今年三月份，我就有一种很强烈的预感：2026 年可能是非常重要的一年。如果今年不努力，到了明年，可能就不是愿不愿意努力的问题，而是想做同样的事情，需要付出更大的代价。
当时还没有发生什么特别明确的事情能够证明这个判断，它更像是我对技术发展、经济环境和国际局势变化的一种直觉。一方面，AI 正在把个人的生产力推到一个过去很难想象的高度；另一方面，整个世界又充满不确定性。我不知道接下来会发生什么，但我觉得，至少应该趁现在还拥有选择的时候，把一些重要的事情先做起来。
正是这种紧迫感，让我在今年持续投入 Agent OS、HCI.TOP 和 CodeNow。到了十一月，再回头看这八个月，我发现自己当时担心的部分事情，已经比预想中更早发生了。
一、今年的 AI 能力红利，可能比我们想象中更特殊
今年上半年，我最直接的感受是：一个人能够以相对低的价格，获得过去需要一个团队才能拥有的生产能力。以我使用 Claude 的经历为例，当时每月 200 美元的订阅，在我的高强度使用情境下，按 API 标价粗略折算，曾经可以对应约 1.4 万美元的模型调用量，也就是约 70 倍的名义价格杠杆。当然，这只是不同计费方式下的估算，并不意味着我真正创造了同等金额的价值。
但对于每天都在用 AI 编程、开发产品、做研究、运行 Agent 的人来说，这样的资源杠杆确实非常重要。它意味着我可以花相对少的钱，做大量试验，允许自己失败，再重新尝试。过去很多因为人力和成本限制而不敢启动的项目，现在终于有机会动手了。
我当时就觉得，这种状态未必能够长期持续。模型厂商需要赚钱，订阅模式也需要回到可持续的商业逻辑。此后，我陆续感受到使用限制、额度和计费方式上的变化。十月份，我用了三年多的 Claude 账号还突然被封了。对我来说，这件事带来的冲击甚至不只是钱：原来愿意付费，也不代表能够一直稳定地使用自己依赖的前沿模型。
当然，不能因此断言明年所有模型都会涨价。像 DeepSeek 这样的模型正在推动推理成本下降，未来也会有更多便宜而强大的选择。但“单位能力越来越便宜”和“完成前沿复杂任务的总成本越来越低”，并不是一回事。模型能力越强，我们就越想让它承担更复杂、更长时间的工作；当 Agent 不断搜索、判断、调用工具、反复验证时，Token 消耗和运行成本也会随之增长。
二、比模型价格更难预测的，是整个世界
三月份让我感到紧迫的，还有一个更大的背景：整个世界正在变得越来越难预测。经济环境的波动、国际关系的变化、地缘政治冲突、贸易和技术限制，以及围绕先进芯片与 AI 算力展开的竞争，都可能影响我们未来能够使用什么技术，又需要付出怎样的成本。
我不是在预测明年一定会出现战争，也不是说经济一定会持续恶化。我真正担心的是，很多过去被认为理所当然的条件，未来未必还能成立。一个产品是否能在某个地区正常使用，一种模型能否持续提供服务，甚至一张银行卡能不能完成订阅，都可能受到技术之外的因素影响。
对于大公司来说，它们还有资源去分散这些风险。但对于独立开发者和普通人，我们能够调动的资源非常有限。一旦某项能力突然不可用，损失的可能不仅是一个工具，还有已经建立在它上面的工作流程，以及被迫重新适应的时间。
所以，我当时特别想做一件事：构建一套属于自己的、持续理解世界变化的方法和系统。后来我把它逐渐发展成 Agent OS。我不希望自己每天只是被动接收新闻，而是希望能持续观察变化、积累事实、更新判断，尽可能在不确定的环境里保留主动权。
三、AI 让所有人变强，也可能让竞争变得更激烈
与此同时，我看到的另一个趋势，是 AI 正在迅速降低专业能力的门槛。今天，普通人借助 DeepSeek、WorkBuddy 等产品，就能完成许多过去需要专业知识或复杂工具才能完成的任务。这当然是很好的事情，意味着更多人有机会做自己以前做不到的事。
但这里也有一个容易被忽略的问题：当所有人都变强，原本能够拉开差距的能力，就可能迅速变成新的基础能力。 过去你会编程、会做设计、能独立开发一个产品，可能就是优势；但当越来越多的人都能通过自然语言完成这些任务，竞争并不会自动消失，反而可能变得更加激烈。
今年上半年，OpenClaw 出现之后，我曾和社群里的朋友说，不必急着把大量时间投入到学习它的每一个部署和配置细节。因为我判断，很快就会有更简单、更易用的产品出现。后来看到 WorkBuddy 等产品，我更确信一个规律：技术先创造能力，产品再降低门槛，而当门槛被降低之后，掌握某个工具的技巧就很难长期构成优势。
对于只想解决日常问题的人来说，易用而便宜的 AI 可能已经足够；但对于需要继续探索未知问题、不断向能力边界推进的人来说，强模型仍然可能决定一件事情究竟能不能做成。于是就出现了一个看似矛盾的局面：基础能力不断普惠，想持续保持领先，却可能需要更高的投入。
四、我为什么要在今年提前积累“弹药”
这也是为什么，我今年一直有一种必须往前跑的感觉。我不想等到所有人都开始使用 AI、所有工具都变得足够简单的时候，才重新思考自己能够做什么。到那个时候，能做成一件事可能已经不稀奇了，真正难的是，你凭什么做得比别人更好，又凭什么获得用户的选择。
过去几个月，我把很多时间放在三件事情上。Agent OS 是我尝试理解和跟踪世界变化的基础设施；HCI.TOP 是我持续研究 HCI、AI 和交互技术，并把观察公开分享出来的窗口；CodeNow 则是我把 AI 编程的经验、案例和方法沉淀成知识与产品的地方。它们并不只是三个网站或项目，而是我希望长期运行、相互支撑的一套体系。
如果放在过去，这些事情可能需要几个团队投入相当长的时间。现在借助 AI，我一个人就能够推进其中大量工作。不过我也很清楚，做得快不意味着一定做得好，做出产品也不意味着一定能建立竞争优势。这些项目还有许多不成熟的地方，未来能走多远，也要看它们能不能真正服务用户、产生价值。
我越来越在意的是：今天投入的算力，明天究竟能留下什么？如果只是让 AI 帮我完成一百次任务，任务做完也就结束了；但如果能把过程中的知识、经验、判断、工具和工作流程留下来，变成能够反复使用、持续改进的系统，那么这些投入才可能在未来继续发挥作用。
五、对于普通人，真正值得准备的弹药是什么？
我觉得答案不在于学会多少 AI 工具，更不是要求所有人都去购买最昂贵的模型。普通人最值得做的，是趁 AI 让很多事情第一次变得可行时，真正去完成一些以前做不到的事情，并且尽可能留下可以积累的成果。
比如，做出一个真实有人使用的产品；把日常工作中反复遇到的问题整理成可以复用的自动化流程；围绕自己熟悉的行业，逐渐建立知识库、案例和方法；或者通过持续创作，与一群真实的用户建立联系。即使最开始的尝试失败了，需求判断、实践经验、用户反馈和信任关系，也可能是下一次开始时最重要的资产。
这也是我越来越认同的一种方式：用更强的模型探索未知，把验证过的方法沉淀下来，再让更便宜的模型完成已知的工作。这样，昂贵的算力就不只是一次性消费，而是在帮助我们降低未来的行动成本。
我不觉得每个人都需要成为创业者，也不觉得所有人都必须追逐最前沿的模型。但如果你确实想借助 AI 改变自己的工作和生活，现在最值得警惕的，可能不是尝试得太多，而是始终停留在“知道 AI 很厉害”，却从来没有把它变成自己的作品、经验或能力。
写在最后
今年三月份，我觉得如果不努力，明年可能就晚了。到了十一月份，我仍然无法确定 2027 年会是什么样子。也许模型会变得更便宜，也许新产品会让更多事情变得简单；但我同样相信，竞争会继续变化，外部环境也不会因为我们还没有准备好，就停下来等我们。
所以，我说的“抢跑”，不是要比所有人更早掌握某个工具，也不是无休止地消耗算力，而是希望趁现在还有条件，把短期获得的 AI 能力，尽可能变成长期可以依靠的东西。
AI 正在不断降低完成一件事的能力门槛，却未必降低获得竞争优势的门槛。 如果今年真的有什么值得全力以赴的，我想就是尽可能多地积累那些明年不会因为一次模型升级就消失的“弹药”。当未来真正到来时，我希望自己不是刚刚站到起跑线上。