面对高速发展的AI
普通人现在该做什么？
层见教育 2026年7月3日
先说一个你可能不想承认但心里清楚的事。
前面聊了这么多，AI会不会取代人、发展到什么程度了、未来会怎样——你大概都有感觉了。
但感觉归感觉。有一个问题，你再怎么刷文章看视频也绕不过去：
我到底该怎么做？
这个问题不是给技术人员问的，是给"不是搞技术的、没打算转行做AI、但也不想被甩下车"的普通人问的。
旧金山那个坐在黄色出租车里的老头。武汉被无人车抢单的网约车司机。办公室里被AI抢了半个工位的白领。
他们关心的不是"怎么学编程"，是"我明天该往哪个方向使劲"。
△ 武汉街头 · 无人车抢单，普通人的焦虑是具体的
我们综合了黄仁勋、辛顿、李飞飞、麦肯锡全球主席Bob Sternfels这几位在不同场合的判断，梳理出了几条不华丽但能用的路子。
说几件你现在就能做的事。
01
第一件事：
拿"开放vs封闭"这把尺子，量一遍自己的工作
把你的日常工作摊开来看，逐条问一个问题：这件事是封闭的还是开放的？
标准非常明确。
封闭任务：有明确输入输出、有标准答案、有完整参考样本、反复做每次都差不多。报表整理、数据录入、模板文案、信息检索、标准化方案的对比和生成。
只要你的工作成果可以被"对错"来评判，AI就在超车的路上。
开放任务：没有统一标准、需要根据具体情况定义问题本身、涉及对人的理解和连接。判断一个客户到底需要什么、在多个方向之间做取舍、把复杂的事用对方能懂的方式讲清楚、让一群人在一件事上达成共识。
这些东西的答案不是一个数字。是一种判断。
很多人量完之后会发现，自己一天里70%的时间其实在做封闭任务。
这不是你的问题。是大多数岗位的结构性问题。
真正的行动不是"马上辞职"。是在那70%里，逐步把AI塞进去把自己替出来。把省下的时间挪到30%那块。
△ 日常办公场景 · 70%的工作是AI已经能做的
有一个简单的三步执行策略。
心态切换：
不是"AI会不会取代我"，是"我能不能让AI先替我做掉我最不想做的那部分"。
学驾驶：
发出一个清晰指令的能力。这听起来简单，实际上一大半人的prompt都是糊的。学会把需求拆成AI能消化的单元，是在AI时代的"方向盘"。
立刻试：
选一件你今天就在做的封闭任务——周报、会议纪要、数据整理——用AI做一次，看看有什么不一样。
就这三步。不用等什么完美的时机。
02
第二件事：
搞清楚AI替不了你什么
黄仁勋、辛顿、李飞飞、Bob Sternfels——这几位在不同场合不约而同地谈到了同一个问题：在AI时代，什么能力不会贬值。
综合他们的判断，可以归成六样。每一样都不是"学"出来的，是"长"出来的。
提问力。AI擅长给答案，但它只能回答"被清晰定义的问题"。黄仁勋原话："很多问题之所以解决不了，不是因为答案太难，而是人类根本不知道如何精准提出问题。"能提好问题的人，比能答好问题的人更稀缺——这个趋势只会加速。
创新力。AI基于过去的数据做预测，输出的永远是"最可能的答案"。但真正的创新——那种说不清楚为什么会想到、但想到之后所有人都觉得"就该这样"的突破——是概率计算算不出来的。乔布斯说的"那些疯狂到以为自己能改变世界的人"，AI永远排不进那个队伍。
品味力。当AI能无限产出的时候，"能不能做出来"变成了一个没门槛的事。"能不能做好、做得有特色、做得有温度"反而变成了稀缺品。品味不是审美——是你见过足够多东西之后，对"好"有了一种说不清楚的判断。这个东西没法教，只能靠时间堆。
△ 黄仁勋与AI对话 · "把AI当思考伙伴"
判断力。AI让写代码、写文案、做方案都变成了低成本能力。在这个前提下，"决定做什么、不做什么"才是稀缺资产。一个人能不能在信息不完整的情况下做一个方向性的选择——这件事没有一个AI模型能做。
连接力。团队里最该淘汰的不是技能差的人，是沟通消耗巨大、情绪不稳定、不扛事的人。AI替代不了一个人"让团队更顺"的能力。一个项目经理真正值钱的不是排期排得快，是全组人都觉得"有他在事情就不会乱"。
热爱。AI可以执行指令、优化流程、生成内容。但它没有热爱，没有抱负，不知道为什么要做这件事。而这些AI没有的东西，恰好是"一个人为什么值得被选择"的理由。
六种能力有一个共同特征——都不是"学"出来的。是"长"出来的。
它们不能被AI复制，不是技术上做不到，是因为这些能力的原材料，是一个人在具体生活里经历过的、感受到的、决定过的一切。
03
第三件事：
换一个思维
有人用一句话定义了人机关系："我们不应该跟汽车赛跑，而是学会如何驾驶。"
这句话简洁到有点粗暴，但方向是对的。你不需要跑得过AI——你永远跑不过。你需要的是学会怎么让AI跑给你用。
具体三层转变。
第一层：不要把AI当敌人，把它当工具。这个心态如果转不过来，后面的都免谈。AI会不会取代你，跟你害不害怕它，没有半点关系。有关系的是，你把省下来的时间拿去做了什么。
第二层：不要学怎么造车，学怎么开车。大部分普通人不需要理解Transformer架构、不需要看懂论文、不需要会训练模型。你需要的技能就一个——能把需求说清楚，让AI替你干。这件事已经够练很久了。
第三层：把AI当成思维的外挂，而不是答案的供应商。黄仁勋的用法值得学——他不是让一个AI给出答案然后照搬，是让好几个AI对同一个问题给不同解读，放到一起比较。他不让AI替他思考，他用AI帮自己看得更宽。
△人机协作 · 不是赛跑，是驾驶
最后说一个更根本的事
当AI把很多技能的门槛压到地板时，看起来所有人的起跑线被拉平了。
但实际上，有一类东西不仅没有被拉平，反而更值钱了。
就是那些"只属于你"的东西。
你在哪个城市长大。你经历过什么。你跟什么样的人打过交道。你在哪件事上栽过跟头。你花了三年时间搞懂的那个领域，别人就算用AI也搞不懂——不是技术问题，是因为他没有你这个经历。
黄仁勋说技术直觉、人生阅历、人性洞察力、跨领域感知是未来的护城河。
这些东西不是AI做不了，是它们压根不在AI的能力坐标里——它们没有"可训练的数据"。
因为那些数据长在你身上。
普通人面对AI，最大的优势恰恰是"你是普通人的一员"。你能理解另一个普通人的恐惧、犹豫、渴望。你能讲出让另一个普通人觉得"他懂我"的话。你知道怎么让一个复杂的东西变得可以理解——不是用更专业的语言，是用更"人"的方式。
这才是AI时代普通人真正的出路。
不是在智商上和AI拼刺刀。是把"人味儿"变成溢价。
做你真正关心的事。做久了就变成了判断力。认真对待每一个你接触的人。时间长了就变成了连接力。坚持做你觉得对的东西。坚持到别人能看出"这里面有一个人"。
就够了。
───────
原创 | 层见教育
END
资讯来源：微信公众号
