你还有两年——LinkedIn创始人Reid Hoffman给所有人的AI行动手册

---

核心观点速览

1. 我们现在看到的只是5%：Hoffman 认为当前的 AI 热潮只是最终规模的5%甚至更少。「AI元年」还没有真正到来。

2. 每个人都将拥有一支 AI 员工队伍：「个人独立工作者」的概念将终结，每个人身边都会有一套 AI agent 在并行工作。

3. AI 使用分三级：基础（对话使用）、中级（个性化 agent + 数据）、高级（自动化工作流）——不懂代码也能做到中高级。

4. 翻倍收入的路径：成为你所在领域的「AI翻译官」，用 AI 技能帮助他人，是当下最快的收入增长路径。

5. AI 时代的小公司机遇：大公司因为组织惯性难以快速转型，小公司反而有巨大优势——只要真的去用。

6. 一个最重要的习惯：在2026年，每天遇到任何事，先问「AI 怎么帮我做这件事」。

---

一、我们现在只在5%的地方

Rina 问的第一个问题很好：「我在 ChatGPT 上到处都能看到人们用各种工具构建东西，这是 AI 的繁荣，还是我们即将看到的只是10%？」

Hoffman 的回答比这还悲观（或者说乐观，取决于你站在哪一边）：

"Maybe 5%. Obviously, last couple years we've been seeing the reasoning capabilities that then enable a bunch of things." （也许5%。显然，过去几年我们一直在见证那些推理能力，它们将开启一堆事情。）

他解释了为什么还只是开始：大多数人说「我在用AI」，用的方式其实非常基础。真正的 AI 使用，是让 AI agents 代替你完成过去需要雇人的工作，是让 AI 帮你搜索、分析、生成、执行一整套工作流。 大多数人连这个门都没踏进去。

同时，当前的 AI 工具刚刚获得了真正可用的「推理能力」——这是一个质变。推理能力让 AI 不再只是「能说话的搜索引擎」，而是能够拆解复杂问题、形成计划、执行步骤。Hoffman 认为，这个能力才是后面那95%的基础。

他还提到了 DeepSeek 发布200行代码让B2B市场蒸发了3000亿美元市值这件事，作为AI进入「实战」阶段的一个信号。

---

二、AI 使用的三个层级

这一段是整个视频信息密度最高的部分，也是最实用的部分。Hoffman 按照「不需要会写代码」的前提，把 AI 使用分成了三个层级。

基础级：把 AI 当对话工具

大多数人现在的状态。你打开 ChatGPT，问问题，得到答案。

Hoffman 的比喻是：这就像有了一个超级助手，可以和你讨论任何话题，帮你做基础的文案、翻译、搜索。

他给的具体建议：不要只是问 AI 「帮我做X」，而是用更高质量的 Prompt。比如：

"What would a technologist say? What would a venture investor say? What would a government policy person say? What would a nuclear safety person say?" （一个技术人员会怎么说？一个风险投资人会怎么说？一个政府政策官员会怎么说？一个核安全专家会怎么说？）

让 AI 从多个角色视角分析同一个问题，是从「基础」跨向「中级」的第一步。

另一个技巧：让 AI 反驳你。当你在写作或思考时，说「argue against me」（反对我），让 AI 提出所有可能的反驳论点。这会让你的思考更严密。

中级：个性化 Agent + 数据

这里 Rina 分享了她自己团队的实践：他们为每个社媒平台都建了一个 Claude 项目，把该平台的历史数据、脚本、表现数据全部导入，让 AI 充当「战略顾问」角色——它知道她的团队在做什么，知道什么内容有效，可以持续给出建议。

Hoffman 对这个例子非常认可，并进一步扩展了它：

中级的关键是「专属数据」。AI 的通用知识很强，但它不了解你的具体业务、你的受众、你的历史数据。当你把这些私有数据灌入 AI 的上下文，它就从「通用顾问」变成了「最了解你的业务的顾问」。

他的建议：建立一个包含你内外部数据的 AI 系统，让它同时分析：

• 你的内部数据（什么内容表现好？什么话题转化率高？）
• 外部数据（其他类似创作者在做什么？哪些话题正在爆发？）

高级：多 Agent 自动化工作流

不需要写代码，但需要理解「让 AI 代理帮你执行任务流」的概念。

Hoffman 举了一个例子：你可以设置一个 agent，它持续监测你的业务相关数据，自动总结，定期推送给你。你不是在「用AI」，而是在「部署AI员工」。

他的核心洞察：

"There aren't individual contributing workers anymore that we all deploy with a set of AIs, like for example running like five to ten agents in parallel." （不再有单独工作的个体了，我们都在用一组AI并行运行，比如同时跑五到十个agent。）

---

三、翻倍收入的具体路径

这是这期视频的片名承诺：如何用AI翻倍收入。Hoffman 给出了一个非常清晰的思路框架。

路径一：成为「AI翻译官」

Hoffman 用了一个非常生动的词：「AI translator」（AI翻译官）。这指的是那种能够帮助普通人或企业把 AI 能力「落地」的人。

他说，在硅谷，这类人的薪酬已经爆发式增长——因为所有公司都知道要用AI，但大多数员工不知道怎么用好。率先在你所在领域建立起 AI 使用能力，并帮助他人，就是现在最快的收入提升路径。

具体操作：

1. 在你自己的工作中深度使用AI，积累实际案例
2. 在 LinkedIn 等平台上展示你的 AI 应用成果（让自己「被找到」）
3. 主动帮助同行或客户用 AI 解决实际问题
4. 这种能力会迅速溢价

"Start demonstrating your engagement and knowledge with AI in ways that you're easily findable." （开始展示你对AI的参与和知识，让人们很容易找到你。）

路径二：用AI大幅降低创业壁垒

Hoffman 有一个很有意思的观点：AI 正在大幅拉低「创建自己产品」的门槛。他举了自己的例子——他不是音乐人，没有相关技能，但他可以用AI来创作音乐。

对于想增加收入的人来说，这意味着你现在可以用AI帮你：

• 制作课程和教程内容
• 建立 newsletter 或 Substack
• 为你的知识和技能创建「数字产品」
• 以极低成本测试商业想法

路径三：在细分领域做 AI 服务顾问

Hoffman 建议：找到你有专业知识但 AI 工具还没有被充分利用的领域，成为那个领域的 AI 专家，提供顾问服务。

---

四、创业公司面对AI的生存逻辑

Rina 问了一个切身问题：她从2011年开始经营语言学习和留学帮助公司，她现在看着AI发展，很担忧。Hoffman 怎么看？

Hoffman 的回答分两层：

第一层：AI 时代更重要的是「护城河」的重新定义

他以 Salesforce 为例：Salesforce 的商业模式之所以成立，是因为「数据粘性」——所有客户数据都在你那里，竞争对手要替代你需要付出巨大迁移成本。这在AI时代仍然成立，甚至更重要。

他的建议：重新思考你的业务里，哪些东西是竞争对手用十亿美元都很难复制的。不是功能，而是数据、关系、信任、社区。

第二层：AI 时代小公司有结构性优势

"Small businesses usually tend to be able to be more adaptive, because large businesses are almost more likely to not adopt AI." （小公司通常更能适应变化，因为大公司几乎更可能不采用AI。）

他的逻辑：大公司有组织惯性、有既得利益群体、有复杂的审批流程。小公司可以在两周内就把 AI 深度整合进工作流，大公司可能需要两年。

但他也提出了警告：不采用AI的小公司，会被采用AI的小公司击败。这是一场所有人都在参与的效率竞赛，小公司没有「因为小就可以不参与」的特权。

---

五、关于软件工程师和「指挥家」比喻

这一段很值得关注，因为「AI会不会取代程序员」是很多人在问的问题。

Hoffman 不同意「程序员要失业」的简单结论，他用了一个比喻：未来的软件工程师，更像是乐团指挥，而不是乐手。

现在的软件工程师已经在改变工作方式——不是坐下来一行行写代码，而是在告诉 AI 要构建什么，然后审查、修改、指挥 AI 生成的代码。

他的观点：「人类 + AI」会比「纯 AI」更好，至少在可预见的未来是这样。原因是：

1. 人类理解业务目标、理解边界条件、知道什么在现实中可行
2. AI 会犯特定类型的错误，需要人来识别和纠正
3. 责任归属和信任问题仍然需要人类作为锚点

但他承认这个窗口期有限：「maybe it's a shorter time than I would believe」。一旦AI的推理和校验能力足够强，这个「人类 + AI」的最优解可能变成「纯 AI」。

---

六、AI 是最后一项发明吗？

Rina 问了一个有些哲学的问题：AI 是不是人类历史上最后一项发明？（因为此后所有发明都是AI做的。）

Hoffman 的回答很有意思：他认为「最后一项发明」这个说法是「人类科幻小说式的思维」——一个天才/机器独居在某个地方，消失三年，然后带着改变世界的发明出来。

他的现实判断：

"Over the next call it 50 to 100 years, who knows after that — maybe 50-75% of what will be invented will be human plus AI created." （在未来50到100年里，也许50-75%的发明将是人类+AI共同创造的。）

他认为还会有一个「AI+AI」的阶段（纯 AI 发明），以及一个「人类独立发明」的持续存在。并非一刀切地取代，而是逐渐演变的组合方式。

---

七、2026年最重要的一件事

这是整个视频最后也是最直接的一个问题：现在是2026年2月，你给所有观众一条建议，在2027年2月之前，他们应该做什么？

Hoffman 的回答只有一个核心动作：建立「AI反射」（AI reflex）。

具体来说就是：遇到任何事情，第一个反应是问自己「AI怎么帮我做这件事？」

他举了几个例子：

• 我要计划一次度假旅行 → 「AI 怎么帮我规划这次旅行？」
• 我要和某个重要人谈一件事 → 「AI 怎么帮我准备这次对话？」
• 我要和我妈妈谈一次困难的对话 → 「AI 怎么帮我思考这次谈话的可能走向？」

这不是说每次都要真的用AI，而是要把这个「思考框架」建立成本能。

"Just get in the reflex. Think of it as kind of always having the question in the back of your mind." （就是建立这个反射。把这个问题始终放在脑子里某个角落。）

他还特别强调了一个重要限定：AI 有帮助，不代表 AI 就是答案。比如，他不会把投资决策完全交给 AI 来做——那是亏钱的方式。AI 是工具，不是替代判断力的东西。这个分寸很重要。

---

延伸思考：这个窗口真的有多长？

Hoffman 在这期视频里几次暗示「时间窗口」的概念，但始终没有给出精确的答案——因为他认为「几个月内」的预测他有合理信心，「几年内」的预测信心下降，「更长周期」则完全不可知。

从这个视角看，他传递的信号其实比「你还有两年」更紧迫：他不确定窗口有多长，但他确定窗口在关闭。

这期视频最值得记住的不是任何一个具体工具或方法，而是他描述的那个大趋势的图景：

不是 AI 来了、一切结束。而是 AI 来了、游戏规则改变了——新的规则是：掌握 AI 工具的人，将拥有过去需要10倍资源才能拥有的能力。这不是威胁，而是窗口。

问题只在于：你打算什么时候走进那扇门。

---

附录：金句收录

"Maybe 5%. All of that is literally just beginning." 也许只到了5%。这一切，真的才刚刚开始。——Reid Hoffman

"There aren't individual contributing workers anymore that we all deploy with a set of AIs, like running five to ten agents in parallel." 不再有单独工作的个体了，我们都在用一组AI并行工作，比如同时跑五到十个agent。——Reid Hoffman

"Start demonstrating your engagement and knowledge with AI in ways that you're easily findable." 开始展示你对AI的参与和知识，让人们很容易找到你。——Reid Hoffman

"Small businesses usually tend to be able to be more adaptive, because large businesses are almost more likely to not adopt AI." 小公司通常更能适应，因为大公司反而更可能不采用AI。——Reid Hoffman

"The human plus the AI will be much better than AI alone." 人类加上AI，会比纯AI好得多。——Reid Hoffman

"Just get in the reflex. Think of it as always having the question: how would I use AI to help me do this?" 就是建立这个反射：始终在心里放着那个问题——AI怎么帮我做这件事？——Reid Hoffman

"Helpful doesn't mean it's the answer. I still wouldn't say here's the money I'm investing, just have an AI do it. That would be a way to lose money." AI有帮助，不代表AI就是答案。我不会把投资决策完全交给AI来做——那是亏钱的方式。——Reid Hoffman

"Over the next 50 to 100 years, maybe 50-75% of what will be invented will be human plus AI created." 在未来50到100年里，也许50-75%的发明将是人类+AI共同创造的。——Reid Hoffman

---

术语表

术语	解释
AI Agent	能够自主执行多步骤任务的AI系统，不只是回答问题，而是采取行动
AI Reflex（AI反射）	Hoffman 提出的习惯：遇到任何事情，第一反应是问「AI怎么帮我做这件事」
AI Translator（AI翻译官）	能够将AI能力落地应用、帮助他人使用AI的人，当前溢价极高
Reasoning Capabilities（推理能力）	AI 近期获得的能力，能够拆解复杂问题并制定执行步骤，是质变的核心
Network Effects（网络效应）	Hoffman 的专长领域：用户越多、平台越有价值，形成竞争壁垒
Conductor Metaphor（指挥家比喻）	未来软件工程师不是写代码的人，而是指挥AI生成代码的人

---

时间线索引

时间	内容
[00:00]	开场：DeepSeek事件，B2B市场蒸发3000亿，AI进入实战阶段
[01:05]	当前AI只是最终规模的5%；推理能力是质变关键
[02:09]	AI agent 的愿景：每个人都有旅行顾问、研究员等个人AI员工
[03:10]	还有多少时间？2%到5%——Hoffman 对精确预测持保留态度
[04:12]	基础级：多角色 prompt 技巧（技术人员/投资人/政策官员视角）
[05:14]	中级进阶：让AI挑战你自己的观点，「argue against me」
[06:16]	中级：如何提问才能得到深度研究而非表面回答
[07:19]	Rina的实践案例：每个社媒平台一个Claude项目，充当战略顾问
[07:50]	高级：内部数据+外部数据结合，构建真正的「业务顾问AI」
[09:25]	如何翻倍收入：成为AI翻译官，展示能力，帮助他人
[10:28]	路径：先精通工具，再帮别人，这是当前最快的收入提升路径
[13:36]	创业者Rina的问题：AI对她的公司意味着什么？
[14:39]	AI时代护城河：数据、信任、社区比功能更重要
[15:11]	从Salesforce学到的教训：数据粘性才是真正的壁垒
[15:41]	软件创业的机会：自建SaaS现在成本大幅降低
[16:13]	指挥家比喻：人类+AI优于纯AI（至少目前如此）
[17:14]	软件工程师的角色转变：从写代码到指挥AI写代码
[17:45]	对「人类独有」内容的持续需求：就像电梯音乐vs现场演奏
[18:16]	小公司的结构性优势：适应速度快于大公司
[18:46]	警告：不采用AI的小公司将被采用AI的小公司击败
[23:30]	「AI是最后一项发明」的科幻想象 vs 现实预测
[24:01]	未来50-100年：50-75%的发明将是人类+AI共创
[25:35]	最后一个问题：2026年2月，你给所有人一条建议
[26:06]	核心答案：建立「AI反射」，遇到任何事先问AI能怎么帮
[27:10]	重要限定：AI有帮助，不代表AI就是答案