X上爆文!2030年大預(yù)言:會用AI的成新貴族,不會用的變數(shù)字農(nóng)奴

昨晚，X 上出現(xiàn)一篇神文，十幾個小時 40 萬 閱讀，網(wǎng)友回帖評論稱“看得脊背發(fā)涼”。

作者提出了接下來可能出現(xiàn)的一些 AI 新術(shù)、工作，更重要的是提出了財富極度集中、人類 NPC 等判斷。

尤其關(guān)于子女教育的部分，非常有價值，“人生清單”的想法太絕妙了！

值得一提的是， 作者為“AI 最嚴厲的父親”是個中國人，小編總覺得關(guān)于 AI 的有影響力的博文更多都是大洋那邊的，國內(nèi)也能有這樣深度價值的 AI 神文，真好。

以下為原文（如作者發(fā)現(xiàn)覺得侵權(quán)，可告知，隨刪）

我認識一個朋友，前幾年做短視頻博主，做得還不錯，幾十萬粉絲。去年他跟我說，他現(xiàn)在用AI做內(nèi)容，以前三個人干的事他一個人干，而且做得比以前好。我當(dāng)時還覺得他在凡爾賽。

上個月我們又聊，他說他現(xiàn)在在考慮怎么"管理"他那幾個AI——因為它們開始會自己規(guī)劃任務(wù)了。

我沒說什么，但我在想：他用的那個詞，"管理"，可能很快就會顯得天真，就像二十年前有人說"我在管理我的文件夾"一樣。那時候人們也覺得那是很認真的事情。

然后我想起另一個朋友。他在某個制造業(yè)工廠做質(zhì)檢，一個月六千塊，做了八年，很熟練。

去年工廠引入了視覺檢測AI，他被調(diào)去負責(zé)"監(jiān)督AI"，薪資降到了四千八。今年他跟我說，他現(xiàn)在在送外賣，因為工廠那邊連"監(jiān)督AI"的崗位也不需要了。

這兩個朋友，一個在往上走，一個在往下走。

而他們之間的距離，正在以一種讓人來不及反應(yīng)的速度變大。

這篇文章，我想說清楚幾件事：接下來四年，那些往上走的機會在哪里；那條往下走的路會通向什么地方；以及，如果你有孩子，你現(xiàn)在應(yīng)該怎么想這件事。

最后這部分，是我最私人的想法，也是我覺得最值得認真對待的部分。

一、先說一個讓我久久不能平靜的數(shù)字

2021年，世界上最聰明的AI，做了一套小學(xué)數(shù)學(xué)題，得了35分。

這不是玩笑，這是OpenAI自己公布的測試數(shù)據(jù)，測試集叫GSM8K，就是那種"小明有3個蘋果，給了小紅2個，還剩幾個"的題型。最先進的AI，35分。

（GSM8K：Grade School Math 8K，包含8500道小學(xué)水平數(shù)學(xué)應(yīng)用題的測試集，曾是衡量AI數(shù)學(xué)推理能力的標(biāo)準基準之一。）

然后到了2026年，同類型的測試，得分是99分。用了不到五年。

這條曲線的形狀不是緩慢爬升，是一根桿子，幾乎垂直插進天空——垂直到讓出題的人覺得尷尬，這道題現(xiàn)在已經(jīng)被廢棄了，因為它失去了測試意義，就像你不會用"會不會騎自行車"來考駕照一樣。

于是他們出了更難的題。

全球幾百個領(lǐng)域的頂尖專家聯(lián)手出了一套"AI絕對通不過"的考試，叫做 Humanity's Last Exam ，我姑且叫它"人類的最后一塊自留地"。

（Humanity's Last Exam，HLE：由全球頂尖專家協(xié)作出題的超難考試，涵蓋數(shù)學(xué)、物理、化學(xué)、生物、法律等100多個專業(yè)領(lǐng)域，設(shè)計目標(biāo)是讓AI短期內(nèi)無法通過。設(shè)計規(guī)則：只要現(xiàn)有AI能答對某題，就撤換那道題，直到AI徹底答不出來為止。）

2024年底這套題出來的時候，頂尖AI的得分是個位數(shù)百分比。

到2026年2月，Claude Opus 4.6拿到了 53.1% 。

從個位數(shù)到超過一半，用了大約一年半。

那幫出題的頂尖專家們，現(xiàn)在大概要認真想想，什么叫"只有人類才能做到的事"。因為他們以為的那條線，正在以他們沒有預(yù)料到的速度被穿越。

二、在談預(yù)測之前，我要先發(fā)明幾個詞

你記不記得，三年前"Agent"這個詞突然就流行起來了？或者"RAG"、"MCP"？這些詞在兩年前還不存在，或者只有極少數(shù)研究員在用，現(xiàn)在已經(jīng)是科技媒體的日常詞匯了。

（Agent：智能體，指能自主規(guī)劃、執(zhí)行任務(wù)、調(diào)用工具的AI系統(tǒng)，不只是回答問題，而是會主動做事。RAG：檢索增強生成，讓AI能實時調(diào)用你私有數(shù)據(jù)來回答問題的技術(shù)。MCP：Model Context Protocol，讓AI和各種外部工具互聯(lián)互通的標(biāo)準接口，理解成AI的"USB接口"就夠了。）

新技術(shù)總是先有現(xiàn)象，再造詞語。詞語跟不上的地方，就是變化正在發(fā)生的地方。

我接下來說的這幾個詞，現(xiàn)在還沒有人這么叫，但我猜五年內(nèi)它們會進教科書。

第一個：編排者經(jīng)濟（Orchestration Economy）

過去，"誰能做"決定了誰有價值。

醫(yī)生有價值是因為他懂醫(yī)學(xué)，程序員有價值是因為他會寫代碼。執(zhí)行能力是稀缺的。

當(dāng)AI的執(zhí)行能力全面溢出，稀缺的就變成了"知道讓誰做什么"。編排者，就是那個不一定會做，但知道怎么把一堆AI工具組合起來讓整件事完成的人。

第二個：技能蒸發(fā)（Skill Evaporation）

每個人都有一些花了多年時間積累的技能。翻譯、校對、排版、基礎(chǔ)編程、數(shù)據(jù)整理、客服話術(shù)……過去是護城河。

技能蒸發(fā)，是指這些技能在極短時間內(nèi)失去市場價值。不是慢慢貶值，是蒸發(fā)。蒸發(fā)最快的是"有清晰輸入輸出、可被驗證、大量重復(fù)"的技能。就像馬車夫在1920年代的遭遇，只是速度快了二十倍。

第三個：靜默生產(chǎn)（Silent Production）

當(dāng)Agent可以24小時在后臺運行，生產(chǎn)活動就開始在你睡覺的時候發(fā)生。你早上起來打開手機，你的AI昨晚寫了三篇草稿、處理了十二封郵件、抓取了競爭對手的價格數(shù)據(jù)。沒有人盯著它，它就是在工作。

靜默生產(chǎn)的規(guī)模將在2027年到2028年間變得可被統(tǒng)計。

第四個：意圖層（Intent Layer）

現(xiàn)在你用軟件的方式是：打開APP，找功能，點擊，填表，提交。這個交互模式統(tǒng)治了三十年。

意圖層是指一個新的范式：你只需要表達你想要什么，有一個系統(tǒng)幫你路由到正確的工具并執(zhí)行。你在微信里說"幫我把今天的會議錄音整理成三條結(jié)論發(fā)給我老板"，它自己調(diào)用三個工具，你不需要知道背后發(fā)生了什么。

意圖層一旦成熟，APP時代就會終結(jié)。

第五個：薄殼公司（Thin-Shell Company）

人類層極薄，AI基礎(chǔ)設(shè)施密實——10個人，借助AI Agent和自動化，能支撐起傳統(tǒng)意義上需要幾百人才能跑通的業(yè)務(wù)體量。

2029年前后會成型。

三、OpenClaw：一個你必須知道的故事

2025年11月的一個深夜，一個叫Peter Steinberger的奧地利開發(fā)者——他曾經(jīng)創(chuàng)辦了一家PDF工具公司，軟件被裝進超過十億臺設(shè)備——把WhatsApp的接口和Claude的API連在了一起。

一個小時后，他有了一個能工作的原型：你在WhatsApp上發(fā)一條消息，AI在你的電腦上幫你執(zhí)行任務(wù)。

他以為這太簡單了，OpenAI或者Anthropic肯定早就做了。他們沒有。"大公司做不了這種事。不是技術(shù)問題，是組織結(jié)構(gòu)問題。"

2026年1月，他把項目開源。72小時內(nèi)，6萬個GitHub Star。四個月后，超過25萬Star——超越React這個全球最流行的前端框架用了 整整十年 積累的記錄，成為GitHub歷史上增長最快的開源項目。

這個項目叫 OpenClaw 。

英偉達CEO黃仁勛3月初評價OpenClaw："這可能是有史以來最重要的一次軟件發(fā)布。"他說完11天后，英偉達發(fā)布了NemoClaw——專門為OpenClaw構(gòu)建的企業(yè)安全插件。

當(dāng)世界上最貴的芯片公司為一個誕生四個月的開源項目專門做配套產(chǎn)品，一個新時代的輪廓就清晰了。

OpenClaw回答了一個問題： 當(dāng)AI足夠強大的時候，人機交互的入口是什么？

不是APP，不是網(wǎng)站。是你的微信、WhatsApp、Telegram。你發(fā)一條消息，AI在你的設(shè)備上幫你做事——整理文件、起草郵件、抓取數(shù)據(jù)、運行代碼、定時任務(wù)。它24小時不下班，有持久記憶，你睡覺的時候它還在工作。

而OpenClaw的Skill系統(tǒng)（ClawHub平臺上已有超過3000個社區(qū)開發(fā)的功能插件）意味著：AI Agent的邊界，由它能調(diào)用的工具決定。誰在建造這些工具，誰就在建造明天的基礎(chǔ)設(shè)施。

四、2027年：第一次讓大多數(shù)人沉默的時刻

有一套叫SWE-bench的測試，專門檢驗AI能不能解決GitHub上真實的代碼bug。不是玩具題，是需要讀懂整個項目邏輯、定位問題、修復(fù)、提交的真實工程任務(wù)。

2026年初，Claude Code搭配最強模型的得分是 80.8% ——隨機抽一百個真實bug，AI能獨立搞定八十多個。據(jù)SemiAnalysis統(tǒng)計，Claude Code目前年化收入超過25億美元，占Anthropic企業(yè)營收的一半以上。

預(yù)測：2027年Q1，SWE-bench得分將首次突破95%。

初級程序員的崗位，將在2027年進入招聘凍結(jié)期。不是裁員潮，是根本不再開新坑。

但反向命題是： 會"編排"AI完成復(fù)雜工程任務(wù)的人，2027年會變得極度稀缺。

他們懂得拆解任務(wù)、設(shè)計工作流、評估AI輸出質(zhì)量。培養(yǎng)一個這樣的人需要三到六個月，不是三到六年——這個差異將讓整個行業(yè)的人才結(jié)構(gòu)在極短時間內(nèi)重寫。

一人公司時代，2027年正式到來。

不是勵志故事，是可復(fù)制的方法論。中文互聯(lián)網(wǎng)上"年入百萬的獨立開發(fā)者"的案例，將從稀有物種變成常見現(xiàn)象。

五、2028年：AI開始幫AI變得更聰明

2028年，AI將首次在沒有人類提出假設(shè)的情況下，獨立發(fā)現(xiàn)一個此前未被科學(xué)界記錄的自然規(guī)律，并將其發(fā)表。

不是AI寫了一篇人類已經(jīng)知道答案的論文，而是AI自己提出問題，自己設(shè)計驗證路徑，自己得出結(jié)論，而這個結(jié)論是人類沒有想到過的。

這個時刻意味著：知識的生產(chǎn)，將不再是人類的專屬能力。

廣告驅(qū)動的互聯(lián)網(wǎng)，同年開始生病

當(dāng)越來越多的搜索和決策被AI代勞，傳統(tǒng)廣告邏輯崩塌。廣告主花錢是為了影響人類決策，但如果決策是AI做的，廣告往哪里打？

2028年，至少一家主流平臺會在財報中第一次把"AI導(dǎo)致的流量結(jié)構(gòu)變化"列為核心風(fēng)險項。

六、關(guān)于工作方式，我有一個非常具體的想象

未來的工作方式不是"人被AI替代"，而是人類只做人類的事，AI做生產(chǎn)的事。

想象一個場景，可能就發(fā)生在2028年到2029年之間：

三個認識多年的朋友，某個周四下午約在咖啡館。其中一個說，我最近一直在想一個問題：某個行業(yè)的某個環(huán)節(jié)，現(xiàn)在的解決方式非常低效，如果用某種思路來改造，可能能做出一個有價值的東西。

另外兩個人開始反應(yīng)，一個說我知道這個行業(yè)，這個痛點確實存在，另一個說我記得有人做過類似的嘗試但失敗了，原因是XXX。

就這樣，三個人聊了大概兩個小時。聊到下午五點，其中一個打開手機，把這兩個小時的會議記錄發(fā)給了自己的AI，加上一句話："幫我把這個想法變成可執(zhí)行的方案。"

第二天早上，他收到了一份完整的東西：市場分析、競品調(diào)研、技術(shù)可行性評估、產(chǎn)品原型、MVP開發(fā)路徑、第一批潛在用戶名單，以及初步的財務(wù)模型。

（MVP：Minimum Viable Product，最小可行產(chǎn)品，以最小成本和時間驗證產(chǎn)品核心功能的開發(fā)策略。）

那個場景里，三個人做了什么？他們在喝咖啡，在爭論，在回憶，在連接彼此的認知。他們在做人類的事：社交、思考、創(chuàng)意、判斷。

AI做了什么？執(zhí)行、檢索、分析、整合、生產(chǎn)——所有有清晰標(biāo)準的工作。

人類最稀缺的，將不再是執(zhí)行力，而是 想法的質(zhì)量 、 判斷的準確度 ，以及一個至今仍被嚴重低估的能力： 知道什么時候不該信任AI的結(jié)論 。

七、2029年：AI從屏幕里爬出來

此前所有變化都發(fā)生在數(shù)字世界。2029年，溢出了。

人形機器人將在2029年前后越過部署拐點。特斯拉Optimus、Figure AI，加上國內(nèi)的多家機器人公司，正在快速積累可靠性數(shù)據(jù)。當(dāng)一臺能完成多種體力任務(wù)的機器人成本跌破5萬美元，倉庫、工廠、物流中心的經(jīng)營邏輯就會重寫。

預(yù)測：2029年，全球倉儲、物流、基礎(chǔ)制造產(chǎn)線的人形機器人部署總量將突破一千萬臺。

薄殼公司成型：10個人，運營傳統(tǒng)意義上需要500人的業(yè)務(wù)體量。

八、未來四年里，會出現(xiàn)哪些新職業(yè)

每次技術(shù)變革都會消滅舊職業(yè)，也會創(chuàng)造新職業(yè)。但新職業(yè)的出現(xiàn)總是滯后的。以下是我認為2027年到2030年間會真正成形的幾個新職業(yè)：

1. AI編排師（AI Orchestration Designer）

核心能力：把復(fù)雜業(yè)務(wù)問題拆解成適合AI處理的子任務(wù)，設(shè)計各Agent之間的協(xié)作關(guān)系，定義"做對了"是什么樣，并在AI做錯的時候知道為什么。預(yù)測：2027年頂尖AI編排師的市場價值將超過高級軟件工程師，2028年會有專門培訓(xùn)機構(gòu)，2029年進大學(xué)課程。

2. 上下文架構(gòu)師（Context Architect）

"提示工程師"會消失——提示會被系統(tǒng)化、工具化。但上下文架構(gòu)師不同。

他們的工作是：設(shè)計AI系統(tǒng)"應(yīng)該知道什么"——哪些知識放系統(tǒng)提示，哪些通過RAG實時檢索，哪些通過工具調(diào)用獲取，哪些根本不需要AI知道。這是關(guān)于知識結(jié)構(gòu)和信息流的系統(tǒng)設(shè)計能力，不會被工具替代。

3. AI輸出審計員（AI Output Auditor）

當(dāng)AI大量生產(chǎn)代碼、法律文件、醫(yī)療建議，誰來審查輸出是否正確、合規(guī)、沒有幻覺？

（幻覺，hallucination：AI以高度自信方式輸出錯誤信息的現(xiàn)象，是目前所有大語言模型都存在的問題。）

醫(yī)療行業(yè)的審計員需要是醫(yī)生，法律行業(yè)需要是律師。工作范式完全不同——他們需要知道AI在什么類型的任務(wù)上容易出錯，以及如何高效驗證AI結(jié)論的可靠性。

4. Skill開發(fā)者（Skill Developer）

OpenClaw的ClawHub上現(xiàn)在有超過3000個插件，未來會有3萬個，30萬個。Skill開發(fā)者的工作是：理解用戶的真實需求，把需求拆解成AI能理解和執(zhí)行的指令集，并讓這個能力包在各種邊界情況下不出錯。

App Store早期獨立開發(fā)者靠一款工具app養(yǎng)活自己的機會窗口有三四年。Skill經(jīng)濟的窗口可能更短——十八個月到兩年。但回報會很高，因為現(xiàn)在會做的人還是少數(shù)。

5. 人機協(xié)作培訓(xùn)師（Human-AI Collaboration Trainer）

幫助那些不熟悉AI工具的員工完成工作方式轉(zhuǎn)型。不是教人用某個軟件，而是幫助人重建關(guān)于"工作是什么"的認知——什么任務(wù)應(yīng)該交給AI，什么任務(wù)應(yīng)該自己做，在哪些地方信任AI是危險的。2028年，這會是中大型企業(yè)內(nèi)部需求最旺盛的崗位之一。

6. AI倫理調(diào)解員（AI Ethics Mediator）

當(dāng)AI做出了一個決策，傷害了某個人，誰來承擔(dān)責(zé)任？AI倫理調(diào)解員橫跨技術(shù)、法律、心理學(xué)、社會學(xué)，在AI系統(tǒng)造成真實傷害的案例中，幫助各方理解發(fā)生了什么，為受害者爭取合理的解釋和補償，并推動系統(tǒng)改進。

2027年，第一批專門處理AI相關(guān)糾紛的仲裁機構(gòu)會出現(xiàn)。

九、現(xiàn)在我要說那些沒人想說的

以上說的是機會。現(xiàn)在說讓我睡不好覺的那部分。

有一種流行的敘事，講的是"AI帶來的財富將惠及所有人，全民高收入時代即將到來"。馬斯克講過類似的愿景，OpenAI也勾勒過類似的圖景。聽起來很美，但我不信。

不是不信AI能創(chuàng)造巨大財富。我信。

我不信的是"這些財富會均勻分配"這件事。

歷史上從來沒有過哪次技術(shù)革命，讓財富分配變得更平等。

蒸汽機出現(xiàn)的時候，工廠主變富了，工人從農(nóng)村來到城市，生活水平在最初幾十年是下降的。電力普及的時候，擁有電力基礎(chǔ)設(shè)施的資本家獲益最多，普通工人的工資增長遠慢于生產(chǎn)力提升。

互聯(lián)網(wǎng)經(jīng)濟造就了少數(shù)極度富裕的人，同時讓大量傳統(tǒng)行業(yè)就業(yè)機會消失，中產(chǎn)空心化在很多國家是肉眼可見的。

AI這一輪，我認為不會是例外，甚至?xí)菤v史上財富集中速度最快的一次。

原因很簡單： 這次被替代的不只是體力勞動，而是幾乎所有標(biāo)準化的認知勞動。

而認知勞動，正是過去五十年中產(chǎn)階級賴以存在的護城河。

十、我真正擔(dān)心的那個未來

讓我說一個可能會發(fā)生的場景，這不是科幻，這是一個邏輯上能夠自洽的推論。

2028年到2030年之間，會有一批國家開始推行某種形式的全民基礎(chǔ)收入或AI紅利分配制度。

聽起來不錯，對嗎？

但細節(jié)決定一切。

這種基礎(chǔ)收入，金額不會讓你過得很好，只夠讓你不餓死。足夠你租一個小單間，買一些超加工食品，購買某種娛樂訂閱服務(wù)。不夠你投資，不夠你創(chuàng)業(yè)，不夠你送孩子上好學(xué)校。

勉強夠你活著，不夠你向上走。

而那些向上走的人，那些擁有AI工具、AI資產(chǎn)、AI編排能力的人，他們的財富積累速度將是另一個量級的。

這不是貧富差距，這是物種分化。

更可怕的是： 這種差距會非常穩(wěn)定。

為什么穩(wěn)定？因為維持這種穩(wěn)定，不再需要暴力，不再需要明顯的壓迫，只需要數(shù)據(jù)和算法。

十一、大數(shù)據(jù)維穩(wěn)與NPC化

我們已經(jīng)生活在一個行為數(shù)據(jù)被大規(guī)模收集的世界里了。你在哪里停留，你點擊了什么，你在某個內(nèi)容上停頓了幾秒，你何時刷了多久的短視頻，你搜索了什么——這些數(shù)據(jù)，正在被用來預(yù)測和影響你的行為。

這還只是2026年的狀態(tài)。

到2029年，當(dāng)AI的能力全面成熟，當(dāng)傳感器更無處不在，當(dāng)預(yù)測模型更精準——這套系統(tǒng)的能力會是現(xiàn)在的幾十倍。

當(dāng)一個系統(tǒng)足夠了解你，它就能在你不知不覺的情況下，把你的注意力引導(dǎo)到它希望你去的地方。

給你推送讓你愉快的內(nèi)容，讓你停留更長時間，讓你購買更多東西，讓你的情緒保持在一個容易管理的區(qū)間內(nèi)。

不憤怒，不絕望，不冷靜，不深思。就是那種讓你感覺"挺好的"但什么也沒發(fā)生的狀態(tài)。

NPC化，是一個無感的過程。

NPC——游戲里那些有固定行為模式、在你不跟它互動時就循環(huán)執(zhí)行預(yù)設(shè)動作的角色。它們看起來像在生活，但其實是在運行程序。

我擔(dān)心的是：相當(dāng)一部分人，會在不知情的情況下完成這個轉(zhuǎn)變。

每天起床，刷一下推送，感覺了解了世界；上班，做一些被AI指定的任務(wù)，或者不工作，領(lǐng)著基礎(chǔ)收入；下班，刷視頻，玩游戲，訂外賣；睡覺。循環(huán)。

不是不幸福。而是不清醒。

十二、奶頭樂的工業(yè)化與精準投放

1995年，布熱津斯基在一次精英會議上說過一個詞：tittytainment——奶頭樂。當(dāng)全球化導(dǎo)致大量人口在經(jīng)濟上變得"多余"，最有效的社會管理方式，是給他們足夠的娛樂和基本的物質(zhì)滿足，讓他們不會產(chǎn)生威脅性的憤怒或組織。

他說這話是1995年，那時候還沒有短視頻，沒有算法推薦，沒有精準內(nèi)容投放。那時候的"奶頭樂"是粗放的：電視、體育、廉價食品。

現(xiàn)在的奶頭樂，是精準的、個性化的、實時調(diào)整的。

它知道你喜歡什么風(fēng)格的內(nèi)容，知道多長的視頻剛好讓你愉快但不會疲憊，知道什么時候給你推送一條負面內(nèi)容來調(diào)動情緒讓你繼續(xù)停留。

當(dāng)AI完全成熟，這套系統(tǒng)的精準度將達到一個讓人不安的水平。

你看到的內(nèi)容，不再只是在你刷視頻的那幾個小時影響你，它會塑造你對世界的認知，影響你認為什么是正常的，什么是可能的，什么是值得追求的。

一個始終只看到"普通人也可以躺平"內(nèi)容的人，和一個始終只看到"這個時代充滿機會"內(nèi)容的人，最終會活在完全不同的現(xiàn)實認知里——即使他們住在同一個城市，走過同一條街道。

這不是未來，這是現(xiàn)在。AI只會讓它更徹底。

十三、那些懸而未決的真實風(fēng)險

監(jiān)控資本主義的升級

當(dāng)AI Agent開始在你的本地機器上運行，當(dāng)它深度嵌入你的工作流，當(dāng)它訪問你的文件、郵件、日歷——你的AI助理，可能同時也是這個星球上對你了解最深的數(shù)據(jù)收集節(jié)點。

誰擁有這些數(shù)據(jù)？誰能訪問這些數(shù)據(jù)？當(dāng)這些數(shù)據(jù)被用于信用評估、保險定價、就業(yè)決策——這些問題，現(xiàn)在幾乎沒有國家有足夠完善的法律框架來回答。

AI幻覺的大規(guī)模工業(yè)化危害

當(dāng)AI被大規(guī)模用于法律文件、醫(yī)療建議、新聞內(nèi)容生產(chǎn)，幻覺就不再是讓用戶皺眉的小問題，而是可能造成真實傷害的系統(tǒng)性風(fēng)險。

2027年，預(yù)計會出現(xiàn)第一批"因AI生成的錯誤醫(yī)療建議導(dǎo)致傷害"而進入法律程序的案例。

權(quán)力集中的速度超過任何歷史先例

現(xiàn)在，世界上最重要的AI能力，集中在少數(shù)幾個實驗室手里——Anthropic、OpenAI、Google DeepMind、DeepSeek。這種集中程度，在人類歷史上沒有先例。

核技術(shù)是分散的，電力基礎(chǔ)設(shè)施是分散的，互聯(lián)網(wǎng)架構(gòu)是分散的。但頂級AI能力，正在高度集中。誰控制了最聰明的AI，就控制了未來的生產(chǎn)力、信息生產(chǎn)、決策支持，甚至科學(xué)研究的速度和方向。

十四、關(guān)于我女兒的教育，我有一些很具體的想法

前面說了那么多宏觀的，現(xiàn)在說一件最私人的事。

我有一個女兒。

每次我想到那些數(shù)據(jù)，想到2027年到2030年會發(fā)生什么，我都會想：她那時候在哪里，在做什么，她有沒有準備好？

然后我會意識到，"準備好"這件事，不是她一個人的事，是我現(xiàn)在就要開始做的事。

我目前的想法是： 初中讀完就保留學(xué)籍，然后帶她用另一種方式學(xué)習(xí)。

我知道這聽起來很激進。但我想解釋一下我的邏輯。

現(xiàn)在的學(xué)校教育，本質(zhì)上是在培養(yǎng)一個適應(yīng)1990年代工業(yè)社會需求的人：服從規(guī)則，完成指定任務(wù)，在標(biāo)準化考試中取得好成績，然后進入一個大機構(gòu)，做一份穩(wěn)定的工作。

這套邏輯，在AI時代是失效的。

不是說知識不重要，而是"用背誦和刷題來積累知識"這件事，是AI時代性價比最低的事情。因為AI能記住所有你背過的東西，而且比你背得更準、調(diào)用得更快。

那么，什么是AI時代性價比最高的教育？

我的答案是： 讓一個人盡早接觸真實世界里真實的問題，然后學(xué)會用各種工具——包括AI工具——去解決它。

具體來說，我計劃帶她去做幾件事：

第一件：接觸物流行業(yè)。

物流是一個你不研究就不知道有多復(fù)雜的行業(yè)。從倉庫的貨物管理，到最后一公里的派送路徑優(yōu)化，到跨境物流的海關(guān)申報，到冷鏈運輸?shù)臏乜毓芾怼恳粋€環(huán)節(jié)都有真實的痛點，每一個痛點都有AI能插手的機會。

更重要的是，物流行業(yè)是一個"人機協(xié)作"形態(tài)會在2027年到2029年間最先成熟的行業(yè)之一。她提前接觸這個行業(yè)，不是為了去做快遞員，而是為了理解一個真實的復(fù)雜系統(tǒng)是怎么運轉(zhuǎn)的，以及AI在其中扮演什么角色、有什么局限。

第二件：接觸AI服務(wù)業(yè)。

所謂AI服務(wù)業(yè)，就是"幫別人用AI解決問題"這件事。現(xiàn)在有大量傳統(tǒng)中小企業(yè)，他們知道AI有用，但不知道怎么用，也沒有能力自己搭建。能給他們做AI工作流設(shè)計、Agent部署、數(shù)據(jù)整理的人，現(xiàn)在是嚴重稀缺的。

我想讓她真正做幾個這樣的項目——哪怕規(guī)模很小，哪怕是給親戚的小店做一個AI客服或者庫存管理工具。重要的不是規(guī)模，而是經(jīng)歷真實的需求對接、真實的交付、真實的反饋循環(huán)。

第三件：接觸能源和網(wǎng)絡(luò)基礎(chǔ)設(shè)施。

這兩個行業(yè)，大多數(shù)年輕人覺得很無聊。但它們會是接下來十年增長最快、且最不容易被完全AI化的行業(yè)之一——原因很簡單，它們需要物理世界里的實地判斷和操作，這是AI目前最薄弱的地方。

更重要的是，AI算力的爆發(fā)，本質(zhì)上是一個能源消耗的爆發(fā)。訓(xùn)練一個頂級大模型需要消耗的電力，相當(dāng)于一個中等城市幾天的用電量。數(shù)據(jù)中心的選址、冷卻系統(tǒng)、電力供應(yīng)——這些不性感但極其關(guān)鍵的基礎(chǔ)設(shè)施，在接下來十年會有大量的建設(shè)需求和人才缺口。

讓她理解這些不是為了讓她去做電工，而是讓她知道"數(shù)字世界"的背后是什么，那些算力從哪里來，那些數(shù)據(jù)存在哪里，支撐整個AI生態(tài)的物理基礎(chǔ)是什么。懂得看見"看不見的基礎(chǔ)設(shè)施"的人，思維方式會很不一樣。

第四件：心理學(xué)——但不是課本上那種。

我想讓她學(xué)的心理學(xué)，有兩個核心方向。

第一個是自我認知。知道自己在恐懼什么，在渴望什么，知道自己的情緒是怎么被觸發(fā)的，知道當(dāng)一個人在影響你的想法時，他用的是什么機制。

這不是為了讓她變得冷漠，而是為了讓她在被影響的時候，是知情的，是主動選擇的，而不是被動被推著走。

第二個是——坦白說——PUA的識別與反制。

（PUA：Pick-Up Artist，泛指用系統(tǒng)性的心理操控手段影響他人行為和認知的技術(shù)，現(xiàn)在這個詞在中文語境里多指情感操控、洗腦等行為。）

這個世界上有大量的人，會用各種形式的話術(shù)來操控他人——不一定是感情上的PUA，可能是商業(yè)談判里的、團隊管理里的、網(wǎng)絡(luò)輿論里的、甚至內(nèi)容推薦算法里的。

我希望她很早就知道：當(dāng)有人讓你感覺"你還不夠好"、"你需要依賴我"、"只有我理解你"——這不是真相，這是一種技術(shù)。當(dāng)你能識別這種技術(shù)，你就很難被它困住。

這比任何課本上的心理學(xué)都重要。

第五件：融入各種圈子。

這件事沒有方法論，只有去做。

我會在我能力范圍內(nèi)，帶她接觸不同行業(yè)、不同背景、不同年齡層的人。不是為了讓她建立人脈，而是為了讓她知道：世界比她能看見的更大，人們解決問題的方式比她想象的更多樣，沒有一種生活方式是唯一正確的。

一個見過足夠多不同人的人，有一個很重要的能力：她不會輕易被某一種敘事框住，告訴她"只有這條路才是對的"。

第六件：人生題庫。

這是我一直在思考、打算單獨寫文章展開講的一個概念，這里先說個輪廓。

我們在學(xué)校里刷題，刷的是別人出的、有標(biāo)準答案的題。

但人生里真正的問題，沒有標(biāo)準答案，而且大多數(shù)問題你只有親身遇到了才知道它的存在。

所謂人生題庫，是讓一個人主動積累那些"只有自己能遇到并解答"的問題——你做過一個決策，后來發(fā)現(xiàn)對了或者錯了，你要知道為什么；你和一個人發(fā)生了沖突，你要能把這個沖突拆解成一道題，分析它；你遇到了某個行業(yè)的某個機會，你要能評估它。

這些題不是從書本上來的，是從生活里來的。而一個人積累的人生題庫越豐富、越經(jīng)過自己真正的思考——他的判斷力就越強，他越不容易被別人的敘事帶走，他越能在真實世界里做出屬于自己的選擇。

（關(guān)于人生題庫這個概念，我后面會單獨寫文章詳細講。如果你對這個話題感興趣，可以先關(guān)注一下。）

我為什么這樣規(guī)劃，而不是讓她老老實實把高中上完？

不是因為我覺得高中沒用。是因為我覺得 時間是有成本的 。

她在高中刷題的那三年，如果用來做上面這些事，她會積累什么？她會積累真實的判斷經(jīng)驗、真實的行業(yè)認知、真實的人際網(wǎng)絡(luò)、真實的工具能力，以及一個對"我是誰、我想要什么、我如何面對困難"有初步答案的自我認知框架。

這些東西，是高考卷子給不了的。而且在AI時代，這些東西的價值，會比一張大學(xué)文憑更持久。

我當(dāng)然不是在說文憑沒用。文憑還有用，還會有用很多年——但它的用處，正在從"證明你有能力"變成"證明你沒有明顯的缺陷"。這是兩件不一樣的事。

學(xué)籍保留，是因為我也不確定。如果她在外面走了一年發(fā)現(xiàn)自己更想去大學(xué)，那學(xué)籍還在，路還在。我不是要幫她做決定，是要讓她有選擇。

這整件事，我想做的不是一個另類的教育實驗，而是一件很樸素的事：

讓她在世界真正變天之前，有機會用腳踩過那些她將來要站上去的土地。

十五、寫給那些還沒決定往哪走的人

我認識的那個質(zhì)檢員，他現(xiàn)在送外賣，不是因為他不夠努力，也不是因為他不夠聰明。是因為他在做決定的時候，信息不對稱。他不知道那扇門在哪里，不知道那扇門什么時候關(guān)。

我不想假裝這篇文章能解決那個問題。它解決不了結(jié)構(gòu)性的問題，解決不了信息不對稱，解決不了資本的邏輯。

但它能做的是：讓你知道，有一個窗口，現(xiàn)在是開著的。

你現(xiàn)在能做什么？

學(xué)會編排，不只是使用。會用AI工具是基礎(chǔ)，會設(shè)計讓多個AI協(xié)作完成復(fù)雜任務(wù)的工作流，才是競爭力。

開始建你自己的知識庫。當(dāng)所有人都用同一個基礎(chǔ)模型，你積累的私有數(shù)據(jù)和結(jié)構(gòu)化經(jīng)驗，是讓你的AI比別人的AI更聰明的唯一方法。

關(guān)注Skill經(jīng)濟。ClawHub、各類Agent插件市場——去看看有哪些需求是你所在行業(yè)里真實存在、但還沒有人做插件解決的。那是你的線索。

還有最重要的一件事：保持清醒。

不是不要娛樂，不是要你二十四小時工作，而是要知道自己在做什么，為什么在做。知道什么時候你是在主動選擇，什么時候你是在被推著走。

去咖啡館，去和人坐下來聊，去產(chǎn)生那些無法被流程化的想法。更是你維持清醒、不變成NPC的方式。

因為NPC化的本質(zhì)，不是你不勤勞，不是你不聰明，而是你停止了真正意義上的選擇。你在運行程序，而不是在做決定。

計算機出現(xiàn)的時候，沒有消滅工作，它改變了什么樣的工作有價值。 互聯(lián)網(wǎng)出現(xiàn)的時候，沒有消滅工作，它改變了工作發(fā)生在哪里。

AI成熟的時候，不會消滅工作，它將改變—— 為什么，工作有價值。

但在它改變這件事的過程中，財富會向少數(shù)人集中，權(quán)力會向少數(shù)機構(gòu)集中，注意力會被算法捕獲，認知會被內(nèi)容塑造，越來越多的人會在"感覺還不錯"的狀態(tài)下，悄悄地失去自我決策的能力。

這不是預(yù)言，這是正在發(fā)生的事的延伸。

我認識那個做外賣的質(zhì)檢員，也認識那個管理著一堆AI的博主。他們都不是壞人，也都不是蠢人。他們之間的差距，正在變成一道不容易跨越的溝。

我寫這篇文章，不是要恐嚇誰，也不是要販賣焦慮。

是因為那條往下走的路，在開始走的時候，看起來和往上走的路是一樣的風(fēng)景。直到走了很遠之后，才會發(fā)現(xiàn)自己去了哪里。

而那個發(fā)現(xiàn)的時刻，可能來不及回頭。

時鐘在走。

窗口在收窄。

你現(xiàn)在看到的，是這篇文章。下一步，是你的選擇。

寫于2026年3月27日。樂觀的部分我希望說對了，悲觀的部分我希望說錯了。關(guān)于我女兒的那部分，是我最認真寫的，因為那是我唯一真正有把握的事：我想讓她準備好。