吴恩达最新访谈：AI拿走40%的工作后，剩下60%才真正值钱 |【经纬低调分享】

过去两年，关于AI最流行的叙事一直是：机器越来越聪明，人会越来越不值钱。

但吴恩达给出了一个几乎相反的判断。AI确实会拿走大量工作任务，却未必会拿走工作本身。恰恰因为那些标准化、可复制、可被模型完成的部分正在迅速贬值，人的判断力、行业经验、品味、主动性，以及对真实世界复杂上下文的理解，反而开始变得更贵。

这可能才是这一轮AI革命真正残酷的地方：它不是简单地把“人”替换成“机器”，而是在重新给人的能力定价。

过去，一个人只要把自己负责的那颗“螺丝钉”做好，就能在组织里找到位置；未来，AI会接管越来越多执行环节，留下来的60%，要求你能判断问题、定义问题、调动工具，并最终对结果负责。

所以真正值得问的，已经不是“AI会不会抢走我的工作”。而是：当40%的工作都可以交给AI之后，剩下那60%，你凭什么比别人更值钱？以下，Enjoy：

来源 | 笔记侠

吴恩达，他在最近一次长谈里说：现阶段的大模型，对真正的深度学习来说是个糟糕的工具。你把思考过程外包给它，活是干完了，脑子却什么都没留下。

所谓“AI抢走所有饭碗”，在他看来是几家巨头花了几年的公关战。真实情况是，AI只能吃掉一个岗位里30%到40%的任务，剩下的60%，反而更值钱了。

那么问题来了：那60%到底是什么，你怎么守住它？

01

大模型正在毁掉你的深度学习

现阶段的大语言模型，对于真正的“深度学习”来说是个极其糟糕的工具。

AI在帮你快速交付、把事情办成这件事上非常出色，我天天都在用。

但最新的认知科学研究数据很明确：学生写作业时频繁用AI，作业得分确实大幅提升，但长期的知识留存率和实际理解能力出现了严重下滑。原因不复杂，他们让AI代替自己完成了本该由大脑完成的深度思考。

搜索引擎和维基百科给你的是线索，你得自己拼。但你直接让大模型把最终答案生成出来，等于把认知过程整个外包给了机器。

活干完了，大脑却没有建立起任何深层的神经连接。

我自己也一样，过去半年做开发，遇到前后端组件调用的问题，直接让大模型把代码甩给我，确实快。但六个月后我要重新改那个组件，脑子里一片空白，只能再去问一次AI。

如果大家继续这样把大模型当成跳过思考的捷径，它对人类深度学习的打击会是破坏性的。

这也是我创办LearnVector（吴恩达新创立的AI个性化教育公司）的原因。这家新机构拿到了Coursera（全球知名的在线学习平台）的1亿美元投资，要做的不是又一批录播课，而是真正基于AI的一对一深度启发式辅导。

02

你最值钱的东西，AI拿不走

有人跟我说，他们用大模型给播客候选嘉宾打分，还用机器人复盘提问技巧。他们发现一个现象：AI当头脑风暴伙伴时，经常给出两个好点子、三个平庸点子，外加四个烂得离谱的馊主意。

为什么会这样？

这恰好印证了人类最根本的护城河，在相当长一段时间里，人类相比AI都握有巨大的“上下文优势”（Context Advantage）。

很多商业常识对你来说不言自明，你一眼就能看出某个点子蠢得无可救药，AI却觉得完全可行。

因为我们生活在这个真实世界里，积累了多年的行业经验和人际经验。

我们跟客户当面聊过天，能从对方嘴角抽搐的一瞬间察觉出不对劲；我们听得懂老板话里的弦外之音。

这些海量而微妙的背景信息，在底层架构上根本没有数据管道能完整喂给AI。

大家常说的“人类判断力”或者“品味”，技术实质就是这种上下文优势。它不是玄学，是你在这个世界活了这么多年攒下的资产。

这种优势是长期的，绝不可能在三五年内被技术抹平，所以市场才更需要有好品味、有判断力的人，去跟AI形成互补。

03

所谓“AI失业潮”，是一场精心设计的公关战

过去几个月，社交媒体上关于AI的讨论变得非常负面。大家焦虑数据中心耗电耗水，焦虑海量岗位被取代。

这股恐慌浪潮为什么会突然爆发？

我的回答是：这背后充斥着大量误导性信息。追根溯源，这是两三年前少数几家头部大模型公司发起的一场公关战，本质是想搞“监管俘获”。

因为现在AI领域最昂贵的资产，是耗资几十亿美元训练出来的超大语言模型。但你砸了几十亿训出一个模型，转头发现开源社区也做出了同等水平的模型，还免费分享给全世界，这对闭源巨头极其不利。

所以少数头部公司开始大肆兜售恐惧，游说政府出台严苛的准入和监管法规，人为抬高行业门槛。

这样一来，所有人都得向他们缴纳高昂的模型调用“过路费”，而那些想通过开源让技术普惠的研究机构和小公司，会被直接掐死。

贩卖恐惧在公关上向来很管用。把AI类比成“核武器”，这个类比没有任何事实依据；抓着AI偶尔犯错的案例无限放大，甚至散布关于数据中心耗水量的虚假数据。这种叙事严重扭曲了公众认知，既拖慢技术落地，也损害产业创新。

那“就业末日”真的会来吗？不会。

技术浪潮每一次席卷而来，都会改变做好一份工作所需的技能组合。AI确实在重构各行各业的技能要求，但“AI会抢走50%以上的工作”不是真的。

有时候我甚至希望AI能更好用一些，现实是它根本没被吹得那么神。少数企业为了商业利益炒作的超级智能或AGI，目前底层技术根本做不到。

斯坦福大学的埃里克·布林约尔松和麻省理工学院的安迪·麦卡菲，这两位经济学家对各行各业的岗位做了细致的任务拆解。结论很清晰：AI大概能处理许多岗位中30%到40%的工作任务。

当这30%到40%的任务因自动化而大幅降本，由人类承担的剩余60%就变成了关键的“经济互补品”，价值反而被大幅放大。

最终的职场结局，绝不是AI大规模替代人类，而是善用AI的人淘汰不用AI的人。

04

别再做螺丝钉，非技术岗也要会写代码

软件工程领域的演进，往往是其他行业的风向标。

由于AI工具大量普及，软件行业原先壁垒分明的前端和后端工程师，现在正普遍进化为能独立搞定全流程的“全栈开发者”。

这个趋势正在向所有行业蔓延。

市场营销领域，以前只负责某个环节物料对接的人，借助AI可以独立操盘整套营销战役；招聘领域，原先只负责捞简历的寻访员（Sourcer），现在也能承担起端到端的全流程招聘。

社会对“复合型全周期人才”的需求正在爆发。你既要懂AI工具，也要补齐业务链条上的其他短板。

这确实逼着大家学更多新技能，但一旦迈过这个门槛，业务范围会大幅拓宽，能创造更大的商业价值、拿到更高的报酬，工作本身也会有趣得多。

那些恐慌叙事打击了年轻人的学习积极性。

有准备上大学的学生写信问我：既然四年后AI会把所有事情都干了，那我大学学的东西不都作废了吗？

这种误导让很多人产生习得性无助，直接放弃了主动进化。

说到招聘，我们团队观察到一个信号：越来越多的岗位描述开始极其看重候选人是否具备强大的“高自驱力与主动性”。

因为有了AI，个人发现痛点并独立动手造工具解决问题的门槛被彻底打穿了。“坐在工位上干等领导派活”的螺丝钉时代，正在加速终结。

在我的团队里，所有市场人员都必须掌握编程能力。面试时，我们会直接考察他们用AI独立构建过什么具体的软件或工具。

比如前几天，市场团队一位同事展示了他自己开发的工具：当他要针对某个选题写深度行业文章时，这个工具会自动抓取全网最新动态、整理竞品研究。

他自己动手做了一个在Mac本地运行的桌面应用，能标出关联文章，能通过对话界面实时检索专属知识库，还自带一个全网热点监控面板。

财务团队也是如此，CFO发现大家每周要花大量时间在报表间机械地翻查、核对和搬运数字，于是她自己写了一套自动化脚本，定时跑批，调取文件、提取数据、核验前后一致性，发现异常时主动报警。

他们没有被动等软件工程师排期，而是自己用AI搭出了数据管理和自动化流水线。我们甚至在招聘部门专门配置了“招聘工程师”，用技术手段重构招聘流程。

当业务人员懂技术，或者技术深度下沉到业务一线时，组织的整体生产力会产生质的飞跃。

05

软件不值钱了，什么才值钱

如果要在2026到2027年基于AI进行创新或创业，真正的商业机会在哪里？

由于大模型能力普及，软件的构建成本已经断崖式下跌。我现在几乎每个周末都会动手写AI工具解决实际问题。

上个周末为了分析一批复杂的业务运营指标，我没时间协调数据科学家排期，就直接调用多个前沿大模型完成了深度数据洞察。

但大家要看清楚一件事，写代码成本大幅降低后，整个行业的瓶颈转移到了“产品定义瓶颈”，也就是“你究竟该做什么”。

把软件敲出来已经不再值钱，真正的壁垒在于深入一线与客户沟通，凭敏锐的品味和判断力搞清楚用户真正的痛点，然后利用AI极速迭代产品。

花一个周末套壳大模型做个小Demo（产品演示）很容易，但打造一家真正有护城河的企业依然极其艰难。它要么需要极深的底层技术积累，要么需要对垂直产业客户有着极深厚的业务理解与系统集成能力。

写一个简易原型只是一张入场券，真正的护城河依然来自于你在特定产业中的深耕。

最后说说AGI。黄仁勋等人曾表示AGI近在眼前，我一直坚持认为还需要数十年。分歧的根源是大家对AGI的定义千差万别，把标准降得足够低，甚至可以说三十年前就实现了某种程度的AGI。

有些商业机构出于融资或估值的诉求，有强烈动机尽早对外宣布这一消息。

但在我看来，最严谨且公认的定义是：AI系统能够胜任人类所能完成的任何智力任务。

对照这个标准看，一个人类博士生需要花五年才能完成一篇具备原创突破的博士论文；一个普通人只需在热带雨林里练习几十分钟，就能学会在极端泥泞的复杂环境中驾驶卡车。

AI何时能在只经过几十分钟适应性训练的前提下，自主应对全新的极端物理环境？何时能独立完成高水平的原创科学研究？

这类人类大脑能轻松搞定、AI却毫无头绪的高阶智力任务还有一长串，要逐一攻克，我认为至少还需要数十年。

面对即将到来的技术红利，当下最明智的做法是脚踏实地学习AI、运用AI，深入真实世界去构建真正有价值的东西。