为什么学 AI¶
大概很多人都是这么开始的。
你大概率会遇到的那些事¶
大多数人学 AI，起点都不是「我要研究人工智能」。
更常见的情况是这样。老板在周会上突然问「这个功能能不能用 AI 做一下」，你不知道怎么回答。看到同事用 ChatGPT 三分钟整理完你花了两小时的会议纪要，你嘴上说「挺快的啊」，心里在想我是不是落伍了。面试的时候被问到「你对 AI 怎么看」，只能说「挺厉害的」，然后就没有然后了。
还有一个更现实的。这几年 AI 变得太快，你不确定自己是被甩在后面了，还是本来就在旁边。
我自己也是这么过来的。有一段时间特别焦虑，焦虑到刷帖子刷到凌晨两点。收藏了一堆路线图，一个都没走完。后来慢慢才明白，焦虑这件事本身就消耗精力，有那功夫不如先动手做一个小东西出来。
先说个数据¶
普华永道去年出了一份报告，叫全球 AI 就业晴雨表，覆盖了六大洲近 10 亿条招聘广告。里面有几个数字我觉得值得记一下。
我反复看了好几遍。56% 的薪资溢价，什么意思呢，就是同样干一个活，你可能比别人多拿一半钱。
还有更直接的。2026 届毕业生预计 1300 万，企业要求 AI 技能的岗位数量比去年激增了 149%，但只有 20% 的应届生掌握 Python、深度学习这些核心技能。供需差摆在那里，会 AI 的人远远不够。
说直白点，真正的风险是「同样的工作量，用 AI 的人效率可能是你的三倍，老板迟早会知道」。
不用会写代码，也能开始¶
以前学 AI 的门槛确实高。光是装 Python、配环境、搞 CUDA 版本兼容，就能劝退 80% 的人。我一个朋友跟我说，他两年前试过入门，卡在环境配置上整整三天，最后把电脑一合，放弃了。
现在不一样了。ChatGPT、Claude、Gemini 这些产品，你会打字就行。去年 Karpathy 提了个词叫 Vibe Coding，翻译过来大概叫「氛围编程」。意思就是你用大白话告诉 AI 你要什么，它帮你写代码。现在 91% 的工程团队已经在用这种方式了。
门槛确实降下来了。问题已经从「我能不能学」变成了「我该怎么学」。
信息差换了种方式存在¶
网上搜「AI 教程」，出来几千条。但你会发现一个很尴尬的情况。
科普向的视频和文章，看着热闹，看完只能感慨 AI 真厉害，然后呢，没有然后。硬核向的教程，一上来就是 PyTorch 装环境，两个小时之后卡在版本问题上，劝退。从「看个新闻知道有这么回事」到「自己手里能跑通一个小东西」，中间那段路基本是空的。
我身边有编程基础的朋友，完全没有技术背景的朋友，反应几乎一样。该学，但不知道从哪下嘴。
信息差一直都在。以前是「学不学」的问题，现在变成了「怎么学」的问题。
Hello-AI 想补的就是这段路¶
Hello-AI 不搞速通。不堆术语。不追热点。
站点做的事很简单，把零散的优质资料按顺序串起来。每一步都建立在上一步的基础上，每一步走完手里都有点东西。
你知道 ChatGPT 背后大概在干什么
你知道怎么跟它说话才能拿到有用的回答
你知道怎么把 AI 塞进日常工作流
你做出能用的东西，拿到真正的判断力
再往后走，你会做出一个喂了自己资料的问答助手。把笔记、PDF、公司文档塞进去，问它「上周那份周报里提到的预算是多少」，它能给出带出处的回答。你会搭出一个会自己干活的小 Agent，给它一个周期任务，它能拆任务、调工具、跑完，不会只在聊天框里说「建议你」。
更值钱的是判断力。看到新模型发布、新框架开源，你能判断它解决了什么旧问题，要不要追。这种判断力没法速成，但可以一步一步攒出来。
准备好了？¶
现在才开始学 AI 的人，没有一个是在脑子完全清醒、什么都准备好的状态下开始的。大家都是一边犯迷糊一边动手，做着做着就清楚了。
普华永道的数据摆在那里。AI 技能带来的薪资溢价是 56%，这件事正在发生，今天就在发生。早走一步的人已经在收果子了。
你现在的迷糊感是正常的。但迷糊不应该成为不开始的理由。
下面两个入口，挑一个就行。