金色財經
AI 創業今年最不缺的，就是一夜暴富的敘事。但真正下場的人，聊的往往不是風口，而是另一件事：怎麼把成本壓到最低、怎麼讓 Agent 聽話、怎麼識別那些滿天飛的 AI 假貨、以及——AI 都這麼強了，孩子們還要不要學編程。
這期「進取派會客廳」請來的 SanTi 小湯哥有點特別：老本行是投研，卻跟 AI 打了很久的交道。他有個很實在的標籤——「慫」。所有創業都是輕量地試，成本壓到連開發環境都別想多花一分錢。聽的不是宏大敘事，而是一個實戰派怎麼用腳投票。
一個多小時裡，他聊了 FDE 與 OPC 的關係、海內外大模型到底差在哪、AI 項目落地最容易翻的坑、低價內卷怎麼定價、AI 造假怎麼破，以及那個所有人都關心的終極問題：AI 時代，我們還要學編程嗎。以下為對話實錄整理。
Tina： 很多嘉賓都是傳統行業的人，被 AI 拉進了這個圈子。小湯哥，您是怎麼入局 AI 落地賽道的？
SanTi 小湯哥： 算是被時代推着走。我其實有很多想法，2017、2018 年就有了，但都不太好落地——技術達不到，讓我把產品變成現實。我出身是偏工程師，但不是程序員出身，很多想法要變成一個產品，需要一個很大的團隊；而我本職做投研，背後的技術團隊又是另一回事。如果只做一個 deck 把 idea 發出去，又可能被抄走。
Tina： 所以是積累了很多想法、一直沒機會落地？
SanTi 小湯哥： 對。比如現在有一款比較火的戶外 App，類似我 2017、2018 年就跟我姐姐提過的想法，當時她還覺得做不起來，我自己又做不出來。後來看到那個 App 上線，我是很開心的——很多興趣愛好終於能落地了。AI 出現以後，也終於能讓我實現很多想法。
Tina： 您覺得今年是 AI 個體創業或 FDE 落地的好環境嗎？相比前兩年，最大的變化是什麼？
SanTi 小湯哥： 變化挺快的。17 到 23 年附近，先是區塊鏈在演變，AI 也開始熱門，但那時還停留在 ChatGPT 網頁端，幫我優化文章還行，對編程沒什麼直接幫助——版本太低了。到 2026 年是個質的飛躍，尤其從去年年底開始，無論幾大家模型還是跟得上的國產模型，都已經到了能跟人溝通、實現 idea 的程度。但各家底層差距還是很大——比如 Claude 就是斷崖式領先。
對我來說，創業這事兒風險挺大的，我個人風格說白了就是「慫」：所有創業都是輕度的，成本壓得非常低，甚至開發環境都是蹭別人的。把成本壓到最低，哪怕項目失敗了也不影響生活，甚至還能賺點正向現金流，這樣創業才比較好——因為這本來就是 99% 會失敗的領域。
Tina： 有的創業者特別執着，砸鍋賣鐵也覺得自己做的是真需求。您怎麼分辨真需求還是偽需求？
SanTi 小湯哥： 用現在流行的話說，先求個「念頭通達」。每個人的流派、特點都不同，有的人就是執着於一件事，認為那就是他的一切，我非常尊重這種選擇。雖然這可能九死一生、甚至十死無生，但總得有人有勇氣去突破瓶頸。
只能說我自己比較慫，會相對穩一點再嘗試。每個人的境遇不同，成長環境、身邊的朋友家人、經濟狀況、負債狀況都會影響決策。有人覺得這是人生最後一次機會，就幹了——他可能失敗，也可能真的搏出來。那一萬個人里成功的那幾十個，往往會冒出特別牛的企業，就像我們見過的很多厲害公司，都是在廝殺中殺出來的。
Tina： 現在 FDE 特別火，又常和 OPC 綁在一起。您怎麼看 FDE 會不會成為 AI 個體創業者的核心剛需能力？
SanTi 小湯哥： OPC 這個領域本身是很好的嘗試——給個人一些註冊層面的優惠，甚至可以完全不註冊公司，純個人開發者模式去試。這特別好。但 OPC 最大的難點不是註冊，而是對個人綜合實力要求非常高。我認識一個做音樂類應用的朋友，遇上了伯樂，產品被收購、退出幾百萬美金；但絕大多數人，如果沒有後續資源，做 OPC 壓力非常大。工程師出身的人上手 AI 快一些，銷售出身、一堆點子但產品經驗差的人，會卡在很多地方。所以要不要自己闖 OPC，得先想清楚。
Tina： 那您覺得 FDE 和 OPC 到底是什麼關係？
SanTi 小湯哥： 我先對齊一下定義。我理解的 FDE，是偏 Agent 底層代碼調控的工程師；但現在有人聊的 FDE，更像是在給 Agent 調指令、讓它更好用，不涉及底層代碼。你們說的可能是後面這一層。
Tina： 對，因為我不是專業的。我理解 FDE 有點像外包，一個人能幹八個人的活、把這八個人的流程整合起來；但您說的是偏技術那層。
SanTi 小湯哥： 這個縮寫把一個很大的面簡化成了三個字母。但您說的那層——哪怕是一般人，也有獨特的經驗，在營運、銷售、Debug、PM 的過程中有與眾不同的思維，他完全可以把經驗做成調教未來 Agent 的東西——這個絕對可以。這也是現在很多公司在嘗試的。
FDE 能力目前非常需要，因為現在每家大模型的初始智力都很高，但專項能力還得人來調教。我去開發一個項目，到下一個項目，它之前的記憶除非繼承，否則全沒了。我現在用的時候就會調教不同的 Agent，特別怕 Agent 記憶消失，所以讓它定期備份，調教好了，下個項目上手就特別快。這確實是個基礎能力。
Tina： 現在模型百花齊放，海外有斷崖式領先的 Claude、剛出 6 的 GPT、還有 Gemini，國內有文心一言、通義千問、DeepSeek。實際落地差距到底在哪？不同場景怎麼選？
SanTi 小湯哥： 我用的模型很多，又有工程經驗但又不天天寫代碼，所以對每個模型的好壞反而更有發言權。
我用起來最舒服的是 Claude。它對普通人互動性非常好，權限把控恰到好處。因為新手很多時候不知道 Agent 要幫他幹啥，指令還可能被誤解；Claude 的好處是它會及時剎車，諮詢你是不是理解對了，跟你對齊顆粒度再繼續干。Codex 也還好。
Gemini 是我非常喜歡的一個模型——鬼點子最多，發散思維很強。但它的編程，最好用 Claude 和 GPT 打底做主框架，再讓 Gemini 來優化，它是能乾的。Gemini 有個槽點：它很喜歡偷懶，有能力但不愛干，非常像雙子座的朋友，靈動、有鬼點子，但會偷個小懶，跟名字完美匹配。它最近出的 3.8 flash，編程水平上了一大個台階，今天我也用了很多，非常好用。
國產模型里我主要用 DeepSeek。它的編程能力肯定不弱，但之前沒有視覺模型，很多人會碰到「原地打轉」——研究半天甚至一晚上，結果什麼問題都沒解決。我最近 coding 就遇到，用 DeepSeek 去優化一個網頁後端的小變化，它燒了快一個億 token，後來發現只是一個按鈕的問題——同樣功能的按鈕，在兩個程序里底層代碼名字不一樣。這個 bug 給 Claude 截個圖、打個框、加個箭頭，說「這裡好好檢查」，一下就過去了；但給沒有視覺模型的國產模型，它只能原地打轉，你也不知道它卡在哪。
能這麼用的前提是懂底層。我認識的底層工程師朋友用 DeepSeek 也很爽，因為他們會餵一套特別精細化的 prompt。但對小白、對只有產品思維沒有編程思維的人來說，門檻就高了。
Tina： 這幾個模型真是活靈活現。有的像隨時匯報的同事，有的悶頭干、干崩了才想起來還有個領導。那做小項目，免費版和付費版差距大嗎？
SanTi 小湯哥： 得看多小。如果是基礎的文字類網頁或簡單小遊戲，架構不複雜，免費模型完全能做——DeepSeek、Kimi，還有智譜，我覺得它是國產里最像 Claude 的，也會互動，這也是它公司能做這麼大的原因。免費版的話，OpenCode 會直接給普通用戶很多免費模型調用，你先問這些模型都是幹嘛的，再對比哪個適合你的業務。
但一旦涉及複雜項目——比如我最近這個要同時出十幾個渠道的，底層代碼很複雜，還是得用付費模型。免費模型做太複雜的就會崩，還會留下一些頭疼的漏洞。它不是能力不行，它是會偷懶，一偷懶就可能給你留兩個坑，你未來再回來補就特別難。
Tina： 測試環境很完美的項目，落地到企業真實業務就失效。最容易翻車、最被忽視的核心環節是什麼？
SanTi 小湯哥： 最直觀、最痛的坑是 Token 燃燒。調用 API 做項目，一旦出現 DeepSeek 那種原地打轉，就是實打實的資金消耗。用 Claude 或 GPT 的 API，一不小心就是天文數字——我認識的 KOL 朋友，一下燒掉幾千、幾萬美金的都有。
有幾個小點子能避坑：一是用好網上大神總結的 skills；二是給 Agent 指令——遇到困難馬上停下來跟你一起分析，不要無止境地研究。它可能本來要轉二十遍都不停，你讓它轉兩遍就停下來跟你分析，Token 就省了八九成。三是實時更新屬於自己的原則——一個項目里你獨特的原則，做成一個單獨的 principle.md 文件，能帶給不同的 Agent，交接時少很多閱讀 Token，等於省錢，因為新窗口經常不繼承舊窗口記憶。
還有最大的坑是備份。有的用戶在一個文件夾里從頭 coding 到死，沒接線上備份平台，代碼一崩盤沒法溯源、回不到某個點，前面的努力全白費了。還要限制 Agent 權限——調教久了可以多開一點，早期儘量少開，之前不是有人用 Codex 把重要文件夾全刪了，還上過熱搜。
Tina： 養小孩會期望他上清華北大，很多用戶對 AI 預期也過高。您怎麼做預期管理？
SanTi 小湯哥： 每個模型能力、等級不同，實力天差地別。哪怕都是 Claude，sonnet 5 和 opus 5 就差很多——sonnet 5 可能又費 Token 又解決不了啥，opus 5 明顯舒服很多。
預期上，就像跟人接觸，你聊幾次、聊一兩個小時，就知道他到底什麼水平，別給他超出水平的任務就好。雖然模型都有迷之自信——我昨天調試 Gemini 的兩個新模型，問它們彼此能勝任什麼任務，結果都特別自信，都覺得自己比對方強很多，還是同一家模型的內鬥。你就想未來不同模型之間鬥爭得多激烈。這跟人面試一樣，很多人把自己說得特別厲害，到公司發現連 marketing 是啥都不知道。但聊着就知道他能幹啥了，我不會讓他干超出能力範圍的事，這樣事半功倍。
Tina： OPC 還有個無解難題——低價內卷。很多新人越接單越虧損。您踩過低價坑嗎？定價邏輯是什麼？
SanTi 小湯哥： 我的模式不一樣，都是很輕的創業。我給自己定的原則就是：這項目就算不做了、當下立刻停，我不會虧。把護城河拉到「基本沒消耗」這層，心態就會比較放鬆。哪怕只有一個客戶買單，也是純賺一筆，就算只賺一杯咖啡錢，也不會消耗自己過多的精力。
Tina： 5、60 人團隊燒千萬成本，最後報告誰都能寫，這就沒有護城河了。
SanTi 小湯哥： 對，所以低價內卷，核心還是看它自己的成本有多高。成本非常低，低價也沒啥大問題，照樣賺錢；成本非常高，影響就非常大。
Tina： 所以還是要輕量化冷啟動，再慢慢擴大、復盤。
Tina： AI 圖文造假、影音造假越來越普遍，從業者用它糊弄客戶，也有人被坑騙引發版權糾紛。怎麼識別、規避和應對？
SanTi 小湯哥： 這個現象確實嚴重，AI 換臉、洗稿都很普遍，包括 Claude 支持的那個 AIGC 水印，也有大問題。
先說水印。Claude 最直觀的一件事：我們測試讓它寫一篇關於某項目的報導，它成片引用了我之前寫的原文——如果把我這篇原文打上它的水印，這算誰的？這就是問題。
再說 AI 檢測，我前天剛踩過雷，特別生氣。有些內容平台加了 AI 檢測，但哪怕最主流的檢測模型，犯錯機率都極高。我自己一個字一個字手打的文章，檢測出來 100% AI 生成；我用 Gemini 生成一段 AI 內容、讓它擬人化，檢測出來 0% AIGC。測出來的全是錯的——把對的測成錯的，把錯的測成對的。這個如果成了坑，是很嚴重的。
現在已經有換臉圖片、換臉影音去詐騙的，很多人踩坑了。我有個比較粗淺的方案：未來跟區塊鏈結合——所有的 Agent、我本人的東西，都要有一個獨屬於我、沒法造假的鏈上標記。我讓 Agent 幹活，Agent 就上鏈；我本人的行為也可以上鏈，都是認證為我的、獨一無二的權證。這個未來可能是很大的結合，非常有必要，不然真沒法辨別真假。
Tina： 回到今天的標題——AI 時代，我們還需要編程能力嗎？您作為程序員怎麼看？
SanTi 小湯哥： 得分是誰。普通用戶，對程序沒啥興趣、只對產品感興趣，完全不需要硬學編程——隨著迭代，我已經隱約感到再迭代幾個版本，AI 的程序能力甚至要超過後端工程師了。
但如果是本身非常喜歡程序的人，還是需要編程的。因為他可以深入到 AI 最深層，去了解這個東西。未來 AI 接管企業營運、甚至生活方方面面，是必然趨勢，那時誰能掌控 AI 底層代碼，誰就是精英人類。這一波人非常關鍵，但一定是少數——不像以前計算機熱時一批批人學軟體工程。現在很多軟體工程師失業，就是因為基礎程序員不太被需要了，但精英程序員未來絕對非常值錢，因為他能掌控 AI 的生死。這個層面的人很重要，但不需要太多。
Tina： 聽起來未來程序員像醫生、律師一樣，越老越值錢，經驗越豐富越值錢。甚至可能衍生出「AI 醫生」這種職業——AI 報錯、代碼寫不對時，有專人去治療、糾正。
SanTi 小湯哥： 是。所以有人講 AI 威脅論——其實 AI 威脅最大的不是我們這代人，因為這一代還有「父輩級」工程師，能直接決定 AI 的生死。威脅最大的是 20 年甚至 100 年後，那一批從小用 AI、聽 AI 話的人長大之後，如果沒有超級工程師（那些父輩級工程師都去世了），是很危險的。一旦 AI 把小孩子或用戶忽悠了，哪怕只有 0.1% 的錯誤，也能影響一大批人。當然現在，我覺得都是大紅利期。
Tina： 最後，請嘉賓用一句話總結——當下 AI 個體創業落地變現，最大的核心門檻到底是什麼？
SanTi 小湯哥： 我自己的體感，最大的核心門檻反而是市場、營運層面。個體落地最難的就是產品壓根沒人看見——這是最難的。因為別人看不見，哪怕你是黃金、是鑽石，也沒有現金流收入。所以我覺得未來 Agent 很需要一個能力：能自主幫那些內向的、只有產品思維、但不擅長營運市場思維的人去推廣他的產品——這個反而很重要。
Tina： 這句話非常關鍵。產品雖然有很精妙的想法，但也要翻譯成大眾能聽懂的話、翻譯成大眾的真需求。非常感謝嘉賓的真誠分享，感謝直播間各位朋友的陪伴。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
暢行幣圈交易全攻略，專家駐群實戰交流
▌立即加入鉅亨買幣實戰交流 LINE 社群（點此入群）
不管是新手發問，還是老手交流，只要你想參與加密貨幣現貨交易、合約跟單、合約網格、量化交易、理財產品的投資，都歡迎入群討論學習！
上一篇
下一篇
