有句歌词说得好：「得不到的永远在骚动」。
过去两个月，我差不多把以前觉得实现成本太高、现在可以靠 AI 做出来的事情，都试了一遍。写东西、拆书、整理资料、做各种自动化……
现在的 AI 已经很强大，只是很多事情需要等。一个任务跑几分钟很正常，复杂一点的半个小时、几个小时，甚至更久。某种程度上，我倾向于认为模型跑得越久，结果质量越高，这也是我愿意等待模型生成的一个原因。
但是，做了一圈回来，我发现好像也没有想象中的星辰大海，生成时间和结果的价值之间也没有必然的正相关。
近来，我的 token 消耗量明显下降了。比如，我不再用 AI 拆书；每天的自动化推送里，我真正会关注的，也只有 AI 在我的笔记库里「随机漫步」后找到的内容。那些内容本来就是我的经历、我的阅读和我的想法，AI 帮我再次与它们相遇。
今年年初，我写过《AI，从笔记系统开始》。当时我很兴奋的一点是，AI 可以让知识图谱里的节点连接起来。过去两个相隔很远的笔记，也许永远不会见面，现在 AI 可以把它们重新拉到一起，并且生成新的理解。
笔记软件常被称作人的「第二大脑」。现在很多人用 AI 管理 Obsidian，但无论管理得多好，作用的仍然是「第二大脑」。它是外脑，不是自己的大脑。如果所有知识都只是被保存、检索和重新组合，我拥有的资料也许越来越多，但也仅此而已。
在企业里，大量工作本来就是为了得到一个结果：查资料、核对信息、写报告、整理会议纪要、处理表格、执行流程。只要 AI 做得足够可靠、速度足够快，用更多 token 去换更少的人力时间，完全是一笔划算的买卖。
AI 在这方面的能力只会越来越强，但对个人来说，「AI 能生成什么」已经没有那么大的吸引力了，每个人每天能处理的信息是有限的。我认为每个人更应该关心的是：这些东西最后有没有影响自己。
我最近经常想到计算机的发展。早期计算机巨大、笨重，一次计算需要等待很久。后来计算速度越来越快，直到今天，我们已经几乎感觉不到大多数计算过程的存在。
AI 大概也会经历类似的过程。今天我们发出一个复杂任务，还要看着它跑十分钟、半个小时。未来，也许很多今天需要等待的事情，真的会在几秒钟内完成。
如果这一天真的到来，我们拥有了「言出法随」的能力，真正的问题或许就不再是 AI 能替我做什么，而是要去想哪些事情值得做，提出真正的问题。
又回到了提升自己的大脑这一点上，这仍然是碳基生物之为碳基生物的关键。