GPT-6出来之后，我最近看到一个很明显的变化：很多人开始拿它干以前根本不会想到让AI干的事情。
比如3D建模。
以前你要学软件、学建模、学材质、学渲染，现在可能一句话描述自己想要什么，AI就能帮你把模型一步步做出来。
这其实让我越来越觉得，到了今天，限制AI到底能帮一个人做多少事情的，一个很重要的变量已经变成Token。
AI的能力其实远比大部分人日常使用到的多。
问题是很多人的使用方式还是：
问一个问题，
得到一个答案，
再问两句，
然后Token差不多烧完了。
于是很多事情还没真正尝试，就停下来了。
可如果Token几乎无限，人的使用逻辑会完全改变。
你不需要每次都先判断：
“这件事情AI到底能不能做？”
完全可以直接说：
先试试。
不会建模？让AI试。
不会写程序？让AI试。
不会做网站？让AI试。
不会分析一份复杂数据？让AI试。
不知道一个项目怎么推进？也让AI先干起来。
失败了就换一种方法，再跑一遍；结果不好，就继续修改；一个模型做不好，就换另一个模型。
当试错成本接近于零以后，真正发生变化的其实是人的能力边界。
以前学会一项技能，要先决定投入几十个小时甚至几年时间。
现在你可以先用AI把这项能力借过来，在一次次尝试中慢慢理解它。
所以无限Token真正有价值的地方，我觉得甚至不只是能多问几个问题。
而是它让人进入一种新的学习方式：
通过无限试错，发现AI能帮自己做什么，再把这些能力逐渐变成自己的能力。
未来人与人使用AI的差距，很可能越来越像这样：
有人把AI当搜索框，一天问几个问题；
有人拿着足够多的Token，一天跑几十个实验，把建模、代码、设计、研究、自动化一个个试过去。
时间一长，两个人掌握的能力范围会完全不同。
Token越充足，试错越便宜；试错越便宜，一个人的能力边界就扩张得越快。
所以AI时代，Token可能正在成为一种新的生产资料。
有时候你缺的已经不是一个更强的模型，而是足够多的Token，让你敢于对所有不知道答案的问题，都先试一次。