Peter Diamandis：希望百万人用AI解具体问题
Peter Diamandis称，若人工智能让创办公司更容易，他希望看到数百万人去解非常具体的问题：护士更好用的工具、给年迈父母的工具，以及还没人在想的软件。
同一周他写过：查询达到GPT-3.5级表现的成本从2022年11月每百万token约20美元降到2024年10月约0.07美元，约降280倍；一杯咖啡钱就能驱动五年前需要专家团队或上百万美元的原型。皮尤调查显示65%美国工人工作中很少或完全不用人工智能。他另引Salim Ismail对首席执行官的提问：公司里有没有一条高利润业务能被两个人加智能体在60至90天内复制，70%回答有。
他长期把创业成本对比写成2005年约4万美元、2026年约110美元。XPRIZE用奖金驱动民间团队做被认为不可能的目标；Fountain Life做健康延长检测与干预。他估算全球约33亿家庭，到2027年底或有约7亿人需要居家护理，护士供给不够，并讨论家用护理与人形机器人补位。
“组织奇点”是他与Ismail的共同表述：公司人数可缩到现在的约20%，创业公司数量可翻数倍；一个人加智能体编排对上传统编制。他同时把长寿逃逸速度、护理陪伴与“治愈不等于陪伴”分开：模型可诊断，在场仍是人的工作，工具应服务护士和家属而不是取代在场。
市场机制上，买方是握有具体场景的护士、照护者和小创业者，卖方是把降本叙事写成行动号召的指数技术布道者。资金从演讲、会员和长寿医疗流向垂直小软件，而不是单一应用商店爆款。事件由发帖驱动。受益方是能把班次、用药和家属通知做成小工具的制造者；承压方是仍靠编制和经销商保护、90天内可被两人复制的高利润科室或中间软件。
他选择站在“用人工智能去建造”一侧，而不是只讨论岗位消失。
来源：公开信息
ABAB AI 解读
Diamandis把上一条“抱怨即需求”收成名单：护士、老龄父母、没人立项的软件。这不是新发现护理缺口，而是把XPRIZE式悬赏逻辑降维到个人：大奖打航天，小工具打班次和照护。Fountain Life卖的是支付得起的长寿套餐，帖文卖的是还没产品化的家属场景，两条线都指向人口老化的付费意愿。
资本从通用大模型推理降价中溢出。token成本跌两个数量级后，垂直软件的边际开发成本接近提示词和验收，不再先过风投委员会。70%首席执行官承认内部利润中心可被两人复制，等于给外部团队一张攻击地图。护理人力缺口提供真实预算方：家庭、保险和医疗机构，而不是再做一个通用助手。
对标对象是早期电子病历巨头把医院流程写成套件，以及大量未能打进护士站的健康应用。行业处在通用模型已够用、垂直工作流尚未被占满的扩张期。谁先把“给药核对、交接班、家属日程”做成可订阅工具，谁就按工时定价，而不是按模型参数定价。
结构变化属于技术替代。医院和养老机构的软件长周期被个人开发者的周级原型打断，前提是责任与医保接口仍慢。机制是：模型让界面便宜，监管和责任让渗透慢，所以第一批钱会落在护士自己愿意装的小工具，而不是替换核心病历系统。
ABAB News · 认知定律
模型便宜之后，值钱的是没人立项的具体痛苦
编制保护的利润中心，最怕两个人加一个智能体
护理缺口不会等软件公司开完产品会再出现