我在近100个AI群里待了三年，看过几万条AI讨论，发现一个扎心的事实：虽然AI讨论很热闹，但真正把AI用进工作的人不到10%。很多人不是不会，而是被困在信息过载、试错成本高、没有动手能力的循环里。真正用得深的人，往往不是最会讨论的，而是那些有时间、有驱动力、愿意动手试错的人。
很多人不是在学AI，而是在围观AI
这三年，我在近100个AI群里待了三年，看过几万条AI讨论，有些几十个是我自己建的，有些是加的朋友的AI KOL的群，还有一些是因为新工具、新话题慢慢长出来的。很多群友是从最早的群一路跟到现在的。时间久了，大家慢慢都变成了熟面孔。
在这些群里待久以后，我越来越强烈地感觉到一件事：真正深度使用AI的人，其实很少。
我的直觉是：可能不到10%。
如果只看网上的讨论，你会觉得AI已经改变了所有人的工作方式。但如果你真的在这些群里待久一点，就会看到另一种现实：很多人一直在关注AI，很多人一直在讨论AI，但很少人真的把AI用进自己的工作里。
普通人学AI，常常会经历一个非常相似的过程：新工具出现，群里很兴奋，信息爆炸，大量围观，少数人动手，热度过去，群重新安静。这个过程我在很多群里反复看见。
很多人不是在学AI，而是在围观AI。
一、我最早做AI群，是从MidJourney开始的
我最早做AI群，大概是2023年三四月份。当时MidJourney在设计圈里突然火起来。我本身是设计师，所以很自然就开始研究它。但那时候有一个现实问题：网上几乎找不到完整的学习资料。尤其是中文资料，非常少。
我一直有一个习惯：学一个工具，最好的教程其实是官方文档。所以我当时做了一件很笨、但也很扎实的事情——从MidJourney官方文档开始，一点一点学习，几乎手动翻译了整个知识库。然后再结合自己的体验，写了很多帮助大家快速上手的文章，最后整理成一个知识库。
后来这个知识库被Twitter上一些AI领域的大号转发，大概两个月左右，有了200多万访问量。
流量起来之后，我开始意识到：是不是可以建一个社群，让大家讨论和交流？于是我就在知识库下面放了一个二维码。很快，第一个群出现了。然后第二个、第三个。到后来，MidJourney相关的群就有了十几个。这就是我最早做AI群的开始。
[这里放30多个群的截图拼图]二、AI群最热闹的时候，往往是FOMO最强的时候
在这些群里待久以后，我慢慢发现一个规律：AI群最热闹的时候，往往不是技术最成熟的时候，是有代表性工具出现的时候。
比如MidJourney、Stable Diffusion、GPT-4o、OpenClaw。每次这种工具一出来，群里的氛围都会突然变化。原本安静的群，会突然开始转新闻、发测试、讨论能力、猜未来。
如果我觉得这个工具确实值得关注，就会基于这个工具再建新群。比如GPT-4o群、Gemini3群，然后从旧群里把那些一直关注AI的人邀请进来。新群一旦形成，活跃度通常会非常高。大家讨论的不只是工具本身，还会讨论对AI的理解、工作的焦虑、机会判断，甚至一些工作吐槽。
但这种热闹通常不会持续太久。
我记得GPT-4o刚出来那几天，有个群一晚上刷了2000多条消息。大家疯狂测试它的能力、讨论价格、分析模型差异。但一段时间之后，这个群就安静下来了。因为很多人测试完一遍以后发现：其实用不到自己的工作里。
所以我后来慢慢意识到一件事：AI群最热闹的时候，往往不是落地最多的时候，而是FOMO最强的时候。
三、很多人一直在群里，但其实一直没有开始
后来我慢慢注意到一个现象。有一些群友是从最早的群一路跟到后面的群。某种程度上，他们已经算是这些群里的”老熟人”。他们一直在群里，也一直在关注AI。但时间长了以后我发现：很多人其实并没有真正实践。
他们更多是在看讨论、看新闻、看工具、看教程。有时候会出现一种情况：有人在群里待了几年，几乎从来没发过言。某一天突然问一句话：MidJourney怎么下载？但那个时候，群里早就已经在讨论GPT-4o了。
这让我意识到：他虽然一直在群里，但其实一直没有开始。
而同时我也越来越明显地感觉到：真正深度使用AI的人，其实非常少。我的直觉是：不到10%。
真正的分界线，其实不完全是职业，而更像是三件事：有没有时间、有没有动手能力、有没有真实驱动力。
很多真正用得深的人，反而不是最会讨论的人。而是那些真正做过实验的人。他们说的话往往更具体、更细节。
四、AI真正的门槛，是动手能力
很多人会觉得AI门槛已经很低。只要打开聊天窗口，谁都可以试。但如果你真的想把AI用深一点，就会发现一个隐形门槛：动手能力。
如果你没有技术背景、自动化经验或者基础技术理解，那么很多AI能力其实很难真正用起来。这时候就会出现一个悖论：我用不好AI，所以我没办法借助AI扩展能力；能力扩展不起来，就更难把AI用深。很多人其实就停在这个循环里。
我自己其实也是一个例子。我做过产品经理、前端开发、体验设计，也参与过一些创业项目。但即便是我，真正开始调用API使用大模型，其实已经是2024年左右的事情了。也就是说，从GPT-3.5出现开始算，我过了接近一年才真正进入这一层。
但当你真的开始把AI接进自己的流程以后，你会发现：很多事情的可能性突然变多了。
五、很多人没有条件试错
很多人不用AI，很容易被理解成懒、不愿学。但现实情况其实更复杂。因为在现实工作里：尝试AI本身是一件成本很高的事情。
很多人在工作中的期待其实很简单：希望AI能立刻产生结果。但现实情况是，大多数AI更像助手。它可以帮助思考、整理信息、提高理解效率。但并不总能直接替你完成整个流程。如果我原来已经有一套稳定的方法完成工作，那么为什么要在高压工作里再引入一个新的变量？这个变量会让时间不可预估、结果不稳定、还要额外学习。
于是很多人就会退回原来的工作方式。不是因为不会，而是因为：他们没有条件承担试错成本。
六、很多人被挡住，是因为信息过载
除了时间和动手能力之外，我后来越来越强烈地感受到另一件事：信息过载。
现在AI的发展速度已经快到普通人很难承受。每天都会出现新模型、新工具、新框架、新概念。如果你长期刷这些内容，很容易产生一种感觉：这个领域每天都在变。
但如果你真的在这个领域待久一点，反而会慢慢发现：绝大多数工具，其实不值得花很多时间关注。真正重要的东西反而很基础：API、模型理解、workflow、prompt能力。
外界的概念一直在变化：工具、GPTs、Agents、各种新名词。但如果你真的往里走，会慢慢发现：很多变化只是包装在变。真正重要的基础能力，其实没有那么快变化。
七、AI不会自动改变你
这些观察未必是结论。但它们确实改变了我看AI的方式。AI工具越来越多，讨论越来越热闹。但真正把AI用起来的人，并没有想象中那么多。
很多人一直在追AI、追工具、追热点、追新的概念。但真正改变一个人工作方式的，往往不是这些变化。而是你有没有开始动手、有没有在真实场景里反复试、有没有慢慢建立自己的理解。
很多差距，可能就是从这里开始拉开的。讨论AI并不难。
真正难的是，在自己的场景里把它用起来。
而这一步，可能才是大多数人一直没有跨过去的门槛。