昨晚把《硅谷101》再访田渊栋那期看完，心里挺不是滋味——不是焦虑，是一种很清醒的「分层感」。
田渊栋你可能听过：前 Meta FAIR 研究总监，在 Meta 待了快 11 年，去年被裁之后，手机被各路公司和猎头打爆。半年后他敲定了下一站——和另外 7 位顶级研究员一起，创立新实验室 RSI（Recursive Superintelligence，递归超级智能）。这家公司还没有任何产品，就已经官宣了 6.5 亿美元融资、46.5 亿美元估值。
他们赌的是什么？一句话：用 AI 去造更强的 AI。
一、田渊栋们在赌的：让 AI 自己卷自己
RSI 这个名字里，最关键的词是 Recursive——递归。
田渊栋的解释特别朴素：能不能用 AI 来优化 AI 自己的那些东西，让 AI 变得更强，然后「左脚踩右脚」再往上踩一层。 他们官网上写的目标是一句很狠的话——maximizing knowledge discovery rate（最大化知识发现的速率）。
为什么是这条路？因为他们认定：在「做研究」这件事上，人类本身就是瓶颈。 研究员再聪明，也要吃喝拉撒、要睡觉，没法 100% 的时间扑在上面。但 AI 不用——你可以让几千个 AI 同时跑，无穷无尽地读文献、提假设、做实验。所以第一步，是让 AI 接管那些繁琐重复的科研劳动；再往上，是让它自己发现新的洞察。
他们的路线图也很具体：计划今年年中左右，先推出一个 Level 1 的自主训练系统，目标是做出具备「5 万名博士能力」的系统来自动化 AI 科研本身。田渊栋说，如果把终点算作 10，现在大概只在 0.5 到 1-2 之间——极早期。
为什么没产品、资本就敢砸这么多钱？他给的答案很直白：「最顶级的资本，还是看人。」 在 AI 这种变化极快的领域，一开始根本讲不清最终产品长啥样，资本赌的是这 8 个人过去的履历、能力，和团队的执行力。
二、这条路，普通人一点都复制不了
听完很热血，但冷静下来，我必须承认一个残酷的事实：这条路，跟绝大多数普通人没有半毛钱关系。
你看它的门槛——8 个联合创始人，全是顶配：Richard Socher（CEO，做过 Salesforce 首席科学家、创立 You.com）、Tim Rocktäschel（Google DeepMind 世界模型 Genie 负责人）、Jeff Clune（论文被 Nature 收录）、Josh Tobin（OpenAI 早期员工）、Alexey Dosovitskiy（Vision Transformer 一作）……再加上几千几万张卡的算力、和「看人就敢投」的顶级资本。
这三样——顶级研究员、海量算力、看人下注的资本——普通人一样都没有。所以「用 AI 造 AI」这件事，本质是在金字塔尖上造智能，是发电厂级别的工程。羡慕可以，照抄不行。
但访谈里田渊栋还说了另一句话，反而点醒了我。他说，前沿大模型之争，最后其实变成了「组织架构之争」——大公司频繁 reorg、频繁裁员，根本原因是组织的沟通速度，已经跟不上 AI 的发展速度了。
换句话说：最稀缺的从来不是模型，是「把模型用进真实组织」的能力。 连最顶尖的大厂都卡在这儿。那这道缝里，普通人的机会就出来了。
三、普通人的位置：FDE，前沿部署工程师
我想认真安利一个被严重低估的词：FDE，Forward Deployed Engineer，前沿部署工程师。
这个角色最早是 Palantir 玩出来的，现在连 OpenAI、Anthropic 都在大举招 FDE。它的核心不是发明新算法，而是：直接驻扎到客户的业务现场，搞懂他们真实的工作流，再把现成的、已经足够强的 AI，「最后一公里」地塞进一个个具体场景里，交付出真正能用的结果。
如果说田渊栋们在「造电」，那 FDE 干的就是「把电接进千家万户」——拉线、装表、让灯真的亮起来。前者门槛高到普通人够不着，后者恰恰是普通人能一步步攒出来的活。
为什么我说它被低估？因为大多数人的直觉是反的：总以为模型越强，中间这层「接线工」就越没用。 恰恰相反。
四、AI 越强，「最后一公里」反而越值钱
模型能力一路飙升，但有一条鸿沟不但没被填平，反而越来越扎眼——通用模型和你公司真实业务之间的鸿沟。
再聪明的模型，也不知道你们公司的流程怎么走、数据存在哪、有哪些不能碰的规矩、客户为什么这么计较那个细节。 田渊栋在访谈里反复强调，越往上走，评估一个结果好不好会变得越来越主观、越来越「结果导向」——没有标准答案，只看「人 + AI 最后做出来的那个东西，是不是大家真正想要的」。
这句话翻译成普通人的机会就是：通用智能负责「聪明」，而「在你这个具体场景里到底怎样算对」，永远需要一个懂行的人，把它调教到能用。 这一公里，模型自己跨不过去。
而填这一公里需要的能力，根本不是博士级的科研，而是三样普通人攒得起来的东西：
- 懂一个具体行业的真实痛点。 你在某个领域待过、踩过坑，知道哪儿最疼。
- 会把 AI 接进工作流。 不一定要会训模型，但要会调度工具、串起流程、让它真的跑通。
- 能对最终结果负责。 这恰恰是田渊栋说的「result driven」——交付的是结果，不是一段聊天。
你发现没有，这套能力，跟昨天那篇聊「一人公司」的逻辑是同一条线：当执行被 AI 拉平，值钱的能力会向上游迁移，迁到「定义问题」和「对结果负责」。 FDE，就是这条逻辑最落地、最能马上开张的一个职业形态。
五、泼盆冷水：FDE 不是「高级外包」
但我得泼一盆冷水，免得这词又被讲成鸡汤。
FDE 最容易掉进去的坑，就是干成「高级外包」。 按单接活、帮人调调 prompt、做个一次性的小工具——交付完拿钱走人，下一个客户再从零开始。这样干，你只是把「坐班打工」换成了「上门打工」，更累、更不稳，本质没变。
真正的分水岭只有一个问题：你有没有把每一次交付，沉淀成一套可复用的工作流和产品？
第一次帮客户落地，是接活；但到第十次，你手里应该已经攒出一套能开箱即用、直接卖给下一个客户的东西。从「按次交付」走到「产品化交付」，FDE 才从打工，升级成真正属于你自己的生意——这也呼应了我一直说的那个「飞轮」：它得能在你睡觉的时候，继续替你产生价值。
写在最后
所以看完这期访谈，我的结论不是焦虑，而是认清分层、各取各道。
田渊栋们在金字塔尖上「造智能」，那是少数人的牌桌，门票是顶级履历、海量算力和看人下注的资本，普通人羡慕就好。但智能造得越强，「把它接进一个个真实业务现场」的活就越多、越值钱——这张牌桌，是为普通人留的。FDE，就是这张牌桌的名字。
而这件事，恰好是我每天在做的。我一个人带着一支 AI Agent 团队跑出来的 Zaokit，做的就是 FDE 思路的产品化——不造模型，只负责把现成的强 AI「最后一公里」地落进真实场景，帮大家高效完成图文创作和 PPT 生成。
除此之外，cx.zaokit.com、cc.zaokit.com、gift.junxinzhang.com、更多项目 这一整套服务，都已经融入企业的真实工作流，是稳定靠谱的 AI 全家桶、开箱即用——这，就是我自己那条「FDE 飞轮」最真实的样子。
我是 Jason，一个独立打造 AI 产品的创业者。如果这篇帮你想清楚了「普通人该往哪儿挤」，欢迎转发给身边还在纠结要不要 all-in 大模型的朋友。
我一个人打造的 Zaokit AI 产品（https://zaokit.app）正在内测，唯一网站：https://zaokit.app。最后，如果你认可 Zaokit AI 的产品理念，欢迎后台留言加入我们的社群。我们不卖课、不割韭菜，只聚焦 ToB 企业场景的 AI 落地实战。
相关阅读：
- 本文原视频：《大模型没有永远的赢家》——再访田渊栋，46.5 亿美金估值的 RSI 与 AI 自进化｜硅谷101
- 曲晓音说「别给老登公司打工」：但把打工的皮换成自雇的皮，本质还是高级打工
- 你说的 Agent，八成只是个 Workflow：差别不在步骤多少，在谁决定下一步
- AI 是普通人这辈子最大的杠杆：可全球 80 亿人，真正在用「最高级智能」的还不到万分之一
</content> </invoke>
曲晓音说「别给老登公司打工」：但把打工的皮换成自雇的皮，本质还是高级打工