部分训练，只是不能指望复制出顶级洞察。
一个问题至少写清六件事
同一个关于钱的问题，三种问法
案例：马斯克的电池问题 访谈二手整理
2012 年接受 Kevin Rose 访谈时，马斯克说电池包历史价格约 600 美元/千瓦时，而按伦敦金属交易所现货价算，原材料只值约 80 美元/千瓦时。他把「电池太贵」改问成「材料成本和成品价格之间的差距从哪来」。[S20]
这是「换问题空间」的例子；它说明方法，不证明讲者说的「一年十万还是十个亿」这种因果。
研究：问题表述比提示词技巧更持久 评论文章
Oguz Acar 在 HBR 撰文认为，随着模型更懂自然语言，「提示词工程」会退潮，更持久的能力是问题表述：诊断问题、拆解问题、换角度重述、设计约束。[S19]
辟谣：「爱因斯坦 55 分钟想问题」 归属无可靠证据
这句常被用来强调提问的话，引语查证网站没有找到它出自爱因斯坦的实质证据；归到他名下最早见于 1973 年。该网站 2026 年更新补了一条 1945 年小册子的相似说法线索，但那是 Google Books 片段，纸本未核实。引用时别把它当爱因斯坦原话。[S21]
反证「教不了」：创业随机试验 论文
Camuffo 等人 2024 年汇总 4 项随机对照试验、759 家企业（涵盖早期创业项目及较成熟的小企业）：接受「科学方法」训练的一组更常终止项目；转向更集中于少数次，而不是不转向或反复转向。说明「怎么验证一个问题」可以教。[S22]
限制：对象已经有创业想法，不能扩大成「顶级洞察都能复制」。
每天 20 分钟练习
让 AI 反驳的指令模板：「下面是我要解决的客户问题和三种解释。请不要给方案，只做三件事：指出我最可能错的那条假设；说明什么证据能推翻它；给一个一周内能做完、花费最少的验证办法。」
建议二深化：成长环境，要变成一个测量回路
| 指标 | 速度 | 说明 | 来源 |
|---|---|---|---|
| 达到给定基准表现的实际推理成本 | 约每季度降 47%，约合每年 13 倍 | Epoch 2026-09 估算 | [S24] |
| 达到给定基准表现的模型每 token 价格 | 按基准不同，每年降 9 倍到 900 倍 | Epoch 2025-03，区间极宽；与上一行口径不同，不能直接比较 | [S25] |
| AI 以 50% 成功率完成的任务时间跨度（按人类专家完成所需时间计） | 约每 7 个月翻一倍 | METR 2025-03，软件类任务；50% 成功率不等于可靠完成 | [S23] |
| 个人学习速度 | 没有可比的统一指标 | 成本下降、模型能力和个人学习速度不能共用一把倍数尺 | — |
表格可左右滑动查看。
案例：AI 帮你练，还是替你练 论文
PNAS 2025 一项高中数学实验：练习时用普通 GPT-4 的学生练习成绩 +48%，用带护栏的「GPT Tutor」+127%；撤掉 AI 后考试，普通版那组比从没用过的学生差 17%，护栏版大体抵消了这种伤害。[S26]
护栏包括教师写好的答案和常见错误纠正，不只是一句「只给提示」；数学结果也不能直接外推到创业。
每周固定节奏
- 两次：读少量一手材料（论文、官方文档、财报原文），不读转述
- 一次：不用 AI 做一个新任务，测迁移能力（同类型、难度相近，按固定评分表打分）
- 做题顺序：先独立作答 → 再用 AI 提示 → 最后复述并重做
记「质量 / 总耗时」，质量用盲评打分，耗时含复核和返工。
每周新任务的得分，单独记，不和有 AI 的结果相加。任务要同类型、难度相近，按同一份固定评分表打分。
读了多少资讯、收藏了多少工具。资讯量不是成长。
一手资讯源：每周两次读这些，而不是读转述
| 看什么 | 回答什么问题 | 怎么读 | 本页用到的 |
|---|---|---|---|
| METR 研究报告 | AI 以一定成功率能完成多长的任务（按人类耗时计）；实际工作中是否真的提速 | 先看方法和样本，再看结论 | [S16][S23] |
| Epoch AI 数据 | 算力、价格、模型能力的长期趋势 | 看指标定义，别把不同指标的倍数混用 | [S24][S25] |
| Anthropic 经济指数 | 人们实际拿 AI 做什么任务、协作还是交办 | 注意是单一产品样本 | [S18] |
| 斯坦福金丝雀仪表盘 | 哪些职业、哪些年龄段就业在变化 | 只当描述性信号，不当因果 | [S17] |
| 公司财报与官方定价页 | 产品规模与价格的官方口径 | 看原文措辞，区分「第一」和具体数字 | [S2][S6] |
表格可左右滑动查看。
调整规则：无 AI 迁移得分连续两周下降，就改练习方式（比如加大先独立作答的比例）。类型或难度不可比的任务只记作观察，不计入这条两周趋势判断。作品记录脱敏保存即可，不必公开。
30 天试验：只跑一个高频、低风险的流程
把上面两条建议落到一个真实工作流程上（比如周报、报价单、客户回访纪要）。不先造平台。
开始前的隔离条件：只用获得授权或已脱敏的资料；先在测试副本上跑，再碰真实交付；所有交给客户的结果都经人工验收；用于评估的任务不拿来调提示词；同一轮内固定模型、版本和评分标准。
| 阶段 | 要做的事 | 产出 |
|---|---|---|
| 第 1–7 天 | 访谈 5 名目标客户；手工做一遍，记录人工基线（耗时、返工次数） | 问题陈述（六件事齐全）＋人工基线 |
| 第 8–14 天 | 手工服务＋AI 试交付；用「每天 20 分钟」练习修正问题表述 | 可交付的流程草稿 |
| 第 15–21 天 | 把难度相近的新任务随机分成有 AI / 无 AI 两组；请人盲评验收；复核、返工和费用都计入 | 对照数据 |
| 第 22–30 天 | 向客户争取付费复用 | 付费与复购记录 |
表格可左右滑动查看。
红线（试验全过程随时适用）：出现重大交付错误或客户数据、隐私越界，发现即停止相关流程，不等到第 30 天。
第 30 天按下面顺序做经营判断，命中一条就停止往下看。全程上限 90 天：初始 30 天之后，延长与调整轮合计不超过 60 天；剩余时间不足时，不再延长或启动新一轮，直接暂停。第 0 天先定好「付费观察期」（从交付到能看到付款与复购需要多久，不超过 30 天）。「1 组对照」指一对难度相近的新任务，随机分配一件用 AI、一件不用 AI，都经盲评。
四条继续条件 全满足才继续
- 盲评质量不降
- 交付与维护工时降 20% 以上（两组同口径）
- 计入交付、维护与获客工时后仍有正收益
- 至少两名客户付费，且一名复购
每周记录表（30 天共 4–5 行）
| 周次 | 有效对照组数 | 验证次数 | 因证据改变的决定 | 有 AI 组：盲评质量 / 交付与维护工时 | 无 AI 对照组：盲评质量 / 交付与维护工时 | 收入 | 直接费用 | 获客工时 | 无 AI 迁移得分 | 模型与版本 | 付费 / 复购 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 示例行 | 2 | 3 | 1（换掉一个客户群） | 4.2 分 / 3.5 小时 | 4.1 分 / 5 小时 | ¥600 | ¥80 | 2 小时 | 3.8 分 | 记下当周所用模型 | 1 / 0 |
| 第 1 周 | — | 人工基线 | |||||||||
| 第 2 周 | |||||||||||
| 第 3 周 | |||||||||||
| 第 4 周 |
表格可左右滑动查看。
20%、两名客户这些阈值是试验规则，不是统计定论；样本这么小，结果只用于决定下一步，不用于对外宣称。
来源
S1 为用户提供的视频逐字稿，视频发布日期未知。其余外部来源按性质标注；「媒体」表示二手报道，「二手整理」表示第三方转录。
- S1 视频逐字稿（用户提供；讲者自述与观点）
- S2 一手公告 · Tencent Announces 2026 First Quarter Results（2026-05-13）prnewswire.com
- S3 百科 · WorkBuddy 词条（时间线）baike.baidu.com
- S4 媒体 · 降噪NoNoise，发表于澎湃号：WorkBuddy 用户与规模报道（2026-08-20）thepaper.cn
- S5 媒体 · 象先志，发表于钛度号（钛媒体平台）《字节阿里都没防住：腾讯WorkBuddy四个月“偷”下AI办公智能体第一》（2026-07-29）tmtpost.com
- S6 官方页面 · WorkBuddy 定价说明 workbuddy.cn
- S7 媒体 · 新浪财经 WorkBuddy 个人版升级报道（2026-06-17）finance.sina.com.cn
- S8 行业调研 · SlashData, Global developer population trends 2025 slashdata.co
- S9 国际组织 · ITU Facts and Figures 2025（2025-11-17）itu.int
- S10 理论文章／HBR · Christensen 等, What Is Disruptive Innovation?, HBR 2015-12 hbr.org
- S11 媒体 · Voicebot, Jasper AI laying off staff（2023-07-17）voicebot.ai
- S12 媒体 · CNBC, SpaceX Cursor acquisition（2026-06-16）cnbc.com
- S13 官方页面 · Cursor, Introducing Cursor 2.0 and Composer（2025-10-29）cursor.com
- S14 论文 · Dell'Acqua 等, Navigating the Jagged Technological Frontier, HBS WP 24-013 doi.org
- S15 论文 · The Cybernetic Teammate, Organization Science doi.org
- S16 研究报告 · METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity（2025-07-10）metr.org
- S17 研究数据 · Stanford Digital Economy Lab, Canaries dashboard stanford.edu
- S18 公司研究 · Anthropic Economic Index, January 2026 report anthropic.com
- S19 评论文章 · Acar, AI Prompt Engineering Isn't the Future, HBR 2023-06-06 hbr.org
- S20 二手整理 · Startup Archive, Elon Musk explains first principles thinking（2012 年 Kevin Rose 访谈转录）startuparchive.org
- S21 引语查证 · Quote Investigator, solve a problem in one hour（2014-05-22）quoteinvestigator.com
- S22 论文 · Camuffo 等, A scientific approach to entrepreneurial decision-making, Strategic Management Journal 2024 wiley.com
- S23 研究报告 · METR, Measuring AI Ability to Complete Long Tasks（2025-03-19）metr.org
- S24 研究报告 · Epoch AI, The plunging price of thought（2026-09-22）epoch.ai
- S25 研究数据 · Epoch AI, LLM inference price trends（2025-03）epoch.ai
- S26 论文 · Bastani 等, Generative AI without guardrails can harm learning, PNAS 2025 pnas.org