前这段时间 OpenClaw 炙手可热，很多朋友都想尝试新鲜的 AI，可因为门槛比较高，还没机会试用上，很担心自己错过什么。

没在第一时间用上 OpenClaw，关系不大。毕竟这个技术很新，有些安全隐患，也还有很多进步空间。

可是抛开刚出现不久的小龙虾，不知不觉，距离 AI 技术开始成为全民应用，已经三年多了。

随着 AI 生态不断进化和演变，我们的日常生活也不知不觉产生了变化。

过去互联网飞速发展的时代，诞生了不少新岗位，比如产品、运营、工程师等。马车变成汽车，但是驾车的还是人。

现在我们正在往人工智能时代过渡，新的技术浪潮在酝酿。在此期间，岗位迭代和缩减，汽车开始有不同种类，不同形态。

但问题是以后开车，还真不一定需要人。

当然，这期间也许也会萌生出一部分「指挥开车」的新岗位。但这部分岗位数量少，要求高，竞争大。

那些过去循规蹈矩，勤勤恳恳的从业者，本身技能和经验相对单一，年纪上来后，学习能力适应能力也不如前，很难在新一轮岗位迭代中脱颖而出。

这种顾虑并非多余。可以肯定的是，长江后浪推前浪，过去吃到时代红利的这部分人，之后很容易就被年轻人拍上岸，甚至拍离了沙滩上。

目前 AI 浪潮已经势不可挡，一只脚迈进中年的我们，之后收入也不再稳定。

这里我也再一次强烈建议大家，一定要在自己收入出现下滑苗头时，尽快找到自身收入第二增长曲线，来维持较高收入。

他们成立十年至今，已经帮助了数百万家庭做好资产规划，让家庭财富更安全更可持续。

他们真的很不一样，

没有上来就推销热门产品，更不会喋喋不休骚扰。

而是通过大量调研和数据分析

，

站在你的角度 1 对 1 定制适合的家庭保障方案，

先

帮整个家庭建立起基础的保障体系，真正做「量体裁衣」。

此外，规划师还会帮你梳理家庭财务状况，

为你做好三张表：

资产负债表（实力如何）

收支储蓄表（能力如何）

现金流量表（抗风险力如何）

分析诊断存在的问题，教你通过科学比例，做到风险收益比突出的组合，

为你家庭打造终身可以领钱的现金流体系。

上份报告，是之前亲自体验服务时，

理财师

为用户量身定制

长达二十几页的规划书。

对，你没看错，不是机械复制，是真正 1V1 做的规划书。

他们帮把手里的资产，规划成了每月可以稳领一笔钱，一直领终身的现金流，全家人都能受益躺平。

惊喜不止这个，这份规划书里面还详细涵盖：

• 家庭定位及财务诊断分析

• 按需定制人生各阶段财富规划

  
  

• 全面搭建家庭资产配置框架

• 储备养老金提前 20 年退休躺平

• 给娃规划一笔终身受益的教育金

• 利率下行资金向上置换

• 手里有 200 万/ 300 万/ 500 万，如何实现每月躺收几万块

• ……

通过他们规划后，无论未来走向如何，面对怎样的突发风险，

每个家庭

都能拥有充足的保障体系，

同时还

能守住现

有财

富不被黑天

鹅侵袭。

因为服务质量出色，也推荐了很多朋友和读者去体验，发现反馈不错，赞不绝口。

不管需不需要，朋友们都可以去了解一下。

每位报名者都能获取专属家庭规划方案 3 份。

小众消息第 N 次读者专属福利

扫一扫报名

即可

领取价值 699 元

家庭专属保障规划方案三份

+

家庭资产增值服务

▼

长按识别二维码

（领取小众消息福利，仅限 200 名）

再多说一嘴，拼命赚钱的确重要，资产配置和保障规划也是必不可少。

另外，报名成功的朋友，还给大家争取了 3 份额外超值福利，抢到就是赚到。

① 免费获取 3 份易理解、能操作、可落地的专属保障方案

② 免费获得专业的《家庭财务规划宝典》电子版一份

这份地图只送不卖，包含 50 多个模块、165 张图表和 832 个知识点，简单直观，有趣易懂。

小众消息连续 8 年送读者福利，速领～

限前 200 名 先到先得

扫码领取上述 3 份额外服务

附赠高端资产增值方案

或点击 {阅读原文} 领取专属福利，限前 200 名

这一轮国内 AI 大潮的演进，很难再用「技术突破」或「产品创新」来简单概括。如果换一个更贴切的描述，倒是更像在焦虑驱动下展开的系统性扩张。春节期间的红包混战、几家巨头大模型定位的频繁摇摆、到现在的全行业「龙虾」热，看起来是热闹的创新繁荣，如果把这些现象放在同一张坐标系里观察，会发现一个更深层的特征：在不确定性之中不断试探与外延，这其实上是一种典型的「熵增」过程。

这种熵增并不只体现在技术层面。模型参数持续刷新，能力指标不断被抬高，但用户的真实感知并没有同步提升；产品形态快速迭代，却缺乏稳定结构；内容生成能力显著增强，信息污染问题却愈发突出。随着前几天「315 曝光 GEO」事件的出现，用户对大模型内容的信任似乎开始出现裂痕。行业正在从「谁更强」的竞赛，悄然转向「谁更可靠」的比拼。

这样的背景下，百度的路径转变倒是显得有些反直觉。不再一味地强化参数竞争，在叙事上也不再不断切换，选择了一种更为克制的方向：全栈优势。其中全栈优势下，又主打应用驱动。这种聚集式创新，可以理解为一种「熵减」策略，即在系统复杂度不断上升的情况下，有意识地降低不确定性、压缩噪音、强化结构。

这种取向首先体现在模型层。此前围绕「铸币坊」读音的讨论中，多家大模型给出了不一致甚至错误的答案，最终反倒是百度内嵌的 AI 给出了正确结果。这个案例虽是个例，但却揭示了一个关键转折：用户真正关心的，并不都是模型能否给出更复杂的推理，还要看是否可靠、是否稳定、是否值得信任。在这一维度上，「更少幻觉」往往比显得「更加聪明」更有价值。百度没有把重心放在参数规模的极限拉升上，而开始更多投入在降低污染、减少幻觉，并通过产品结构提供交叉验证的可能性。这意味着正试图把大模型从一个「生成工具」，重新锚定为一个「可信工具」。

在产品层，这种熵减体现得更加明显。许多公司选择用 AI 去替代搜索，而百度则选择用 AI 去强化搜索。搜索的核心从来不只是答案本身，还需要信息的选择权与判断路径。将文心助手嵌入百度 App，让用户在 AI 生成结果与传统搜索结果之间形成对照，从而完成判断。这种设计看似减少了「自动化程度」，但却显著提高了系统的确定性。而类似「百看」这样的形态，搜索后以 AI 生成及检索综合呈现的多模态搜索结果，也是沿着同一逻辑展开：通过 AI 提升信息获取效率，同时保留用户对信息的解释与选择能力。在这里，AI 并没有取代人，反而是被约束在一个可验证、可对比的框架中运行。

对 OpenClaw 的布局，同样可以放在这一逻辑下理解。表面上看，这是对一个新趋势的快速跟进，但如果回溯百度在智能体方向上的长期投入，这更像是一次顺势接续。李彦宏较早提出「卷应用而非卷模型」，也在将竞争焦点从能力本身转向能力的结构化使用。围绕「龙虾」展开的一系列产品动作，我看到，龙虾创始人都点赞，并且喊话合作。无论是搜索 Skill 的快速增长，成为当下全球下载量第一的官方搜索 Skill，还是从云端到终端的多层部署，核心都指向同一个目标：把大模型能力转化为可调用、可组合的接口结构，而不是停留在孤立的模型能力上。这种从能力到结构的转化，就是一种典型的熵减过程。

更深一层的变化则发生在组织内部。百度新设立了基础模型研发部与应用模型研发部两大部门、文库与网盘成立新的面向 C 端的事业群，并且都向核心决策者直接汇报，这些动作并不只是管理层面的调整，还意在减少信息传递路径、压缩决策链路。在高不确定性的技术周期中，如果组织本身是高熵的，战略再清晰也难以落地。相反，只有在组织层完成熵减，技术与产品层的聚焦才有可能真正执行。

从更长的时间维度来看，这一轮 AI 可能最终会演化成出两类公司。一类持续制造新的可能性，通过更强的模型、更大的参数和更激进的产品形态不断扩展边界；另一类则致力于降低系统的不确定性，让这些能力变得可用、可信、可持续。前者推动熵增，后者完成熵减。

在行业的早期阶段，熵增是必要的，因为有必要探索边界；但在进入应用兑现阶段之后，熵减可能会成为决定胜负的关键。

因此，与其说百度在选择一条不同的路径，不如说它在选择一个不同的时间坐标。当大多数玩家仍然停留在扩张阶段时，提前进入了聚焦阶段。这种选择的难度，不在技术层面，在于需要放弃部分短期的叙事优势，接受一种更不显眼但更长期、更稳定的增长方式。

AI 的上半场，比的是谁能做出更强的能力；而下半场，决定结果的往往是另一件事：谁能在复杂系统中持续降低不确定性。从这个角度看，所谓「熵减」，并不是一种风格选择，而是一种不可回避的演进方向。产品的进步，也不在于增加了多少能力，而在于减少了多少不确定性。

百度的熵减底气，核心在于构建了全球罕见的「芯云模体」全栈布局。比如昆仑芯要独立 IPO了，投行也给出不错的估值。萝卜快跑，服务次数超过 2000 万次，已经落地全球 26 城。在底层算力与顶层物理 AI 两个关键领域，都跑出来了。