今天AI圈的焦点全在上海的世界人工智能大会上，除了刷爆朋友圈的2.8万亿参数大模型，更值得琢磨的是背后的信号：巨头们开始拼成本了，普通人靠AI搞副业的逻辑也终于落地了。
今日要闻
昨天WAIC开幕现场发布了全球参数最大的2.8万亿开源模型，别光盯着“2.8万亿”这个数字——开源才是关键。之前大模型的顶级技术都攥在OpenAI、谷歌这些巨头手里，中小企业想用只能花钱调用API，现在有了这种量级的开源模型，只要有算力，企业就能自己部署、微调，不用再看巨头的脸色。而且这么大的模型开源，意味着国内AI技术的底层能力已经追上国际水平，后续针对垂直领域的定制化模型会越来越多，比如医疗、工业制造这些场景，成本能降一大截。
证券日报的消息说，AI大模型竞争已经进入“拼成本”新阶段。OpenAI、xAI、Meta最近都更新了新一代模型，核心不是堆参数，而是优化推理效率——比如同样生成1000字内容，新模型的算力成本能降到原来的三分之一。这对普通开发者来说太重要了，之前很多有意思的AI小工具因为API成本太高不敢上线，现在成本降下来，只要找到精准的小痛点，比如给小红书商家写精准的商品文案，给学生整理专业课的思维导图，都能低成本试错。
变现思路
有人总结了普通人用AI搞副业从月入900到4000的实操方法，核心是别信那些“单月变现5万”的噱头，先从能落地的小赛道切入。比如给本地商家做AI短视频脚本，你不用会拍视频，只要用ChatGPT生成符合本地口味的脚本，再用剪映的AI工具自动生成视频，一个脚本收50-100块，一天接2个就能稳定起步。还有做AI简历优化，用Claude分析招聘JD，再给求职者修改简历，重点突出岗位匹配的关键词，这种需求一直都有，而且AI能帮你把效率提10倍。
另一篇2026落地版的AI赚钱指南说得更实在：AI是效率工具，不能自动赚钱，核心靠「信息差+人工微调交付」。信息差就是你知道怎么用AI解决别人解决不了的问题，比如你用Midjourney生成特定风格的插画，而别人只会用默认参数；人工微调就是不能完全靠AI输出，比如AI写的文案太生硬，你要改成符合用户语气的版本，AI生成的PPT模板，你要调整配色和排版适配客户的品牌。只要每天花1-2小时，从自己熟悉的领域入手，比如你是宝妈就做AI育儿内容，你是上班族就做AI办公工具教程，慢慢积累客户就能稳定变现。
效率利器
最近有两篇关于AI代码助手的横评，对比了Cursor、GitHub Copilot和Claude Code。简单说，如果你是前端开发者，选准没错——它能直接在编辑器里理解整个项目的代码结构，生成的组件代码几乎不用改；如果你是全栈开发者，GitHub Copilot更合适，它支持的编程语言最多，而且能和GitHub的生态无缝对接，比如自动生成单元测试；如果你需要处理大段的代码逻辑，比如写复杂的算法或者重构旧代码，Claude Code的上下文理解能力更强，能一次性处理上万行代码的需求。
今日行动建议
今天可以做：打开Cursor官网，申请免费试用，导入你正在写的一个小项目，让它帮你重构一段冗余代码，感受一下AI编程的效率。
本周可以做：选一个你熟悉的小领域，比如宠物、美食，用ChatGPT生成3个AI副业的具体思路，每个思路写清楚目标客户、交付内容和定价。
长期关注：跟踪国内开源大模型的发展，比如这次发布的2.8万亿参数模型，后续看看有没有针对垂直领域的微调版本，提前布局相关的应用开发。
今日小思考
今天最让我感慨的是，AI终于从“讲故事”阶段进入“拼实干”阶段了。之前大家都在比谁的模型参数大，谁的功能炫，现在开始拼成本、拼落地，普通人也能找到真正能赚钱的路子。其实AI从来不是什么“颠覆式革命”，它就是个效率放大器——你本来能赚100块，用AI能赚400块；你本来需要一天完成的工作，用AI几小时就能做完。别总想着靠AI一夜暴富，先从身边的小需求入手，把AI变成你的“职场外挂”或者“副业工具”，这才是最实在的。
WAIC揭幕：巨头转向拼成本，独立开发者的新窗口来了
昨天上海WAIC开幕，最值得关注的不是那个2.8万亿参数的开源模型，而是整个行业的转向——从拼参数规模彻底转到拼成本效率。OpenAI、Meta这些巨头已经在喊着优化Token效率、砍调用价格，国内MiniMax甚至靠自研MSA架构把计算成本压到了原来的1/20，这对独立开发者来说是真金白银的机会。
之前不敢碰的高成本AI应用，现在可以试着落地了。比如需要高频调用大模型的实时客服智能体，或者批量处理文档的工具，成本门槛直接降了一个量级。而且这次大会上展出的端侧AI设备，比如国行苹果绑定的千问大模型、升级的智能体眼镜，都在给终端应用铺路，意味着面向C端的AI小工具，终于不用再担心用户的模型调用成本门槛。
还有个容易被忽略的信号，就是那颗14纳米制程却能跑520万亿次浮点运算的自研AI芯片。它证明了不用追最先进的制程，靠架构创新也能拿到高端算力，这对那些想做轻量化私有部署模型的开发者来说，等于多了个低成本的算力选项，不用再完全依赖云厂商的高价GPU。
不过别忙着跟风做通用工具，现在大厂都在抢生产力工具和智能体赛道，小开发者不如盯着细分场景。比如针对特定行业的文档处理智能体，或者结合智能眼镜的垂直场景助手，这些领域巨头还没完全覆盖，而且有现成的端侧AI能力可以对接。
— 2026年7月18日 星期六 —
微信扫一扫，打赏作者吧～
