AI时代,三种被普通人忽视的底层能力

AI时代，三种被普通人忽视的底层能力

不是编程，不是数学，而是你每天都在用却从没系统训练过的那些东西

最近两年，所有人都在聊AI。所有媒体都在告诉你：AI要替代你的工作了。所有课程都在卖：学AI，否则被淘汰。

但我做了五年量化交易，看过太多人追风口追到最后一地鸡毛。我反而想泼一盆冷水：你真正需要担心的，不是AI学会了什么，而是你自己一直没学会什么。

今天这篇文章，我只想认真聊一件事：在AI狂潮里，真正被低估的三种底层能力到底是什么。

这三种能力，AI做不好，或者根本做不到。它们不需要多高的学历，但需要长期的训练。它们不起眼，但真正拉开人与人差距的，恰恰就是这些。

01 | 计算思维：你解决问题的框架，决定了AI的效率

先从一个真实的场景说起。

上周，我一个朋友跟我诉苦：他的团队用AI工具做市场分析，三个月了，产出了一大堆PPT，但老板说没看到任何实质性的结论。他问我：是不是AI工具不够好？

我问他：你让AI分析的是什么？他说：分析一下我们的市场情况。

这就是问题所在。AI给出了一堆数据，但你没有告诉它你要解决的是什么问题，约束条件是什么，哪个指标才是真正的北极星指标。

AI是什么？AI是一个极其强大的模式识别工具和文本生成器。但工具本身不会产生价值，只有你有一个清晰的问题框架，AI才能被有效地调用。这就是计算思维的核心：不是你会写代码，而是你知道如何把一个真实世界的问题，拆解成可测试、可验证的步骤。

我用量化交易举个例子。什么叫计算思维？不是我丢给AI一句”帮我找个能赚钱的策略”，那AI给你的一定是一堆废话。真正的计算思维是这样的：

第一步，我要解决的问题是：在我的仓位约束和最大回撤容忍度下，组合的夏普比率能不能做到1.5以上。

第二步，这个问题可以拆成几个子问题：因子选择、权重配置、交易成本估算、流动性约束。

第三步，每个子问题用什么数据验证？验证的基准是什么？失败了我怎么调整假设？

这一步步拆解的过程，就是计算思维。它不依赖任何工具，它是大脑的一种工作框架。会这种思维的人，用AI如虎添翼；不会这种思维的人，给再好的AI工具也只能是对着一个万能答案器茫然。

真正危险的从来不是AI替代人，而是会用AI的人，替代了那些不知道自己要什么的人。

怎么训练计算思维？有一个简单的方法：遇到任何问题，强迫自己先把问题写下来，写清楚：我要解决什么？我有哪些约束条件？成功的标准是什么？然后才去想用什么方法、什么工具。写下来的过程，就是把模糊变成清晰、把直觉变成框架的过程。

02 | 跨学科思维：真正的红利，藏在你的知识边界之外

第二种被严重低估的能力，是跨学科思维。

我这些年见过大量非常聪明、非常专业的人，他们的共同困境是：在自己的领域里已经到了天花板，但天花板之上还有一个更大的空间，需要跨出去才能看到。

最典型的例子是金融圈。很多人做量化，做了五年十年，策略越来越复杂，数学模型越来越精巧，但收益越来越难做。为什么？因为他只盯着金融市场的数据，但没有把视野扩展到宏观社会学、行为心理学、复杂系统理论这些领域。一旦他开始从这些领域里汲取营养，很多原来在金融框架里解释不了的现象，突然就清晰了。

我自己的经历很有说服力。2018年我遇到一个瓶颈：我的量化策略在某些市场环境下总是表现异常，我找不到金融层面的解释。困扰了我很久之后，我开始翻一些跟金融完全无关的书——复杂性科学、认知心理学，甚至中国古代的兵法。

结果你猜怎么着？给我最大启发的，是一本讲蚁群行为的书。蚂蚁没有中央指挥，但整个蚁群能完成极其复杂的任务——寻找食物最短路径、动态分配劳动力、应对环境变化。这套逻辑套到我的量化策略里，直接触发了后来两年我最重要的策略升级。

不同学科之间的知识迁移，才是真正的知识复利。你的知识网络越密集，节点和节点之间的连接就越多，你看到的东西就越和别人不一样。而单一学科的专业壁垒，恰恰是这个网络里最薄弱的连接。

怎么训练跨学科思维？我的建议是，每个季度逼自己读一本完全陌生领域的书。物理、哲学、历史、人类学，什么都行，重点是不要带着实用目的去读，而是纯粹去理解那个领域最基本的假设和框架是什么。然后问自己：它最核心的思维方式，跟我所做的事有什么联系？一开始可能找不到答案，但只要持续做，联系会自己冒出来。

03 | 表达思维：写得清楚，才活得清楚

第三种能力，是表达思维——不是你会演讲、会说话，而是你能够把自己的想法清晰、准确、完整地写下来。

在AI时代，这种能力不是贬值了，而是比任何时代都更值钱。为什么？因为AI把信息获取的成本降到了几乎为零，但AI生产的内容越多，世界上的噪音就越多。当所有人都能用AI生产内容时，真正稀缺的，是你作为一个人类，有什么独特的视角、品味和判断。

而写作，恰恰是训练这种独特视角最便宜、最有效的工具。

很多人有个误解：写作是作家的事，我不需要写文章。这个想法害了太多人。我见过无数聪明人，他们脑子里有无数精彩的想法，但从来写不下来。结果呢？他们的想法永远是模糊的、碎片化的、下次想用的时候找不到了。没有经过文字凝固的思想，是不稳定的。

写作不是给别人的，是给自己的。写作是你自己跟自己对话的过程，是把大脑里的模糊变成清晰的最有效路径。你试试就知道了：有什么想法你觉得想清楚了，写下来，写到一半就会发现——其实我没想清楚。这就是写作的价值，它会诚实地暴露你思维里的漏洞。

我自己有个习惯，每次做重大决策之前，都会先写一篇千字文，把我的判断逻辑写清楚：支撑我做出这个决定的事实是什么？我的核心假设是什么？如果假设错了，最坏的情况是什么？

写作是对思维的测试。如果你写不清楚，通常意味着你想得也不够清楚。AI时代最不缺的是信息和答案，缺的是清晰的判断和独特的视角。而这两样东西，都需要通过写作来训练。

写作不需要长，但需要持续。每天写300字，坚持一个月，你会明显感觉自己想问题更清晰了。不需要文采，不需要结构，只需要诚实。

写在最后

AI会越来越强，这是确定的。但我今天想告诉你的是：在AI越来越强的时代，你真正要培养的能力，是那些AI短期内做不好的事。

计算思维，让你知道自己要什么，让AI成为你的放大器而不是你的替代品。

跨学科思维，让你能看到别人看不到的联系，让你的竞争力来自知识网络的密度而不是单点深度。

表达思维，让你有真正的判断力和影响力，让你的思想可以被记录、传播和复利。

这三种能力，都不需要多高的门槛，但都需要长期的刻意训练。它们不是AI时代的急救包，而是你在这个快速变化的世界里，最底层、最抗周期的核心资产。

本文刊载于《窥市寻真》，作者：程飞。量化交易多年，专注机器学习与量化策略研究。