这是苍穹猎鹰第437篇演化日记

当AI成为标配，我们拼什么？

本文仅为个人观点分享，文中列举的数据与逻辑仅作分析参考，不构成任何决策建议。

现在AI已经越来越多地进入我们的工作、生活和学习，大家几乎都离不开大模型。

可能有人会觉得，大模型已经成了标配，那大家的产出不都是一样了？

这个问题，之前和朋友也讨论过，恰好得到联合创始人快刀青衣在推介《预测之书》时，就这个问题进行了深入分析。

我也认为，AI是放大镜，放大所长，不是大家想象中的天平，均衡强弱。

一项革命性的技术，天然会拉大差距。因为技术是能力的放大器，前提是你得有这个能力。

有点数学思维的朋友都清楚，0乘以任何数，哪怕再大，结果都是0。

1/4

技术放大差距，而非均衡强弱

AI不会消除人与人之间的差距，反而会成倍拉大。

就像互联网让好内容阅读量轻松十万加，甚至百万加，差内容无人问津一样，真正会用AI的人，会把不用或不会用的人甩在身后一大截。

而在纸媒时代，甚至甲骨文、竹简时代，放大效应还没有那么明显，因为传播速度实在太慢了。

那个时代，好内容和差内容的差别，撑死也就几倍几十倍，而互联网则放大到百万倍。

同样的工具，在不同人手里发挥的水平天差地别。

就像大家都会说中文，但能写出几千字文章的人数不会很多，写出好文章的人就更少了。

同样的大模型，在高手和菜鸟手里，效果是天差地别。

与其争论那些“AI是不是取代人”“有没有抹平差距”蛋疼的话题，不如沉下心掌握一门硬核的能力，再通过AI把它规模复制、无限放大。

2/4

独特的个体始终是稀缺

刘嘉老师在《预测之书》里提到一个扎心的事实：ChatGPT在医学考试中的得分已经超过了所有人类医学生，甚至逼近乃至超越人类医学专家。

万维钢老师也给出一个核心逻辑：当AI把"聪明"变成标配，稀缺的不再是你会什么，而是你是个什么样的人。

人类需要的这些特质：能承担多大责任、能定义多大任务、能拥有多大主动性。

第一个特质：能承担多大责任。

没有想到，AI时代人最大的作用竟然是扛包。

其实也很好理解，AI不可能被追究责任、不可能被拉去蹲号子，而操控它的人则可能。

在医学影像领域，无论AI阅片速度多快、精确度多高，最后签字确认的，还得是人类医生。

他不是签个字那么简单，还承担这次AI诊疗的责任。当然，前提肯定需要追溯、监测、核实AI生成的报告。

这和我们日常用大模型生成一篇总结、一份文档，所承担的责任不是一回事。

第二个特质：能定义多大任务。

这个很好理解，想完成多大的任务，关键还在于人。

是想改变世界，还是明天吃顿好的，在于个人如何定义。

第三个特质：能拥有多大主动性。

很多大牛都有很强的自驱力，并不需要太多的利益和诱惑，就能主动作为。

看了不少AI大神的访谈，他们都坦言，为了钻研大模型技术难题、探究代码的逻辑，可以熬夜到凌晨三四点，一天只睡六个小时甚至更少。

这三种特质，是从学习者转变为创造者的核心。

3/4

过程即业绩，行为即保单

俗话说“人在做，天在看”；现在是，“人在做，AI在看”。

AI全程追踪、记录和分析行为数据——GitHub自动将代码质量转化为可视指标，企业招聘认可的“掌握式成绩单”。

在可测的世界里，偶尔一次做对做错不再重要，你曾经做过的事综合证明你是否可靠。

比如车险。出险次数和金额，是很多保险公司衡量保费的重要参考，但这样的数据样本量太少，一般人开车一年能出几次？

如果AI能全程追踪车主的驾驶习惯，有没有经常超速？有没有在城市道路上飙车？AI会记录、整理和分析车主留下的数据痕迹，据此给出合理的保费评估，当然前提是合法合规使用数据。

对于愿意提供数据的车主，保费打个折扣，相信不少人还是愿意接受，除非有自己的小算盘。

学习也是一样，AI可以全程跟踪学生的学业情况，全世界已有超过700所大学认可“掌握式成绩单”，允许学生提交基于能力的证据和作品集。工作上更是如此，GitHub已经能自动把代码质量、提交节奏、AI使用比例等数据，转化为团队和个人可视指标。

在可测的世界里，行为既是保单，过程就是分数，记录就是业绩。

万维钢的建议很实在：如果你是程序员，现在就去注册GitHub账号（国内类似的有GitCode、Gitee）；如果你认为写作很重要，现在就开个人公众号。

一切目的，都是为了让个人能力可视化、数据化、可追踪、可衡量。

4/4

没准备好时，先按下启动键

AI时代不看谁懂得更多，看谁行动更快。越早动手，越能提前享受技术红利。我们太过于强调“万事俱备”，往往把“谋定而后动”拖成“谋也不定行也不动”。

王兴兴不是筹到足够的资金才做宇树科技的，梁文峰也不是储备足够的计算卡才开始做DeepSeek，而是从能做的先做起。

“小步快跑，灵活机动，试错调整”，互联网时代的一套常规打法，AI时代依然成立。

当然，也得具体问题具体分析。像核电这样的行业，要求“一次性把事情做对”，就不适合“小步快跑”的策略。

但对于普通人来说，一生中都不可能遇到这样的任务，基本上都是成本极低的试错机会。

像大模型、智能体大火的时候，无论ChatGPT、Claude Code、豆包、千问，还是OpenClaw、Hermes Agent，先用起来。

担心数据安全，就用备用电脑，先捣鼓起来。最坏的结果就是把系统搞崩溃，大不了重装或者干脆换一台，成本基本可控。

小编在使用Claude Code（接DeepSeek-V4-Pro模型），充了70块钱，折腾了两个月还有剩。

对于AI时代人的价值，Claude Code在一次对话中提醒小编说：

人类讨论有价值的地方不在于数据量或客观性，而在于他能说出你不知道他不知道的东西——一个你从未考虑过的角度，一种你完全没有过的经验。AI做不到这一点，因为AI知道的都是人类语料的再组合。

本文仅为个人观点分享，文中列举的数据与逻辑仅作分析参考，不构成任何决策建议。

  参考资料：

  快刀青衣：《共读<预测之书>之二：当AI把能力变成标配，我们拼什么？》