AI进化速度与未来职业思考：知识改变命运时代的终结

Mon, 07 Sep 2026 17:45:00 +0900

过去几年，我越来越强烈地感受到，我们可能正在经历一次比互联网革命更深刻的生产力变革。

真正让我不安的，并不是某个 AI 模型今天已经有多强，而是它进步得有多快。

Stable Diffusion 早期版本连手指都画不好。AI 视频刚出现时，一个简单的“吃面条”镜头都扭曲得宛如恐怖片。ChatGPT 刚推出时，也经常一本正经地编造不存在的药物、论文和事件。

但仅仅几年时间，这些曾被嘲笑的缺陷被挨个击穿。作为程序员的我同样经历过这个阶段。

我是从小写代码长大的，现在靠着这门手艺活为生。早期 AI 能生成大段代码时，我也尝试过让它修改真实项目，结果往往是把代码库搞得乱七八糟。它可以写零碎的局部函数，却很难理解大型项目的结构、历史设计和复杂依赖。

直到 GPT-5.1 前后，我对 Vibe Coding 都依然持怀疑态度。

但最近半年多，我这种从业十几年的笃定也明显动摇了。

AI 已经不只是补全代码，而是开始能够阅读项目、修改多个文件、调用工具、运行测试、分析报错，并连续完成较长的开发任务。现在如果只谈日常软件开发，我已经很难自信地说，大多数程序员一定比 AI 写得更好。

于是程序员群体出现了一种非常现实的态度：打不过，就加入。

我自己也是如此。过去我一个个人项目可能要花几个星期甚至数月持续投入，现在借助 AI Agent，几天就能做出相当完整的版本，小型项目甚至可以在几小时到一天内完成。

生产效率提高当然令人兴奋，但对一个长期把编程视为核心能力的人，比如对我来说，这也会产生很强的挫败感。

想想一个人十几年多积累的技能，正在迅速变成一种只需要支付很低成本，任何人都能一键调用的通用能力。

更残酷的是，这个剧本正在各行各业无差别地重演。

就像现在，GPT 6 Astra 刚刚发布，宣告着通用型的 AI 刚进入 3D 建模领域。很多专业人士依然可以轻易指出它的问题：拓扑不合理、结构错误、无法融入真实工作流。嘲笑他建出来的模型跟牛来有的一拼。

这些批评在今天完全没毛病，说的很对。

但真正的问题从来不是：“AI 今天能不能达到专业人士的水平？”，而是：按照现在的进化速度，半年后、一年后会怎样？

画师、视频创作者、音乐人、程序员……我们都已经见过不止一次类似的过程。

人类和 AI 的学习速度不在一个数量级

一个人从出生到真正掌握一项专业技能，往往需要二三十年。

先接受十几年基础教育，再进入大学，最后在职场中不断犯错、积累经验。很多人到三十多岁，才真正成为熟练的专业人士。

但人的职业寿命又很有限。几十年积累下来的经验，最终只能通过教学、书籍、师徒关系慢慢传递给下一代。

AI 完全不同。

一个模型一旦完成训练，它获得的能力可以被保存、复制，并以极低的边际成本提供给大量用户。

一个高级工程师只能有一个；一个具有类似能力的模型，却可以同时运行成一百万份。

所以 AI 真正具有破坏性的地方，不一定是它是否能成为世界上最聪明的专家，能不能超越爱因斯坦。

我在想的是，当一个具备普通专业人士水准的 AI 可以被廉价复制一亿份时，会发生什么？我觉得答案可能比“出现一个超级人工智能”更加现实。

互联网使信息平价化，AI 使能力平价化

互联网已经完成过一次重要革命：信息平价化。

过去获得专业知识很困难，需要进入大学、寻找专家、查阅大量书籍。搜索引擎打破了这堵高墙，让普通人拥有了平等查阅信息的权利。

但“拥有信息”从来不等于“拥有能力”。

你可以搜索“如何开发一个 SaaS”，但仍然需要学习编程语言、数据库、网络、部署、架构。你也可以在网上搜到“如何构建一个高并发系统”，但从看懂文字到敲出代码、设计架构、排查分布式死锁，中间依然隔着数千小时实践得来的经验。

所以互联网降低了获取知识的成本，却没有真正消除专业能力的门槛。

AI 正在进一步改变这件事。

过去：

不会一项技术 → 学习 → 练习 → 踩坑 → 数年后具备专业能力。

未来越来越可能变成：

不会一项技术 → 告诉 AI 想要什么 → AI 直接交付生产级结果。

也就是说：“知道怎么做”与“能够把东西做出来”之间的认知鸿沟，正在被算力以惊人的速度抹平。

而过去几十年里，脑力劳动者的大部分溢价，恰恰来自于填补这段鸿沟的工时费。

知识没有失去价值，但稀缺性溢价没了

为什么程序员、医生、律师、设计师这些职业能够获得较高收入？

非常简单：不是因为这门工作有多崇高，只是因为会的人少。

当某种专业能力需要漫长的培养周期、只有少数人拥有时，它就具有稀缺性，拥有者也因此获得更高的议价能力。

于是过去几十年最经典的人生路径是：

学习 → 掌握专业技能 → 技能稀缺 → 获得高收入 → 实现阶层跃迁

这也是“知识改变命运”能够成立的重要基础。

对于一个普通家庭的孩子来说，即使没有资本、企业和社会关系，也仍然存在一条相对清晰的上升道路：努力读书，考入好大学，学习稀缺专业，进入城市，成为专业人士。

但 AI 正在精准地击穿这条道路最核心的一环：专业能力的稀缺性。

如果一种能力可以被模型大量复制，那么“会这件事情”本身就不再天然意味着高收入。

我所说的“知识改变命运正在终结”，绝非否定学习的意义。而是指：单纯依靠“拥有知识”和“出卖技能”就能获得超额回报的时代，已经落幕了。

未来依然需要学习，甚至更需要学习。但单纯依靠“我比别人懂得更多”“我会一项别人不会的技能”，从而获得长期稳定高收入，这条道路可能越来越不靠谱。

AI 不需要完全取代人类，就足以改变劳动市场

讨论 AI 是否会取代某个职业时，人们经常说：

“AI 还是比不上顶级工程师。”

“AI 还是比不上真正优秀的设计师。”

“核心岗位依然离不开资深专家把关。”

这些论断很可能是对的，但这并不意味着普通人的饭碗就此安全。

如果你是企业的经营者，那么你大概率不会关心 AI 能不能超过行业最优秀的 1%，但你很可能会想一个问题：以前需要 100 个人完成的工作，现在需要多少人？

假设科技企业过去一个项目需要 10 个工程师。如果 AI 让 3 个优秀工程师就能够完成过去 10 个人的工作，那么劳动市场已经发生根本变化。

所以 AI 不需要全知全能，只要大幅提升单个人的产能，企业对工程师数量的需求就会腰斩。原本 10 个人竞争 10 个工位，转眼变成 10 个人争抢 3 个岗位。

只要供求关系发生逆转，不论技术人员多么不可或缺，劳动者整体的议价能力都会面临雪崩。

“AI 还没法百分百取代我”，从来不是一道牢固的护城河。

人生策略的转向：从“学会什么”到“拥有什么”

过去应对职场危机的本能反应是“换赛道重学”： AI 会前端，我就去卷后端；AI 会后端，我就去搞底层基础设施；AI 连基建也会了，我就去学算法或具身智能。

但这本质上是在用人类以“年”为单位的生理学习周期，去迎战机器以“月”为单位的算力迭代。在同一个维度内比赛跑，碳基生物毫无胜算。

当个人之间的执行能力差距被 AI 急剧压缩，未来决定一个人贫富与阶层的分界线，必然会发生转移：从过去的 “谁懂的更多”，转向未来的 “谁拥有的更多”。

公司、股权、品牌、真实的物理资产、独特的客户渠道、不可复制的线下信任网络、合规准入牌照……

这些维度的东西与代码或方案不同：技能可以被无损复制，但所有权不能。

商业世界最大的分水岭，将前所未有地回归到：Worker（劳动者）与 Owner（所有者）。

如果你是一名出卖时间的 Worker，你用 AI 提升了五倍效率，结果往往是企业缩减了人员编制，你承担了更多吞吐量，而省下来的巨额利润大部分流向了股东与管理层。

但如果你是一个微型资产的 Owner，过去维持运转需要雇佣十个人，现在凭借你自己加上一组 AI 就能闭环。那么降本增效带来的所有现金流沉淀，将全部归你自己所有。

两个人面对的是完全相同的模型，结局却天差地别。

所以会不会熟练驾驭 AI 在未来不会是核心问题，关键在于你用 AI 创造出来的价值，最终到底归属于谁？

赚本金，建资产，拿所有权

在感到环境的冷峻的同时，我也在思考未来的出路，也许我们普通人还能做些什么。因为 AI 在摧毁技能溢价的同时，也极度拉低了生产资料的门槛。

放在十年前，你想独立打造一个能持续赚钱的商业闭环，需要拉扯产品、设计、前后端开发、运维测试、客服运营等一整套班子。高昂的启动成本将绝大多数普通人死死钉在雇佣工位上。

但今天，一个具备商业嗅觉与产品视野的个人，带上一批 AI 工具，就能匹敌过去一支完整初创团队的交付能力。

AI 同时做了两件方向截然相反的事：

它把纯劳动力的售价打了骨折；
它把独立掌控生产资料的成本也打了骨折。

因此，面对这场历史性的洗牌，个人最清醒的职业进化逻辑，或许应当彻底抛弃“苦练技术 → 升职加薪 → 期待稳定退休”的旧梦，转向一套新的闭环：

赚本金，建资产，获得所有权。

工资依然重要： 在早期，它依然是普通人积累第一桶金和对抗现实风险最高效的现金流来源；
但工资只是杠杆的燃料： 它是用来支撑你购买时间、探索方向的筹码，而不该是职业生涯的终极追求；
核心目标是降低对“工时价格”的单点依赖： 去做属于你自己的小产品、小工具，去深耕一个极度垂直小众的线下摩擦力生意，去构建一个具备特定信任沉淀的个人 IP，哪怕它一年只能带来几万、几十万的收入，它也是属于你的“生产资产”。

结语

印刷术降低了书籍的成本；公共教育降低了识字和基础知识的门槛；互联网实现了信息平价化。

而 AI 正在继续向前推进一步：把稀缺的知识和技能廉价化，直接转化成能力。

人类的学习依然至关重要，只是学习的内核变了。过去我们拼命学习，是为了把自己锻造成为社会中一颗更昂贵、更精密的工业螺丝钉；

未来我们依然需要学习，但目的应当是理解系统、判断趋势、嗅探需求、组织资源、承担现实中的责任，并最终把 AI 的无尽算力，凝结成只属于你自己的真实资产。

过去，无数人通过苦读，让自己成为了一名身价不菲的劳动者。

我认为未来唯一的突围法则，是利用 AI 的杠杆，让自己尽早摆脱“劳动者”的身份。

生产力 on Lance.Moe