图源：Unsplash
DeepSeek掀起的AI浪潮还在继续。
作为教育工作者，知智教育创始人/CEO、前快手教育生态运营总监李卓分享了他眼中的2025年AI市场的机会。
李卓表示，DeepSeek-R1大幅提升的CoT能力，提升了自然语言理解能力，降低了指令使用门槛，使AI应用规模化推广有了可能。他推测，2025年会出现大量的垂直行业、场景应用。
同时，显而易见的是，AI也将带来不平等现象，直接可预期的现象包括结构性失业与创业机会、权力的结构性缺失。
R1带来的扩散效应，我的判断 交互层
大幅提升的CoT能力，提升了自然语言理解能力，降低了指令使用门槛。AI应用规模化推广有了可能。
接下来，记忆能力和user画像理解能力，可能是一条新的热门技术路线，因为可以提升CoT的精准度和耗能。
模型层
在模型训练、强化、数据应用上提出新的技术组合，会带来模型成本的进一步降低。
开放的API成本降低，可能就会带来更多垂直专家模型的强化（搜索就是一个例子）。
应用层
以此类推，今年会出现大量的垂直行业、场景应用。多看blog和产品试用是需要培养的习惯。
但是移动互联网的经典范式：“流量+产品”解决方案还是没变，今年有没有新的产品创业、持续增长和活下去的机会，依然存疑。
创业层
对于现在来说，简单事情重复做的，可能还是理解过往场景、痛点，AI 的解决方案是什么。
认知≠执行≠成功，但是场景和解决方案的认知，绝对是绕不过去的。大白话来说，就是贴近用户、理解场景、迭代方案。
与R1的讨论：新的视角与深化
我把上述观点抛给了R1，一些回复的内容带来了新的视角：
1. CoT层面：模型逻辑的引导性与信任成本
模型逻辑对人的“引诱”
CoT能力的提升使得模型输出更加“人类化”，但也同时要求用户在逻辑判断和思考能力上，与AI相匹配或强于AI。否则，人对生成信息的引导和判断，都会由AI（或背后的开发者）定义，而非人本身。
信任成本的考量
信任成本是AI应用中的一个关键问题。
以医疗行业为例，AI系统若无法提供可验证的推理过程，医生可能会拒绝使用。当模型能生成细腻的CoT时，用户可能陷入“解释依赖”——必须逐行检查推理链，反而增加认知负担。
因此，CoT的真正价值不在于其“易用性”，而在于其“可验证的可靠性”。只有当用户能够信任AI的逻辑和结果时，AI才能真正被广泛接受。
技术原因导致的逻辑递推错误
此外，CoT能力的提升可能导致“逻辑递推型错误”，即模型在复杂推理过程中可能产生偏差。
这种错误可能源于数据质量、算法设计或用户输入的不确定性。但失之毫厘，谬之千里的情况也存在不小的概率。
2. 应用层面：流量重构与用户共识
流量重构：从“信息需求”到“决策需求”，从“功能需求”到“助理需求”
传统流量逻辑失效的本质，是用户从“获取信息”转向“获取决策”。
例如，用户不再仅仅搜索“如何理财”，而是直接要求AI生成个性化的理财方案。这种转变不仅改变了流量的入口（从搜索引擎到AI助手），也重新定义了用户与AI的互动模式。
决策让渡的正反两面性
决策让渡的双刃剑效应在AI应用中尤为明显。
一方面，AI可以帮助用户节省时间和精力，提升决策效率；另一方面，过度依赖AI可能导致用户失去自主决策能力。
作为一个教育工作者，我一直在纠结一个问题，如果说数学和语文学习的高维境界是思辨和逻辑能力，但显然在这一点上，人与AI存在一定程度上的控制与反控制关系。
我们接下来如何教授语文和数学，是一个很大的挑战。
需求真伪
许多垂直场景的需求是“技术想象”而非真实痛点。例如，AI法律顾问在多数国家因合规限制无法落地，沦为演示Demo。
3. 市场挑战：巨头优势与快速复制能力
巨头复制的“闪电战”
如上文所说，AI应用的开发，前提是具备对于垂直场景及其解决方案（流程、指令）的深入理解。但是交付给C端用户时，必然是简单易上手的。
但是这带来了AI应用创新者的天然悖论，即使创业者具备行业专家知识，并成功开发出垂直领域的AI解决方案，巨头企业仍可以，通过流量和资源优势快速复制这些方案。
创业公司的窗口期可能短至1-2个月。
巨头的技术优势：数据垄断与算力控制
DeepSeek等开源模型的普及虽然降低了技术门槛，但巨头企业通过数据垄断和算力控制仍占据优势。例如，互联网平台通过用户协议垄断数据源，形成“模型封建制”。
一个教育工作者的新想法
显然，AI带来的不平等现象是直接可预期的：
1. 结构性失业与创业机会
AI是一个高知识密度的工具和产业。因为认知、逻辑能力、指令能力的差异，AI带来的创业机会与就业机会，与绝大多数人无缘。
2. 权力的结构性缺失
就像绝大多数下沉市场的中老年，数据隐私与应用安全无从谈起，以及多数青少年难以享受真正的防沉迷系统一样。
刚才提到，AI时代的决策权让渡会进一步加剧——当AI接管更多决策（如医疗、司法），是否存在AI开发者、定义者对于许多用户决策权的自动化接管？
基于此，与Sam Altman基于土地征税的逻辑差不多，我也有一个想法：征收AI税，并将收益用于全民教育。
AI税的具体意义：通过AI税，可以将技术红利更多地惠及全社会，确保每个人都能享受到AI带来的便利。投资于教育：将AI税的收入用于全民编程教育、思辨教育和人文教育，可以帮助全民提升对AI的理解和使用能力，减少技术鸿沟。
你认为，AI税到底是乌托邦还是必需品？
- 创业
- 技术
- AI
- 教育
