热点：今日36氪头条，「一个月烧掉 930 万元 Token 的人，也没烧出个答案」

今天，36氪有篇文章很火——一个创业者一个月在大模型API上烧了930万元的Token，最后发现核心问题还是没解决。

评论区吵翻了。有人说这是AI泡沫的典型症状，有人说这个创业者方法论有问题。但我觉得这篇文章最有价值的地方不在结论，而在它暴露了一个很多人都在犯的错误：把「用AI」等同于「会用AI」。

烧930万Token说明什么？说明这个人有强烈的AI使用意愿，但没有建立正确的信息处理和知识管理体系。给他再好的模型，如果输入的信息是混乱的、prompt是随意的、输出是不整理的，烧再多Token也烧不出结果。

这其实不只是AI的问题，是我们所有人面对信息过载时的通病。

我自己踩过的坑

做自媒体三年，处理音视频素材这件事我太有发言权了。保守估计过去一年整理过的音视频超过500小时，从最原始的手听到现在用AI工具，中间的变化还是挺大的。

最早纯手动处理。一段30分钟的访谈录音，花3小时以上——一边听一边暂停记笔记，再听一遍检查遗漏。效率极低，关键信息还经常漏掉。

后来开始用转写工具。准确率确实高了，但转出来一大段文字密密麻麻的，你得自己从头读一遍去找关键信息。工具解决了「从声音到文字」的问题，但「从文字到笔记」这一步还是得手动来。这就像那个烧930万Token的创业者——工具升级了，但方法论没跟上。

真正的转折：建立信息处理系统

后来我意识到问题不在于工具，而在于我缺少一套系统性的信息处理流程。于是我做了几个改变：

第一，从「单条处理」变成「批量处理」。 以前是一个视频看完再看下一个，现在是先把所有相关素材的链接收齐，批量转成笔记，先扫精华速览再决定哪些值得深入看。比如今天这个Token话题，我同时看了36氪原文、B站上几个博主的解读视频、小宇宙的播客讨论，一共7个素材。用Ai好记批量处理完，精华速览扫一遍，只有2个值得精读，剩下5个扫过就算了。原来需要6小时的活，1小时搞定。

第二，从「按时间线」变成「按主题」归档。 以前的笔记是按日期排列的，找一个相关内容得翻半天。现在按主题分类——「AI工具」「内容创作方法论」「行业趋势」等，每个主题下再按时间排列。这样每次遇到新话题，之前整理的相关笔记就是现成的背景资料。

第三，从「被动接收」变成「主动提问」。 整理完笔记不要扔在那里不管，花5分钟基于笔记内容问自己几个问题：这篇文章的核心论点是什么？我同意吗？跟之前的认知有什么冲突？这些思考才是真正把信息变成知识的步骤。

这套系统帮我解决了什么

最大的变化是效率。以前处理500小时音视频素材，手动整理至少需要2000小时以上的工作量。现在用这套流程，大概500-600小时就能搞定，效率提升了3-4倍。

另一个变化是知识的复用率。以前整理的笔记放那儿就忘了，下次遇到类似话题还是从零开始。现在按主题归档之后，新内容可以直接跟旧笔记做关联，知识积累是有叠加效应的。

说回那个烧930万Token的人。我觉得他的核心问题不是花钱多，而是没有建立「输入→整理→输出」的闭环。AI是加速器没错，但你得先有正确的方向和方法，加速器才有意义。

最后

AI时代，信息处理能力就是核心竞争力。不是谁用的模型更贵、调的API更多，而是谁能更快地从海量信息里提取出有价值的东西，然后把它变成自己的判断和行动。