AI会让我失业吗？写给每个焦虑的普通人

随着AI技术的飞速发展，尤其是大模型的广泛应用，许多普通人开始感到焦虑和不安。AI是否会取代人类的工作？我们应如何应对AI带来的不确定性？本文将深入探讨AI带来的焦虑根源，分析AI变革引发的不确定性以及信息爆炸导致的掌控感缺失，并提出破解焦虑的方法，帮助大家从底层认知AI的价值，了解其影响边界，并采取积极的应对措施。

———— / BEGIN / ————

2022 年 11 月 30 日，OpenAI 发布的 ChatGPT 如同扔进数字世界的一颗原子弹。这个能与人类流畅对话的 AI 系统，在全球引发了一场史无前例的科技军备竞赛。

仅仅两年时间，大模型生态已呈现出令人惊叹的 “寒武纪大爆发”。

2025年初，随着DeepSeek的出圈，让更多普通人发现原来大模型已经可以做到像人一样“思考”。

接着，基于GJ竞争的角度（瞎猜），DeepSeek迅速被锁死到了“基建”的位置。

很快，无数公司，无论本身是否是同行，一股脑全都快速接入了DeepSeek。

车轮滚滚向前，各种应用被“催熟”，也终于开始切实影响到了我们每一个普通人。

除了DeepSeek的破圈，杭州的机器人、AR眼镜等方面也都有了质的突破。

宏观层面，基于国家竞争，我们民族自豪感油然而生。但对微观个体，AI对我们自己的影响、对从事行业的影响、甚至对人类未来生存的影响，又不得不让我们陷入焦虑的情绪。

作为普通人，日子还是要过的呀，我们还是要正视焦虑，知其原因，做好应对。

本文从我个人的视角，做一些焦虑分析和应对建议，希望可以对大家有所启发。

焦虑的原因

焦虑的来源，我认为主要来自于以下2个维度，相辅相成，综合影响。

1. AI变革带来不确定性

近几年时间，宏观经济不太好，有些行业发展见顶，就业环境极差，大家对未来本来就充满了悲观。

很多公司基于降本提效出发，不断裁员优化，也更没有新增招人的需求。不少人处于失业的边缘，至少也是生活的压力变大。

AI时代的到来，大模型天然且强大的“提效”属性，就进一步加深了这个矛盾。

可想而知，从企业的立场出发，一定会拥抱AI，为了更好看的财务报表。

同样一个岗位，原来需要10个人，未来可能就需要5个人（每个人都使用AI作为助手辅助），在某些行业可能更惨。

回到个体角度，我们会不会成为被AI取代的那些人，这个也许是大家最惶恐的。

2. AI信息爆炸，自己没有掌控感

随着AI的不断发展，从芯片到大模型，再到应用，每天都有无数的产品更新出来。

这些信息，叠加上自媒体的加工传播，就形成了近似于无穷多的信息海洋。

想要拥抱AI，发现知识点太多了，不知从何入手；再加上技术的更新迭代太快，有时候学着学着发现知识已经老化了。

人都想要有掌控感，尤其对于AI这一可能对未来影响极大的东西，谁都不想因此错过未来的红利。

但是，面向繁杂的知识和信息，大部分人真的是无法做到有效掌控，这种矛盾也会给人带来巨大的焦虑。

如何破解焦虑1. 认知AI的价值（增量价值）

认知AI的价值，我们需要从最底层的原理和能力开始，不然就非常容易被一些眼花缭乱的内容所干扰。

——本段不必要看懂——

当前主流大模型的最内核，其实就是“文本预测生成”。

核心原理：将海量数据集向量化，然后再通过概率大小来迭进式生成文字。这个过程，一般称之为预训练，如果需要适配特定领域或任务，还需要进行进一步的微调。

最终效果：你输入一段文字，大模型给你返回一段文字，输入的内容就是常说的prompt。

随着大模型的迭代（奖励推理过程），进而演化出了更高级的输入理解能力和输出表现能力。

大模型内在的逻辑，我们大部分人不需要搞明白，其实也没有很多人能真正搞明白。

把大模型类比发动机，你不需要知道发动机的内部构造，只需要知道发动机可以做什么就行。

这里，大模型本身衍生了2类能力（生成能力、推理能力[依托生成能力]），核心分为4个场景：

① “对话”场景

对话是大模型最基础也最重要的一种能力，也是从ChatGPT开始，大家才实现普通意义上的“用自然语言和机器交互”的能力。

它既能“听懂”你输入的文字，也能输出你能理解且符合你预期的文字。

各类chat类应用（背后有各自大模型），如ChatGPT、豆包、DeepSeek，都能满足你的对话需求。

“对话”这个能力，直接将人机交互的效率提升了N多倍。想想之前的siri、小度、小爱，没有大模型时候，非常地不“智能”。

当然“对话”场景更多伴随着“求知”的场景出现。

② “求知”场景

对话场景下，一般都不会闲聊，基本上都会带着“求知”的目的，你要解惑特定的内容。

在没有大模型的时候，求知基本分为2种方式：一种是搜索（如 百度、小红书）看别人过去输出的内容，另一种是通过问答交流（如 知乎问答、各类im）的方式得到答案。

搜索带有信息时效性和个案的局限性，但是成本较低；问答咨询具备及时、全面的优势，但是成本（供给资源、时间并发）却很高。

当大模型出现后，我们发现它完美解决了以上2个问题。

你会发现AI可以化身一个个领域的专家（数学、物理、医学、计算机……），你随时随地都可以和TA产生交流，TA的知识和经验又是全体人类的结晶，超过了大部分的优秀个体。

人类从来没有像今天一样，在获取知识方面如此简单，你唯一需要做的就是提出你的问题。

③ “生成”场景

与AI对话是最基本的“文生文”的应用场景。

大模型既然能在文字方面做到海量数据形成生成性，那图片、视频也不会有问题。

一样的原理，近似的方式，大模型逐渐具备了多模态的能力。

于是乎，文字、声音、图片、视频相互之间都可以进行相互生成。

当然，再结合一些特定应用，也不会是问题。例如 帮你做个PPT，生成一些音乐创造，帮你扩展下图片或视频……

市面上类似的应用，不胜枚举。

④ “任务”场景

如果说以上3个场景，还都是大模型基于海量数据的特征学习产生的跟随模仿能力。

那直到大模型“推理”效果初显，尤其伴随着DeepSeek的出圈，更多人看到了TA面对一个问题背后的逻辑性。

这一刻，大家意识到AI真的像一个会思考的人类。

你的复杂指令，TA也能理解并分步拆解，于是“任务”场景便出现了。

Agent属于现在比较火的应用形态。最近一个AR眼镜厂商出了一个宣传视频：带着AR眼镜，朝向对面一家咖啡店，你只需要语音说：“我要点杯9.9的咖啡”，然后你就可以到店自提了。

也许未来“智能硬件”+“任务”场景，能很大程度上改变我们的生活和工作方式。

2. AI的影响边界（冲击&机会）

以上介绍了大模型的很多新能力，我想大家对这一新技术有了大概的了解。

接下来，我们就看看AI会影响什么东西，哪些是冲击，哪些是机会？

1）对大部分行业没太大冲击，但对人有冲击的

这里以我所在的互联网行业为例，做一些推论。大家其他行业也可以按逻辑自行代入评估影响。

——以下内容，纯属个人观点预测，仅供参考——

① 生产履约类：以实物和服务为核心的事情，基本没有太多影响（不考虑机器人的影响）；

② 业务类：业务是用户和商业的核心纽带，冲击很小，一些点上可以提升效率，也可以在C端做一些产品结合；

③ 客服类：对客服来讲，除情绪价值之外，更多是咨询和解决问题，长期来看能被AI代替较多，冲击不小；

④ 技术类：对设计、技术来讲，尤其是编码童鞋，借助生成和任务场景的能力，长线肯定是冲击最大的；部分的产品工作，也可能会受到一定冲击；

⑤ 后台类：对内部咨询答疑、基础重复性工作属性的岗位，冲击应该也是比较大的；

大家会发现，AI更多是工具的作用，核心还是提效。有些是基于应用层的提效，有些是深层次的提效。

这些提效的部分，人被AI取代的可能性会较大，其他的非相关领域本质上并不会受AI很大的影响。

2）对部分行业可能存在较大冲击（当然也可能是机会）

① 以知识、经验输出（非实体操作技能）的工种。因为大模型的“求知”应答能力，长期来看会强过大部分的人体。例如 律师、医生等垂直经验专家。

② 各类垂直细分的工具类产品。大模型的基础能力会逐渐内化绝大部分的工具能力，再结合“对话”和“任务”能力，大家可能不需要再逐个访问它们。例如 天气预报、翻译软件等。

③ 部分的平台，也可能存在较大的冲击风险。因为“任务”场景下，用户的行为路径可能会产生重大变化，进而就会影响到一些流量的分配机制。例如一些电商、本地生活、搜索等。

这里，还拿上文那个点咖啡的例子来讲。

“你带着AR眼镜，你只需要语音说：“我要点杯9.9的咖啡”，然后你就可以到店自提/坐等外卖了。”

我们分析下用户行为路径的变化以及可能的流量路径：

你觉得未来，一切成熟了，用户还有必要直接访问美团app去点餐吗？

当然，你可以把上图中的美团平台换成百度搜索，可能更有体感。

3）大模型带来的增量机会

这波儿大模型生态上下游，一定会诞生很多超牛的公司，像今天大火了的DeepSeek。

现在很多软件层的创业，基本集中在大模型和应用2个层面。

① 模型层

随着DeepSeek的开源和出圈，各家基本上都已经接入，现在DeepSeek基本处于“最底层”的模型。

一些大厂会保留自己的模型，进而将能力逐渐都拉齐到终极水平。

当后续模型能力差不多时候，可能就会变为卷价格的竞争阶段。

模型层的开发，就业岗位少，对人的能力要求高，不太适合普通人的选择。

② Chat类应用

现在市面上常见的chat类应用有很多，如DeepSeek、豆包、kimi、元宝等等。

但是随着行业的发展，最终能存活下来的，也一定不会这么多。

作为工具，大模型底层能力趋同，交互体验很容易拉齐，最终可能就会变为流量的博弈。

有没有可能不需要一个单独的chat应用？微信如果把各种功能集成得很好，是不是本身就是AI的超级应用。

总之，chat应用的创业，在未来也会面临很大的不确定性。

③ 创新应用（重度依赖大模型能力）

重度依赖大模型能力进行的创新应用，以各种“生成”能力为代表的工具。

可能会跑出来一些比较好的个体，但是最终我觉得大概率会被整合到超级AI应用，也许被收编。

原因如下：大模型能力越来越强，且是开放的；用户不可能装一大堆的各种工具应用；应用层的产品很容易被“模仿”。

这部分创业机会，面试的风险也是巨大的，但肯定会有很多的尝试。毕竟大部分公司搞不了大模型，只能在应用层发力。

④ 传统应用

传统应用就是指大模型没有出来之前，市面上存量的一切商业应用。

自研的业务系统，以及各类商业saas系统，这些应用本身解决的都是特定领域的专业问题。

AI时代的到来，可以预见这些应用都会直接或间接地接入大模型。

大部分系统，都可以借助大模型的能力重塑一遍，进而提升效率。

当然，也有一些系统，会在大模型的暴力运算加持下，取得一些质的飞跃，例如医疗、科学研究等。

传统应用本来就是历史存量的市场，你我大家都在其中，我们都可以抓住这个机会。

3. 个体如何应对AI的影响

以上，我们讲了AI的能力，以及AI可能的影响范围。

显而易见，AI在接下来的工作和生活中，一定会和大家密切相关。

作为个体，面向AI，我们如何应对呢？我认为可以从以下3个方面做准备：

① 积极拥抱，熟练掌握

上边简单讲了AI的底层能力和影响边界，大家应该知晓AI擅长做什么。

作为一项新质生产力，我们肯定是要积极拥抱TA，并熟练掌握的。

但具体到日常使用，我们还有很多的路要走。面向眼花缭乱的各类信息，我们得想想哪些真的是自己需要的？自己和AI的交集到底有哪些？

我自己分析下来，普通人（除了创业者）主要的需求点主要有3类：

• 感兴趣/从业者，了解大模型底层原理（现在自媒体很发达，大家有心的话，很容易就能了解；不要为了一些乱七八糟的东西付费，防止被割韭菜）

• 掌握AI相关应用工具（习惯使用DeepSeek、豆包app，并结合到日常工作和生活中进行提效，锻炼自己提问题的能力）

• 从业者，把AI功能融入到自己工作中，了解大模型的一些上下游（思考自己工作中的各个环节，结合AI的能力特性进行改造）

② 面向影响，错位竞争

大家最担心，是AI抢了自己的饭碗，但其实本质上是别人抢了你的饭碗，AI只是加剧了你们的竞争进程。

两个人同时被老虎追，你不需要跑得过老虎，你只需要比另一个人跑得快就行。

面对AI的影响，我们需要做的也是如此，错位竞争，比别人优势多一些即可。

同样岗位的人，会AI的就比不会的人竞争力强；

都用AI的情况下，你要提升你的综合素养，例如技术懂产品，产品懂业务，越靠近商业和用户就越安全；

提前看看哪些是AI无法取代的技能，可以提前学习和储备，作为以后的planB；

如果是一些学生，未来选择职业发展道路，就提前规避AI渗透率高的赛道，例如学学艺术类；

③ 平和心态，长期思维

AI是对一个时代的影响，我们没必要产生巨大的焦虑和绝望。

凡事都有两面性，AI可能给我们带来就业风险，但我们也应该想想AI正向的作用，例如 知识的平权、交通不拥挤、医疗未来突破会加快、机器人干活人类享受生活 等等。

未来有太多的不确定性，我们只能把握确定性的事情，个人的身体和心态是最重要的。

让我们保持长期思维，投资自己，积极面对未来的各种可能性。

当时，长期思维还可以投资股票基金（如果你对AI看好的话），毕竟能否从事AI这一行靠机缘，但如何投钱还可以靠自己的眼光。

本文来自微信公众号：产品杂谈，作者：产品杂谈

扫码加入AI共学交流群，获取最新AI动态、实用工具和行业报告，不让信息差拉开距离。

———— / 推荐阅读 / ————