AI时代普通人应该怎么办？

来源：市场资讯

（来源：Jevons的宏观笔记）

关起门来说亮话

见解

戏谑

深刻

“ The Price of Intelligence Is Falling Quickly.”

AI时代的智能成本定律正在以更快的速度迭代。

01

先说一个我自己的观察。

三年前，我要搞懂一个宏观问题，比如美债的期限溢价为什么倒挂，会引发衰退与否？得去翻券商研报、找首席的路演纪要、托朋友要外资行的PPT。

知识是有门槛的，门槛就是你在哪个行业、认识什么人。

今天，我把同样的问题扔给AI，等十分钟它就能给我一份附带数据来源、逻辑链条完整的分析框架，不一定全对，但足够把一个门外汉送进对话的房间，我只需要去纠错与判断。判断比答案值钱。

这件事的本质是，跨学科知识的稀缺性正在消失，而专家的定价，本来就建立在稀缺性上。

过去我们说隔行如隔山，是因为翻山的成本太高。

这是正在发生的定价重构，你去看看身边朋友，初级律师、写代码的、做行研的，这些岗位的共同点是，它们卖的本质上是我知道而你不知道。而这一类东西，正在以每个季度一次的速度贬值。

世界经济论坛《2025年未来就业报告》提到，到2030年，39%的核心工作技能将被重构，约四成企业计划因AI裁员，但同一份报告也说，同期会净增7800万个岗位。

斯坦福数字经济实验室的研究显示，在美国AI高暴露职业里，22到25岁初级员工的就业人数已经下降了约16%。初级开发者招聘量自2022年以来下降67%，大型科技公司招的应届生比三年前少了50%。

AI消灭的不是工作，是中间层。

设计、文案这类中等技能岗位已经缩减2200万个，而高认知决策岗薪资涨幅达65%。

麦肯锡全球研究院预测，到2030年，生成式AI将自动化人类30%的工作时间。

02

传统教育是一场长达十六年的服从性训练。

回想一下你受的教育。从小学到大学，这套系统只教你三件事：

第一，每个问题都有标准答案。

第二，标准答案掌握在别人手里。

第三，你要做的，是等这个人告诉你，然后记住它。

十六年下来，这套训练非常成功。

它批量生产出一种人，遇到新问题，第一反应不是我怎么看，而是权威怎么说，不是我要解决什么，而是老师/领导/专家要我做什么。

波士顿咨询的研究指出，一项专业技能的半衰期，已经从过去的10到15年，缩短到不到5年，技术类技能只有2.5年。

换句话说，你22岁学会吃饭的本事，25岁就馊了一半。

学校不生产独立思考者，学校生产员工，它的KPI不是你的可能性，是你的可管理性。

03

平台的光环，不是你的。

很多人工作十年后才发现，自己这些年积累的，不是能力，是名片。

你在大机构，出去谈事，对方客客气气，你以为人家尊重的是你，其实人家尊重的是你背后的牌子。

你发个朋友圈，点赞一片，你以为你有影响力，其实你站在聚光灯灯底下。

灯是平台的，光打在你身上，你就误以为自己会发光。

判断标准很简单：离开平台，你还能带走什么？

客户认你这个人，还是认你的title？你的见解有人听，还是因为你坐在那个位置上所以别人不得不听？你的名字单独出现时，值多少钱？

别急着答，先看一个数字。

麦肯锡的长期跟踪研究数据，1958年，标普500公司的平均寿命是61年。

到今天，这个数字变成不足18年。

太多人，在大平台上做到中层管理，简历漂亮，谈吐体面，然后行业一变天、组织一调整，出来才发现自己在人才市场上几乎没有定价。因为他的能力从来没有单独存在过，一直是平台资产负债表上的一个科目。

AI时代这件事只会更极端。

因为AI放大的，恰恰是可单独定价的个人能力。一个人加一个AI，能完成过去一个小团队的产出。

公司大概率活不到你退休，你却在为它规划一生。

04

普通人应该怎么办？

1、终生学习。

2、戒掉等别人告诉我做什么。这是十几年教育留下的最深的瘾，AI时代执行层的答案免费，稀缺的是决定做什么的人。每天问自己一遍：如果没人给我派活，我会干什么？

3、每年给你的平台含量做一次体检。离开现在的位置，你的收入、人脉、影响力还剩几成？剩下的部分，才是你的净资产。

4、跟AI合伙，别跟AI比赛。比记忆力、比手速，你必输，你的位置在AI的上游。定义问题、判断好坏、承担责任，在逻辑构建、审美判断与伦理抉择上，人类依然拥有不可替代的上游位置。

5、对权威保持礼貌，不保持迷信，包括我这篇文章。判断一个观点该不该听，别看说话人的title，看他的逻辑你能不能独立验证。技能的半衰期只有2.5年，任何人五年前的经验，都自动减半计价，包括我这条。

6、你不需要很厉害才开始，你需要开始才可能厉害。你跟你领导的区别可能只在于他们早入行了几年，而AI恰好把这几年的路，压缩到了普通人可以追赶的尺度。

老登是什么？不是具体的某个老人，是一整套东西，靠资历而不是靠判断力说话，靠垄断解释权维持的体面，靠“我见得多了”来终结讨论的姿态。

AI上半场的游戏规则是奖励造锤子的人，而不是决定敲哪颗钉子的人。

AI的下半场，重点从解决问题转向定义问题，评估比训练更重要，翻译成大白话就是，方法已经成熟到不再稀缺，值钱的是出题的人。

当一项核心技术的成本呈指数级下降时，通常是大规模应用爆发的前夜。就像PC价格低廉后催生了互联网软件繁荣一样，AI智能成本的极速下降将催生大量以前无法想象的AI原生应用。

赢家通吃与模型commoditization商品化。

基础模型能力的迅速商品化变得像水电一样便宜且易得，意味着单纯靠卖模型API的商业模式将面临巨大挑战，价值将向应用层或拥有独家数据的领域转移。

凯文·凯利在2014年写过一句话，放在今天像预言。

“互联网历史上最伟大、最赚钱的发明，都还没有被发明出来。”

你没有迟到。