AI 是不是普通人的风口？先看清时代、工具、工作和自己

这两年，一个越来越熟悉的说法反复出现：

AI 是这一代普通人最大的机会。

如果现在不学 AI，不用 AI，不做智能体，不搭工作流，就会像当年错过互联网、错过房地产、错过短视频一样，再次错过一个时代。

这句话最厉害的地方，不是它一定正确。

而是它很容易让人焦虑。

因为它把一个极其复杂的问题，变成了一道特别简单的选择题：

抓住 AI，或者被 AI 淘汰。

可问题也许从一开始就问错了。

AI 当然重要。

它很可能改变大量行业，也正在改变很多人的工作方式。

但这并不意味着，AI 天然就是一个人人都可以借此实现财富跃迁的“风口”。

真正值得普通人想清楚的，其实是另外四个问题：

这个时代到底发生了什么？

AI 到底是什么样的工具？

它会怎样改变我们的工作？

以及最后：

当所有人都能使用 AI 时，我还剩下什么？

如果一定要给这几个问题排一个顺序，我觉得应该是：

看清时代 → 看清工具 → 看清工作 → 看清自己。

一、看清时代：AI 很重要，但“重要”不等于“人人都能靠它翻身”

每一代人回头看上一代，似乎都很容易发现遍地机会。

有人会问父母：

房子那么便宜，为什么当年不多买几套？

改革开放遍地机会，为什么不下海？

学历那么值钱，为什么不好好读书？

等二十年后，类似的问题也可能落到今天的人头上：

短视频那么火，你为什么没做？

AI 刚爆发的时候机会那么多，你为什么没抓住？

这类叙事有一个共同特点：

它喜欢用今天的结果，倒推当年的选择。

成功的人仿佛都是因为“看懂了趋势”。

没有成功的人，则很容易被归因为“不够努力”“认知不够”。

可真实世界并没有这么简单。

一个时代存在机会，与一个具体的人能够抓住机会，是两件不同的事。

一个技术创造巨大价值，与这些价值能够平均流向每一个参与者，同样是两件不同的事。

所以判断 AI 是不是“普通人的风口”，第一步不应该只是看模型又强了多少。

还应该问：

AI 创造出来的价值，最后会流向哪里？

芯片和算力厂商会获得一部分。

模型和平台公司会获得一部分。

拥有客户、数据和渠道的企业会获得一部分。

劳动者可能因为效率提高获得收益。

消费者也可能通过更便宜、更方便的产品获益。

技术可以把蛋糕做大。

但：

蛋糕变大，不代表每个人分到的蛋糕同比例变大。

这件事非常重要。

因为很多所谓的“AI 风口论”，讨论的其实只是前半句话：

AI 会创造巨大价值。

但真正关系到普通人的，是后半句：

这些价值最终如何分配？

现在已经可以看到这种吸收能力的差异。

OECD 公布的数据里，2025 年约有 20.2% 的企业报告使用 AI；大型企业的使用率约为 52%，小型企业只有约 17.4%。

这个数字当然不能证明“大企业一定拿走所有 AI 红利”。

但它至少说明了一件事：

同一种技术出现以后，不同主体把技术转化成生产力的能力，并不一样。这也是为什么，我不太认同关于 AI 的两个极端判断。

一个极端说：

AI 是新时代的财富列车，任何人只要及时上车，都可能改变命运。

另一个极端说：

利益早就被巨头分完了，AI 跟普通人没有关系。

现实大概率在两者之间。

AI 的确会创造新的个人机会。

但今天很多市场，已经不是几十年前那种大面积供给空白的状态。

平台已经存在。

渠道已经成熟。

供应链已经成熟。

流量系统已经成熟。

竞争者也已经很多。

所以普通人今天面对的，往往不是：

“那里还有一大片没人占的土地。”

而是：

“在一个已经存在竞争的市场里，我能不能因为 AI 获得新的效率优势？”

这是今天所谓“风口”与过去很多机会最大的不同之一。

过去很多机会来自：

填补空白。

未来越来越多机会，可能来自：

重新组合。

重新组合一个行业和一种新技术。

重新组合一种专业能力和新的生产方式。

重新组合过去成本太高、现在终于能够成立的商业模式。

所以真正应该问的，也许不是：

风口在哪里？

而是：

AI 正在降低什么成本，而我恰好处在哪一条价值链上？

二、看清工具：真正有价值的不是“会 AI”，而是“有问题值得 AI 去解决”

当我们把视角从整个时代缩小到个人，会看到第二个非常普遍的误区。

很多人学习 AI 的路径是这样的：

ChatGPT。

Claude。

Cursor。

Agent。

MCP。

自动化工作流。

每隔几个星期，又出现一个好像必须马上掌握的新名词。

一路追下来，很容易产生一种奇怪的感觉：

好像学了很多，却始终不知道这些东西究竟应该拿来解决什么。

问题出在哪里？

顺序反了。

我们很容易变成：

工具在线，业务在后。

先学工具。

然后再努力寻找一个能够证明工具有用的场景。

但真正能够稳定从 AI 获得价值的人，往往走的是另一条路：

业务在线，工具在后。

他本来就有事情需要完成。

可能每天要回复大量邮件。

可能手里有几千个客户。

可能每个月都要分析大量测试数据。

可能有成百上千份合同需要处理。

也可能每天都在写代码、做客服、整理资料、生产内容。

这些工作原本就存在。

成本也真实存在。

于是问题会变得非常具体：

这里面哪一步最慢？

哪一步最贵？

哪一步最重复？

哪一步最容易出错？

再把 AI 放进去。

这时候，AI 才真正从一个“很酷的技术”，变成生产力工具。有一项对 5000 多名客服人员的研究曾发现，引入生成式 AI 助手以后，平均生产率获得了明显提高，新员工和经验较少的员工获益尤其明显。

真正值得关注的，并不是某一个具体百分比。

因为不同公司、不同岗位、不同系统，最终效果一定会不同。

更重要的是它展示了一条非常现实的路径：

原来就有一个业务流程。

然后找到一个具体瓶颈。

再让 AI 进入这个环节。

最后，用真实产出来判断 AI 到底有没有价值。

这和：

“我学会了某个 AI，所以我拥有了一个新的事业。”

完全不是一回事。所以判断一个 AI 项目有没有价值，不应该首先问：

用了几个模型？

搭了几个 Agent？

工作流有多少节点？

而应该问：

原来需要多久，现在需要多久？

原来需要多少人，现在需要多少人？

错误率有没有下降？

同样的时间能不能完成更多工作？

最后的结果有没有变好？

如果这些指标都没有明显变化，那么工作流画得再漂亮，也可能只是一套昂贵的玩具。

AI 最容易制造的一种幻觉，就是：

技术上能够自动化，所以业务上就值得自动化。

其实完全不是。

一个每个月只发生一次、人工五分钟就能完成的任务，如果花两天时间搭一个自动化系统，很可能技术上成功了，经济上却失败了。

所以未来真正值得学习的，也许并不是越来越多的 AI 工具。

而是一种更朴素的能力：

发现问题，定义问题，然后判断 AI 值不值得进入。

这也是我越来越认同的一句话：

不要先问“这个 AI 能干什么”，先问“我现在最贵的问题是什么”。

三、看清工作：AI 首先改变的是任务，而不是一夜之间消灭岗位

当 AI 开始真正进入业务，下一个问题自然会出现：

它会不会抢走我们的工作？

这是今天最容易被说得过于简单的问题之一。

我们经常看到类似的判断：

程序员要消失了。

设计师危险了。

会计会被替代。

律师也逃不过。

这些说法经常犯同一个错误：

把“岗位”和“任务”当成了同一件事。

但现实里的一个岗位，通常由很多完全不同的任务组成。

比如一个工程师，可能需要：

查资料。

分析数据。

写代码。

开会。

协调资源。

判断风险。

处理异常。

现场确认。

最后还要对结果负责。

AI 可能很快覆盖其中几项。

但：

自动化其中几个任务，不代表整个岗位同时消失。

国际劳工组织在对大量职业任务进行分析后也指出，生成式 AI 更可能推动大量职业发生任务结构变化，而不是简单让整个职业整体消失。

这里有一个特别重要的区别：

AI 能做，不等于组织已经能用。

模型可以在演示里审合同。

不代表企业明天就敢让它独立审批合同。

模型可以分析医疗信息。

不代表现实责任机制允许它独立完成诊疗。

Agent 可以在几十个软件之间自动操作。

也不代表一家公司的数据权限、安全制度和内部系统已经全部准备好。

所以从：

“AI 已经拥有这个能力”

走到：

“这个岗位因此被重新设计”

中间其实隔着很长的一条链。

技术能力首先要变成产品。

产品需要进入企业。

企业需要接入真实数据。

数据还要接入原有系统。

系统接通以后，还要重新设计工作流程。

工作流程变化以后，又会影响员工习惯、部门边界、KPI、权限和责任。

最后还有合规和监管。

走完这些步骤，岗位才可能真正发生结构性的变化。

但大众讨论经常直接从第一步跳到最后一步。

于是一个模型刚完成某项测试，第二天就出现：

某某职业即将消失。所以真正值得普通人关注的，其实不是：

我的职业会不会突然没有？

而应该是：

我的岗位里，哪些任务正在快速变得便宜？

如果一个人的主要价值长期来自：

固定格式。

重复加工。

规则清晰。

上下文很少。

输出又非常容易验收。

那么 AI 带来的压力确实会越来越明显。

相反，如果一个人的价值越来越来自：

定义问题。

判断异常。

跨领域理解。

复杂沟通。

现实执行。

组织协调。

承担责任。

那么 AI 更可能先改变他的工作方式，而不是直接消灭这个人。

未来的职业竞争，也许并不会简单变成：

人 VS AI。

更可能变成：

不同的人，如何重新划分自己和 AI 的任务边界。

过去一个人的一天，也许有 80% 时间用于执行，20% 用于判断。

未来完全可能变成：

30% 执行。

70% 判断、协调和决策。

岗位名称可能没有变化。

但岗位真正值钱的部分已经变了。

所以比“我的工作会不会被 AI 替代”更值得追问的是：

如果 AI 拿走我工作里最标准化的 30%，剩下的 70%，我有没有能力做好？

四、看清自己：当 AI 人人可用以后，真正稀缺的东西才会暴露出来

如果顺着前面的逻辑继续往下走，会碰到一个更有意思的问题。

今天为什么大家如此热衷于“学 AI”？

一个重要原因是：

AI 现在仍然非常显眼。

我们会专门打开一个 AI 软件。

选择一个模型。

学习一种提示方式。

讨论某个智能体。

研究某个工作流。

这很容易让人产生一种感觉：

“会使用 AI”本身，就是一种稀缺能力。

但这种稀缺不会一直存在。

我更愿意把 AI 的长期演化理解成一个趋势：

AI 最终可能会慢慢“消失”。

这里的消失，不是 AI 不存在了。

恰恰相反。

是因为它存在得太普遍，所以我们不再专门注意它。今天很少有人早上醒来以后告诉自己：

我要好好利用互联网。

因为互联网已经藏在视频、支付、打车、购物、聊天、导航和办公软件里。

我们也不会因为打开电灯，想到：

我正在使用现代电力系统。

成熟的通用技术往往有一种很有意思的命运：

它越重要，最后反而越不显眼。

AI 很可能也会经历这个过程。

今天我们还在说：

AI 修图。

AI 搜索。

AI 写作。

AI 编程。

以后可能只剩下：

修图。

搜索。

写作。

编程。

AI 退到了后面。

事情只是变得更顺手了。如果这个判断成立，那么今天很多所谓的“AI 优势”都会逐渐贬值。

因为当每个人都有一个足够强、足够便宜、足够简单的 AI 助手之后：

“会使用 AI”，会越来越像今天“会使用搜索引擎”一样，成为一种默认能力。

这时候，一个更重要的问题才真正出现：

如果明天所有人都拥有和你一样强的 AI，你还有什么是别人没有的？

可能是你做了十年的行业。

可能是你真正服务过的客户。

可能是只有你熟悉的一套数据。

可能是长期积累的作品。

可能是别人愿意相信你的信誉。

也可能是你踩过的坑、形成的判断、建立的渠道，以及你对某个真实问题的理解。

这些东西都可以被 AI 放大。

但 AI 很难在一夜之间替你凭空拥有。所以相比把 AI 想象成一个“加号”，我越来越愿意把它理解成一个“乘号”。

很多人想象的是：

AI = +100。

不管一个人原来是什么水平，只要掌握了 AI，就凭空增加 100 分。

但现实可能更像：

你已有的东西 × AI。

有真实客户的人，可以更高效地服务客户。

有专业知识的人，可以更快处理复杂信息。

有数据的人，可以更容易从数据里提取价值。

有内容能力的人，可以提高生产效率。

有成熟业务的人，可以重新设计自己的成本结构。

AI 并没有替这些人创造原点。

它是在放大原本已经存在的东西。

而一个没有真实问题、没有业务、没有领域积累的人，即使掌握几十个 AI 工具，也很容易陷入一种奇怪的状态：

工具越来越多，自己的东西却没有变多。

所以有一句话，我觉得比“AI 是风口”更接近现实：

AI 是涡轮，但它不是发动机。

没有发动机，涡轮本身不能带你去任何地方。

最后，我们再回头看一次“AI 是不是普通人的风口”

走到这里，其实已经不太需要回答最开始那个问题了。

因为“AI 是不是风口”这句话，本身就很容易把注意力放错地方。

它会让人不断盯着外面：

哪个模型更强？

哪个 Agent 火了？

别人靠什么赚到钱？

下一个机会在哪里？

但如果沿着：

时代 → 工具 → 工作 → 自己

重新看一遍，问题会完全改变。

看清时代，是为了知道：

技术创造巨大价值，不等于所有人获得同样的价值。

看清工具，是为了知道：

真正的生产力不是拥有 AI，而是把 AI 放进真实问题。

看清工作，是为了知道：

AI 首先重构任务，岗位变化则取决于技术之外的一整套现实条件。

最后看清自己，是为了知道：

当工具越来越普及时，真正决定差距的，反而是工具之外的积累。

所以普通人在 AI 时代真正值得做的事情，也许没有想象中那么神秘。

不是每天追赶所有新东西。

也不是假装 AI 与自己无关。

而是不断审视自己手上的真实世界：

我正在解决什么问题？

我在哪个领域比别人知道得更多一点？

哪些工作正在因为 AI 而变得越来越便宜？

哪些能力反而会因此变得越来越重要？

我现在积累的东西，三年以后还能不能继续被放大？

这些问题，比“今天又出了哪个模型”重要得多。

因为技术的最终归宿，很可能不是永远站在聚光灯下。

它会逐渐进入软件。

进入设备。

进入组织。

进入生活。

然后慢慢退到幕后。

到那一天，我们甚至不会再频繁讨论：

怎么使用 AI？

真正摆在人面前的问题，会重新变得古老：

你真正理解什么？

你真正做成过什么？

别人为什么需要你？

你手里究竟积累了什么？

AI 会改变很多答案。

但它不会替我们回答这些问题。

所以，与其说 AI 是一个等待普通人去追逐的风口，

不如说它是一场正在发生的：

能力重新定价。

有些过去昂贵的能力，会迅速变得便宜。

有些过去无法规模化的能力，会被迅速放大。

未来真正决定一个人能走多远的，可能从来不是：

他追上了多少 AI 工具。

而是：

当所有人都拥有 AI 以后，他还有什么值得被 AI 放大。