03 我花几个月几十亿token做的AI搭子是个啥

如果你问我，多模态 AI 进入现实世界，什么场景最容易让普通人一下子看懂它的价值？

我会回答：AI搭子。
而且我已经花了几十亿token做了个6万多行代码的比较复杂的一个样板项目 - 厨房搭子，目前这个产品已经在AppStore可以下载到。

因为这个场景几乎天然具备了下一代多模态AI产品所需要的全部条件。

第一，它发生在真实空间里。
用户不是坐在电脑屏幕里搜索菜谱，而是站在灶台前，一手拿锅铲、一手抓调料，同时脑子里还在想下一步。
这意味着产品必须理解"你现在做到哪一步了""你手边有什么材料""你接下来最该注意什么"。

第二，它的信息密度很高，响应要求很快。
做一顿饭里有食材搭配、火候判断、步骤顺序、调味时机、个人口味偏好、家里现有条件。
用户常见的问题不是"没有菜谱"，而是"菜谱太多、信息太杂，一动手就不知道该听谁的"。

第三，它非常适合自然语言和视觉协同。
你可以直接问："这个步骤为什么要先焯水？"
也可以直接打开冰箱门，问："你帮我看下，我冰箱里有这些东西，可以做点啥比较好"
甚至可以问："你帮我看看，这几块五花肉，够不够一人份炒盘菜"

这时候，一个好的 AI 就不只是电子菜谱。

它更像一个真的厨房老手：

• 帮你食材搭配
• 给你安排烹饪步骤
• 帮你判断火候
• 帮你设个计时器等等

这和传统做菜教程完全不一样。

传统教程的逻辑是"把步骤信息给你"。
但厨房搭子的逻辑是"结合你当下的进度、手边的条件、你的口味和状态，陪你做判断"。

这背后其实体现的是我一直很在意的一件事：

未来很多 AI 产品，不会只是更强的工具，而会是陪伴式的AI Co-Pilot。
用户要的不是更多信息，而是一个能跟他在一个现实场景里，陪伴他的第二个大脑，第二个耳朵，第二张嘴巴。

为什么我觉得这个场景有代表性？

因为它同时具备三个特点：

• 轻决策，但高频出现微判断
• 高信息密度，但用户双手被占用、注意力高度分散
• 有明确体验提升空间，而且很容易被用户感知

一旦这个场景跑通，方法几乎可以迁移到很多别的现实任务里：

• 健身搭子
• 家居维修搭子
• 写作业搭子
• 老年陪伴搭子

甚至再往前一步，就是更重要的无障碍辅助场景的盲人搭子。

所以在我看来，厨房搭子不是一个小众点子。
它更像一个样板间。

它让大家第一次比较直观地看到：
当 AI 真正开始理解你眼前的世界，它就不再只是一个聊天工具，而开始变成一个现实任务中的协同者。

这也是为什么我会持续追这条线。
我真正感兴趣的，不是 AI 能说多少，而是它能不能帮助人更好地活在现实世界里。