一般來說，當一個行業越過行業奇點，進入指數級快速增長時比較好。人工智慧在2016、2017年是絕對的奇點爆發，當時對入行人員要求也比較，只要你有意願就行。進入行業，一個是看時間點，另一個也要看具體應對行為是否高效。

奇點是環境突變的轉折點。奇點人是相信奇點、尋找奇點，利用奇點的人。奇點人的行為有兩派。一派是奇點前後和不同的行為應對，為了在兩個截然不同的階段最適者最好地發展。另一波是奇點前後都用同一套行為，只調整方向，只更換資訊源。

我以前傾向採用不同行為。這會有三個困難，要找到奇點，定義好前後環境，制定兩套適應不同環境的行為並完成切換。尋找奇點的困難就不大說，不管是在行業上還是股市上，從來沒有人能有把握地完成。對奇點前後環境的定義，既依賴對奇點的理解，也依賴對前後環境的認知，尤其是還未到來奇點後突變，一般是很多人都難以想象的。即使是大家佩服的先知，對具體關鍵細節也一無所知。

我現在傾向採用同一行為。也要面臨其他困難。尋找在奇點前後環境都足夠適用的行為非常困難，尤其是奇點後的突變環境，一般來說，是很難用以前的行為直接適用。一個通吃的行為，往往它不管在奇點前還是奇點後，都很難是最適合的。這會使得你在奇點前站不頂點，在奇點後也站不到頂點。你身邊的人和你自己會懷疑，你明明比別人都努力，為什麼你做不了最好，你很難相信自己一成不變的行為是正確的，是不需要大改的。

我現在採取的行為“十、萬、書、徒”，已經改過471版。在正式版本之前，也改了12年。當然，我不會有多少信心，這版就不用再改了。每一版，幾乎百分百都只能作為臨時試驗版，沒完沒了地改。有時候會改到人懷疑人身，近乎崩潰。好在，在改版嘗試過程中，並不是一無所獲。即使沒有定稿，每版嘗試都把我的人身帶來新的高度，至少在後面幾版或幾十版後一定會進入新高度。

奇點前後用同一套行為，22年嘗試下來，即使還沒有成功，也多多少少看到足夠的價值和可能性。我一次一次靠著同一原則同一行為對我的人生進行選擇。有掉坑裡的時候，但總體向前。雖然471版裡99%都沒有重複，但設計、觀察、分析、反思同一行為的技巧和經驗，一次一次紮紮實實地提高著。讓我現在對同一行為的重新設計可以非常快。如果奇點之後，面對環境突變，我可以非常快速地設計一套至少能適應新環境的同一行為。

十萬書徒，這個同一行為，簡單講，就是讀一本書寫十本書，每天努力寫萬字筆記，以書為媒介向別人學習也向別人傳播，找到分佈在全世界所有同好。是一個努力向他人提供更多價值，追求於人有益的行為。這個行為本身的屬性是外向型的，擴充套件型的。只需要重複這個同一行為就可以慢慢一點一點聚攏很多同好。一起積極合作，抱團取暖，共同前行。

不要試圖讓對方像你一樣，至少先把全世界和你一樣甚至比你更高的人全找齊了，再看看有沒有時間讓對方也像你們一樣。做好自己，充分展示，吸引同好。這比你去改變別人改變世界會更有效率。放在十萬同好不理不睬，盯著明明和你偏向不同、志向不同的人，非要改造對方，對你和對方都不是正確的選擇，至少不是一開始應該採取的選擇。

眼前我只寫完二篇，現在這是第三篇。效果嘛，其實也不好。昨晚想放棄，刷了《黑色童話》。劇裡，無情的上層、無聊的中層、草賤的底層、黑化的軍人、腐化的警察、偷吃的老師、亂來的學生、鬧事的群眾、隱藏的黑產、不安徽的社會，應該不會很普遍很多。最後上層、廚子、軍人一家Hapyy Ending。現實中，90%的人每天兩點一線加班加點工作學習到吐，擠空刷個美劇已經人生極限，應該不會有時間精力能力搞那麼多事情。

讓我不禁想，十萬書徒這種刷讀書筆記的書呆子低效益，埋首讀書研究所好，大門不出二門不邁，窮像乞丐的生活，好像也不算太差。至少比劇中人的生活，讓我更加滿意千倍萬倍。我又有了繼續寫這第三篇的動力。也許，如果我們能找到一個長久不衰或者至少可以不斷重啟的動力，我們就可以去做任何我們想做的事情。劇中人的選擇，我不認同，但他們的“執念”電池，確實給他們提供源源不斷的能量，創造原來他們不會有的可能性。

一個相信奇點的奇點人，因為覺得有奇點的這個念頭，也會給他們提供不一樣的能量。可以接受奇點前努力，也可以接受奇點後的突變。一個相信加速回歸定律的人，會盡量只參與上升期，最大化自己的選擇效率。人類社會也需要更多人投身到上升期的行業和公司，推動它們快速成熟。什麼火做什麼，如果你有這個能力，應該是再正確不過的選擇。

只吃上升期，吃完就走，看起來缺少積累。但是，不要忽略一個問題，行業細分高度是一種積累，只吃上升期的技能高度也是一種積累。上升期的公司，不是誰都可以混好，會需要一些與非上升期公司不同的技能和思維。越來越會吃上升期，也可以作為你的核心優勢。就像很多資本鯊魚一樣。小點合作，快速進入，快速混高，快速退出，這些技能的高度也可以作為自己的核心競爭優勢。

那如果你不想賺上升期這個錢呢？你不願意為了賺錢而更換行業業務，怎麼辦？可以嘗試串聯結合。比如，你是一打鐵的。原來都是打鐵壺。現在沒人買了，流行人工智慧，是不是就不打鐵去寫程式碼呢？不一定，你可以打一個和機器人相關的鐵製品。等下一年，熱點換了，新的上升期出現，你再打新的相關鐵製品就可以。不丟根本，透過串聯，吃遍每個上升期。

加速回歸定律說的是雙倍指數增長。指數增長已經比線性增長高很多，指數增長中的指數如果不是固定，指數本身也在指數增長，雙倍指數增長，當然就比線性增長高非常非常多。所謂的指數增長，上升期，往往是模式可行後，開始鋪量的階段。鋪量的過程中，對模式又進行最佳化，這時候就會進入指數增長上升期階段。如果模式最佳化也進入指數增長，就是雙倍增長期。

任何產品服務，鋪貨是上升期訊號，招人是雙倍增長上升期訊號。當公司開始收購，就要回到總部享受規模果實。由子公司給你擴充套件業務，守著總公司數股份分紅就行。如果開始大面積裁員，看到有上升機會就趕緊逃吧。保不齊是要沉船的。等重新回到上升期、雙倍增長期再回來不遲。高薪大擴招是比較好的進入訊號。培養好抓住高薪大擴招的能力。

前面階段進入，吃力未必討好。後面階段進入，困難叢叢，並且馬上要進入平穩整頓期。高薪大擴招是行業公司的標誌奇點。高擴前，困難太多，失敗機率太大，風險太高。高擴後，公司實力的增長未必會體現到個人的收入提升上。比如，公司裁掉20%不必要的人，成本結構更最佳化，但自己所在部門可臨被迫合併撤銷。一個不好，打回原型，回到解放前。

再陡的指數增長，開始都要經歷相當長的微小增長階段。這個時候，不為人知，你也沒必要去打聽，除非是做天使投資。一旦行業公司進入上升期，肯定是天下皆知。不用先知先覺，後知後覺，只要你有能力切入其中，一點都不遲。把自己人生耗在不確定失敗的賭博中，一點都不划算。倒不是所得大小的問題，而是時間精力耗不起。過多佔用，反而形容錯失好機會。

退一步講，如果收入變小，還是不是進入一個上升期呢？至少說明，別人的上升階段還沒有達到你現有的高度。降低高度來進入所謂的新上升期，是一種騙局。就像丟掉更好待遇去創業公司共賭一樣。如果對方是上升期，如果跳過去有更高的高度，待遇就不應該比現在差。如果現有實力不足以支撐更高待遇，那就先專心提升實力，等能支撐更高待遇再跳進去。

如果你降待遇過去，即使在上升期中，你也不確定什麼時候待遇才能上升到你現有的水平，一切都是未知數，冒不完的風險在等待。能有多少人待遇和你一樣高，是行業公司是否在上升期的綜合體現。其他都是虛的，唯有這一經濟指標才最為真實可靠。抓住高薪規模，才能抓住資訊判斷的關鍵。不要被其他指標迷惑，做了錯誤選擇，滑向失敗。

行業公司在真正開啟上升期之前，很難被人發現，這也是天使投資存在的意義，用最少的錢及早介入，在未來以此賺最多的錢。但，最後無法完成上升的行業和公司更多。過早介入只是浪費時間。太晚介入，就只剩煎熬，同樣浪費時間。看看有沒有更好的待遇，看看同等待遇的結構分佈規模。以此作為選擇的根本判斷，再透過自己同一行為原則，不停地輸出更多價值。

任何行業都會有一個成長週期：

啟動階段 - 初級階段 - 高速發展階段 - 穩定階段 - 衰退階段

人工智慧行業在2011年開始啟動，到今年2019年，可以說是進入了「高速發展期」。

很多人都會覺得在行業成熟階段進入的話，會比較好，因為可以減少很多摩擦，比如演算法的設計，資料庫的資料量，程式邏輯，和硬體成本，各個方面都會輕鬆很多，可以借用前人檢驗過的演算法，別人累計的資料量都可以拿來用。

但是事實上真的如此嗎？

其實不是的，所謂的藍海，就是在成熟期之前的階段，舉個例子，現在是高速發展期，行業需要很多人才，招聘的要求會有所下降，甚至可以是零經驗，招助理，每個公司都願意培養新人。一方面是人工智慧的人才非常少，另一方面是技術在發展，不成熟的階段，每個人都在不斷學習，所以願意培養新人。

如果你是決定要進入人工智慧行業，那越早越好，因為你進入好公司的門檻會低很多，可以學到很多東西，跟著創業公司一起成長，有可能拿到期權，走上人生巔峰喔！

我覺得今明兩年進入人工智慧行業就挺好的。從過去幾年的發展趨勢來看，在部分領域人工智慧的應用已經比較成熟，諸如基於人工智慧的影象識別，中國的依圖、曠視、商湯科技等公司都是著名的人工智慧領域的“獨角獸”，再比如基於AI的自動駕駛，百度早已經處於世界第一集團的地位。

而華為、百度、阿里、騰訊這些公司也在人工智慧的領域耕耘了多年，也有很多有意思的想法。前一階段有一句話好像就是中國只有2家真正的人工智慧公司，就是百度和華為，雖然有所偏頗，但是也是說明了一個事實，人工智慧的某些領域一些大公司早就涉足，這時進入人工智慧領域已經晚了。

那麼是不是現在進入人工智慧行業就是完全沒有機會呢？我覺得不是的

首先我們可以看看谷歌，谷歌一直在進行人工智慧的基礎演算法的研究，雖然影象領域的人工智慧應用已經比較成熟，但是如何透過人工智慧為一些實際應用創造價值，一直是谷歌的研究方向。谷歌研究了影象識別領域人工智慧醫療，CV領域頭像替換、NLP領域的電話AI等很有意思的事情。

這也就是說，除了通用的AI演算法，人工智慧相關的應用一直是人工智慧行業更加關注的。基於成熟的AI理論，如何在更多的細分的行業使用AI是一直存在的機會點。每個行業都有自己的獨特性，國內的巨頭更加聚焦，是不可能關注到每個海量的細分行業如何使用AI的，那麼這裡就自然存在人工智慧應用上的機會點

其次，我們可以關注上一年（2018年）人工智慧哪些基礎領域有個顯著的突破，那麼2019年自然這些領域存在機遇。例如在2018年，NLP自然語言學習的基礎理論取得了重大的進展，Facebook也開源了他們的建模框架，谷歌展示了幾乎可以以假亂真的AI電話，那麼在NLP會不會有AI的機會呢，肯有的，目前號稱是智慧語音的諸如天貓精靈這種產品，基本和真正的AI差的很遠。除了NLP，計算機視覺的一些領域在2018年也有巨大的突破，因此未來幾年也存在一定的機會

最後，伴隨著一些周邊領域技術的發展，例如5G和物聯網，這些領域和AI的商用息息相關，2018/2019會是5G商用的元年，基於5G的工業物聯網領域也會有重大的突破，因此我覺得這裡也會存在機遇。如何把工業物聯網收集到的海量資訊自動處理、判斷、反饋，也會是工業人工智慧應用的重要方向，尤其是在中國提出工業4.0的目標後，AI在工業的應用大有可期。

總而言之，我覺得目前除了部分領域人工智慧已經有了長足的進展，存在的機會點不大以外，很多AI技術目前依然是理論研究佔據主體，因此，如何在多領域利用人工智慧獲得更大的商業價值將會永遠是重要目標，從這點看2019當然不晚。

任何行業原則上都是越早進入越好，如果考慮成本投入和利潤產出的話，就要根據自己的實際情況，尋找到一個有利的時機進入。