今天我看到一段接近三分钟的短视频，内容剪自 Strategy 创始人、执行董事长 Michael Saylor 的一次访谈。看完短视频以后，我又找到了原访谈的文字内容，重新核对了其中几个最关键的说法。
视频一开头就很抓人：Saylor 说，ChatGPT 帮助他打开了一条新的融资思路，后来公司围绕相关金融工具完成了约 150 亿美元的发行；如果现在重新回到学校，他过去学过的 95% 的内容，可能都不会再学。
这两句话很容易被理解成“读书没用了”“AI 随便问一下就能赚大钱”。但把前后内容连起来看，我认为真正值得关注的并不是这两个数字，而是其中一句话：不要试图比机器人更努力。
这也是我最近越来越明确的判断。现在真正值得普通人、创业者和企业认真研究的时代风口，只有一个，就是人工智能。
不是不学习，而是学习内容要变了
Saylor 在访谈中说，如果重新回到学校，他过去学过的很多内容不会再学。他还直接回答，不会把外科医生、律师、会计等职业作为自己的选择。
这些话很有争议，也不能照搬成每个人的职业建议。
医生要为诊断和治疗负责，律师要为法律意见负责，会计要为财务数据负责。这些专业不会因为 AI 出现就突然消失。真正发生变化的是，大量过去必须靠记忆、检索和重复训练完成的工作，现在 AI 已经可以做，而且速度会越来越快。
所以问题不是“还要不要学”，而是应该把时间放在哪些地方。
过去学习，很多时候是在记答案、练工具、重复别人已经做过的事情。现在这些工作会越来越便宜。以后更有价值的是提出问题、判断真假、理解行业、承担责任，以及把不同资源组织起来，真正把事情做成。
知识仍然重要，但只会复述知识，价值会越来越低。真正拉开差距的，是能不能借助 AI，把知识变成判断、方案和结果。
150 亿美元不是 ChatGPT 一个人融来的
视频里最吸引人的，是“靠 ChatGPT 融到 150 亿美元”。
按 Saylor 在原访谈中的说法，Strategy 原有的普通股和可转债融资路径接近上限以后，他开始和 AI 讨论新的解决办法，并由此探索出新的优先股思路。后来公司推出多种永续优先股产品，他把其中约 150 亿美元的发行规模归因于 AI 带来的帮助。
这里必须讲清楚，这不是 Saylor 个人赚了 150 亿美元，更不是向 ChatGPT 输入一句话，150 亿美元就自动到账。这是 Saylor 对 AI 参与方案设计作用的自述，不能把它理解成 ChatGPT 独立设计并完成了整套融资。
AI 可以参与查资料、梳理约束、寻找类似案例、模拟不同方案，也可以提出人原来没有想到的组合。但一种金融产品真正发行，还要经过公司团队、律师、银行、投资人和监管流程。
我认为这个案例真正有价值的地方，是一个复杂问题在原来的方法下已经很难继续推进时，他没有让团队简单地再加班、再努力，而是换了一种方式，先问 AI：有没有过去没人走过的路？
最后能不能做成，仍然由人来判断、承担风险并推动落地。
AI 最大的机会，不是把原来的工作做快一点
现在很多人使用 AI，还是写文章、做图片、改文案、整理会议纪要。这些当然有用，也确实能节省时间。
但如果 AI 只帮我们把原来的工作从一天压缩到一个小时，它带来的主要还是效率提升。
更大的机会，是过去需要一个团队、较高资金和较长周期才能做的事情，现在一个人或者一个很小的团队也能启动；过去因为成本太高而没人解决的问题，现在可以重新算一遍账；过去只能服务大企业的能力，现在可能被做成普通企业也能使用的产品。
我这段时间做外贸、入境游和 AI 项目，对这一点感受很深。
以前做一个网站，需要产品、设计、开发、运营等多人配合。网站上线以后，还要持续做内容、搜索、社媒、广告、询盘整理和客户跟进。现在借助 AI，一个人可以先把大部分框架搭起来，再把真正需要专业判断的环节交给合适的人。
这不代表一个人真的取代了所有岗位。更准确地说，是一个人可以调用过去只有团队才有的能力，先把事情启动起来，跑出数据，再决定哪些地方需要增加专业人员。
这也是 OPC 这类小团队模式能成立的重要原因。不是因为一个人什么都会，而是因为 AI 把很多能力变成了随时可以调用的工具。
不要和 AI 比产量，要用 AI 找增量
AI 能批量写文章，你就比它写得更多；AI 能一天做几十张图，你就追求一天做一百张；AI 能自动发内容，你就把所有平台全部铺满。这样做很容易制造大量重复和低质量内容，却不一定能产生业务结果。
真正值得做的是，把 AI 放到一个真实问题里。
一家工厂有产品，但长期找不到海外客户，AI 能不能帮助它研究市场、整理产品资料、搭建海外内容和获客体系？
一个县域有很多生产企业，但缺少运营和外贸人才，AI 能不能帮助当地培养一批人，把原来放在大城市的营销和销售环节留在本地？
一个传统行业的服务成本太高，很多中小企业用不起，AI 能不能把成本降下来，做成新的服务模式？
这些问题没有一个万能提示词可以直接回答。需要懂业务的人把问题拆开，给 AI 足够的背景和数据，再不断验证、修正和执行。
AI 不是结果，它是在放大一个人的经验、判断和行动速度。
这个窗口不会一直这么大
现在很多人已经听说过 ChatGPT、豆包、DeepSeek、Gemini，但真正把 AI 放进每天业务流程里的人，仍然不算多。
不少人只是偶尔问几个问题，写几段文案。企业里也经常把“用了 AI”理解成开几个账号、买几套软件，原来的工作方法并没有改变。
这正是当前的机会。
当一项工具只有少数人在真实业务中持续使用时，先用起来的人会获得明显的效率和成本优势。等到所有公司、所有岗位都形成成熟用法以后，AI 就会像电脑、搜索引擎和智能手机一样，从竞争优势变成基本配置。
所以我说，现在真正的时代风口只有人工智能，并不是说只要沾上 AI 就能成功。
我所说的“风口”，不是某一个贴着 AI 标签的新行业，而是各行各业都可以借助 AI 重新做一遍。有人重做软件，有人重做营销，有人重做教育，有人重做外贸，也有人用它解决一个过去成本太高、效率太低，甚至没人想过怎么解决的问题。
普通人不需要先研究一个多么宏大的方向。先找自己最熟悉、最痛、每天都在重复发生的问题，看看 AI 能不能把原来十个人做的事变成两三个人做，把原来一个月才能验证的事缩短到几天。
这才是人工智能真正值得抓住的地方。
未来不是不需要人，而是不再需要那么多人继续用旧方法重复同一件事。AI 不会自动替任何人成功，但它会明显放大那些懂业务、会判断并且愿意行动的人。
资料说明：文中观点源自 The Diary Of A CEO 于 2026 年 8 月发布的 Michael Saylor 专访；约 150 亿美元为受访者在节目中的自述口径。Strategy 披露的 2025 年全年业绩显示，公司当年通过多种资本工具筹集了 253 亿美元，其中五次优先股首次发行募集资金总额为 55 亿美元。不同数字对应的统计范围并不相同，本文不对相关金融产品作投资评价。