谁赢了 AI，谁就赢了！特朗普一句话把最残酷的竞争说透了

   

9 月 14 日，洛杉矶，All-In 峰会。

英伟达 CEO 黄仁勋正在台上聊 AI，台下坐着几千个人。突然，他的手机响了。

来电话的人有点特殊，黄仁勋也不好挂掉。

谁呢？

特朗普。

他索性接起来，开了免提。于是现场几千人，就这么听美国总统打了五分多钟电话。

开头还有点喜剧效果。特朗普调侃：黄仁勋设计了全世界最复杂的芯片，十年都没人仿造得出来，却搞不定免提怎么开。全场笑成一片。

但笑完，气氛就变了。

特朗普说，所谓 AI 威胁论，是一场骗局。数据中心是"未来 20 到 25 年的石油，甚至更重要"，现在有 20 万亿美元的投资正在流入美国。

然后，他把一句话反复讲了两遍：

"Whoever wins AI wins."

谁赢了 AI，谁就赢了。

这句话听起来很大，像一句国家宣言。但你把它往下拆，会发现它其实同时讲透了三层竞争：国家在抢什么，企业在抢什么，你我个人在抢什么。

我们一层一层来看。

这通电话之所以刷屏，是因为它来得不是时候。

就在电话前几天，做出 Claude 的 Anthropic CEO 刚发了一篇长文：前沿 AI 能力进步得太快了，相匹配的安全研究、真假甄别和监管都跟不上了，要主动控制 AI 发展的速度。

这个观点，OpenAI 的奥特曼跟马斯克都点头认可。

你看，这就很奇怪了。

天天扑在最前沿造 AI 的人，自己喊着要踩刹车；反倒是本该代表监管的特朗普，嫌它跑得不够快。

为什么会有这样的反差？

美国媒体 CNBC 的评论说得很直白：美国陷入了"囚徒困境"——在放慢脚步的 pace，和赢得竞赛的 race 之间，没法两全。

说白了，这通电话里真正的担心，从来不是"AI 危不危险"，而是另一件事：对手会不会停下来等你。

特朗普说美国不能慢，因为他相信对手不会停。至于风险，他的态度是"小心一点、稳妥一点，但绝不叫停整个行业"。

这就是国家层面的竞争逻辑：它不讨论要不要，只讨论先后。谁先把 AI 变成基础设施，谁就先拿到下一个二十年的定价权。

那么，把国家换成一家企业，这场竞争会变成什么样？

   

假设一个行业里只有你一家企业。AI 突然出来了，你觉得它还不成熟，数据有风险，员工也没准备好。你决定今年先不用，再观察一年。

这当然可以，因为没有人逼你。

但你身边多了一个竞争对手。它先把 AI 用起来了：以前要十个人干的活，现在五个人加一套 AI 也能干完。

慢慢地，它的成本比你低，响应比你快，价格还有空间往下降。

这个时候，你当然还可以坚持不用。

但市场跟客户，不会因为你的谨慎，就多给你时间，多付你一分钱。

于是，问题悄悄变了。

一开始我们问的是：要不要用 AI？

今天真正摆在面前的，其实是：我能不能承担不用 AI 带来的效率差距？

这就是竞争最厉害的地方。它不需要说服你去相信一种技术，只要对手率先用它改变了效率，整个市场衡量的标准，就会慢慢跟着一起变。

所以，有些技术，一开始你还有机会选择用还是不用。但竞争一旦开始，就由不得你了。

这件事在企业里早就发生了。去年年底，Shopify 的 CEO Tobi 给全公司发了一封信，两句话非常明确。

第一，熟练使用 AI，是每个员工最基础的要求，团队必须广泛使用多种 AI 工具。

第二，以后申请增加人手跟资源之前，先要证明一件事：为什么这部分工作不能用 AI 完成？

你看，一家公司把 AI 从"可选项"改成"默认项"，只用了两句话。而这背后的判断，跟特朗普那通电话是一样的：市场不会等我慢慢学。

   

那么落到最后一层，落到每一个具体的人身上，答案又是什么？

今年 8 月，斯坦福数字经济实验室更新了一项研究。他们持续追踪了数百万员工的行政数据，并没有看到 AI 造成全经济范围内的大规模就业崩塌。

但分化开始出现了。

AI 在替代那些完成既定任务的基础岗位；而在 AI 主要用来增强人的岗位上，这种分化要弱得多。

换句话说，同一个 AI，落在不同的人身上，结果完全是两回事。

AI 不会有一天推开办公室的门，拍着你的肩膀说，"不好意思，明天开始我坐你的位置"。现实没有这么直接。大量岗位不是被 AI 亲手拿走的，是被"另一个懂 AI 的人，用过去更多人的活"拿走的。

那么，如果 AI 越来越擅长把事情做完，一个人到底凭什么继续值钱？我觉得差距会集中在四件事上。

第一，你能不能定义问题，而不是只等指令？

做一份行业对比分析，把十家公司找出来。新人会怎么做？财报找出来，数据填进 Excel，画几张图，做成 PPT 交差。这些事 AI 今天都会做了。

人的价值要往前多走一步：为什么挑这十家？该比营收、毛利率，还是获客成本？一家公司利润突然暴涨，是主业变好了，还是卖了一栋楼？

以前企业需要一个能回答问题的人。现在另一个能力变贵了：你能不能发现，真正该问的是什么？

第二，你能不能判断 AI 给的结果？

AI 十分钟能给你 20 版方案。但哪个数字错了？哪段推论把相关性写成了因果？哪个方案听起来漂亮，一落地就会出事？

如果这些你判断不了，AI 给你 20 版、100 版，不等于效率提高了，只是多了更多需要被审核的东西。

当一个答案的成本不断下降，真正稀缺的就变成了：什么样的答案值得相信，什么样的标准需要被建立起来。

第三，你能不能把反馈真正变成经验？

很多人简历上写着十年经验。但你仔细问一问：是真有十年经验，还是把第一年的工作方式，重复了十年？

什么叫做经验？第一次做错，别人指出来；第二次碰到类似问题，自己发现；第三次还没发生，你已经提前避开。

如果每次面对反馈，第一反应都是"以前不都这样做的吗""这是 AI 做的，跟我没关系"，那不管上多少年班，判断力都不会发生复利。

这一点在 AI 时代会更残酷。因为真正的工具在进步，AI 几个月就升级一次。如果 AI 不断变强，而一个人十年都只在重复同样的方式，那即使他自己没有退步，价值也在下降，直到归零。

第四，你愿不愿意从完成任务，走向对结果负责？

企业里最多的一层人说："你让我做的，我全都做了。"再往上一层的人会问："做完以后，效果好不好？"最上面一层，还会问："还有什么是我可以改变的？"

这三层，其实是三种完全不同的价值：第一层卖的是动作和时间，第二层卖的是判断，第三层卖的是责任。

AI 越好用，后者越重要。因为越往上走，越没有人天天坐在旁边告诉你第一步怎么做。企业最后愿意把更大的事、更好的待遇交给谁，买的越来越不是时间，而是这个人有没有能力跟责任，把结果做得更好。

   

国家在抢 AI，因为它不能等对手；企业在抢效率，因为市场不会等它；个人在抢判断力，因为工具不会等人。

说到底，是同一件事：当一件事变得人人可做，价值就会往上挪一层。

做外贸、做出海的朋友，这一点感受会更直接。海外买家了解一个中国供应商，越来越多是从问 AI 开始的：它替买家做初筛、做对比、做背景调查。你的英文案例、认证、口碑，有没有留在 AI 看得见的地方，决定了你在这场"谁赢了 AI"的竞赛里，是玩家，还是背景板。

最后留三个问题，分别对应上面三层。

国家这一层：你所在的行业，AI 的渗透率到哪了？是刚刚开始有人用，还是已经有人靠它把价格打下来了？这两个阶段，你的应对完全不一样。

企业这一层：你新招一个人之前，有没有像 Shopify 那样先问一句：这件事，AI 加一个懂它的人，能不能做得更好？

个人这一层：你上一次靠判断纠正 AI、而不是靠手指确认 AI，是什么时候？

过去很长一段时间里，把事情做完，就足以证明一个人、一个组织的价值。

但当 AI 越来越会把事情做完之后，人跟组织，都只能重新证明自己的价值。