AI能做什么?

更新于 2026年6月1日

AI能做什么?

持续更新中,注意日期跟时效性。

全能翻译官、打杂小秘书、画画、原型、作曲、编程、二创视频……

文员

  1. 各类翻译、转化问题,如英译中、用小红书或微博风格重写、读取图片中的文字(OCR),目前Gemini这方面能力突出
  2. 处理“PPT视频课程”,现在Gemini已经可以处理Youtube视频,更能配合Chrome浏览器
  3. NotebookLM,超越笔记
  4. 查找类
  5. “套路文”编写
    • 如角色扮演、公文、高考作文(例文)、社交媒体上的通稿等
  6. 检查

作画

教程是通用的。另外顶尖模型已经能很好理解中文要求,也不需要结构化的指令(如JSON)

  1. ChatGPT画图。GPT Image 2断档第一。GPT-Image-1.5可以生成透明背景图片,去掉背景能力是目前最强的(缺点是贵跟不算稳定);
  2. Gemini绘画【目前是Nano Banana Pro跟2】
  3. (带教程)与 Midjourney 对话:画猫
  4. (带教程)ImageFx
  5. (国产)豆包,随意提要求即可

顺带一提,ChatGPT跟Gemini绘图都有官方检测工具,就算经过一些简单处理,也能检测出来。ChatGPT是Verify OpenAI-generated images,Gemini则要自己去应用对话,附上图片,然后问一句“检测改图片是否AI图”。有趣的是,过于简单的图片,Gemini可能会拒绝检测,可能是怕被检测逆向水印算法。

视频

目前还是二创水平,复刻视频还不错。但还需要抽卡。最好会分镜跟剪辑。

详见视频生成模型,或者瞄一眼这篇花两天半肝出来的微动漫实战经验,另有仿真人的视频

程序

目前Codex性价比较高,官方时常会重置额度。

Gemini Pro套餐中Antigravity已经降格为“不依赖Agent、活在IDE的程序员”,不推荐使用。

  1. 免费的AIStudio,可以玩玩里面的微型 App,也可以轻易复刻(图一)。目前3.1 Pro模型改为收费。
  2. 读大型仓库代码
  3. 示例项目

作曲

  1. Suno 如何作乐
  2. Suno 如何调整风格

能取代人吗?

大模型不像珍妮纺织机,一下子从生成一根棉线变成十根。更像是蒸汽机,提供“智能动力”。但这个动力用在哪、有没有用、浪不浪费、稳不稳定,是另一回事。

大模型是“智能发动机”。你要有“数据铁路”给它跑。

假设你的工作只跟电脑数据相关,任务难度也没超过大模型能力,数据到大模型的路也是通的,那么就相当危险。

但貌似没怎么看到这类工种。但有趣的是,因为AI裁员的消息不断——成功地把负面新闻变成略带正面的,换你、你也用这个借口。

大模型发展起来,从蒸汽机到内燃机,数据道路也畅通,甚至发明了新的“流水线”。会有不少工作。

那人呢?

  1. “Deepseek语文那么好,我为什么还要练写作”
  2. 决策,长期,审美,品味
  3. 如果奇点到了,躺平

小结

AI生成内容,都有浓烈的“自嗨”属性。喜欢的人在创作时简直停不下来。但外人不一定喜欢,甚至不少人认为AI生成内容很廉价。

这些内容可能不会占据原有生态位,但会演变出新玩法、新生态,大势不可挡。

目前大伙比较宽容的是各类二创、段子。而且这些领域,以前“产量”也不够,受众嗷嗷待哺。

对个人来说,大模型边界,即语言边界,也是表达及格线