实际上，AI 在很长一段时间都无法替代任何岗位，只会让这个岗位的人越来越少。

以编程来说，如果你设计好每一个功能的实现方式，让 AI 去写，你的 Token 消耗量是 1。如果你只设计好规格和架构让 AI 去写，那么你的 Token 消耗量就会变成 10。如果你只说需求，让它自己迭代，那么你的 Token 消耗量就会变成 100。

但任何可以盈利的商业模式，它的成本都是有限的。也就是说，对于软件编程的场景，如果你完全没有软件工程师，或者只有非常少的软件工程师，你只能选择 Token 消耗量是 100 的方式。那么你能使用的模型的单价就要比竞争对手便宜 10 倍。放到现在来看的话，就是你的竞争对手可以用 Fable 5.1，但是你只能用 GLM 5.3。

因此，在选择性能更好的模型和更高的效率以及更低的成本上，它存在一个平衡点。那么这个平衡点一定要引入一定数量的人来控制业务上下文窗口的原子大小，从而降低 Token 消耗。