为什么 AI 赋能不明显？

为什么你或许会觉得 AI 的赋能效果并不显著，仿佛仍未真正把握所谓新质生产力？

1. 能稳定连接 AI tools；IP、网络环境与稳定账号，已经足以筛掉无数人。
2. 能开通 Plus；付费意愿、付费能力与付费渠道，又构成第二道现实门槛。
3. 能辨析模型选型和功能边界；面对繁复的模型矩阵（现有 8 个模型选项和 6 个功能选项），以及 memories、Projects、reference all chats、connectors 等功能，足以让无数人止步于界面之前。
4. 能进行提示工程；customize models、project instructions，以及每次对话中的上下文管理，实际上都是对表达、结构和任务分解能力的持续考验。
5. 能内化使用 AI 的习惯；把“先问 AI”变成问题处理的第一反应，用 AI 介入生活、学术与工程问题，并积累足够长时段的对话资产，这件事本身就难倒了无数人。
6. 能提出好问题；学术品味、工程直觉与自身认知结构，决定了 AI 能否真正成为放大器，而不是更高级的搜索框。
7. 能构建自己的 AI 应用；本地部署、API 调用与超参数、自建应用、增强检索生成、框架选择，这些环节共同构成了从使用者到建造者的分水岭。

我只能说，AI 已经是一项具有显著门槛的技术，早已不再是玩具式或学生式的实践。用好了之后，可以达到“博士之下无敌手”的效果，这并非夸张；“PhD-level AI”的说法或许仍有修辞成分，但当人叠加 AI 的超级杠杆，情形就彻底不同了。