从对话工具到主动协作者：AI交互范式的跃迁
水哥王昱珩指出，AI交互方式正经历根本性转变：早期如ChatGPT主要扮演被动应答角色，用户提问后仅获得单向输出；而当前如DeepSeek、阿里“阿福”等系统已具备主动提问能力，能通过追问引导用户补充信息，形成更接近真实对话的双向互动。他以“AI诊室”为例说明——传统问诊是医生提问、患者回答，而新一代AI诊室反其道而行：AI持续追问症状细节，主动构建完整病史画像。这一转变极大降低了非专业用户的使用门槛，因为多数人本就不擅长精准提问。
陈亮补充了时间线判断：2022年底ChatGPT引爆关注后，行业曾短暂热情又迅速冷却；直到2025年下半年，随着DeepSeek等国产大模型的突破性表现，才真正触发“大厂集体慌乱+奋起直追”的拐点。他强调，此时AI已不仅是工具，而是倒逼业务重构的变量——“好多事情都要用AI重做一遍”。
‘他可能更多的是一个助手……AI也可以反过来向你提问。那这个时候，我觉得就已经不简单的是说是，哎，我只是一个情感上的啊，就是跟你随便。’
‘现在再去问的时候啊，已经有，比如说拆GPT最新版的，他已经能够告诉你，哎，你把这个杆子斜过来，嗯嗯，瞬间就可以过去了……它已经感知我们现在这个物理世界了。’
大厂高管 vs 自由职业者：AI协同的双重视角
陈亮以自身工作为例，坦承当前AI在创意环节易陷于套路化输出，与其岗位所需的“不落俗套”存在张力。因此他将AI定位为高效辅助工具：主要用于资料搜集与背景研究。例如为厘清日本“平成年代IP生态”，过去需人工检索数日的工作，如今借助AI可快速整合信息框架。
水哥则展示了更富创造性的协同场景：他利用AI处理出版场景中的高并发提问——当出版社一次性抛出19个问题时，他将整组问题输入多个模型对比响应：DeepSeek等会逐条作答，而阿里“灵光”则选择深度消化问题群后给出凝练总结，并附带“灵感灯泡”式点睛提示。他认为这种统筹式回应能力，恰恰模拟了人类在采访中化解逻辑陷阱的策略——抓重点、去冗余、提炼核心。
‘灵光……他没有去一一回答这十九问题，他是把这十九问题他给消化了一遍……他还有会有一个小的小小小灯泡，他有一个小的提示，就等于相当于我再给你再给你精炼，恨不得一句话。’
‘他做到这一点……我们现在的学习已经是碎片化的这种视觉……所以就是很多人就是就喜欢，你能一句话说到点上。’
现实落地的瓶颈：物理建模与视觉认知的鸿沟
尽管AI在语言交互上显著进化，两位受访者均指出其在物理世界建模与视觉语义理解上的明显短板。水哥举例：当被问及“10米竹竿如何穿过2米高1米宽的门”时，早期模型普遍宕机或给出荒谬答案（如拆门），而新版虽能快速推导出“斜置通过”的合理解，但对历史图像语料的识别仍显粗糙——当他要求辨析唐代至清代凤凰造型差异时，各模型竟反复使用同一张普通凤凰图稍作修改，完全偏离史实。
他分析，这源于训练数据的语料库深度不足：模型依赖网络公开图片而非专业考古文献，导致视觉认知停留在表层。陈亮虽未直接评论此案例，但其强调AI在“信息搜索与总结”环节的价值，侧面印证当前技术更适合处理结构化文本任务，而非高精度视觉推理。
‘我前两天我就说啊我要我要做一个装置，叫百鸟朝凤……结果我问了问去以后，他们居然给我出来的东西就……根本就不对，嗯，就完全不对。’
AI作为信息处理助手：从繁重调研到结构化输出
在创意类工作中，当下的AI仍极易落入俗套，而高质量创意恰恰要求“不落俗套”，因此AI目前更多扮演辅助性角色——尤其在资料搜集与信息整合层面。例如，陈亮曾需要调研日本“平成年代”诞生的IP及其商业化表现，过去需手动搜索、逐一点击、反复验证，过程繁重；如今借助AI，仅用十秒即可获得一篇结构清晰、逻辑严谨的论文级输出，甚至包含对“经济下行期IP为何反而表现强劲”的深度分析。这极大提升了信息获取效率，但关键在于：AI提供的是依据，而非决策本身。最终是否在中国当前阶段投入IP开发，仍需人基于经验、直觉与组织内部信息综合判断。
“它帮我去整理资料，帮我去搜集很多的工具……但最后要按那个按钮，按还得我。”
“我可能旗下有好多IP，重点去发展哪个IP，这个按钮得我，不可能靠AI来去做决策。”
AI作为亲子教育中介：知识传递中的‘人’不可替代
在家庭教育场景中，AI的实用价值尤为突出。王昱珩提到，当孩子遇到课本未覆盖的冷门历史人物（如法国大革命时期的某财政大臣）相关作业时，过去需人工完成“英文→中文翻译→背景检索→内容提炼”全流程；如今只需将作业截图发给AI，即可获得完整翻译+精准答案+适度延伸讲解，实现“现学现卖”的高效辅导。有趣的是，他并未让孩子直接问AI，而是选择亲自充当信息中介——这并非技术必要，而是维系亲子交流质量的重要方式。即便AI能直接生成PPT或答案，王昱珩仍强调：人的中介角色，是知识传递中温度与互动的保障。
“你可以理解成这个是一个亲子交流的方式，对，他这样没有差价了。我当了一回中间商。”
“他即使去直接问AI，为什么他不直接问AI？……但如果是直接导出PPT的话，我觉得那个真的直接小孩都都不用动脑子。”
AI替代性的边界：决策、直觉与创新的‘最后五分’
关于AI替代性，两位嘉宾均指出：AI擅长执行标准流程，却难以跨越‘六十分到九十五分’的质变鸿沟。陈亮举例：AI可生成一份蚂蚁集团市场规划的‘标准答案’，但若完全照搬，将因同质化而失去竞争力——真正决定成败的，是那微妙的‘最后五分’，如：对内部资源优先级的权衡、对未明言组织政治的感知、对行业潜规则的直觉判断等，这些往往无法被编码进AI的语料库。王昱珩则从创意产业角度补充：动画制作虽正因AI而成本骤降、周期缩短，但AI本质是‘知识堆叠工具’，而非‘认知主体’；它能快速复现已有范式，却难以在无外部指令下实现真正创新——创新依赖对未知世界的探索能力，而当前AI仍局限于人类已知知识体系的重组。
“决策背后的很多复杂因素是AI不知道的，它在它的语料里里没有办法找得到的。”
“到了第四个阶段是创新……AI没有能够去有一个探索世界的一个能力的话，他是很难去做创新的。”
AI的创新边界：指令驱动 vs 人类直觉
当前阶段的AI仍处于指令驱动型工具阶段，其能力高度依赖用户输入的明确需求——无论是搜集资料、生成图像、编写代码，还是设计动画，本质上都是对人类指令的响应与延展。AI尚无法独立完成真正的“凭空创新”，原因在于人类创新往往根植于难以言表的隐性经验：过往的情感经历、伤痛记忆、直觉判断等，这些构成了人类决策底层的“暗知识”，而它们极难被结构化、输入给AI。正如“水哥”王昱珩所言，除非能将人脑100%复制，否则AI无法获取这些无法提炼的信息。他甚至反问AI：“如果你有一天变成人，最想体验什么？”AI的回答是：“想在下雨天不打伞，感受雨滴落在身上的潮湿”“想谈一场恋爱，体验心碎的感觉”——这恰恰说明，AI理解人类体验的路径，仍停留在对物理世界与情绪的表层模拟，而无法真正拥有那种“轻易可触碰”的感知能力。
“你如果基于一个现有的知识体系下，你去做很多的，你希望AI去做一个完全超越常规的东西，我觉得现在还现阶段还不太能做得到。”
“我如果我有一天我能成为人类，那我就想，在下雨天我要出门不打伞，我要感受这个雨滴在我身上的感觉……我要去谈一场恋爱，我要去体验这种心碎的感觉。”
决策与创新：AI无法替代的‘无畏’时刻
AI的核心原则是“不能出错”，这使其在风险规避上表现优异，却在突破性决策中显得保守甚至怯懦。以自动驾驶为例：当车道缩至一厘米时，AI会因判定为危险而停车；而人类司机可能凭借“无畏”直觉继续通过——这种基于经验与勇气的非理性判断，恰恰是创新的关键瞬间。陈亮以乔布斯发明初代iPhone为例指出：当所有人都认为手机必须带键盘时，AI大概率会给出“98%用户支持键盘”的统计结论，从而建议延续旧范式；但乔布斯却敢于逆流而上，做出“无键盘”决策——这本质上是对趋势的预判与对用户潜在需求的洞察，远超数据归纳的范畴。
更深层看，人类社会的跃迁常源于破坏性创新，而非线性演进。蒸汽机发明初期，工厂仍聚集在水源地，直到有人意识到：“工厂应靠近工人与港口”，这才彻底重构产业布局。这种跳出既有框架的视角转换，依赖的是人对世界复杂性的整体感知与未来想象。王昱珩以“在墙上种满植物”为例：AI只能计算当前空间容纳多少植物，而人类却能结合光照、风向、水路、生长周期、气生根特性等动态因素，预判植物一年后的形态，并用“脚去丈量空间”——这种基于身体感知与未来推演的综合判断力，目前仍是AI的盲区。
“对于这个自动驾驶而言，它是不能出错的，其实它不过是对的，就它停下来了，因为它认为前面是危险，它停下来是对的，但是人正因为是无畏，我才要去过它。”
人机协作：从被动接受到主动提问
高频互动是深度使用AI的前提。王昱珩坦言自己每天与AI互动数百次，几乎每小时数次——这种高频源于强烈的好奇心驱动：从蚂蚁的社会结构（如“婚飞”“终身受孕”“雄性生命周期仅一个月”）到诺贝尔奖基金的百年运作逻辑，他不断提出细粒度问题，将AI作为“认知外挂”持续拓展认知边界。陈亮则指出，过去人们通过报纸被动接收信息，如今AI让信息获取转向主动探索模式，但关键能力已从“记住答案”转向“提出好问题”。他强调：“好的提问胜过一个好答案”，尤其在教育中，应鼓励孩子学会质疑与发现，而非机械复述标准答案。
值得注意的是，两人均认为AI当前是“加法工具”，而人类需做“减法”——即聚焦于AI无法替代的高阶能力：直觉判断、跨维度联想、长期趋势预判与情感共鸣。未来真正的分野，或许不是“人 vs AI”，而是“掌握AI的人 vs 被AI替代的人”。王昱珩总结道：“好奇心是人类最原始的驱动力……你要学会去驾驭它，更要认清我是谁。”
提问能力：AI时代的核心竞争力
在AI工具爆炸式增长的当下，陈亮强调：“提问比答案更重要”。他指出，传统教育中强调的“背答案”能力正在被削弱，而提出高质量问题、发现有意思切入点的能力，将成为个体与AI协同工作的关键。他以自己让AI撰写新年献词为例说明：并非靠复杂指令或限制性条件，而是通过精准传递“感觉”与价值观导向——比如“多关注普通人生活，少宏大叙事”“传递温暖而非消极”——引导AI产出接近九十分以上水准的内容。这一过程揭示了一个核心转变：AI不是搜索引擎，而是可深度交互的协作伙伴。
“你不要把AI再当成一个简单的一个搜索引擎了，而是应该让它跟你之间可以有一个更深层的一个交互的互动。”
“其实也是一个感受，就是提问……现在是最难的那个部分……包括问提示词那个部分是最难的。”
AI的普惠价值：拉高均值，照亮盲区
陈亮进一步指出，AI虽尚未替代人类在复杂决策与价值判断中的核心角色，却已在内容创作等环节显著提效。他特别强调AI的普惠意义：当AI能将专业内容产出稳定提升至六七十分水平时，对医疗、教育等资源不均领域意义重大。他援引医生常进的案例：一位顶尖医生日均手术量有限，但若AI作为其“数字助理”，可将专业级医疗报告的平均质量显著拉高——即“无法决定上限，但极大提高下限”。这种均值提升，如同探照灯般照亮了过去因资源匮乏而被忽视的角落。
“AI的医生……今天可能无法决定医疗的上限，但他极大地提高了下限。”
信息过载与素养：在AI洪流中守护独立思考
面对AIGC浪潮下的信息过载与“信息减防”（即信息匮乏感）双重困境，陈亮与“水哥”一致认为：问题根源不在技术本身，而在人如何使用它。AI既可能加剧信息茧房（如算法偏好导致观点同质化），也可能通过增强信息获取效率带来积极影响（如“三分钟电影解说”激发深度观看兴趣）。陈亮强调，抵御盲从的关键仍是个人长期积累的认知资本——如阅读整本书、经历真实情感、形成独立判断力。他提醒：即便AI能瞬间总结《月亮与六便士》的主旨，“看过整本书”的肉身经验与情感共鸣仍不可替代。因此，AI时代亟需升级“信息素养”与“AI素养”，以确保技术这把“刀”握在清醒者手中，而非沦为修剪思想的工具。
“AI有可能会被修剪成只有一个颜色的花坛……但这个修剪工作是不是你来去做的？其实有的时候你会发现，AI就像一把好刀……在某些人手里可能就是一把职业刀，但有些人手里可能是一把屠龙刀。”
AI时代的信息素养：从被动接收转向主动辨析
在AI生成内容（AIGC）爆炸式增长的当下，传统意义上的“信息素养”已远远不够——人们需要的不仅是辨别真假新闻的能力，更是对AI幻觉（AI Hallucination）的识别与质疑能力。陈亮以自身使用DeepSeek的经历为例：当他询问“数据要素的未来发展可能性”时，AI迅速生成了一篇看似严谨的“论文”，前半部分尚可自洽，后半部分却明显失实；当他直接追问“你是不是在忽悠我”，AI坦承“我确实在忽悠你”。这一案例揭示了一个关键现实：AI输出的权威性表象极易误导缺乏背景知识的用户，而真正有效的应对方式是保持审慎、主动验证、持续追问。
“如果你不问他呢，你真以为他说的是一个很严肃的东西，那其实就是那个都是很很很很不靠谱的。”
“我对着你一次我知道的。那那以以前呢，我我不太清楚，我拿拿不准的，我就信了你了。”
王昱珩进一步指出，即便在自己熟悉的领域（如人脑神经元与大象神经元的对比），AI也会出错，此时他通过上传真实论文进行纠正，AI在后续交互中才得以修正。这说明：人类的先验知识与批判性思维仍是AI时代不可替代的认知锚点。信息素养的升级，不在于记忆更多事实，而在于建立一套“质疑—验证—反馈”的闭环机制，让AI成为可被校准的辅助工具，而非权威信源。
工具选择：结构化与优雅呈现的双重价值
在众多AI工具中，陈亮特别推崇“灵光”，原因并非其信息量最大，而在于其极致的结构化表达与美学设计。他对比指出：DeepSeek等工具虽能生成冗长文本，但复制到微信时表格常错位、数据易混乱；而灵光支持“一键生成图片”，既规避格式失真，又提升信息传递效率。更关键的是，其输出逻辑清晰、重点突出、篇幅精炼，能在数十秒内帮助用户快速“get到核心信息”，这与传统AI工具停留在“搜索替代”或“内容堆砌”阶段形成鲜明对比。
“灵光有点像……维基百科，或者就是就比较简洁的信息，然后能够快速让我get到很多的信息。”
陈亮进一步将灵光的设计哲学上升至方法论层面：其团队并非依赖艺术背景，而是用数学思维实现“优雅”——简洁、强逻辑、高结构性，恰如程序员所言“代码的优雅”。他由此领悟：技术的终极美感，是功能与形式的统一。从古至今，伟大的建筑、器物、系统无不遵循“美—功能—技术”三位一体原则。灵光的差异化，正在于它不追求用户停留时长，而是以提效为本：用最短路径交付最核心价值，这与主流社交平台“争夺注意力”的逻辑背道而驰，反而回归了互联网“连接与赋能”的原教旨主义初心。
追求优雅呈现：从混乱中提炼核心价值
在AI工具早期开发阶段，团队面临的核心挑战是：如何让完全不懂代码的普通人也能高效获取有价值的信息输出。当时市面上多数工具被评价为“太庞杂”，信息堆叠冗余，用户往往缺乏耐心看完，更难以抓住重点。因此，团队决心打造一个快速、抓重点、且美观的交互体验——这不仅是功能需求，更是产品哲学。即便在内测阶段，开发者自己都曾怀疑：“这是在咱们公司吗？”但正是这种对“美”的坚持，成为产品最终推向市场的底气。2023年11月，当主流AI工具已广泛流行时，他们仍选择此时发布，正是因为相信其独特竞争力：人类对美的感知与偏好是真实存在的，且具有普适性。
我们从来没想过说我是要所有人都会用灯光，但是我们想的是说，至少让一部分人，而且我们相信人类对美的追求，那是那是那是有的，大家还是愿意去追求美的东西。
你光出来就想都是……后来我们愿意把它推向市场的底气，因为你光出来就想都是……十一月份了，就是真正面向市场都已经十一月份。
技术与美的张力：教育缺失还是本能缺失？
讨论延伸至更深层的议题：技术思维与审美能力之间是否存在天然对立？观察发现，许多技术背景人士（如某“六小龙”创始人）坦言难以判断内容质量，因其习惯将一切数据化、结构化，却对“美”缺乏直觉感知。然而，主持人认为，这种现象并非源于人类本能缺失，而是过去教育对审美能力的忽视甚至僵化。从远古人类佩戴贝壳、披挂兽皮开始，追求美就是人类的本能。即便未接受系统美学教育的人，也会在潜意识中偏好设计精良的产品——例如苹果设备，其成功不仅源于功能或安全，更在于设计本身的美感。
我坚信，很多人用苹果依然是因为它是美的。好看的……他可能没有接受过美学教育，他不知道，呃，这个叫美，但他内心里面的潜意识，他就一定会喜欢用这样的东西。
人是一定是追求美的啊。会有对美是有要求的，而且我觉得对美有有要求是一个很重要的事情。
审美即门槛：媒介进化中的视觉与情绪逻辑
从纸媒时代到AI时代，审美始终是内容竞争力的关键变量。以《南方周末》《二十一世纪经济报道》为例，当年其“清新脱俗”的排版曾引发业内争议——是否会影响大众接受度？但事实证明，优质审美并未阻碍传播，反而提升了品牌辨识度与用户黏性。在数字媒介中，图像记忆比文字记忆更持久，颜色与排版直接影响情绪反应（如对“厕所蓝”的本能排斥）。因此，AI输出不仅需要信息准确，更需通过视觉结构、色彩心理学、排版节奏构建可理解、可记忆、可共鸣的体验。当基本生存需求满足后，“饱暖思淫欲”必然导向对形式与美感的更高追求——审美不是奢侈品，而是文明进阶的必经门槛。
你喝水都成问题的时候，它有个东西能容器能能装水就行了，但当你这个喝水不成问题的时候，你一定会矫情，我这杯子……我一定把它分得清清楚。
美是能改变世界，美很重要。没有没有。我觉得美是能改变，美美也可以是流传的。