【行旅漫游4】AI 时代,为什么还要学那些正在加速贬值的东西

最近在读两本书，《以日为鉴》和《Educated 你当像鸟飞往你的山》。一本讲经济与社会的变迁，一本讲一个人的成长，读着读着，都绕回了教育这件事。这段时间我自己正站在升学的节点上，对这件事想得比往常多一些。接下来一两期行旅漫游，我想慢慢聊聊学习。

先说个这一年来一直困扰我的问题：在 AI 大爆发的今天，我们为什么还在拼命学那些正在加速贬值的东西？

从我最熟悉的估值建模说起。金融专业的学生，上完 Corporate Finance（公司金融），以及经历过实习，接下来往往要花大量时间练 Excel。VLOOKUP、XLOOKUP，各种快捷键，从一张空白表格搭出一个完整的模型，练到两小时内能搭完一个 DCF（现金流折现）模型，才算入门。我在小红书上关注过一位做模型的博主，他复刻过 Jefferies （美资精品投行）的一份 DCF 模型，全程键盘操作甚至无鼠标，一个小时完成，确实厉害。

可今天同样的事情交给 Claude，配合金融方面的 Agent（智能体）插件，几分钟就能完成。就算自己看不懂每一处细节，也可以把结果交给另一个大语言模型交叉验证。半小时之内，一份相当完善的模型就摆在面前了。

编程也是如此。我们金融工程专业至今还在教 C++，老师要求我们记住那些古老而经典的语句写法。可真正动手的时候，VS Code 里的 Agent 早已代劳。刚敲下 include，后面一整段就自动补全了，分号、空格、格式这些细节它都照顾到，人需要操心的只剩下嵌套判断里的逻辑。再复杂一些的程序，直接用 Vibe Coding 就能完成。算力供给不断扩张，Token 越来越便宜，做成一件事的成本也在一路下降。

科研同样如此。夏天我用 Claude Science 做一个课题，几天时间，一篇够得上研究生水平的论文就跑完了第一版。数据处理、编程、制图，几乎全部由它完成。

于是问题变得很尖锐。无论是 Excel、编程这些执行层面的技能，还是数学、金融、经济理论的应用，AI 都做得越来越准，越来越快。作为人，要怎么追赶？更让人无奈的是，为了学这些正在贬值的技能与应用，我们还要沿着最传统的路径去背、去考、去卷绩点。学成之后，自己能创造的价值，AI 能以更大的规模创造出来。

比贬值更让我在意的，是成就感的流失。

程序员写完一段代码、跑通一个程序，会有一种亲手做出东西的满足。我有过同样的体会。2024 年2月打数学建模比赛的时候，那时 AI 还没有深入建模的每个环节，我们最多在对话框里让它帮忙生成一段代码。模型怎么搭、思路怎么走，都是自己一点点琢磨出来的。结果跑出来的那一刻，整份研究的来龙去脉我们都清清楚楚，那是一段很好的回忆。

现在完全不同了。用上 Vibe Coding 和 Claude Science 之后，我做得最多的事情是确认。Yes，回车；再 Yes，再回车。有时它会提出一个很有创意的思路，引用一个我从没接触过的理论，恰好解开我当下的困境。结果很漂亮，我却说不清那究竟是什么。东西做出来了，却不像是自己的，那种感觉是无力的。

我们追求成绩和速度，借助 AI 把项目的上限抬得很高，高到超出了自己能掌控的范围。真正的作者变成了 AI，人成了机器人，成了程序上签字的那个人，一个把握着大方向却不懂技术的“老板”。

站在投资的角度看，这件事的分量更重。一些行业的生产力的计价单位正在从人变成 Token。在我看来，今天给一家 SaaS（软件即服务）公司或经营模式的估值，完全可以用它未来的 Token 消耗去预测现金流，再做折现。凡是 AI 渗透率高的行业，生产方式在被改写，估值逻辑也在跟着改写。

面对这样的生产力，我们为什么还要学？

我的想法是，今天学的这些东西，最重要的价值已经不在于提升生产力。它们真正在改写的，是我们思考问题的方式。

当然，学会用 AI 是必需的，不能用冷兵器与手持热兵器的战士去战斗，何况在这个时代学习能力本身也要跟上。AI 每天都在抛出新概念，能不能迅速吸收，决定了一个人能走多远。但比这更根本的，是你从什么角度去看一件事。

之前在智理跃动2里，我写过在威尼斯人骰宝桌边的观察。我看到的是概率论和随机过程，是一个带着微小庄家优势的数学统计游戏。后来和学心理学人类学的同学聊起，他们关注的完全是另一回事：赌徒的心态，老手的判断，牌桌上你来我往的心理博弈。那或许学经济的同学会想到有限资源下的最优配置，（这是我以前的宏观经济学教授常挂在嘴边的话）。

同一张桌子，每个人看到的东西都不一样。一个人接触统计和数学多了，会习惯用统计去理解世界；接触人文社科多了，会对人的心理和行为，以及人之间的交互更加敏感。即便同在经管商科之内，不同学科、不同课程训练出来的思考方式也各不相同。

这种差异会一直落到最具体的决定上。前段时间我在考虑卖房，大多数人会用比较来估值，亦或是用 NPV（净现值）去算一笔账。我在金融工程专业中学过实物期权，想的却是另一件事：现在卖还是晚一点卖，等待本身就有价值，这份选择权应该被定价。同一个问题，换一套理论，得出的判断可能完全不同。

所以我越来越相信，AI 能替代技能，但替代不了理论在一个人身上留下的思考方式。而这套思考方式，会进而改变我的business sense（商业感知）和common sense（常识）。把一个理论套进具体问题，AI 几秒钟就能完成，这部分确实在贬值。可理论本身会沉淀下来，成为你提问的方式。和AI合作时，对话永远是人先开口。问什么，从哪里问起，取决于你是一个什么样的思考者。这一点 AI 决定不了，也改变不了。

想清楚这一层，很多事情就通透了。

我不必再为了绩点去学。技能终究会被替代，学得再辛苦，将来也未必用得上，用得上的部分 AI 也能做得更好。更值得做的，是顺着自己的兴趣和长处，去学那些真正吸引我的理论，让它们慢慢塑造我理解问题的方式。这样想，学习反而重新变得有意思起来。

技能可以交给 AI，知识的检索和整理也可以交给它，AI 完全可以成为我们的另一个大脑。但人终究活在自己的大脑里。怎么理解这个世界，怎么去构造属于我们自己的世界，只能靠自己一门一门地学进去，想出来。