AI与未来的6个问题

周六晚上，“未来硅世界”邀请了祥叔作为分享嘉宾，对6个话题进行了重点分享，向阳、元子、尼克西和我，一起也参与了讨论及相关分享，内容很深刻，启发很大

让AI对内容进行了相关核心观点的精简提炼：

1. 最近一次被AI真正“惊到”的时刻或场景是什么？

  • RM论文与Memory体验：在阅读与实践RM最新进展时，体感到AI在“全新文档创作体验”上的突破。它不只是回答问题，而是能主动组织、延展、记忆上下文

  • 语音输入方案：从“语音+GPT-5 Debug”的联动中体会到“傻逼速率→开悟速率”的跨越

  • 主动唤醒的时代：3年前是GPT-3.5的被动工具，如今机器人进入“主动交互”阶段，AI真的开始“会自己找你聊天”

  • Subagent团队的诞生：CC的多代理协作，让AI团队真的能“搞定一件复杂的事”。熟悉与不熟悉的任务处理方式出现了分层

  • LOVOT启示：日本情感机器人LOVOT，让人看到“情感陪伴型AI”的雏形。尤其是老人对机器人的态度变化，折射出未来人机关系的温度

  • 人类成长的侧写：同样的任务在AI的辅助下效率倍增，编程能力、音乐学习速度都出现指数级提升

2. 相比三年前，现在日常工作习惯有了哪些显著变化？

  • 心态：从“难度阀门”到“想象阀门”。更看重认知与效率，而非任务量

  • 交互方式：语音输入与AI对话成主流，像在与一个长期共事的伙伴激发灵感

  • 从找工具到造工具：以前搜，现在造。搜索量下降，Raycast、代体等工具让创作更流畅

  • 学习方式的转变：从“浅层消费”到“论文级研究”，AI成为学习伴侣

  • 故事与实践：从AI健身计划、AI写书到自动调配训练计划，一切都变得个性化、系统化

  • 社会节奏变化：效率爆发的时代，成本定义改变。时间成了唯一的稀缺资源

  • 反思：真正的“100倍生产力”并非更快输出，而是花更多时间造工具

3. 如果把“未来10年”压缩成“未来10个月”，会先做哪三件事？

  1. 机器人生活化：拥抱多模态+开源机器人，让AI触达物理世界
  2. 共创与交流：更多与同行碰撞，周末可能就是未来
  3. 健康与钓鱼：放慢节奏，重拾“slow is fast”的智慧

AI拉高了平均水平的门槛。无论是教育还是营销，关键在于“做深”，专注于热爱的领域

结构性变化：

  • 生产力变化→生产关系重构→社会关系重组

  • “一人公司”成为趋势。AI的比较优势意味着人需聚焦“为什么”，而不是“是什么”

4. 有了AI，对孩子培养的关注侧重点有发生变化吗？哪些素质会变得更重要了？日常与孩子互动或教育过程中，有哪些会刻意不去做的事情？

  • AI已是专家，但人仍需学习“如何学习”

  • 重点不在知识，而在“提问力、判断力、创造力”

  • 父母的角色：不说教，而是激发。三观建设比技能更重要

  • 实践案例：用AI开发刷牙比赛App，让孩子在游戏中自我管理

  • 核心信念：上学不是为分数，而是为了掌握学习方法

  • 幸福的选择权：禁止追求“100分”，而是让“技能与幸福”匹配

“好的品德、AI素养与健康身体，是未来教育的三大基石。”

参考：船长与14岁儿子的对话

  1. 培养品味：AI能生成千个方案，但选哪个是人类智慧
  2. 学会组局：AI能规划流程，却不懂人性变量
  3. 扛得住失败：AI教你效率，生活教你韧性

5. AI时代的就业海绵（外卖/网约车/直播）会是什么？AI时代一定会被大量淘汰的岗位是什么（程序员/分析师/编辑）？

  • 就业海绵：人机协作内容创作、高端陪伴、心理咨询、销售

  • 被淘汰的岗位：中间层分析、纯执行编辑

  • 被创造的岗位：AI运营师、Agent架构师、数据验证师

  • 核心能力：拥抱变化，找到“自己喜欢且能持续的事”

关于程序员的未来之路

  • 自学为主：没有实习机会，倒逼成为原生AI代的创造者

  • 时间尺度拉长：人生百年，关键是找到“痴迷点”

  • 判断力与审美力的崛起：AI淘金与AI垃圾并存，唯有判断力区分

  • 进阶方向：学习架构思维，扩展个人战斗力与协作半径

6. AI进步那么快，有哪些事情依然“人味”依然很重要？

  • 钓鱼、画画、音乐：低压力、长半衰期的创作活动是人类护城河

  • 林迪效应：存在越久的事物，未来越有生命力

  • 跑步与马拉松：逼人自我进化的慢变量

  • 人类的在场感：在AI生成内容的浪潮中，真人的出错反而成为信任标志

  • “手作”的复兴：AI泛滥之际，个人IP与独立品味更稀缺

AI如何逐步替换人类

先看看一个正常公司的基本架构图：

最下面，是大量的初级员工，越往上，人数越高，员工的能力越强

但是，这几年因为AI技术的快速发展，对相关岗位，注定会带来极大的波及，背后的原因是：

  1. 这次AI技术与以往不同，AI不是仅“赋能工具”，而是直接替代型劳动力
  2. 当AI性能继续攀升，管理与中层任务也被自动化，组织金字塔被系统性“掏空”
  3. 产业与政府层面，都在全力押注，这会加剧AI对职业的波及

随着AI能力迅速提升，大型白领企业会出现“金字塔替换”，先是冻结校招生与初级岗位招聘，随后一波波裁撤更高层级，直至只剩极少数高层，甚至出现“全AI公司”

具体的过程：

  1. 减少校招生与初级岗位
  2. 初级招聘归零，中级岗位开始减少需求
  3. 触发裁员，底层岗位消失，管理层开始受到影响
  4. AI开始覆盖公司多数角色
  5. 仅存C-suite，负责给海量AI系统下达方向
  6. 少数公司连C-suite也被替代，出现“无人公司”

如下图所示：

最终传统白领工作和“职业路径”会崩塌，社会结构与职业会重组

一些启发：

  1. 未来的竞争力不在“人多”，而在“AI部署深度与协作体系”
  2. 每次生产力革命都会诞生新基础设施，一些新的机会，比如：管理、调度、监控AI代理的系统；将AI劳动力融入真实业务的“中控平台”；构建“AI员工生态”与AI协同文化
  3. 对个人的策略，学会做AI的“调用者”，而非被替代者，比如：能否调用AI完成复杂目标，是否掌握真正复杂的提示工程、系统整合能力、高级判断力，是否具备真正的核心竞争力，例如“品味、信任、意义感”等

源文：intelligence-curse.ai

功利性学习的5个技巧

学习分两种，一种是功利主义，一种是无用之用

两种学习模式都很好，这里主要分享功利主义的学习技巧

  1. 先理解“为什么要学”

所有有效的学习都源于清晰动机，可以问自己三个问题：

  • 为什么这件事值得我投入时间？

  • 它如何影响我的长期目标？

  • 学会之后，我能做成什么事？

  1. 功利性学习，以“能用”为中心

功利性学习不仅仅是为了知道，更是为了能用，先找到具体应用场景，比如项目、岗位、产品、业务问题，再带着问题去学

这个逻辑，能让学习立刻转化为行动与结果

一个基本原则：不解决问题的知识，不学

  1. 向最顶级者学习

学习对象决定你能走多远，主动对标“行业最顶级的人”，看他们怎么思考、怎么决策、怎么验证

这背后，其实就是，先去理解最顶级的标准是什么样的，这会极大的提升自己的审美与判断力

选书也是一样，与其读10本平庸的书，不如精读1本顶级经典并反复实践

  1. 干中学

最好的学习发生在持续的行动中，理论输入只是起点，实战反馈才是关键

边学边做、边做边改，才能形成“认知—行动—反馈—迭代”的闭环

  1. 专注学习，短期内高强度、系统化

设定一个主题，把所有碎片注意力集中在一个领域

形成系统化结构（框架→细节→应用→复盘），在短期内打穿认知壁垒

这其实也在帮助自己，快速构建一套属于自己的知识与经验体系，体系化的思维是成为专家的必经之路

AI费曼学习法

豆包的语音沟通体验非常赞

可以通过与它随时语音对话，来校验自己对于各种新知识、新技能的理解

在豆包APP上，新建一个智能体，提示词参考如下：

这样，随便对豆包说什么知识或者主题，都可以很方便的来校验自己的知识

有时候，方便还是挺重要的

听谁的建议

在听取他人的工作或生活建议时，为了避免无谓的内耗和消耗，有三种情形下的建议可以认真听取：

  1. 对方是该领域的专家或权威，可以认真倾听和学习
  2. 对方是你的服务客户，包括公司内部和外部客户，但仍需判断其建议或需求是否合理
  3. 对方针对你某个具体问题提出建议，比如指出某个数字错误。这类具体、明确的问题反馈是可以接受的。

一般来说，这三种情形的建议都值得认真考虑

无论是哪种情形，最终其实都非常依赖你个人的判断力

不能一味排斥，也不能一味接受

你需要有一套自己的社会价值观体系和专业判断力，尤其是在建议门槛大大降低的当下，能够给出关键、有效建议其实非常难。

因此，建议的采纳还是非常依赖自己的专业水平及认知水平

在AI时代，这种判断力尤其难能可贵

因为通过AI，其实也非常容易获得非常全面的建议，无论你提什么样的问题，总能得到非常丰富的答案

但哪些适用，哪些不适用你，这种判断及之后的执行，才是真正的关键

反过来，也不要轻易的去给别人建议，先试着去理解、感受，如果对方不需要建议，一般也不要轻易的给出自己的判断

反求诸己

在给团队布置了一个任务后，发现执行的结果，有一个细节偏差

于是追问运营的同学，是哪个环节沟通出了问题

运营在排查了沟通记录后，发现是技术同学在执行的时候出错导致

找到问题后，归因自己并建立相关审查机制

这让我看到了一个很好的品质，不是简单的把问题归咎于他人，而是基于这个现象，反求诸己，并建立或优化之后的策略

我曾经思考过一个问题：正确的反思姿势是什么？

我最终的答案，其实就是这四个字：反求诸己

这个逻辑的好处是，将原因归结为自己可控的部分，然后通过新的措施和机制，来进行改善

关于这种逻辑，整体上，有两种大的场景

第一，如果是希望自己获得真正的成长或提升，那么这种反求诸己的逻辑会利大于弊

第二，如果意味的反求诸己，其实也未必是好事，因此，在一些非专业场景下，适当的将“过错”归结于他人或外部，有利于释放自己的压力

当然，更加健康的做法是，训练自己的注意力，把注意力放在对自身长期有复利的事情上，比如睡眠、健身、专注当下的能力、友情、亲情、运动等等