白杨SEO博客

AI时代，普通人应该从什么切入点开始？普通创业者如何找到方向？2026年的八大超级方向与商业机会参考

发布时间：2026-04-17 13:47:11 编辑：admin 浏览:8

生财有术创始人亦仁和坤汀在4月15日晚做了一场直播，内容非常炸裂，AI时代，普通人应该从什么切入点开始？普通创业者如何找到方向？分享2026年的八大超级方向与商业机会，

信息量很大，建议大家收藏反复阅读，文章配了很多图，尤其是最后的超级大图，大家可以找白杨要，看完对你一定有启发！

直接开始，这场直播围绕三个核心问题展开：

亦仁过去半年到底是怎么高强度使用 AI 的？

普通人未来半年到一年最值得下场的方向是什么？

以及普通创业者到底应该解决什么问题？

直播分享大纲：

一、亦仁对未来的判断，

二、亦仁到底是以什么身份在用 AI：不是内容创作者，也不是程序员，而是高密度决策者，

三、他真正长期留下来的 AI 工具分别负责什么，解决什么问题，为什么值得长期订阅，

四、他已经把 AI 串成了一套四步工作流，找信息，做判断，让 AI 执行，把沉淀留在自己手里，

五、AI 亦仁是怎么做出来的，为什么它会比很多通用模型更适合草根创业者，并给大家免费使用，注意，是所有人，欢迎大家找我领取，

六、已经被验证过的方向有哪些，2026 年仍然值得重视的八个方向是什么，

七、八个方向背后的趋势是什么，普通人应该从什么切入点开始，

八、普通创业者如何找到方向，下场做，解决卡点，放大结果，

九、普通人现在最值得做的事，先用AI，先拿小结果，别乱换项目，用换圈子带动换命运，

一、这场直播的意义，AI 在过去半年已经到了一个临界点，

在他看来，这个临界点不是行业热度上来了，而是模型能力、编程能力、视频能力、知识库能力、工作流能力一起往前推，已经开始影响现实工作。

很多以前做不到、做不顺、做不稳的事，现在已经可以直接接进业务里。这意味着普通人如果还停留在“听说 AI 很厉害”，而没有开始系统地用，就很容易错过窗口。

二、先定义自己是谁，再决定怎么用 AI，

亦仁觉得，很多人一开始学 AI 就学偏了，问题不在勤不勤奋，而在于定位错了。

现在公开分享 AI 的人，大致分成两类：一类是开发者，一类是内容创作者。

于是大多数公开内容都会把 AI 讲成两种样子：要么是编程工具，要么是内容生产工具。

但亦仁明确说，自己其实都不是。

他不是典型内容创作者。因为他一年写不了几篇公域文章，就算在星球里写，也不愿意把那些必须保留人味、深度思考和个人判断的内容，直接交给 AI 代写。

他也不是典型程序员。虽然有产品经理背景，但过去并不高频写代码，真正开始大量使用编程能力，是 AI 编程成熟之后的事情。

他给自己的定位很准：他是一个高密度决策者。

这个身份决定了他的 AI 使用重心不是“多写几篇文章”，也不是“把代码写得更优雅”，而是下面这些现实任务：

第一，持续看信息，判断外面到底发生了什么。

第二，看行业、平台、市场和业务有没有变化。

第三，看公司数据、团队动作、工作汇总里哪里有问题。

第四，识别方向，判断优先级。

第五，给团队定动作，把事情往前推。

他说得很清楚，像老板、操盘手、业务负责人、小团队主理人、一人公司、正在往 OPC 演化的人，其实都更适合听这套方法。

这些人未必内容写得最好，也未必代码写得最好，但他们每天都在面对现实决策，所以最需要的是一套能放大判断力和执行杠杆的 AI 用法。




三、工具体系：他不是“哪个火用哪个”? 而是按角色分工，






亦仁前前后后试过的 AI 工具已经上百款，累计投入接近 10 万元级别，现在每个月在 AI 上的开销也还在 1000 美元左右。

但他的结论不是工具越多越强，而是 工具越用到后面，越应该做减法。

真正留下来的工具，都是因为它们进入了工作流，不是偶尔玩一次，而是长期负责某一类任务。

1. Claude 体系：最强执行位，也是他最信任的主力

在他的体系里，Claude 仍然排在最前面。这里面既包括 Claude Max，也包括 Claude Code，以及他常用的 Cowork 这类本地协作方式。

他对 Claude 的评价很重：“如果能用 Claude，其他的基本都不会用。”

Claude 在他这里主要承担五类任务。

第一类，编程和做工具。

亦仁明确说，做工具、做产品、写页面、搭一些实用的小东西，Claude Code 依然是他最强的主力。这里的“做工具”不是指试验性质的小玩具，而是能直接进入工作里的工具、页面和半成品产品。

第二类，本地执行。

他很看重模型能不能深入本地工作环境，因为很多事情不是在网页上问个问题就够了，而是要直接处理本地文件、图片、文档、数据、页面。Cowork 这类能力之所以让他黏住，不是因为名字新，而是因为低摩擦地把 AI 接进了真实操作。

第三类，表达类输出。

他和坤汀都提到，Claude 在“说人话”上明显强。做一个详情页、写一段文案、把结构理顺、生成 HTML、把复杂表达说清楚，这些事情 Claude 的完成度很高。不是只会“干”，而是干出来的东西往往直接能用。

第四类，复杂分析。

他举过一个很典型的场景：公司做财务分析时，会把原始数据整批导给 Claude，让它直接算账、看问题、找异常、给结果。他直说，算出来的结果经常让他很惊艳，甚至觉得已经比公司里最资深的财务做得还好。

第五类，高标准输出。

例如这次直播用的 PPT，他试过别的工具，但最后最满意的还是 Claude 体系产出的版本。这里反映出来的不是单点能力，而是 Claude 在复杂任务下仍然能维持较高的成品感。

他对 Claude 的依赖是真的高，但他的提醒也很硬：“Claude 可以用，但不要和 Claude 产生感情。”

这句话背后的意思很直接。

第一，Claude 很强，但中国用户始终存在封号风险。

第二，只要风险还在，核心知识和核心数据就不能只放在 Claude 里。

第三，真正重要的沉淀，必须回到自己的本地系统。

这不是泛泛提醒，而是他自己被封过很多号之后总结出来的经验。对他来说，Claude 是超强执行者，但不能成为唯一的存储地。




2. Cowork：让 AI 不再停留在“聊天框里”

坤汀在直播里补了一段很关键的体感。

他以前也用过一些更偏 Markdown 协作、偏知识库写作的工具，但后来越来越倾向 Claude 体系，原因是交互太顺。

比如一张图做得不对，不需要再写一大段结构化需求，只要：

1. 直接截图
2. 标出哪里有问题
3. 扔给模型
4. 它就接着改

这件事看起来简单，实际上说明了一种很重要的变化：AI 不是只能在文本框里回答问题，而是已经可以进入“边看、边改、边对”的工作现场。

亦仁为什么几乎每天都在用 Cowork，本质上不是因为它提供了一个新入口，而是因为它让 AI 更像真实协作对象。




3. ChatGPT Pro：不是聊天工具，而是长期决策系统

如果说 Claude 更像执行位，那 ChatGPT Pro 在亦仁这里更像深度思考位。

他用了 ChatGPT 很多年，上面积累了最多关于自己的背景、语境、问题和记忆。

因此一旦遇到长期方向、复杂判断、战略问题，他更愿意把完整背景交给 ChatGPT Pro。

他的用法很具体。晚上会把 六七个真正关心的复杂问题 丢进去，让模型慢慢跑。有时候半小时，有时候能跑到 70 多分钟。第二天醒来再看，问题已经被拆开了，很多原本模糊的判断会变清楚。

这说明在他这里，ChatGPT 不是“快问快答”，而是 跨时间工作的复杂思考辅助系统。

他还给出了一层更现实的判断：好的模型不是消费，而是投资。

几十美金买到的不是一个聊天玩具，而是一个能长期参与高价值思考过程的系统。对一个高密度决策者来说，这笔钱的投产比非常高。




4. Codex：脏活、累活、杂活、自动化任务的默认处理者

Codex 在他体系里的位置非常清楚：脏活累活优先给 Codex，关键高标任务再叫 Claude。

这跟能力本身有关，也跟风险管理有关。因为 Claude 账号风险高，他不会把所有高频自动化都压在 Claude 上，所以很多重复、繁琐、自己不想亲手做的活，会优先交给 Codex。






他讲了几个非常典型的例子。

第一，邮箱发票。

邮箱里堆了几百封发票邮件，以前这件事非常烦。现在他的做法是直接让 Codex 接手：登录邮箱，下载全部发票，逐张 OCR 识别，整理成结构化表格，最后把表格和发票一起交给财务。以前是一整段琐碎人工链路，现在变成一段自动执行链路。

第二，医院 H5 数据。

他有一两百份体检和诊断数据，全都藏在微信 H5 页面里，没有网页端，正常人几乎不可能高效导出。最后还是 Codex 帮他把这些数据抓下来、下载下来、整理出来。亦仁自己都说，他并不关心底层怎么实现，重点是原来非常麻烦的事，现在真的有人替你做掉了。

第三，大规模自动化。

他把 Codex 当成很多杂活、脏活、临时复杂活的默认处理者。这说明在他的工作体系里，Codex 已经不是“一个写代码模型”，而更像一个通用 agent。

他对这件事的判断也说得很重：“Claude Code 和 Codex 其实已经是最通用的 agent 了。它表面上是编程模型，但实际上不是只给程序员服务的。”

只要任务讲得清楚，很多事情都可以交给它们。

这也是为什么他会反复推动大家先把 AI 编程 学起来，因为一旦你学会调用这类模型，很多原本只能靠团队完成的执行动作，都会变得可调用。




5. Gemini 与 NotebookLM：学习位、知识库位，也是对标位

Gemini 在他这里最重要的不是普通对话，而是 NotebookLM。

他对 NotebookLM 的评价非常高，直接称它是 “学习神器”。

原因很简单，它解决了一个长期痛点：怎么把大量资料变成可以持续追问的知识库。

他会往 NotebookLM 里导入电子书、长文章、公众号合集、历史内容、课程资料、视频转写稿、访谈逐字稿。导进去之后，这些东西就不再只是文件堆，而是可以不断追问、不断拆解、不断提炼的知识对象。

他还提到一个很好用的动作：如果在做课程，可以把过去一年的群聊记录导出来，做成 PDF，丢进 NotebookLM，直接问它“如果我要做课，请你基于大家聊得最多的内容给我出一套课程框架”。他直说，产出来的效果高得惊人，甚至“基本可以秒杀团队的课程研发”。

NotebookLM 在这场直播里还有另一个极重要的身份：AI 亦仁的答案标尺。

这条线索他说得很清楚：

1. AI 亦仁刚做第一版时，他不满意。
2. 不满意的核心，是搜索和回答质量还没到他想要的标准。
3. 后来他把自己过去 9 年在生财沉淀的 150 万字内容 导出来，全部灌进 NotebookLM。
4. 再拿它去问问题。
5. 得到的答案质量让他惊艳。
6. 他直接把那个效果发给技术团队，说：“这就是标准，你不用管怎么实现，效果要对标这个。”

也就是说，NotebookLM 在他这里不只是学习工具，还是 答案质量 benchmark。




6. X 与 Grok：一手 AI 实践情报场






亦仁把 X 讲得非常直接：这是最大的 AI 实践知识库。

他看重的不是热闹，而是源头。关于 AI 的新玩法、新坑、新经验、新观察，很多最早都出现在 X 上。跟二手整理相比，X 更接近原始信息。

他平时的用法很系统：

第一，用沉浸式翻译降低阅读门槛。

第二，用 API 抓推文数据。

第三，用 Grok 搜、查、追、总结、找源头。

例如想看“Claude 怎么防止被封”“最近 X 上关于某个 AI 方向有哪些最新一手经验”，他就会直接让 Grok 去调 X 的数据。

还有一种很典型的用法是，在一条长文或视频下面直接让 Grok 帮忙总结、找出处、做信息溯源。

这说明在他那里，X 根本不是社交平台，而是 实时情报场。




7. 沉浸式翻译：全球信息入口，不是小插件

他对沉浸式翻译的评价近乎 “基础设施级”。

因为一个长期吸收海外信息的人，最大的成本不是内容不够，而是阅读摩擦太高。沉浸式翻译解决的就是这件事。它把原本很高的跨语言成本，变成了接近无感的阅读动作。

亦仁甚至说，哪怕它将来涨到远高于现在的价格，他也还是会买。理由很简单：它不是一个可有可无的小工具，而是全球信息的入口。




8. 飞书 AI 与录音豆：把公司的协作痕迹变成可调用的知识

因为生财内部本来就在飞书协作，所以文档、聊天、会议纪要、动态痕迹都天然沉淀在飞书里。

对他来说，飞书 AI 的价值不是“单点回答一个问题”，而是它可以直接站在企业知识库之上工作。









他举过一个非常像管理者专用的动作：每天让飞书帮自己回顾昨天的全部私聊、群聊和文档动态，然后回答三个问题：

1. 昨天发生了什么
2. 作为 CEO，哪些事是重要的
3. 哪些事自己可能遗漏了，需要补回应

这件事的价值在于，它把原本零散的信息回顾，变成了一个 AI 参与管理回顾 的流程。 他甚至说，自己有时候只花十分钟看这份总结，就能完成一天里最关键的管理动作。

录音豆的作用是补另一条链路：只要在说话、开会、讨论，录音就能自动转成文档，再进入飞书知识库。 这意味着会议、交流、口头讨论也不再是流失的信息，而是知识库的新增数据。

亦仁对这一层的判断非常重要：未来真正拉开差距的，不只是你用没用大模型，而是你有没有持续增长、足够独特的专属知识库。




9. RapidAPI：不要把力气浪费在重复造轮子

在数据抓取、历史内容整理这些场景里，他并不鼓励自己硬抓。

因为自己从零做抓取，往往费时间、费精力、容易被封，而且不一定划算。

所以他更倾向于直接买现成能力。

例如想抓某个 X 博主多年的全部内容，再整理成 PDF，最后导入 NotebookLM 和这个人“对话”，他就直接走第三方 API。

这里体现的是一个很现实的判断：能买现成能力，就不要自己无谓地重复折腾。




10. Obsidian：所有关键沉淀最终回到本地工作台

如果说前面的工具更像外部能力，那么 Obsidian 是他现在越来越重的最终工作台。

他讲得很明确，自己最近最大的工作习惯变化之一，就是从“打开各种入口”切回到“先打开 Obsidian”。

过去他打开电脑，可能先看飞书、Claude、Codex、备忘录、截图和零散消息，于是所有事情分散在不同地方，管理很痛苦。

现在他的动作变成了：

1. 所有想法、截图、提醒、待办、微信消息、飞书消息、会议内容、资料、框架，先汇到 Obsidian
2. 再通过里面接入的 Claude 插件做记录、整理、分类和提醒
3. 最终把它变成自己的本地知识库、本地工作台和事项中枢





他举的场景很具体。

如果有人在飞书或微信里告诉他周五要体检、明天要做某件事，他不再靠记忆，也不再让消息躺在聊天框里，而是直接截图扔给 Obsidian 里的 Claude 插件，让它记录未来什么时候该做什么、怎么提醒。

连这次直播的原始框架，他都说主要是在 Obsidian 里完成的，因为知识库已经都导进去了，可以直接让 Claude 在本地工作台里帮他搭框架。

这背后的判断和前面那句提醒是一致的：模型可能封号，平台可能变化，但最重要的数据和工作流要掌握在自己手里。






四、工作流：他已经把 AI 串成了一条完整生产线，

如果只看工具，容易觉得他是在“收藏 AI 产品”。

但把整场直播串起来看，会发现他其实已经形成了一套很完整的四步工作流：找信息、做判断、让 AI 执行、把沉淀留在自己手里。

第一步：找信息，不泡在二手整理里

他非常重视信息源头，而且信息不是单一来源，而是有分层的。

国内信息源里，他会看：

• 生财有术圈友分享
• 自己发的超级标与圈内讨论
• 公众号
• 飞书文档和群聊
• 微信聊天记录
• 会议纪要

海外信息源里，他会看：

• X
• YouTube
• Lex Fridman 这类高质量长内容
• Indie Hackers
• Hacker News
• BlackHatWorld
• Reddit
• GitHub
• 其他付费社区

他还提到一个细节：国内很多公众号本质上已经是二手信息。

如果一个人对信息质量有要求，就应该尽量去看一手内容。

此外，他还会通过数据抓取，把群聊、长文、推文、视频转写稿、周报、课程资料这些内容变成可分析材料。

这里有个很关键的认知：找信息不是多看几篇文章，而是建立自己的高质量输入池。

第二步：做判断，让 AI 参与决策，而不只是参与写作

这是亦仁这场直播里非常重要的一层。

他说自己这类人并不用 AI 主要去写内容，也不主要拿 AI 去写代码，而是拿 AI 参与决策。

他举了几个很具体的动作。

第一个动作，把公司所有员工汇总出来的周报整批导给 ChatGPT Pro，让它分析哪些任务可以 agent 化，哪些可以工作流化。结果一次能产出几十个工作流方向，对管理和提效非常有价值。

第二个动作，把某个看好的方向交给 AI 去做深度调研。

例如他会说：“最近 X 上某个长文方向很好，你帮我调研，产出一套落地 SOP，并且告诉我如果我要通过这个项目赚到一千万会怎么做。”

AI 产出完整报告后，他再审核，觉得没问题就可以作为方向参考，甚至进一步整理成超级标。

第三个动作，把历史群聊、课程讨论、问答记录导入 NotebookLM，用来判断用户真正关心什么，从而反推出课程结构、产品结构、方向选择。

这一步的重点不在于 AI 替他拍板，而在于 AI 帮他把原本高成本的信息判断工作，变成可重复调用的分析流程。

也正因此，他把 AI 的核心用途之一定义为：参与判断，辅助决策。

第三步：让 AI 执行，能交出去的活尽量交出去

一旦方向判断完，第三步就是让 AI 去干活。

亦仁对这件事的态度非常鲜明：“能用 AI 编程干的，我自己是不干的。”

这个执行层分两块。

第一块，是通用执行。

做工具、做页面、做财务分析、做 HTML、做各种中间产物，优先让 Claude Code 干。

第二块，是杂活自动化。

抓数据、识别发票、导出复杂内容、下载结构化结果、处理自己完全不想手工做的事，优先给 Codex。

他甚至把这件事讲到了一个很高的强度：现在唯一真正限制人的，很多时候不是工具，而是想象力。

因为很多原本以为 AI 干不了的事，只要试一下，结果反而常常有惊喜。

他举了一个很有代表性的例子：自己去听一门课，手里有录音稿，也有 PPT，就把录音文稿和 PPT 一起丢给 Claude，让它整理成图文稿。

结果整理得非常详细，连每一页底下讲了什么都能写出来。他直说，这种事自己都未必整理得这么好，但 AI 可以干得很好。

第四步：沉淀，把自己的问题、思路、语言模式都留住

亦仁这场直播里有一个特别值得留下的判断：不是只有“我已经很厉害了”才值得做知识库，人的困惑本身就有价值。

他建议大家有意识地沉淀：

• 跟 ChatGPT 的提问
• 跟 AI 亦仁的对话
• 在飞书上的发言
• 在微信里的表达
• 日常遇到的困惑
• 做决策时的犹豫
• 自己常说的话和语言模式

为什么这些东西重要？因为一旦沉淀一段时间，你就能把这些内容导出来，丢给大模型去问：

• 我有哪些思维误区
• 我反复卡在哪
• 我的判断模式有什么问题
• 一旦我意识到哪件事，会对我的人生有很大改变

这其实已经不是简单的知识管理，而是 AI 参与自我复盘。

在他看来，人与人之间很多差别不是信息多少，而是思维模式不同。长期沉淀自己的问题和表达，会把这些模式显露出来。






五、怎么用 AI，

这一部分信息密度非常高，因为亦仁对“学 AI”给出的答案非常反常识。

1. AI 不是学出来的，是用出来的

他反复强调：“AI 不是学出来的，是用出来的。”

意思不是课程没价值，而是一个人不能等把所有课程都看完、所有模型都研究透，再开始用。

更现实的路径是：

1. 先选一个自己用得起的模型
2. 先在真实问题里用起来
3. 一边用一边修正
4. 在实际场景里慢慢变深

这也是为什么他说，如果现在不懂 AI，不要只焦虑，先把一个模型用起来就行。

2. 预算有限，先买一个能打的，不要一开始订满全家桶

他知道很多人会觉得工具贵，所以给的建议并不极端。

如果预算有限，不用一开始把所有工具订满。先挑一个自己能承担的模型，用到足够深，比到处看别人分享但自己没启动要强得多。

如果只推荐两个，他当时给出的建议是：

第一，ChatGPT。因为一个会员既能用 ChatGPT，又能用 Codex，对大多数人来说已经够用。

第二，Gemini。因为除了问答，还有一整套工具包和 NotebookLM。

他不优先推荐新人一开始就上 Claude，不是因为 Claude 不强，而是因为封号风险太高，很多新人根本搞不定。

3. 但只要条件允许，收入的 10% 投资 AI 是合理的

他讲得非常直接：如果 AI 是未来 10 到 20 年的长期基础能力，那拿出收入的 10% 去投资 AI，不是奢侈，而是必要。

这个投资包括：

• 顶级模型
• 好工具
• 好课程
• 好圈子
• 能持续拉高自己能力的环境

他甚至给出了一句非常像口号、但其实是硬判断的话：

“再穷不能穷模型，再省不能省 Token。”

这句话背后其实是在说，AI 时代最值得花钱的地方，不是外面的虚荣消费，而是能直接放大能力和产出的工具。

4. 在现阶段，学 AI 甚至比做项目和工作更重要

他还有一个非常强的观点：“在现阶段，学 AI 甚至比做项目、比你的工作更重要。”

他甚至和团队成员说过，如果你觉得现在学 AI 没时间，甚至可以来找他辞职，他愿意给人放三个月假去专门学 AI。因为一旦真正学会、用好，整个人未来的能力结构会完全不同。原来一周才能做完的工作，可能一个小时就做完了。






六、2026 年的八个方向：他真正看好的赛道和对应切法，






讲完历史验证后，他把未来半年到一年仍然重点看好的方向收成了八个。

这八个方向不是并列的热点词，而是一套有底座、有赛道、有趋势的结构。

1. AI 编程：八个方向的底座

这是他放在最前面的方向，也是全场强调最多的方向。

他的判断极重：“AI 编程就是 AI 时代的英语。”

为什么这么说？

第一，它让人从“只能消费工具”变成“能自己做工具”。

第二，一旦掌握 AI 编程，很多别的 AI 能力都会往前推得更快。

第三，它不是程序员专属，而是所有人都应该掌握的底座能力。

他明确说，不是只有程序员要学 AI 编程，不是只有产品经理要学，所有人都应该学。

普通人最适合的切法，不是上来就学一堆底层开发知识，而是先学会用 Claude Code、Codex 这类 agent 帮自己解决具体问题。

在他看来，能熟练调用它们把自己的问题解决掉，哪怕自己暂时还不看代码，某种意义上也已经算学成了一大步。

2. AI 视频：仍然被严重低估

他提到自己在去年 9 月就发过朋友圈，说 AI 视频仍然远远被低估。

到了今年二三月，随着视频模型能力继续提升，他对这件事更确定了。

他看好的不只是短视频，还包括：

• AI 短视频
• AI 中视频
• AI 漫剧
• AI 电影

但他更看重的一层是：未来更高价值的部分，不在“会不会做 AI 视频”，而在 能不能用 AI 做出像作品一样的内容。

也就是说，真正值钱的是导演思维、叙事能力、镜头语言和审美，而不是会不会点按钮。

普通人的切法，他讲得也很现实：可以先从 YouTube Shorts 这种更容易拿到正反馈的形态切进去，而不是一开始就幻想直接做 AI 电影。

3. AI 企业服务：2026 年确定性最强的方向之一

这是他讲得最像确定性商业机会的一条。

原因非常直接：

• 中国企业数量极大
• 真正会用 AI 的比例仍然很低
• 很多老板现在已经有需求
• 供给还很不成熟

他在直播里提到中国大概有 6700 万家企业。即便只看其中有付费能力的一小部分，市场也已经非常大。

更重要的是，他身边已经有很多老板在问：“有没有靠谱的人，能帮他们做 AI 企业服务？”

这说明需求不是未来式，而是现在式。

这条方向为什么值得普通人重视？

因为它不是只属于大公司。很多已经把 AI 用得很顺的人，本身就可以逐步外溢自己的能力，为企业提供培训、工作流设计、知识库建设、内容提效、营销自动化、团队提效、数据分析等服务。

他还补了不少案例。航海家里已经有人在做企业服务，去年做到 百万利润 的不止一个，也有人在往更大规模走。

他甚至讲过一个更大的终局想象：如果未来生财聚合起几万个做 AI 企业服务的 OPC，共同服务中国大量企业，那就是非常大的市场。

普通人的切法也不是一上来做全案，而是：

1. 先把 AI 自己用顺
2. 先服务身边熟悉的小场景
3. 先做深一个细分行业或细分类目
4. 再逐步从“会用工具的人”变成“能解决业务问题的人”

4. AI 教育培训：增量最大的普及型市场

这条方向的逻辑也很简单：所有人都要学 AI。

只要这个前提成立，就会持续释放大量需求。

而且这不是一个单一市场，而是会不断裂变出很多细分：

• AI 编程
• AI 视频
• AI 工作流
• AI agent
• AI 图文
• AI 电商
• AI 企业应用

也就是说，AI 教育培训不是短期风口，而是一个未来几年会不断长出新分支的连续市场。

他还点到一个很现实的组合打法：前端可以用低价的 AI 教育培训或工具去获客，后端筛高净值用户，再去做 AI 企业服务。这说明很多赛道并不是孤立的，而是能串起来。

5. 垂直小号：越细越有机会

他对垂直小号的判断很清楚：内容越多，平台越会往细分垂直推。

这意味着很多人不要再总想着做一个面特别大的账号。真正更有机会的，反而是在一个足够细、足够明确、足够垂直的领域里，持续建立专业感和信任感。

这个方向的变现方式很多：

• 流量主
• 广告
• 分销
• 卖服务
• 卖产品
• 做私域承接
• 长期建立领域信任后接更高价机会

他举的案例非常有代表性：有人听完这个判断后去做 保险领域的垂直小号，去年一年做到了 几千万规模。

这个案例说明，很多人觉得“太细没人看”的领域，恰恰可能是金矿。

他还补了一个短平快的例子：采访过一个做推特垂直小号的人，两周时间，第二周就开始接到商单，虽然当时单价还不高，但已经说明方向跑通了。

普通人的切法非常明确：

先找一个自己愿意持续深耕的细分主题，用 AI 快速补基础知识，再持续输出内容，先跑通信任，再谈更大的商业化。

6. 垂直小店：反馈快、轻资产、适合先跑闭环

亦仁对电商的判断很务实。他知道很多人会调侃“狗都不做电商”，但他反而觉得，对普通人来说，电商仍然是一个：

• 反馈快
• 相对轻资产
• 容易先拿到正反馈
• 适合先跑闭环

的项目形态。

他看中的不是传统大电商逻辑，而是 垂直小号 + 垂直小店 的组合。

也就是围绕一个细分领域做内容，形成流量和信任，再接一个细分店铺。这样跟你竞争的人更少，平台又会给匹配流量，转化效率也更高。

而且 AI 在这条链路里是全链路赋能：

• 选品
• 内容
• 客服
• 投流
• 运营
• 商品图处理

他还提到一个很重要的现实理由：普通人如果一开始就“既做内容，又做产品”，往往两条腿都走不稳。

而电商至少可以先不碰货的源头，先借平台的货盘和分销体系，把内容和流量跑通，拿到第一桶金，建立信心，再慢慢去做自己的产品、服务或知识付费升级。

7. 全球化出海：很多产品都值得在海外重做一遍

这条方向他态度非常坚定。

如果做产品的人还只盯着国内，就天然丢掉了一大块天花板。

为什么？

• 海外用户的付费意愿更强
• 付费能力更强
• 用户结构和价格体系都不同
• 很多需求在海外更容易成立

他提到，过去一年自己已经发过很多跟出海有关的超级标，比如英文工具站、iOS 订阅、micro SaaS、vSaaS 等，而且已经有很多圈友拿到了结果。

生财内部甚至已经有一批做到 月入万刀 的用户，还做过相关认证。

这里他非常强调一句话：很多产品都值得在海外再做一遍。

普通人的切法，不是上来就做复杂大产品，而是从 Web 小产品、工具站、微型 SaaS、订阅型应用这些更轻的形态切进去。

8. OPC / 一人公司：AI 时代的新组织物种

亦仁对 OPC 的判断，是这场直播里最具终局感的一条。

所谓 OPC，就是 one person company。

他的意思不是人人都要单干，而是 AI 正在让很多过去必须依赖团队的事，逐渐变成一个人加 AI 也能完成。

所以“一人公司”不再只是浪漫想象，而开始成为真实可行的组织形态。

他甚至把这件事往更大处推：未来生财自己也可能演化成一个 OPC 联盟。

不是所有能力都集中在一个大组织里，而是大量强个体、强小团队，在一个更大的联盟里协同。

这条方向的切法很多，不只是自己做一人公司，也包括围绕一人公司生态做服务、社区、空间、工具、认证、协作网络。

相关看：OPC怎么做？一人公司如何用SEO+GEO策略打造可持续精准获客系统？【必看】

七、三大趋势：这八个方向背后的共同终局，

在讲完八个方向后，亦仁把更大的趋势收成了三个词。

1. 全球化

未来好的业务、好的产品、好的内容，都不应该天然只看国内。

谁一开始就把视野放到全球，谁的天花板通常更高。

2. OPC 化

一个人加 AI，已经越来越能完成过去一个团队才能完成的工作。

这不是简单的降本增效，而是组织形式本身在变化。

3. Agent 化

今天很多人还停留在“大模型聊天”阶段，但亦仁已经明显看到，未来会有大量细分场景的 agent 需求：

• 情报 agent
• 选品 agent
• 定制图片 agent
• 营销自动化 agent
• 知识库 agent
• 各种行业垂直 agent

他还举了一个非常有启发性的例子。

Claude 前阵子做过一个面向全球的黑客松，获奖前几名并不是大家最容易想到的“个人助理”或“内容创作”类 agent。第一名是一个帮美国加州道路施工团队评估路况、优化成本的 agent，能帮政府省下数百万开支。

这个例子说明，真正高价值的 agent 往往不是泛泛的大词，而是扎进具体行业、具体痛点、具体流程之后长出来的。

于是这三条趋势叠在一起，亦仁给出了自己心里的终局图景：

一个人，用 agent，做一家面向全球的公司。






八、普通人最值得带走的行动建议

整场直播最后，亦仁没有把重点收在“还有很多机会”，而是收在一组非常现实的行动判断上。






1. 先学 AI，再找项目

如果现在还是典型新手，没有方向、没有闭环、没有结果，不要急着随便挑一个项目去赌。

他的建议是先把 AI 当成基础能力学起来，尤其是 AI 编程。

因为在他看来，AI 能力会直接决定一个人的选择空间。

没有这层能力时，很多人只能在原有路径里打转；有了这层能力以后，很多原本够不到的选项都会突然变成可选项。

2. 先拿小结果，小结果不是小事

如果一个普通人、一个新人、一个原本没什么优势的人，在某个平台、某个项目上折腾几个月后，已经能赚到几百块、几千块，在亦仁眼里这不是小钱，而是 巨大的信号。

这说明：

• 这里还有空间
• 方向不是死的
• 你已经具备最基础的闭环能力

也正因为这样，他才反复提醒：不要轻易换。






3. 不要轻易换项目

这是他在直播最后反复强调的建议之一。

机会很多，但不需要每个都抓。如果一个方向已经有结果，就继续深耕。

很多人最后做不起来，不是因为没机会，而是因为 刚跑通一点，就又被新的机会带走了。

4. 想换项目前，先问自己是不是只是没耐心

亦仁明确说，如果一个方向已经跑出一点结果，自己通常不会轻易同意别人换项目。

因为从他这种看过大量案例的人视角看，普通人能跑出一个小闭环，本身就已经说明这个方向有价值。

5. 每个项目和技能，最后都会“连点成线”

他最后借用了一个很重要的表达：connect dots，连点成线。

他说自己做成生财，并不是一开始就规划好了要做生财，而是因为以前做过产品、当过论坛版主、学过社群运营、写过公众号，这些看似分散的点最后连了起来。

所以今天做的每一个项目、积累的每一个技能，不一定立刻变成最终答案，但很可能会在未来某个时间点连接成一条只有自己能走出来的线。

把整场直播压缩成一句最有行动价值的话，大概不是“AI 机会很多”，而是下面这句：

普通人现在最该做的，不是继续围观 AI，而是尽快把 AI 变成自己的基础能力；最该避免的，不是起步太慢，而是刚有一点结果就又换方向。

这也是整场直播最有力量的地方。它不是在喊“风口来了”，而是在反复提醒：风口早就不是问题了，真正的问题是你要怎么开始系统地用起来。



最后这个大图大家可以找我要，直接加我微：y13754326987，我给你发高清大图以及免费的生财有术体验卡。如果你想直接加入，直接扫下面二维码加生财有术，3天内不满意可无理由退款，






相关推荐：

白杨SEO：个人/企业如何在AI搜索时代占有一席之地？

2026年抖音、视频号、小红书深度差异与SEO全攻略【收藏】

AI搜索优化（GEO）：从“被看见”到“被选中”的7个真相！【必看】

我用了13年，与SEO前辈们出现在一起。白杨SEO从网站优化到AI搜索优化经历分享，百度SEO不放弃！

白杨SEO全网SEO流量实战训练营视频课程介绍【最新版】

白杨SEO一对一私教陪跑全网搜索流量项目介绍（第3版）

白杨SEO业务介绍大全（第14版）

作者介绍：

白杨SEO，专注SEO研究十年，全网SEO流量实战派，AI搜索优化GEO研究者。前某公司市场总监，现自由职业，企业SEO&GEO顾问。