ARTICLE · 1293947
AI 时代,什么技能在贬值、什么在升值
AI 时代,什么技能在贬值、什么在升值
如果我告诉你，你过去十年大部分苦练最勤的技能，正在以肉眼可见的速度贬值，你信吗？ 先别急着反驳。看看这几个信号：电脑操作熟练，不值钱了——OpenAI 管着 ChatGPT 和 Codex 的提博·索蒂奥（Tibo Sottiaux）说得很直白，「熟练操作电脑已经不值钱，真正在升值的是品味和判断」。写代码，正在成为第一批被 AI 完全接管的工种——Anthropic 的 CEO 达里奥·阿莫代伊（Dario Amodei）更狠，他说「coding 会最先消失」。就连「会用 AI」这件事，都在贬值——因为工具性的东西，每个人迟早都会掌握，能力的差别会被抹平。 这几年，我的工作里有一半时间在做同一件事：判断「什么东西该交给 AI 做、什么东西必须留给人」。这件事没有标准答案，只能一边看着技术往前跑，一边盯着真实的人在被改变。今天这篇文章，我把过去几个月里、全球最顶尖的一批人——吴恩达、诺奖得主阿西莫格鲁、Anthropic CEO 阿莫代伊、Superhuman CEO 梅罗特拉、OpenAI 的索蒂奥——关于「技能贬值与升值」的判断，汇总成一张你能对照自查的清单。 先说结论：AI 贬值的，是「能被写进 prompt 里说清楚怎么做」的一切；AI 升值的，是「没法写进 prompt、"只在你脑子里"的一切」。 前者包括具体的执行、标准化的产出、可验证的步骤；后者包括判断力、品味、对人心的理解、以及跨行业的经验。你要做的，不是去追齐每一个新工具，而是把时间押在后者上。 纯写代码 / 纯执行。阿莫代伊的原话是「coding 会最先被 AI 完全取代」；但他补了一个关键的区分——「编码（Coding）不等于软件工程（Software Engineering）」。写出一行行代码这件事会交给 AI，但「作为架构师，去设计系统、理解真实需求、管理一支 AI 团队」，会存在得更久。 标准化、可验证、有规则的任务。诺奖得主阿西莫格鲁点破了这条规律：为什么 coding 自动化得最快？因为它「在办公室里完成、不碰真实世界、而且要么能跑要么不能跑」——有明确的「对不对」的基准。凡是符合这三条的活（录入、对账、格式转换、基础客服话术），都在贬值。 打字快、操作熟练。索蒂奥在 OpenAI DevDay 后说的那句，值得你反复咀嚼：「打字快已经不值钱了」。因为智能体接管互联网上大多数动作之后，你「操作电脑」这件事本身，就不再是你的价值。 「会用 AI 工具」本身。这曾经是 2023 年的稀缺技能，如今正在快速贬值——因为门槛太低、人人都会。梅罗特拉（Superhuman CEO、用过 20 年「决定谁升职」的经验）说「学遍每一个 AI 工具」是错误建议，真正的答案在别处。 纯「知识储备」。吴恩达那句几乎是最反直觉的：AI 对「学习」这件事极其糟糕——把答案外包给模型，短期分数变高、长期理解崩掉。但与此同时，「记得很多知识」作为人的价值，正在被模型的能力稀释。贬值的不只是技能，还有「知道得多但不会用」的囤积型学识。 判断力。几乎是这 5 个人异口同声的词。阿莫代伊给了一个公式：「5% 的人类判断 + 95% 的 AI 执行 = 20 倍生产力」——AI 干那 95% 的执行，但你得死死守住那 5% 的「判断力、品味、方向感」。 品味。索蒂奥的原话是「品味、判断与连接用户的能力在升值」。什么叫品味？不是审美，是「知道什么是对的东西、什么值得做、做到什么程度算好」——这种无法量化的东西，恰恰是 AI 最缺、也最难学的。 对「人」的理解。吴恩达说，人类的护城河是「上下文优势」：你见过的客户微表情、踩过的坑、老板话里的弦外之音——这些从来没写进文档、AI 没有管道获取的东西。阿西莫格鲁的「pro-worker AI」说的也是这层：理解 100 个真实员工的处境、让他们每人提效 5%，比砍掉 5% 的人值钱得多。 问对问题的能力。梅罗特拉干了 20 年「决定谁升职」，他的第一招人标准是一个词——「eigen question」（特征问题）：那个「一问顶十问」、回答了它其余问题都迎刃而解的问题。AI 能给你任何答案，但「该问什么」，几乎全部还在人脑子里。 把复杂东西讲简单的能力。索蒂奥收尾时说的，「把复杂产品讲简单的能力」正在升值——因为当机器能生成一切，能「让人秒懂」就成了新的稀缺。 你可能已经发现了，这 5 位身份、立场、甚至对 AI 的乐观程度都天差地别的人，居然在「什么会贬值、什么会升值」上，给出了高度一致的答案。 诺奖经济学家阿西莫格鲁是最悲观的「冷眼者」，他说自动化又慢又难、AI 十年只贡献 GDP 1%；吴恩达是最乐观的「传道者」，他说恐惧是被卖出来的、工作不会整份消失。但这两个人，一个说了「coding 自动化最快，因为可验证」，另一个说了「AI 取代的是任务不是人，剩下 60% 会因互补变得更值钱」——他们说的是同一件事：贬值的永远是「那部分可被写进规则、可被验证的工作」，升值的永远是「那部分模糊、需要人、无法定义的工作」。 这比任何单一专家的预测都更有分量。因为当两个相反立场的人，在同一个问题上得出同一个答案时，这个答案大概率是对的。 第一句：别再去追每一个新 AI 工具了。 那是梅罗特拉口中的「错误建议」，也是这个时代最典型的「用战术勤奋掩盖战略懒惰」。工具贬值太快，你今天花两周学会的，下个月就过时。 第二句：把你那 60% 的时间，押在「无法被 prompt 描述」的事情上。 不管是判断力、品味、对人心的理解，还是跨行业的经验——开始主动地、刻意地去积累它们。这些东西不会过期，因为 AI 越强，它们越稀缺。 第三句：记住吴恩达那句最扎心的提醒——「AI 对学习很糟糕」。 别让「有 AI 帮忙」变成「自己不再会」。你可以用 AI 干活，但你必须理解它在干什么。这也正是 Vercel 创始人 Rauch 那句爆火推文的意思：「拒绝不理解」。 作为同样在 AI 产品这条路上的人，我想留一段只给同行的话。 这五位判断里，最该被你记进产品决策的，不是「哪些技能贬值」，而是阿西莫格鲁那个被太多人忽略的提醒：美国（和硅谷）把太多资源砸向「基础模型」，太少砸向「应用」——而「去年的模型」其实早已够做出护士、电工、教师的工具。 翻译成产品语言就是：别去卷模型，去卷「把 AI 塞进一个真实职业、一个真实场景」。 以及阿莫代伊那句对产品人最狠的视角翻转——「coding 不等于软件工程」。这不止关乎程序员，它关乎所有产品：当「生产」的成本趋近于零，你产品的价值，就从「我能做出什么」，彻底转向「我该做什么、为谁做、做到什么程度」。定义问题，比解决问题，更值钱了。 这也是我写这篇文章、以及持续把全球顶级 AI 访谈「翻译成产品语言」的原因。如果你也在做 AI 产品，或者单纯想在这个变化里站对位置，关注我——我会持续替你把那些藏在长访谈里的、关于「人该怎么办」的判断，一条条挖出来，翻译成你能直接用的语言。 （下一篇，我会把这几个月最值得记住的 20 个 AI 判断整理出来，先在这里埋个预告。） 本文综合整理了吴恩达、达龙·阿西莫格鲁、达里奥·阿莫代伊、希希尔·梅罗特拉、提博·索蒂奥等人在近期的公开访谈与论述中的观点，为方便阅读做了归纳与转述。
