立正把 AI 相关的事分成两类：一类是让 AI 在开发或工作过程中帮你做事，一类是 AI 在产品运行中替用户承担任务⁠1。学 AI 的绝大多数场景属于前者——用 Cursor、Claude Code 这类工具让 AI 动手，此时门槛在环境和动作，不在机器性能⁠2。真正吃硬件的是训练和推理大模型本身：GPU 能同时做大量简单运算，算力被放大之后深度学习才跑得起来⁠3；他也在另一期里说，游戏画面逼真与否的最大门槛是硬件，因为多数人的设备不达标⁠4。所以“要配什么硬件”取决于你站在哪一侧：调用现成模型的人，硬件不是瓶颈；自己训模型或本地部署的人，才需要认真算显存和卡数。

他把 AI 能力落在动词上：会调用工具、会拆任务、会看结果纠错，这些动作决定水平，而它们不依赖昂贵硬件⁠5。他提到普通人用 agent 有三道门槛，第一道是熟悉编程环境，而不是从语法和算法学起⁠2。也就是说，如果目标是学会用 AI，可以先在一台普通电脑上装好一个 agent 工具，让它完成一件你本来要手动做的事，观察它在哪里卡住、你需要补什么上下文——这比先买设备更能告诉你缺的是什么。硬件升级解决的是算力和显存，解决不了“不知道让 AI 做什么”的问题。