一切恐惧都来源自火力不足

前两天有个朋友问我，是不是在做 AI。她说公司想开发一些 AI 工具，用来做外贸，问我有没有课。我说，其实你先别急着上课。直接买 Codex 或者 Claude 的 200 美金大套餐，然后围着你的业务不断对话。只要你问题是真实的，场景是真实的，很多工具都能被你一点点跑出来。这句话很粗暴，但我现在越来越觉得，它是对的。很多时候，我们不是不会用 AI，而是畏手畏脚的。用最便宜的模型，问两句就心疼额度；跑到一半限制了，就停下来；生成结果一般，也不敢继续让它改。最后就会得出一个结论：AI 好像也就那样。而且这个火力，不一定只关乎钱。它也包括上下文够不够，样本够不够，算力够不够，测试次数够不够，甚至你的耐心够不够。我最近在做 AI 自动剪辑开发，主要是换装视频和音乐自动卡点。逻辑大概是，AI 会去拆视频里的帧画面，再去分析音频里的 beat，然后让画面变化和音乐节奏对上。一开始效果并不好。卡点、转场、换装节奏都不行。我本来还在想，是不是逻辑写错了，是不是算法不行，是不是这条路本身就跑不通。后来突然想起这句话。于是我换了个思路。别省了。直接让 AI 把我电脑性能吃满。原本只是分析 100 帧画面、200 个 beat后来直接翻倍，提高到 200 帧画面、400 个 beat。让它看得更细，听得更密，判断得更充分。还真别说，效果一下子就出来了。以前是大概卡一下，现在明显能感觉到节奏贴住了。以前画面变化像硬切，现在开始有那种跟着音乐走的感觉。这件事给我的启发很大。很多 AI 效果不好，不是方向错了，而是投入密度不够。你让它看 10 条数据，它只能给你一个很粗的判断。你让它看 100 条、1000 条，它的判断就会完全不一样。你让它生成 1 个方案，你只能碰运气。你让它生成 20 个方案，再自己筛选、对比、迭代，结果就开始变得可控。所以我现在用 AI，越来越不喜欢小打小闹。能批量就批量。能多轮就多轮。能跑测试就跑测试。能把性能吃满，就不要让机器闲着。如果总想着省一点额度，省一点时间，省一点算力。结果省来省去，把结果也省没了。还是那句话，再穷不能穷 AI。很多时候，那个看起来跑不通的东西，不是没希望。只是火力还没打满。