这是"普通人如何拥抱AI"系列的第一篇。这篇讲框架和方向，后续两篇会分别深入讲知识输出和行业专家工具怎么做。
纳瓦尔说，发财要找杠杆
纳瓦尔·拉维坎特（Naval Ravikant）是硅谷著名的天使投资人，投过Twitter、Uber、Notion等公司。他不只是一个投资人，更是一个思想者。2018年他在推特上发了一个长文，标题叫"How to Get Rich (without getting lucky)"——如何不靠运气发财。
这个长文里有一句话让我印象最深：
财富需要杠杆。劳动力、资本、代码和媒体，是现代人能用的四种杠杆。
他解释说：
- 劳动力：雇人帮你干活，是最古老的杠杆，但管人很难
- 资本：用钱生钱，但你需要先有钱，门槛高
- 代码：写一个软件，可以无限复制，边际成本为零
- 媒体：写一篇文章、录一个视频，可以触达无数人，同样边际成本为零
纳瓦尔最后说：代码和媒体，是这个时代普通人最容易触碰的两种杠杆。
这句话在2018年说出来已经很有前瞻性了。到了今天，AI把这个判断变得比任何时候都更准确——而且有趣的是，四种杠杆在AI时代都有了新的具体形态：
- 劳动力：最近大火的"AI养龙虾"，本质是让AI做你的免费劳动力，替你处理以前要雇人或者自己扛的事
- 资本：用AI辅助炒股、理财决策，让资本效率更高
- 代码：Claude Code这类工具的出现，让普通人做软件不再遥不可及
- 媒体：AI帮自媒体创作者大幅提速，知识输出的门槛大幅降低
四种杠杆都有机会，但机会的大小和适合的人群不同。这篇文章重点讲后两种——代码和媒体，也就是行业专家工具和知识输出，这是我认为普通人最值得认真投入的方向。
那么问题来了：这两把杠杆，普通人怎么拿到手？
AI产业链：你在哪一层？
要找到普通人的机会，先要搞清楚AI产业链的全貌。
整个AI产业，大致可以分成四层：
第一层：硬件与基础设施
英伟达的GPU、华为的昇腾芯片、各大云厂商的数据中心。这一层是整个AI世界的地基。
门槛：极高。需要数百亿的资本投入，需要顶尖的芯片工程师，需要多年的技术积累。普通人不要想了。
第二层：大模型与平台
OpenAI的GPT系列、Anthropic的Claude、字节的豆包、百度的文心。这一层是AI的大脑。
门槛：极高。OpenAI、Meta等公司给顶尖AI研究员开出的offer动辄上亿，培养一个能训练大模型的团队需要几年时间，训练一次大模型要烧掉几千万美元。普通人同样不要想。
第三层：AI应用与工具
基于大模型开发的各种垂直应用、行业工具、Agent、MCP工具……这一层是AI世界里增长最快的地方。
门槛：中等，而且正在快速降低。这一层有两种玩法：一种是在大模型之上开发垂直应用，把AI能力嵌入行业工作流；另一种是用Claude Code这类AI Coding工具，让行业专家不用写一行代码，也能把专业知识变成可以运行的工具——这第二种玩法，正在把这一层的门槛向第四层靠拢。
第四层：使用AI工具
用ChatGPT写文章、用AI做设计、用AI辅助决策、用AI提升工作效率……这一层是AI用户的世界。
门槛：低。任何人都可以进入，工具越来越好用，越来越便宜。
结论很清晰：第一二层，是顶尖人才和大资本的战场，普通人没有入场券。第三四层，才是普通人真正能参与的地方。
但光"参与"还不够。纳瓦尔说的是杠杆——你做的事情能不能scale，能不能在你睡觉的时候继续给你产生价值。
光用AI帮你写写日报、提高一点工作效率，这是好事，但没有杠杆。你把效率提高了，受益的是你的雇主，你只是保住了自己的饭碗。
那么，在第三四层里，哪些事情有真正的杠杆？
普通人有两条路。
路一：知识输出
为什么现在是最好的窗口期
AI发展太快了，快到绝大多数人都跟不上。
每隔几个月就有新的模型发布，每隔几周就有新的工具出现，每天都有人在发现新的用法。这种焦虑感，制造了一个巨大的需求：人们迫切地想要有人帮他们梳理清楚，AI到底意味着什么，普通人该怎么办。
这个需求，不缺素材，不缺观众。
凯文·凯利（Kevin Kelly）是《连线》杂志的创始主编。2008年他写了一篇文章，提出了"1000个真粉丝"理论：
一个创作者，不需要百万粉丝。只需要1000个真粉丝就够了。
他的逻辑是：一个真粉丝，是那种会买你出的任何东西的人。如果你有1000个真粉丝，每个人每年在你身上消费100美元，你就有了10万美元的年收入。
这在2008年是个大胆的论断。今天，平台更成熟、支付更便捷、工具更完善，这个门槛只会更容易达到，而不是更难。
一个月，从0到10000粉
这不是理论，是真实发生的事。
微信公众号"缸中之脑 cybernetics"，在2025年底开始运营。一个月后，粉丝数突破10000。运营者在里程碑文章里写道：
"一个月，从0到10000。这不是我一个人做到的，是你们每一个人用'在看'、用转发、用留言，一点一点搭建起来的。"
这个公众号做的是什么？思维升级、认知突围、个人成长——听起来并不新鲜的赛道。但他们做到了，原因有几个：内容有穿透力，不贩卖焦虑，每一篇都当作写给一个聪明但迷茫的朋友。
AI在这条路上能帮你做什么？
- 选题：分析哪类内容在你的目标读者中传播性强，哪些角度还没有人写过
- 内容生产：把你的想法、观点、素材快速整理成完整的文章结构
- 数据分析：哪篇文章打开率高，哪个话题评论最多，AI帮你找规律
- 知识库建设：把你的核心观点系统化，变成可以反复引用的资产
这条路的本质是做自媒体，AI帮你降低门槛、提高速度。
难点
竞争是真实存在的。做自媒体的人很多，AI内容赛道已经开始拥挤。
从0到1000个粉丝的冷启动，依然需要时间，需要坚持，需要对内容质量有真实的追求。AI降低了生产成本，但没有降低对"真正有价值的内容"的要求——读者是敏锐的，AI味太重的内容，传播不起来。
这条路适合什么人：擅长表达，有某个领域的见解，愿意持续输出，能享受和读者互动的过程。
路二：行业专家工具
程序员不知道的痛点，你知道
2026年2月，Anthropic举办了一场AI黑客松。13000人报名，500人入选，其中大多数是程序员和开发者。
冠军是一个加州律师，叫Mike Brown。
他做的工具叫CrossBeam，一个AI驱动的建筑许可辅助工具。
背景是这样的：在加州，申请附属居住单元（ADU）的建筑许可，首次提交的拒绝率超过90%。原因往往不是方案有问题，而是文件格式错误、法规引用不对、表格填写不完整这类繁琐的行政细节。一套材料改来改去，可能要拖几个月。
Mike Brown的朋友是建筑商，深受其苦。Mike懂法律，懂这个流程的每一个细节，知道卡在哪里，知道什么样的答复能过审。他用Claude Opus 4.6，6天时间，把这套专业知识变成了一个工具。
用户上传建筑图纸和城市的修改意见，CrossBeam读懂每一条修改要求，交叉引用加州法规，生成一套完整的专业答复包。原本需要数周的流程，20分钟出方案。
他不是最会写代码的人，他是最懂这个痛点的人。
这就是行业专家工具这条路的核心逻辑：你在某个行业里工作了多年，你知道那些让人抓狂的痛点是什么，你知道专业的解决方案是什么样的。这些，程序员不知道。AI可以帮你把这些专业知识变成工具。
普通人切入的几个关键点
做行业专家工具，有几个经验值得注意：
1. 找真实的行业痛点，而不是你以为的痛点
最好的痛点，是你自己或者身边人真实在承受的，而不是想象出来的。Mike Brown的朋友每天面对建筑许可的折磨，这是真实的痛，不是假设的需求。
2. 先建知识库，再建工具
把你的行业知识结构化，做成AI可以理解的知识库。这是整个工具能跑起来的基础。你的专业知识，是你相对于任何程序员的核心壁垒。
3. 流程化，把专家判断拆成步骤
一个好的行业专家工具，不是让AI自由发挥，而是把你的决策流程固化成pipeline：第一步做什么，第二步验证什么，每一步的输出是什么。这样AI的不确定性会大幅降低。
4. 从简单的技术栈开始
不要一上来就想做复杂的多租户系统。先做一个能独立运行的工具，用简单的技术栈，让你的目标用户能下载下来直接用。CrossBeam就是这样，先解决核心问题，而不是先解决架构问题。
这条路的本质是把你的专业知识变成可以scale的产品。
值得一提的是，这条路不只是非技术人的机会。即使你本来就是程序员，AI同样改变了游戏规则——它让你从大厂里专注某个模块的螺丝钉，变成了能独立承担产品、开发、运维的全能开发者。以前一个人做产品，是因为资源不够，只能将就；现在一个人做产品，是因为AI补上了你不擅长的那一半，你真的可以做到。
难点
产品化仍然有门槛。从"能用"到"好用"，从"自己用"到"别人愿意付钱用"，中间有很长的路。
但这个门槛，比两年前低了很多。Claude Code让没有专业开发背景的人也能把想法变成原型，而且速度越来越快。2026年的今天，六天能做出黑客松冠军级别的工具——这在三年前是不可想象的。
这条路适合什么人：在某个行业有深度专业知识，能清晰描述行业痛点，愿意学习基础的AI工具使用方式。
你适合哪条路？
两条路的底层逻辑都是纳瓦尔说的那两种杠杆：
- 知识输出 → 媒体杠杆，你写的内容可以无限传播，睡觉的时候也在给你带来粉丝和收入
- 行业专家工具 → 代码杠杆，你做的工具可以无限复制，服务的用户越多，边际成本趋近于零
两条路不互斥，但需要不同的能力和时间投入：
| 知识输出 | 行业专家工具 | |
|---|---|---|
| 核心能力 | 表达、洞察、持续输出 | 行业专业知识、流程化思维 |
| 启动门槛 | 低（一部手机就能开始） | 中（需要学基础AI工具） |
| 见效速度 | 慢（冷启动需要时间） | 相对快（解决具体痛点立竿见影） |
| 天花板 | 高（头部创作者影响力巨大） | 取决于行业规模 |
| 适合人群 | 擅长表达、有见解的人 | 有专业深度、懂行业痛点的人 |
不知道选哪条的话，问自己一个问题：你更享受和人分享观点，还是更享受解决一个具体的问题？
前者走知识输出，后者走行业专家工具。
结语
纳瓦尔说，财富需要杠杆。
在AI之前，代码和媒体作为杠杆，门槛已经比劳动力和资本低了很多。到了今天，AI把这两种杠杆的入门门槛又降低了一个数量级。
一个加州律师，6天做出黑客松冠军级别的工具。一个公众号，一个月从0涨到10000粉丝。这些不是偶然，是新工具带来的新可能。
AI大潮里，普通人面临的问题不是"有没有机会"，而是"你选哪条路，然后认真走下去"。
下一篇：行业专家工具怎么做——从找到真实痛点、构建知识库，到用Claude Code把专业知识变成可以scale的产品。
如果这篇文章对你有帮助，欢迎转发给同样在思考这个问题的朋友。你的转发，是对这个系列最好的支持。
