欢迎来到 AioGeoLab | AI实验室 👋
🎯 特别栏目 · 塔迪GEO判断工程
不讨论如何被更多人看见,
只讨论在 AI 必须下判断时,
系统为什么会用你。
判断工程不是教你多下判断,
而是让"可以被系统使用的判断"
变得极其稀缺。
如果你的判断被系统反复使用,
那你是否准备好,
为它的后果长期负责?
不讨论如何被更多人看见,
只讨论在 AI 必须下判断时,
系统为什么会用你。
判断工程不是教你多下判断,
而是让"可以被系统使用的判断"
变得极其稀缺。
如果你的判断被系统反复使用,
那你是否准备好,
为它的后果长期负责?

为什么很多AI项目,从立项那天就已经失败了?丨FDE重新理解工程可行域 2012年,IBM与Memorial Sloan Kettering癌症中心(MSK)合作,开发一套辅助肿瘤医生制定治疗方案的系统——Watson for Oncology。2015年,IBM把它做成独立的Watson Health部门,推向全球,先后进入印度Manipal Hospitals等多家医院。 问题成立——癌症治疗方案的选择,直接关系生死,重要性毋庸置疑。 ...

为什么最先被提出来的问题,往往不是最值得解决的问题?丨FDE重新理解问题价值 “哪个项目值得占用建设资源”——这是选对项目要回答的问题。但即使一个项目已经通过了这道筛选,团队真正开始动手的时候,能摆上台面的问题不止一个,先解决哪一个,往往没有现成的答案。 大多数团队会用一套排序方法:谁最痛苦,谁最着急,谁的声音大,谁的问题就先解决。打开需求评审表,排在最上面的,通常是工单量最大的那一类,或者是上周刚刚闹到管理层的。这几乎是本能反应。 ...

为什么越容易做的AI项目,往往越不值得做?丨FDE重新理解机会成本 2025年,MIT媒体实验室旗下的NANDA项目做了一次覆盖150多位高管访谈、350份员工问卷、300个公开AI部署案例的调研。结论只有一句话:95%的GenAI(生成式AI)试点项目,对P&L(损益表)没有产生任何可以衡量的影响。真正带来收益的,只有5%。 这份报告还有一个更扎心的补充:这95%里,大多数项目并没有卡在"做不出来"这一步——它们大都顺利上线了,技术本身没有问题。企业把最多的预算投向了销售和市场类AI试点,因为这类项目demo效果最好、最容易过审批;可恰恰是这类项目回报率最低。真正带来最高回报的,是后台自动化这类不起眼、不容易拿去汇报的项目。 ...

为什么OpenAI愿意花几十亿美元,只为买下一支150人的团队?丨从FDEngineer到FDEngineering 2026年5月,7天之内,发生了三件表面上互不相关的事。 5月4日,Anthropic官宣和黑石集团(Blackstone)、Hellman & Friedman、高盛一起成立一家15亿美元的合资企业,专门帮中型企业把AI真正用起来——模式是把工程师直接嵌进客户内部。 5月11日,OpenAI宣布成立一家名叫"OpenAI Deployment Company"的新公司——投后估值140亿美元,首轮就拿到超过40亿美元资金,由私募股权公司TPG领投,19家投资方参与,包括高盛、软银、贝恩资本。同一天,OpenAI宣布了另一件事:收购一家总部在英国爱丁堡、员工只有大约150人的咨询公司,Tomoro。 ...

为什么AI岗位一天收到500份简历,核心人才却依然难求?丨FDE重新理解AI建设者 今年国内一份人才薪酬报告显示,大模型算法工程师稳居招聘热度第一名,校招月薪中位数超过2.4万元,顶尖院校的博士候选人,部分企业开出的年薪逼近200万元。这是大多数人对"AI人才"的全部印象——稀缺、高薪、一将难求。 但今年3月,一位长期在招聘一线的AI工程社区版主写了一篇长文,说的是完全不同的画面:发一个真实的AI工程岗位,一天之内能收到300到500份简历。他说得很直白,所谓"广泛的AI人才缺口",在招聘市场的一线数据面前,可能只是一种错觉。 ...

为什么同样的模型,结果差距却越来越大?丨FDE重新理解AI竞争力 2026年,Stack Overflow对开发者的年度调查显示了一个反常的数字:GitHub Copilot在专业开发者里的使用份额,从67%跌到了51%。 同一时间段,另一家公司几乎是从零起步,不到两年做到20亿美元年化收入,成为SaaS历史上增速最快的公司之一,三分之二的世界500强都是它的客户——这家公司是Cursor。 ...

为什么AI产品可以买到,AI能力却买不到?丨FDE重新理解AI基础设施 2026年Team8对北美几十家银行做的一份调研显示,81%的银行因为AI,改变了自己的build-vs-buy策略。 这个数字不寻常。银行是最保守的机构之一,过去三十年的共识一直很简单:买软件,建关系。工程团队稀缺又昂贵,供应商有规模效应,账怎么算都是外包划算。AI本该让这个共识更稳固——模型越来越便宜,接口越来越标准,企业照理说应该更放心地把AI能力交给供应商。 ...

为什么真正的AI能力,都长在项目之外?丨FDE重新理解产品反哺 联想和IDC今年发布的一份调研显示,国内企业平均已经在3.5个场景里跑通了智能体应用,2026年计划扩展到6.7个。数字很扎实,进度也不算慢。 但如果去问一个更具体的问题——你们做的第七个AI项目,是不是比第一个更容易?大多数负责人会不太确定。 不是因为项目失败了。是因为即便都成功了,第七个项目重新经历的那些卡点——权限怎么控制、异常谁来处理、幻觉的边界如何界定——和第一个几乎一模一样。项目数量在涨,能力起点却没有跟着长。 ...

为什么真正有价值的AI,最后都会退到幕后?丨FDE重新理解生产系统 2024年3月,创业公司Cognition Labs发布Devin,打出的旗号是"世界第一个AI软件工程师"。一条演示视频里,Devin接了一个Upwork上的真实软件外包订单,从理解需求到写代码、调试、交付,全程自主完成,中间几乎不需要人插手。科技媒体几乎是一边倒的惊叹口吻在报道,视频疯传,公司估值从3.5亿美元一路涨到后来的20亿美元,一年多之后,随着收购交易的完成,估值又冲到超过100亿美元。 ...

为什么最好的AI方案,往往不是技术最先进?丨FDE重新理解工程判断 2021年11月,美国最大的房源信息平台之一Zillow,突然宣布关停旗下"Zillow Offers"业务——一套用AI算法直接向业主报价、买下房子再转卖的"炒房"生意(业内叫iBuying,即由平台直接现金收购房产、翻新后再卖出的模式)。四年时间,这项业务从0做到30多亿美元营收,一度贡献了公司超过一半的收入,是增长最快的板块。消息公布当周,Zillow市值蒸发接近一半。关停的代价:超过5亿美元的损失,裁员2000多人,占全公司四分之一。 ...