最近给本地一家银行科技部门做过一次分享，把这半年在宁波跑 AI 社群、做线下走访的观察整理出来。三个阶段，每个阶段都有自己的”现象—原因—启示”。

一、3 月：openclaw 热潮期

现象：openclaw + hermes 这类 Agent 工具出现时，展示出的能力让人眼前一亮（自动操作浏览器、跨应用执行），本地社群办了几次线下学习沙龙，报名火爆。但两个月后热度骤降——大家学了一阵就放弃了。

原因：

  • 工具更新太快，每次升级就破坏旧用法，学习成本变成沉没成本
  • 宁波本地”从机器学习到 AI 应用系统”完整走过来的人不多，纯技术沙龙覆盖不到泛人群

启示：

  • 从”做得出来”到”普通人用得上”是一道鸿沟。openclaw 影响力大但不是好产品
  • 当前阶段普通人用 AI 还是跟风居多，还没到普及的门槛

二、5 月：工具爆发期

现象：

  • 国内出现 workbuddy / trae / qcoder / 扣子等带可视化界面的工具
  • MCP 协议开始串联各应用，生态雏形
  • 模型编程能力 + 多模态 + 系统调用大幅提升
  • 各地 AI 比赛层出不穷（本地办了第一届高校黑客松）
  • 纯技术交流社群开始自然生长

原因：

  • 可视化工具把 AI 门槛降到普通人能上手
  • 定制化插件串联各软件功能，生态显现
  • 高校学生 / 青年创业者成为 AI 应用开发主力

启示：

  • 生态搭建和模型研究同等重要——大量 skill / plugin 让模型能链接到各业务场景
  • 技术门槛被模型能力抹平，对业务的理解和创造性思考成为新优势
  • AI 应用 ≠ 传统软件：可以快速出 demo 抢市场再迭代，但也带来大量安全问题（数据敏感、调度复杂场景不可参考）

三、7 月：OPC 政策落地期

现象：

  • 宁波本地出了 9 条 OPC（一人公司）扶持政策
  • 创业者意向多但行动少——大部分还在观望
  • 真正成功的 OPC 都是在原有业务基础上优化工作流，纯新业务难起步
  • 各 OPC 园区能力参差：有的算力好但运营差，有的运营好但入驻项目差

原因：

  • 宁波产业结构以制造业、外贸、物流为主，不像杭州/上海有 aigc / 软件基础
  • 政策偏向中大型企业研究能力，缺乏培育中小 OPC 的土壤
  • 政府有政策导向但缺乏主导性，落地不充分

启示：

  • OPC 目前仍是不成熟的命题——传统公司架构仍是主流，一人公司拓客难、政策配套不足
  • 政策具有地域性，业务方向应该贴近当地市场
  • 普通人真正该做的还是优化自身工作场景——基于自己的卡点发展 AI 工作流

四、给读者的 4 类建议

4.1 给普通职场人

  • 别追工具热度，把 AI 用在自己工作流程的卡点上
  • 选自己每天都在用的工具（VSCode、飞书、Obsidian），AI 加持后回报最大
1
2
3
4
5
6
具体做法：
1. 列出自己每周重复 3+ 次的工作
2. 选 1 个 AI 工具上手（推荐 Trae / Cursor 之一）
3. 把它嵌入最频繁的 1 个工作流
4. 跑 1 周看是否真的省时间
5. 没问题再扩展到其他工作流

4.2 给创业者

  • 别从 0 开始做 AI 原生产品，先在自己的存量业务里加 AI 能力
  • 政策依赖重的地方（宁波、制造业为主的城市）做 toB 服务更现实

OPC 起步 checklist（基于走访 50+ 社员）：

  • 你有 1 项主业（不要裸辞做 OPC）
  • 主业里有 1-2 个重复工作流可以 AI 化
  • AI 化后每周能省 5+ 小时
  • 把省的时间转化为副业（接单 / 卖 Skill）
  • 副业稳定 3 个月再考虑辞职

4.3 给 AI 工具开发者

  • 关注普通用户场景——能”装上就用”的产品才会有量
  • 复杂能力交给 API 暴露，UI 尽量做薄

反例：

  • openclaw 影响力大但 UX 不好，普通用户装上不会用
  • trae / 扣子用户量大因为上手快

正例：

  • Cursor 复杂但 UX 好，开发者愿意付费
  • Notion AI 集成到已有工作流，开箱即用

4.4 给本地社群运营者

  • 不要追工具——openclaw / claude code / cursor 都会过时，能沉淀下来的是社群关系和具体场景
  • 多搞落地分享——少讲技术细节，多讲”我用 AI 做了什么 + 踩了什么坑”
  • 政企对接要找对人——银行科技部 / 制造业 IT 部门是真实的预算来源，不是抽象的”AI 转型”

社群活动 3 类建议：

类型 频率 目的
技术沙龙 每月 1 次 拉新 + 互相学习
项目复盘 每月 2 次 沉淀经验（重要）
行业对接 每季度 1 次 拉商业合作

五、走访中发现的 3 个具体案例

案例 1：外贸公司用 AI 做产品文案

某宁波外贸公司，3 人小团队用 AI 重写产品英文描述：

  • 之前：1 个产品 1 个文案 = 2 小时
  • 现在：AI 出 5 版，人工挑 1 版微调 = 30 分钟
  • 效果：4 倍效率，文案质量反而更好（多版本对比）

关键经验：不是 AI 替代人，是AI 让一个人干 4 个人的活。

案例 2：制造业质检用 AI 视觉

某注塑厂用 AI 视觉检测产品瑕疵：

  • 之前：4 个质检工人，每个看 200 件/天
  • 现在：AI 模型 + 1 个工人复检 = 800 件/天
  • 投入：3 个月开发 + 5 万元硬件

关键经验：传统行业 + AI = 新机会（宁波的优势）。

案例 3：本地大学生用 AI 做毕设

某宁波大学机械专业学生，用 Kimi 帮自己写 5000 字毕业论文：

  • 1 周完成文献综述
  • 2 周完成实验部分（AI 生成 Python 数据分析代码）
  • 答辩顺利通过

关键经验：会用 AI 的大学生 vs 不会的 = 工作效率差 5 倍。

六、宁波 AI 生态的下一步

6.1 短期（2026 下半年）

  • 7-9 月：高校 AI 黑客松增多
  • 9-10 月：阿里云、字节、华为等在宁波开 AI 中心
  • 11-12 月：制造业 + AI 的本地项目落地

6.2 中期（2027）

  • 宁波本地 AI 工程师 / Prompt 工程师岗位
  • 制造业 AI 化补贴政策落地
  • 高校开 AI 专业 / 培训

6.3 长期（2028+）

  • OPC 在宁波真正跑通 1-2 个
  • 制造业 AI 普及率提升
  • 宁波成为”工业 AI 应用示范区”

七、给关注宁波 AI 生态的人的建议

  • 关注本地制造业 + AI 场景——这是宁波的差异化优势
  • 加入本地社群（706 / 北辰 / 跳海 等）——信息差比个人努力重要
  • 参加本地 AI 比赛（黑客松 / 路演）——认识同行 + 验证想法
  • 关注宁波 AI 政策（OPC 9 条 / 制造业补贴）——能省真金白银
  • 不要被外地（杭州/上海）的 AI 节奏带偏——宁波有自己的路径

八、本文限制

  • 样本：50 个社群成员 + 5 次线下走访 + 10 次一对一访谈
  • 时间窗口：2026 上半年（3-7 月）
  • 地域：宁波本地，不能直接套用其他城市

其他城市（杭州/上海/深圳/广州）的 AI 生态可能完全不同，仅供参考。

注：本文基于 2026-09 前的观察和走访。AI 行业变化快，3 个月后部分信息可能过时。遇到决策建议重新访谈本地从业者，不要照搬本文结论。