# AI 能力机会图谱 Deep Research（2026-07-09）

## 研究目标
回答一个核心问题：

> 现阶段 AI 能力已经这么强了，对于想借助它做点事情的人来说，**到底有哪些值得做的方向、点子和切入思路**？

这份研究不是做一堆空泛趋势判断，而是聚焦：

- **AI 现在已经能稳定做什么**
- **哪些方向更容易形成付费价值**
- **哪些赛道已经过热，不适合普通人再扎进去**
- **对于软件工程师 / 独立开发者 / 一人公司倾向的人，哪些路径更值得优先试**
- **30 天内怎么做低成本验证**

## 我给你的结论先说
如果你现在想借 AI 做事，**最值得做的不是“再做一个 AI 聊天产品”**，而是下面这 4 类：

1. **垂直工作流代理 / 自动化**  
   用 AI 直接完成某个具体业务流程，而不是只提供一个聊天入口。
2. **AI 原生服务化业务**  
   不卖软件，先卖结果；AI 在你背后当“生产系统”。
3. **开发者/知识工作者提效工具**  
   编码、研究、文档、内部知识、报告生成，这些都已经有明确 ROI。
4. **高频高痛点的语音/文档/客服场景**  
   特别适合“原来就有大量人工重复劳动或 BPO 成本”的行业。

反过来，**不建议优先做**：

- 泛化 AI 聊天壳子
- 没有工作流闭环的“内容生成器”
- 纯 prompt 套壳、没有数据/流程/垂直 know-how 的工具
- 过度依赖“电脑代操作（computer use）”且没有 API 护城河的方案

## 为什么现在是机会窗口
从 2025 到 2026，AI 从“能回答”明显进入了“能干活”的阶段：

- OpenAI 明确把重点放在 **agents / Responses API / web search / file search / computer use** 这类“可执行能力”上。  
- Anthropic 强调 **coding、advanced reasoning、tool use、parallel tools、memory**。  
- Google Gemini 2.5 把“thinking model / reasoning / code / context-aware agents”推到前台。  
- Microsoft、Sequoia、a16z、YC 都在指向同一个信号：**应用层机会正在从“copilot”转向“workflow completion”**。

这意味着：

> 真正值钱的，不再是“模型本身”，而是你能不能把模型嵌进一个具体场景，稳定地产出结果。

## 文档结构
- [01-最新AI能力现状.md](./01-最新AI能力现状.md)  
  最新 AI 能力到了什么阶段，哪些能力已经够你拿来做事。
- [02-机会方向地图.md](./02-机会方向地图.md)  
  从机会视角梳理值得做的方向、适合谁做、买单方是谁。
- [03-优先级判断与避坑.md](./03-优先级判断与避坑.md)  
  哪些方向该优先，哪些不要碰，怎么判断市场真假需求。
- [04-30天验证路线图.md](./04-30天验证路线图.md)  
  给想立刻行动的人一条低风险、低成本的验证路线。
- [05-信息源与核验说明.md](./05-信息源与核验说明.md)  
  研究过程中直接核验过的主要来源、结论出处与限制说明。

## 建议阅读顺序
如果你是：

- **想先看大局**：先读 `01` → `02`
- **想判断要不要做**：先读 `02` → `03`
- **想马上开干**：直接读 `04`

## 一页版判断
### 最适合个人 / 一人公司切入的方向
| 方向 | 为什么现在值得做 | 适合谁 | 难点 |
|---|---|---|---|
| 垂直工作流代理 | ROI 清晰、结果可验证、用户愿意付费 | 独立开发者、小团队 | 需要懂具体行业流程 |
| AI 原生服务 | 最快产生现金流，不必先做大产品 | 行动力强的人 | 交付流程和质量控制 |
| 开发/研究提效工具 | 用户就在身边，需求高频 | 软件工程师 | 差异化和分发 |
| 文档到行动自动化 | 大量人工重复劳动可替代 | B2B / 内部工具 | 集成系统和容错 |
| 语音代理 | 高 BPO 成本行业有强需求 | 有行业资源的人 | 可靠性与流程闭环 |

### 现阶段最不值得优先做的方向
- 泛 AI 聊天入口
- 没有垂直数据/工作流的“万能助手”
- 只会生成内容、但不进入业务流程的工具
- 把“computer use”当成核心护城河的项目

## 最后一句
如果你问我：

> “现在普通人/工程师/独立开发者，最应该怎么借 AI 做点事情？”

我的答案是：

**不要从“做一个 AI 产品”出发，而要从“替谁完成一个高频、昂贵、重复、可验证的任务”出发。**

这是这份研究的主线。