Loading... # AI 用户正在分化为两类群体：差距令人震惊 # 一、新闻概述 ## 1. 标题 AI 用户正在分化为两类群体：差距令人震惊 ## 2. 发布时间 2026 年 2 月 1 日 ## 3. 来源 Martin Alderson 个人博客 # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 技术博主 Martin Alderson 发表文章，深入分析当前 AI 用户群体正在出现明显分化的现象。这种分化不仅体现在个人层面，更延伸到企业组织层面，对生产力产生了截然不同的影响。 ### B. 核心亮点 - AI 用户分化为"深度用户"和"浅层用户"两大阵营 - 微软 Copilot 在企业市场占据巨大份额，但体验远不如 Claude Code 等工具 - 小型公司正在利用 AI 工具实现对大型企业的弯道超车 - 企业 IT 政策成为 AI 生产力提升的主要障碍 ## 2. 关键信息 ### A. 核心发现 两类 AI 用户群体的特征差异显著 ### B. 重要数据 - 微软内部团队正在使用 Claude Code，而非自家的 Copilot - 一位非技术高管使用 Claude Code 几乎一次性完成了 30 个工作表的复杂 Excel 财务模型到 Python 的转换 ### C. 涉及产品 Claude Code、Microsoft 365 Copilot、ChatGPT、GitHub Copilot CLI、Google Sheets Gemini ## 3. 背景介绍 ### A. 行业现状 AI 工具在企业中的应用正处于快速发展期，但不同工具之间的能力差距巨大。企业级 AI 工具（如 Microsoft Copilot）因捆绑销售获得了巨大市场份额，但实际效果却远不如专业的编程代理工具。 ### B. 相关上下文 作者长期观察 AI 工具在企业和个人场景中的应用，发现媒体对 AI 生产力影响的报道常常令人困惑，这种困惑的根源正是用户群体的分化。 # 三、详细报道 ## 1. 两类用户群体 ### A. 深度用户（Power Users） 这类用户全面拥抱新兴 AI 技术，包括 Claude Code、MCP（Model Context Protocol）、技能插件等。令人意外的是，这些深度用户往往并非技术人员。作者观察到，大量非技术背景的人正在终端中使用 Claude Code，将其应用于数十种非软件工程任务。 金融领域的从业者从中获得了巨大价值。这并不令人意外，因为当用户习惯了 Python 等完整编程生态系统的强大能力后，Excel 在金融分析方面的局限性就显得尤为突出。 ### B. 浅层用户 这类用户通常只是与 ChatGPT 或类似工具进行简单对话。令人惊讶的是，许多本不应该停留在这个层面的人仍然属于这一阵营。 ## 2. Microsoft 365 Copilot 的问题 ### A. 产品体验差距 作者指出，Microsoft Copilot 的表现令人震惊地糟糕。尽管它凭借与 Office 365 订阅的捆绑销售在企业市场占据了巨大份额，但其体验就像是对本就不够出色的 ChatGPT 界面的拙劣复制。其"代理"功能与 CLI 编程代理（包括微软自己的 GitHub Copilot CLI）相比简直可笑。 ### B. 微软内部的选择 值得深思的是，微软自身正在向内部团队推广 Claude Code，尽管他们几乎可以零成本使用 Copilot，并且在 OpenAI 拥有重大股权。这充分说明了他们在 AI 工具领域落后的程度。 ### C. 企业困境 在企业环境中，Copilot 往往是唯一被允许使用的 AI 工具。员工要么冒着失业风险使用其他工具，要么花费大量精力去采购和使用其他 AI 工具。Copilot 运行缓慢，代码执行工具无法正常工作，处理较大文件时会严重失败，这似乎是由于极其激进的内存和 CPU 限制所致。 ## 3. 企业面临的风险 ### A. IT 政策的灾难性组合 企业 IT 政策导致了一系列灾难性的限制组合，基本上确保了员工无法成功使用更前沿的 AI 工具： - 环境高度锁定，无法在本地运行基本的脚本解释器（如果幸运的话可以用 VBA，但即便如此也可能受到组策略限制） - 被锁定在遗留软件中，核心工作流程没有真正的内部 API，这意味着即使能运行代理也无法连接任何系统 - 工程部门高度孤立（可能完全外包），内部没有人能够构建安全沙箱化代理运行所需的基础设施 ### B. 安全顾虑的现实性 安全顾虑是真实存在的。企业确实不希望员工在没有任何控制的情况下让编程代理随意操作生产数据库。而且，沙箱化代理确实很困难。 ### C. 决策层的误判 这正在成为许多企业的生存风险。高层决策者无疑在使用这些效果糟糕的工具，因此对 AI 持否定态度，或者花费巨资聘请各种大型咨询公司却收效甚微。 ## 4. 差距的具体表现 ### A. 对比案例 一方面，微软为 Excel 提供的 Copilot 集成效果很差（公平地说，Google Sheets 的 Gemini 集成也不好）。可以想象财务总监尝试使用它，结果在最简单的任务上一团糟，然后再也不碰它。 另一方面，一位掌握了 Claude Code 并能在本地运行 Python 的非技术高管，在作者的帮助下，几乎一次性完成了将一个包含 30 个工作表、极其复杂的 Excel 财务模型转换为 Python 的工作。 ### B. Python 的优势 一旦模型转换为 Python，配合 Claude Code 就相当于拥有了一个数据科学团队。可以轻松运行蒙特卡洛模拟、引入外部数据源作为输入、构建 Web 仪表板，并让 Claude Code 协助发现模型（或业务）中的弱点。看着某人意识到自己拥有如此强大的能力，而无需在 Excel 中苦苦挣扎数小时甚至数天，这是一种相当神奇的体验。 ### C. 竞争格局逆转 这实际上导致了小公司员工的生产力远超大型企业同行的局面。过去，小公司的人常常羡慕大型竞争对手拥有的资源和团队，但现在天平正在向另一个方向倾斜。 # 四、影响分析 ## 1. 行业影响 ### A. 竞争格局变化 小型团队正在获得前所未有的竞争优势。历史上从未有过这样的时刻：一个小团队能够如此轻松地与规模大千倍的公司竞争。 ### B. 技术趋势 - 自下而上的 AI 采用比自上而下的 AI 战略更有效 - 拥有内部系统 API 的公司将比没有的公司做得更多 - 遗留企业 SaaS 供应商面临巨大风险 ## 2. 用户影响 ### A. 企业用户 - 被锁定在效果不佳的工具中 - 无法充分发挥 AI 的生产力潜力 - 面临被小型竞争对手超越的风险 ### B. 小型公司用户 - 能够充分利用前沿 AI 工具 - 生产力大幅提升 - 获得与大型企业竞争的能力 ### C. 个人用户 - 深度用户获得巨大生产力提升 - 浅层用户停留在基础对话层面 - 差距正在加速扩大 ## 3. 技术趋势 ### A. 未来工作模式 ```mermaid graph LR A[用户提示] --> B[AI 代理] B --> C[API 连接] C --> D[内部系统] C --> E[外部数据源] B --> F[输出生成] F --> G[报告] F --> H[仪表板] F --> I[自动化流程] ```  用户发出提示，代理进行综合处理，连接 API 并按需生成输出。 ### B. 关键要素 - 拥有 bash 沙箱环境 - 配备编程语言和系统 API 访问权限 - 结合代理框架 - 为非技术用户提供强大能力 ### C. 生态影响 这种组合可以有效替代几乎所有标准生产力应用，包括传统的 Microsoft Office 风格应用和 Web 应用。它可以构建任何所需的报告，并以任何方式导出。这似乎就是知识工作的未来。 # 五、各方反应 ## 1. 作者观点 Martin Alderson 认为，真正的生产力飞跃往往是由员工自发推动的，而非来自自上而下的 AI 战略。当小团队决定为某个流程构建 AI 辅助工作流时，由于他们对该流程了如指掌，往往能获得非常好的结果。这与大多数"数字化转型"项目的模式恰恰相反。 ## 2. 业内评价 ### A. 对微软的批评 微软一边向客户销售 Copilot，一边在内部使用 Claude Code，这种做法引发了业界的广泛讨论。 ### B. 对企业 IT 政策的反思 企业需要重新思考如何在安全性和生产力之间取得平衡。CISO 需要找出如何大规模启用安全虚拟机的方法，类似于 Codespaces 的先例，只是需要扩展到整个组织。 ## 3. 未来展望 ### A. 安全机制 需要某种安全机制来包装这一切。托管虚拟机运行某种代码代理，配合经过深思熟虑的网络限制，至少对于只读报告来说效果不错。 ### B. 数据编辑挑战 对于创建和编辑数据，目前还没有让非技术用户能够安全使用代理的模式。 ### C. 遗留系统困境 遗留企业 SaaS 供应商要么拥有巨大的锁定效应，要么极其脆弱，取决于你如何看待。大多数不是"API 优先"的产品，现有的 API 通常是为开发者使用而设计的，没有针对数千名员工以各种奇怪低效方式调用进行优化。 # 六、相关链接 ## 1. 相关文章 - 为什么沙箱化编程代理比你想象的更难 - 为什么我要为代理构建自己的 CLI - 即将到来的 AI 算力危机 - Excel 代理能否释放 1 万亿美元的经济价值 ## 2. 参考资料 - 微软内部使用 Claude Code 而向客户销售 Copilot 的报道 *** ## 参考资料 1. [Two kinds of AI users are emerging. The gap between them is astonishing.](https://martinalderson.com/posts/two-kinds-of-ai-users-are-emerging/) 最后修改：2026 年 02 月 03 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏