AI技能差距是过去20年里最大的财富机会。

大多数人根本没有在使用AI。有相当一部分人用它来提高生产力。而有一小群人已经弄清楚了如何用它来赚钱。

最后那一群人并不比你更聪明,也不比你更懂技术。

他们只是恰好在正确的时间建立了正确的技能,并把自己放在了一个迫切愿意为这些技能付费的市场面前。

现在正是抓住这个机会的窗口期,但这个窗口不会永远开放。

先提醒一下:这不是一份泛泛而谈的AI技能清单。这些是我亲眼看到我个人人脉中的千万富翁们现在正在采用的具体技能,也是我正在推动团队中每个成员去建立的技能。

我们开始吧。

#7:工具组合与选择

大多数人只选用一个 AI 工具,并把 AI 当作增强版的 Google 搜索来使用,结果得到的输出往往很普通、很泛化。

如果你想通过 AI 赚钱,这其实是一件好事,因为你可以成为解决他们“泛化输出”问题的人,同时还能释放生产力。

工具叠加(Tool Stacking)是一种技能:知道在什么任务中该用哪个 AI 工具,更重要的是,知道如何把多个工具串联起来,让一个工具的输出直接成为下一个工具的输入。最终得到的是一种工作流程,比任何单一 AI 工具独立完成的结果都更快、更聪明、更准确。

这里有一个真实例子:内容创作者的工作流程

你把一个 YouTube 视频重新利用,变成一整套内容。先把完整的文字稿放进 NotebookLM 提取关键洞察,再把这些洞察输入到 Claude Skill 里写成长篇文章,然后把文章交给 Canva 制作成容易传播的病毒式信息图。

如果你在 𝕏 上待得够久,你就会发现,这正是很多创作者现在正在使用的工作流程。

这个技能之所以能赚钱,原因很简单:企业手里堆满了 AI 工具,但他们不知道如何把这些工具一起使用。能够走进公司、查看他们现有的工具栈,并搭建一个真正能产出结果的连接系统的人,价值非常高——我在自己的 AI 公司里也正在积极招聘这样的人。

一些建议:不要把这件事只看作是成为某个工具的专家。这其实是系统设计。你需要培养分析现有系统的子技能(哪些有效、哪些无效),只有这样,你才能把工具作为解决方案真正落地。

#6: AI驱动的研究系统

因为有了AI,信息不再是壁垒。

现在,任何人都可以通过LLM在几秒钟内抓取成千上万的数据点。问题(也是机会)在于,大多数人不知道如何将这些原始数据转化为有价值且可操作的信息。

AI驱动的研究是填补这一差距的技能。你构建的系统能够自主抓取、合成和提取企业实际需要的洞察。

一个实际的例子:构建一个𝕏爬虫,能够在话题和帖子内容达到顶峰之前识别出异常的病毒性话题和创意。仅这一项工作流程就可以向数百家内容和媒体公司推销。

更深层的技能不仅仅是知道这些工作流程。关键在于知道提问什么问题,如何构建系统,以及如何将原始输出转化为客户能够立即执行的建议。

任何人都可以向Grok提问“今天的流行话题是什么”,但很少有人能真正将有价值的洞察打包成企业实际会用的内容。

数据现在无处不在,但有价值的洞察依然稀缺——这个差距就是你的机会。

#5:AI 媒体生成

内容经济比以往任何时候都更庞大,而且幸运的是,AI 在创作媒体内容方面其实相当擅长。

在一个由 AI 驱动的世界里,分发能力是一条巨大的护城河(这也是我加倍投入的方向),而建立分发能力的方式就是持续进行内容创作。

AI 可以极大地提升这个过程的效率。

比如:

使用 Claude Skills 进行写作(爆款 X 帖子、邮件通讯、YouTube 脚本写作)

用于无露脸内容的 AI 音频 + AI 视觉生成

用于配音/播客的 AI 音频

用于YouTube的AI虚拟形象

AI生成的广告

以及更多。

关键是,有大量企业愿意为质量不错的AI媒体内容付费。

证据已经摆在那里。Kalshi 一直在投放由AI生成的视频广告,这些广告正在带来数百万的收入。

把这项技能产品化后的模式是这样的:选择一个细分领域,建立一套可重复的制作流程,然后向内容机构、个人品牌、电商企业和初创公司收取每月的订阅服务费(理想情况下他们已经在使用AI——而你的工作是把它做得更好)。

我们现在已经到了这样一个阶段:人们其实并不太在意他们消费的内容是否由AI生成(当然也有一些前提条件)——这正是你的机会。

#4: 编程

是的,vibe coding 正在变得越来越饱和。但并不是你想的那种方式。

现在任何人都可以打开 Cursor 或 Claude Code,描述一个随便想到的应用点子,然后得到一个勉强能运行的东西。这一部分确实已经很饱和,而且这些人基本都赚不到什么真正的钱。

但另一边则是这样的人:他们研究过自己的市场,用 AI 编写一个原型,然后投入资金请开发者完成最终的构建。

真正的机会并不只是随便 vibe coding 一个应用然后希望它能大规模传播——中小型企业一直都需要定制的内部工具。

比如:仪表盘、客户门户、工作流自动化、数据可视化工具。

他们无法为一个 1 万美元以上的项目去雇佣开发者,但他们愿意支付 1500 到 3000 美元,让一个能利用 AI 在一周内交付可用工具的人来完成。

这是一个非常真实的商业模式,而且现在已经有人在这样运作了。

我的建议是:这个角色在一定程度上仍然需要技术能力;理想情况下,你有一些技术背景,或者愿意去学习。对于那些在计算机科学/编程领域、担心自己的 9-5 工作会被 AI 取代的人来说,这是一个很不错的选择。

#3:代理式工作流设计

代理式工作流设计是一项技能:构建让 AI 代理能够自主执行多步骤任务的系统,而不需要你坐在那里为每一步进行提示。

你定义目标、设定参数,然后系统自行运行。

这里的机会非常巨大,而且其中大部分仍未被开发。

一些想法:

构建 AI 研究系统(就像前面提到的例子)

设置 Zapier/MCP/基础的 n8n 工作流

将 AI 工具连接到现有的业务软件(CRMs、Notion、Slack)

线索生成代理

客户服务代理

你也可以在这里跳出常规思路,成为一名现实世界(IRL)的代理专家。

现在一个被严重低估的玩法之一:成为 OpenClaw 专家,并向本地企业推销为他们搭建这套系统。

已经有人在这样做,并收取 $ 2,000 – $6,000 的搭建费用。

#2:提示工程

提示工程排在我榜单这么靠前,可能会让你感到惊讶,但读完你就会明白原因。

这份清单上的每一项技能都依赖于提示,而提示工程就是与 AI 精确沟通,从而提取真正有价值输出的能力。

这意味着要理解如何设定上下文、定义角色、指定格式、串联指令,并不断迭代,直到输出完全符合你的需求。

但真正赚钱的地方在这里。这不仅仅是你自己使用这项技能,而是去教别人。

企业正在为AI订阅付费,却不知道如何使用。团队得到平庸的输出,却把责任归咎于技术本身。

能够走进这样的环境,审查团队如何编写提示词,并开展一个半天的工作坊、立即优化他们输出质量的人,是非常有价值的。

把它打包成一门课程、辅导项目,或企业培训服务,你就拥有了一条完全建立在这一项技能之上的可规模化收入来源。

在AI时代,每个人都需要学习如何与AI沟通,而通过教授提示工程,你就像是在淘金热中卖铲子。

#1:AI咨询

这是把一切联系在一起的那一个。

当你能够把这些技能(工具叠加、研究系统等)打包起来并卖给别人时,这份清单上的每一项技能都会变得极其有价值。

这就是元技能。你走进任何一家企业,诊断出AI可以创造最大杠杆效应的地方,设计解决方案,然后为实施收费。

现在这个市场规模非常巨大,而真正能够交付成果的人却极其稀缺。

地球上的每一家企业都知道他们需要在AI上做点什么,但几乎没有人真正知道那“点什么”到底是什么。

你就成为那个拥有答案的人,也就是他们的“AI专家”。

把这项技能变现的方式几乎是无穷无尽的。

一次5000美元的审计 → 一个1万到2万美元的实施项目 → 每月2000到5000美元的持续管理服务费。

只要有一个达到这个级别的客户,你就已经拥有一家年入六位数的生意。

一旦你开始产生收入,就可以雇佣他人来负责执行工作(例如工作流搭建、审计等),而你则可以进一步扩大业务规模。

咨询是终极的终局玩法。

结语

我真的很享受写这篇文章的过程。

这里的所有内容都来自真实的对话、真实的观察,以及我正在自己公司/个人生活中实际实施的事情。每一个字都是我亲自写的,我只发布那些我愿意拿自己的钱去下注的内容。

如果你希望在信息流中看到这样的内容,关注我 @aiedge_ —— 我每周会发布 2 到 3 篇新文章。

最后,请点赞/转发这篇文章,让更多人能看到它 💙