ARTICLE · 1136151
AI教母李飞飞言论冲上热搜:10年后只剩两类劳动
AI教母李飞飞言论冲上热搜:10年后只剩两类劳动李飞飞又上热搜了。2026年6月19日，“AI教母”、斯坦福大学教授李飞飞在YouTube播客节目中，认同了“十年后AI普及后职场只剩两类劳动者”的判断，该话题于2026年10月登上国内热搜，核心指向AI时代的职场杠铃效应。 热搜一出，国内焦虑情绪立刻拉满。有人开始盘算自己是不是要被淘汰，有人开始琢磨要不要赶紧转行，还有人直接得出结论：普通人没戏了。 但如果你去看李飞飞6月和MasterClass创始人David Rogier的那场播客访谈原视频，会发现一个被忽略的事实：“杠铃效应”这个说法，其实是Rogier提出来的，不是李飞飞。 Rogier的原话大意是，未来会出现一种“杠铃效应”——一端是极少数顶尖专家，AI也打不败他们；另一端是高主动性的多面手，能做很多不同的事，判断力和主动性都很强；中间是“被动执行任务”的人，空间会被持续压缩。 李飞飞听完，表示同意。但她补了一句被所有媒体标题漏掉的话。 那句话，才是真正重要的。 第一类人，是在某个垂直领域里做到前1%的专家。 AI对他们来说不是威胁，是效率放大器。一个顶尖律师，AI帮他把所有判例查完，他专注在法庭上的临场判断；一个资深医生，AI整理完病历和数据，他专注在诊断中那些“说不太清楚但就是不对劲”的直觉。 第二类人，是高主动性的通才。 他们不一定是某一行最深的，但能主动驾驭AI工具完成多种类型的工作，自己定义工作流程，清楚什么时候该用AI、什么时候该找专业人士。 被挤压的是中间层——那些“还凑合”的人，按流程机械执行，不需要太深判断，也不需要太多主动性的岗位。 这个判断不是李飞飞一个人的直觉。 捷克国家银行2025年的一项工作论文模拟了美国711种职业的AI暴露度，结论是：随着AI能力提升，低薪岗位的核心技能最先暴露于替代风险，而高薪白领的核心技能反而更难被自动化。 说白了，被冲击最狠的不是“底层”，而是那些技能门槛不高不低、工作内容标准化程度高的中间地带。 国内研究也印证了这一点。ChatGPT带火AI之后，新增招聘中约四分之一处于高替代风险，但同时有约2100万个岗位是靠“任务重组”生出来的——把重复的部分交给AI，需要判断、沟通、兜底的部分留给人。 媒体把“10年后只剩两类劳动”这个标题安在李飞飞头上，但她真正想强调的，是这两类人的共同点。 主动性。 她原话是：“无论你站在专家这一端，还是通才这一端，你都需要有自主性——你应该能够以独特的、有创造性的、有深度的方式使用工具。” 她特意解释了这个“主动性”内涵：不是加班内卷，不是一个人干几个人的活，而是遇到问题时，不会被动等指令，也不会直接把问题丢给AI，先自己想清楚卡点在哪里，再设计AI的使用方式，用创造性的思路让工具为自己服务。 这个区分很重要。 被动地用AI和主动地用AI，表面上看都在“用”，结果完全不同。 一个编辑把文章丢给AI让它“润色一下”，这是被动使用。另一个编辑先想清楚这篇文章的核心读者是谁、哪一段的节奏不对、哪个论点缺证据，然后针对性地让AI辅助完成局部修改，最后自己判断哪些改动能用、哪些不能——这是主动使用。 前者随时可以被替代，后者越用越值钱。 访谈里李飞飞花了很大篇幅去反驳一个流行说法：“智能的成本正在趋近于零。” 她的回应很直接：任何声称“智能成本趋近于零”的人，都是不负责任的。 她的论证分两层。 第一，人类智能远不止语言能力。大语言模型在语言智能上的进展确实真实且强大，但人类还有感知智能、空间智能、身体智能、情感智能，以及连科学家都还没搞清楚来源的创造力。用一个子集的进展去证明整体已经被解决，范畴上就错了。 第二，即便只看AI目前最擅长的语言任务，实际成本也远没有“趋近于零”。调用一个足够强的模型完成复杂任务，花的钱未必比雇一个实习生便宜。价格在下降是真的，但“正在下降”和“已经归零”是两回事。 这个反驳对普通人有一个很实际的启示：不要把决策建立在“AI什么都能干且不要钱”这个假设上。 真正稀缺的不是算力，是判断力、共情力，以及在信息不完整时做决定的能力。这些东西不会因为模型变强就贬值。 李飞飞给了一条非常具体的建议：找一个身边正在用AI的年轻人，让他给你演示一遍他平时怎么用的。 不用报班，不用看论文，不用搞懂技术名词，就看一遍。 这背后的逻辑是：恐惧来自未知，而消除未知最简单的方式就是亲眼看到。很多人对AI的焦虑停留在“听说它很厉害”的层面，但从来没有花点时间看一个真实的人用它做一件真实的事。 除此之外，有三件事值得现在就做。 第一，别问“我的职业会不会被取代”，去拆你的工作任务。 一个岗位不会整体消失，但岗位里的某些任务会。把你每天做的事列出来，标出哪些是“有固定规则、重复性高”的，哪些是“需要判断、沟通、兜底”的。前者是AI最容易接手的部分，后者是你需要刻意加强的部分。 第二，做“AI的翻译官”，而不是跟AI抢基础活。 你不需要懂算法，但你需要懂你的行业。知道怎么跟AI提需求、怎么判断它给的结果能不能用、怎么把它的输出改到符合实际业务场景——这些能力比会写代码更普适，也更容易从你现有的经验里长出来。 第三，把AI嫁接在已有的行业经验上，而不是从头学一个全新领域。 运营可以搭建人机协同的内容生产流程，财务可以探索AI在票据处理和报表分析中的用法。重点是识别你所在业务里的痛点，挑选适配的工具，设计好人和AI的分工边界。这是性价比最高的升级方式——你不需要成为AI专家，你需要成为会用AI的行业里的人。 “10年后只剩两类劳动”这个说法有冲击力，但容易让人陷入一个错误的思考框架：我到底是哪一类？会不会被淘汰？ 李飞飞真正想说的不是分类，是方向。 杠铃的两端不是天生注定的，中间层也不是被判了死刑。决定你往哪一端走的，不是你现在做什么工作、什么学历、什么年龄，而是你面对一个新工具时的第一反应——是等着别人教你怎么用，还是自己主动去试、去拆、去设计用法。 工具到底是替人的，还是抬人的，不取决于技术，取决于用它的人。 而“用它的人”这个身份，谁都可以选。