从回答到行动：AI 如何工作，我们如何成长
AI 正在融入我们的生活
如果说过去的人工智能更多存在于实验室和专业领域，那么今天，AI 已经来到我们身边。从学习辅导、内容创作，到软件开发、办公协作，再到医疗、科研、自动驾驶和机器人，AI 正在进入越来越多真实场景。
AI 应用的三次跃迁
AI 的范围远不止大语言模型，还包括计算机视觉、语音识别、推荐系统、机器学习、机器人控制等多个领域。它的能力可以体现在感知、预测、生成、决策和行动等不同环节。
近年来，以大模型为重要推动力的新一轮 AI 应用浪潮正在展开：AI 先从对话工具进入工作流程，再从协作助手发展为自主执行任务的 Agent，最后与视觉、传感器、机器人和控制系统结合，进一步进入物理世界。
第一跃迁：从 Chatbot 到 Copilot
从 Chatbot 到 Copilot，关键变化是 AI 从独立的对话工具进入具体任务环境，利用任务上下文，在人的操作过程中持续提供协助。人仍主导任务目标、执行步骤和关键操作，AI 负责协作，而不是独立完成任务。
学习：从通用答疑到个性化学习助手
Chatbot
学生：
植物细胞和动物细胞有什么区别？
AI 根据通用知识回答问题。
学生仍需要：
- 补充课程背景
- 判断回答是否符合教材
- 自己整理考试重点
- 自己安排后续练习
典型特征
针对单个问题作答，依赖用户补充上下文。
Copilot
学生在学习空间中添加：
- 生物教材 PDF
- 课堂笔记
- 课程大纲
然后提出目标：
根据这些资料，帮我复习考试中的植物细胞和动物细胞。
AI 可以：
- 根据课程大纲确定考试范围
- 结合教材和笔记解释知识点
- 比较植物细胞与动物细胞
- 通过测验发现薄弱点
- 根据测验结果调整后续学习内容
典型特征
基于课程材料和学习目标持续提供协助。
代表产品
办公：从内容生成到工作助手
Chatbot
用户：
根据这份会议记录生成一份会议纪要。
AI：
提炼议题、结论和待办事项，生成一份会议纪要。
任务结束。
典型特征
根据一次提示生成内容，任务完成即结束。
Copilot
AI 进入整个工作流程：
会议前：
- 根据主题生成会议材料
会议中：
- 自动记录讨论内容
会议后：
- 总结关键结论
- 提取待办事项
- 生成跟进邮件
典型特征
利用会议上下文贯穿整个工作流程。
代表产品
第二跃迁：从 Copilot 到 Agent
从 Copilot 到 Agent，关键变化是 AI 从协助人操作，发展为围绕目标自主拆解任务、调用工具、执行操作，并根据结果调整后续步骤。人从逐步操作任务，转向提出目标和检查结果。
软件开发：从代码建议到自主执行开发任务
Copilot
开发者：
这段登录代码为什么会报错？
Copilot 根据当前文件和选中的代码：
- 分析错误原因
- 给出修改建议
- 生成局部代码修改
开发者仍然需要：
- 定位其他相关文件
- 审查并应用修改
- 运行测试
- 根据结果继续修复
典型特征
围绕当前代码提供建议，执行步骤由人完成。
Agent
开发者：
修复用户登录失败的问题，并提交一个 PR。
AI Agent：
- 阅读代码仓库
- 理解项目架构
- 找到相关模块
- 复现并定位问题
- 修改相关代码
- 编写并运行测试
- 根据测试结果继续修复
- 创建 Pull Request
典型特征
围绕目标自主调用工具并完成开发任务。
代表产品
图形界面操作：从操作指导到自主执行
Copilot
用户：
如何在 Blender 中制作一个大炮模型？
Copilot 可以：
- 说明建模步骤
- 推荐使用的 Blender 工具
- 生成 Blender Python 脚本
- 解答操作过程中的问题
用户仍需要打开 Blender，并逐步完成建模操作。
典型特征
提供操作指导，界面操作由人完成。
Agent
用户：
在 Blender 中创建一个大炮的 3D 模型。
Agent：
- 观察 Blender 当前界面
- 创建并调整基础几何体
- 使用移动、缩放和旋转等工具
- 根据模型状态继续修改
- 完成 3D 模型
典型特征
直接操作界面并根据结果调整后续动作。
代表产品
第三跃迁：从数字 AI 到物理 AI
从数字 AI 到物理 AI，关键变化是 AI 不再只处理文字、代码和数据，而是能够通过传感器感知环境、做出决策，并控制车辆或机器人。物理 AI 并非由单一大模型驱动，而是大模型、专用模型、传感器、控制算法与硬件共同作用的系统。
自动驾驶：从辅助决策到自主驾驶
数字 AI
AI 可以：
- 分析路况
- 预测拥堵
- 规划路线
它向人提供建议，车辆仍由人驾驶。
典型特征
分析道路信息，辅助人做决策。
物理 AI
自动驾驶系统：
- 通过摄像头和雷达感知环境
- 识别车辆、行人与交通规则
- 规划路线并决定转向、变道或减速
- 控制车辆转向、加速和刹车
典型特征
感知道路环境，自主决策并控制车辆。
代表产品
机器人：从固定执行到自主感知与行动
预编程机器人
工厂机械臂通常按照预设程序工作：
- 在固定位置执行固定动作
- 根据预设规则响应传感器信号
- 完成明确、重复的任务
任务或环境发生变化时，通常需要重新配置或编程。
典型特征
按预设程序执行固定任务。
自主机器人
面对“把桌上的杯子放到厨房”这样的任务，自主机器人需要：
- 感知杯子、桌子和周围环境
- 理解任务目标
- 规划移动、抓取和避障动作
- 根据执行结果不断调整
- 控制身体完成任务
典型特征
根据任务、环境和反馈自主规划并行动。
代表产品
Agent 如何工作
AI Agent 不是“更会聊天的 AI”，而是一个围绕目标持续行动的智能执行系统。以 Codex 这类编程 Agent 为例，它以 LLM 为决策核心，结合上下文、状态、工具和约束，通过 Agent Loop 不断规划、执行、观察和调整，直到任务完成。
Agent = LLM + 上下文与状态 + 工具 + 执行循环 + 约束
在每轮循环中，LLM 根据当前状态决定调用工具、调整计划、请求确认或结束任务；工具返回的日志、错误和测试结果又会成为下一轮决策的依据。这种反馈闭环使 Agent 能够动态处理问题，而不是按照固定流程运行。
实际系统还会通过最大步数、成本预算、权限控制和人工确认等机制限制循环，确保 Agent 的行动安全、可控。
实战演示：坦克大战
向 Agent 提出目标：
创建一个坦克大战小游戏，试玩并修复发现的问题。
Agent 将自主完成：
规划实现 → 编写代码 → 运行游戏 → Computer Use 试玩 → 发现问题 → 修改代码 → 再次试玩和验证
这个过程展示了 Agent 如何结合代码生成与界面操作，根据实际反馈持续调整，完成从创建到验证的闭环。
大模型如何工作
软件篇
大模型生成回答，本质上是在根据已有内容预测下一个 Token。输入的文字会先被切分成 Token 并转换为向量，再经过多层 Transformer 计算。注意力机制帮助模型判断上下文中哪些信息更重要，最终为下一个 Token 的候选项计算概率。模型选出一个 Token 后，会把它加入上下文并重复这一过程，直到生成完整的回答。
模型的知识并不是以一条条记录的形式存放在内部，而是在海量文本训练中被编码进模型参数。温度和采样策略会影响模型是倾向于选择概率最高的结果，还是保留更多表达上的变化。由于它本质上是一个概率生成系统，回答流畅并不代表内容一定正确；面对冷门事实、过时信息和复杂推理，仍然需要进一步核实。
硬件篇
这些看似复杂的语言能力，落到硬件层面，主要是大规模的矩阵运算和数据搬运。GPU 拥有大量并行计算单元，能够同时执行许多结构相似的运算，因此成为大模型训练和推理的主力；Tensor Core 等专用单元则进一步提高了矩阵运算效率。不过，大模型的运行速度不仅取决于算力，也受到显存容量和带宽的制约。推理过程中，硬件需要不断读取模型参数、保存上下文缓存并传递中间结果，因此 HBM 和片上缓存同样重要。
一次推理通常分为 Prefill 和 Decode 两个阶段。Prefill 会集中处理用户输入，并为后续生成建立 KV Cache，它主要影响第一个 Token 出现前的等待时间；Decode 则利用缓存逐个生成新的 Token，主要影响回答持续输出的速度。上下文越长，KV Cache 占用的显存越多，数据搬运的成本也越高，因此长对话通常更消耗显存，生成速度也可能随之下降。
AI 时代，我们如何成长
AI 带来的问题不只是“它会不会替代人”，更重要的是我们如何使用它：是把思考外包给 AI，还是借助 AI 学习、实验和验证，在提高效率的同时保持自主性和掌握感。
需要警惕
可靠性与安全
大模型可能产生幻觉、过时信息和推理错误，Agent 的工具调用还可能把错误判断变成真实行动。把资料和系统权限交给 AI，也会带来隐私泄露、数据滥用和安全攻击等风险。因此，事实核查、结果验证、权限控制和人工确认仍然不可缺少。
生成更快不等于真正交付
AI 可以快速生成大量内容和代码，但后续的调试、验证和修正仍可能耗费大量时间。只关注生成数量，而不确认结果是否正确、问题是否解决，就容易把“看起来快”误认为“真正交付快”。
便利可能削弱人的掌握感
AI 的即时反馈可能制造一种虚假的心流：人不断提出要求、看到结果快速出现，却没有真正理解问题。随着越来越多分析和判断被交给 AI，人也可能从任务的主导者变成结果的选择者，逐渐削弱独立判断、专业能力和创造力。
如何成长
从替人工作到增强人的能力
当 AI 工具和组织更强调效率与产出时，个人更需要主动保留提出问题、理解原理、检验结果和承担判断的过程，保护自己的自主性和掌握感。
AI 不应只是替人交出答案的黑盒，也可以成为扩展思考和创造能力的工具。它能够解释概念、查找资料、比较方案并快速构建实验；人则负责确定目标、提出问题和判断结果，通过“边做边学、边问边验证”加深理解，挑战更复杂的问题。
面向未来的核心能力
未来的竞争力并不只是“会不会使用 AI”，而是能否把 AI 与自己的专业知识、判断力和创造力结合起来：
专业能力 + AI 协作能力 + 判断与创造能力
专业能力帮助我们理解问题，AI 协作能力提高学习和实践的效率，判断与创造能力则让我们能够识别错误、提出新问题，并对最终结果负责。
不要用 AI 逃避思考，而要用 AI 加深思考；不要让 AI 替你完成工作，而要让 AI 帮你掌握工作。