2026年刚过三个季度，全球大模型的核心发布已经有46个。少数派作者CG艺术实验室把这些发布按实验室排成一张时间线图，发布节奏密集得像产品周报，可他自己的体感是：工作并没有因为AI的加入变得更轻松。他在9月27日的玄光专栏No.21里，把这个问题摊开来讲了（少数派专栏原文）。
用了几年AI，他的结论就一句：确实快了，但快在步骤中，不在结果上。
AI压缩的是执行环节：写一段代码、生成一版文案、裁一张图，这些中间步骤的速度确实被拉快了。但最终产出的质量和速度，上限不由模型决定，而由使用它的人决定。模型越强，这个差距反而越明显。同一个模型在不同人手里，产出效率能差出好几倍。
你得对任务涉及的领域至少略知一二，否则看不懂它的反馈和做法。他举的例子是做PPT。让AI做一个PPT，听起来是一句话的事，但一个“能看的”PPT背后至少需要这些知识：基本的电脑操作、PPT软件的编辑操作、写作大纲、字体、字号、版式、图片处理、图片裁剪。这个清单还可以继续列下去。AI可以替你执行每一项，但它替你判断不了哪一版大纲更好、哪个字号在投影仪上看得清，因为你自己说不清楚，它也就问不出来。知识储备决定了你能不能看懂AI给出的东西，进而决定你能不能把任务推进下去。看不懂反馈的人，AI再快也只是快在你看不见的地方。
变快这件事，靠的不是等模型，而是自己搭系统。他过去一个月新开了8个仓库：C2B，一个把摄像头画面实时覆盖到桌面壁纸的小工具，录教学用；Quill，写作skill；AI自己的知识库；查看多个账号AI用量的监控；还有设备信息记录、系统更新检查、小红书skill和闲鱼商店。这些工具大部分还没公开，稳定后都会开源。他的判断是，数字化创作的基础设施很重要，即使流程变了，GitHub这类工具也很难被取代。
这套前置工作里最有代表性的是EDIC，他自己做的一套网页设计规范，刚更新到2.8.0。这次更新把颜色、字号这些数值重新理了一遍，一共318条，每条标好用途和暗色模式下的替换值；能直接用的网页零件从39个补到44个，新加了菜单、弹窗、文件上传和输入框；还给AI加了一份说明书，它要用的数值和零件都写在里面，读一份就够，不用翻代码。发布前有自动核对机制，说明书和实际做出来的对不上就发不出去，另外修了22个安全隐患。这套规范的设计意图是同时写给人和AI看，AI照着做出来的页面，风格就是统一的。
让AI“可用”本身，就是318条规范加44个零件加22个修复的工作量。这些活儿AI一样干不了，因为它们恰恰是让AI能干活的前提。没有这套规范，AI生成的页面每次风格都不一样，你省下的执行时间会全部赔在返工上。
基础设施的另一块是接口和记忆。他单开了一台MCP虚拟机，编号102，专门跑MCP服务。理由很实际：他的生产硬件多，开发工作散落在多台设备上，让每台设备上的Agent调用同一个接口、读取同一份记忆，比各搞各的更科学。而且未来换平台或换电脑，接口是通用的，不用操心AI的进度和记忆跟着迁移的问题。
他尝试让Agent接入C4D，自建MCP接口服务，功能调用没什么问题，Agent可以辅助完成物件整理打组这类活儿。但他的原话是“还需要训练精准的提示词和调试”。接口通了，不等于效率就上来了，中间还隔着一层需要反复调校的工作。
效率提升的公式大致是：模型能力乘以你的知识储备，再乘以你的基础设施。模型只是其中一项，也是最容易补齐的一项。46个核心发布摆在那里，模型能力在快速趋同。真正拉开差距的是后两项，它们没有版本号，不会自动更新，只能一块一块自己搭。
等GPT16出来会不会好点？不会自动变快，瓶颈不在模型。GPT16会放大已经搭好系统的人的优势。同样的模型升级，落在有规范、有接口、有记忆的人手里是直接提速，落在没有这些的人手里，还是那句“快在步骤中，不在结果上”。
他这套东西最实在的地方，是把“基础设施”落到了能数出来的粒度：8个仓库、318条规范、一台102号虚拟机。差距不玄学，取决于你为AI提前做了多少准备。