一、开篇：一个流行的乐观观点

最近，关于AI的讨论中，一个声音越来越响：AI会让知识和技术变得平权。你看，过去需要苦练十年的编程、设计、写作，现在AI分分钟就能生成个七七八八。一个农村孩子，只要有一部手机、一个AI账号，就能调用过去只有顶级学府和大型企业才拥有的“智力资源”。

于是有人欢呼：社会架构要大洗牌了！阶层固化的墙要被AI推倒了！平民家的孩子迎来了最好的时代——只要会用AI，就能和富人家的孩子站在同一条起跑线上。

这个观点很美好，但它漏掉了一个关键问题。我们今天就来聊聊：AI时代，平民家的孩子真正的出路到底在哪里？

文章结构：我会先讲清楚那个流行观点背后的底层逻辑——也就是张雪峰那套“穷人选技术难、资源依赖低”的经典思路；然后指出这套逻辑正在失效，因为AI降低了技术难度，而资源占有方会迅速建立新的壁垒；最后，我会给出几个真正值得考虑的方向。

二、那个经典逻辑：平民家的孩子该做什么“难事”

这个乐观观点的底层逻辑，其实和已故的张雪峰老师一脉相承。张雪峰生前反复强调一个核心原则：富人选情怀，穷人选就业。具体到专业选择，他建议平民家的孩子去那些“技术上难、能力要求高、但对家庭资源依赖极低”的领域。

为什么？因为平民家没有试错成本。人脉、资金、信息差——这些资源密集型的东西，普通家庭一样都不占。唯一能靠自己拼出来的，就是一身硬本事。于是他的经典推荐清单是：

计算机、软件工程、电子信息（技术壁垒高，不看爹）

电气工程、口腔医学（考证硬门槛，会就是会）

军校、警校、公费师范生（国家包分配，资源依赖几乎为零）

这个逻辑在当时的市场上是成立的。一个农村孩子考上985的计算机专业，毕业后进大厂拿几十万年薪——这就是“知识改变命运”的经典叙事。技术难 + 资源依赖低 =平民孩子的逆袭公式，被无数人奉为圭臬（gui nie）。

三、悖论降临：当“难事”被AI变简单

问题来了。这个公式之所以有效，前提是“难事”真的足够难。难到只有少数人能掌握，难到资源占有方无法轻易插一脚收“保护费”。尤其对于一些“未被满足的需求”，基本就是你说啥就是啥，你要啥就给啥。（最近听一个朋友说他司三块钱的产品成交价能做到300，典型的未被满足的需求被满足了）

AI正在摧毁这个前提。

编程难吗？以前难，现在AI能自动生成代码，一个初中生用Cursor就能写个APP。

电路设计难吗？以前难，现在AI辅助布线、自动纠错，门槛大幅降低。

法律文书难吗？以前要背法条、练逻辑，现在AI能一键生成诉状和合同。

医学影像难吗？以前要读五年书、看几千张片子，现在AI辅助诊断的准确率已经超过初级医生。

当AI把过去十年才能练成的技能，压缩到几个月甚至几天就能“够得着”的时候，那个靠技术难度建立起来的护城河，正在迅速干涸。

于是，一个更致命的现象出现了：行业挤兑。

因为“平民家孩子去学技术难的专业”这个观点太流行了，人人都知道计算机好、电气好、口腔好。结果就是这些专业的分数线被炒到天上去，毕业生数量爆炸式增长，而岗位的增长却跟不上。一个计算机岗位，以前只有科班985能竞争，现在培训班出来的、自学转行的、再加上会用AI的——所有人都在挤这座独木桥。

性价比快速降低。当“难事”不再难，当“稀缺”不再稀缺，穷孩子的传统逆袭路径，正在变成一条新的内卷赛道。

四、AI真正的杀伤力：知识平权的幻象

很多人没有意识到，AI带来的“知识平权”其实是一个幻象。

表面上，谁都能问AI一个问题。但仔细想想：AI是怎么收费的？

目前主流的大模型，要么按token计费，要么订阅制。看起来不贵——一个月几十美元。但真正高价值的AI能力（比如更长的上下文、更强的推理、私有化部署、行业微调模型），价格是指数级上升的。一个穷孩子可能只能用免费版或基础版，而一个资源充足的家庭，可以给孩子订阅最顶级的模型、购买专门的AI算力、甚至请人定制训练专属AI助手。

知识看似平权了，但高质量知识的获取成本，正在被token计价化重新拉大。

这还不是最要命的。最要命的是：AI让“技术上更难”这件事本身，变得不那么难了。

当技术难度不再是壁垒，资源占有方就会迅速建立新的壁垒。而这些新壁垒，几乎都是平民家孩子很难跨越的。

说到这里，儿子跑来跟我说他的token用完了，他正在做一个设计软件，而且他的导师觉得非常棒鼓励他继续完成。我二话不说转钱充token，毕竟学渣逆袭值得鼓励。插播一句，他导师还跟他说，等儿子空下来让儿子教他下怎么用龙虾和扣子手搓这个需求响应的软件，你看AI时代下师生关系也产生了微妙的变化。好在现在token还不贵，需求升级正在爆发式增长，可以使劲冲一冲。

五、强势方的新游戏：从“能不能做”到“有没有资格做”

强势方不会坐视自己的优势被AI瓦解。他们会想尽办法，把“本来很难、现在变容易”的事情，重新包装成“你有资格做吗”的事情。

具体来说，他们会建立以下几类新壁垒：

壁垒一：准入与认证壁垒

既然AI能写代码，那就不看你会不会写代码了——看的是你有没有“高级AI架构师”的证书。既然AI能画设计图，那就不看你会不会画了——看的是你的作品有没有被某个“官方AI艺术委员会”认证。

考这些证需要什么？需要钱、需要时间、需要人脉（推荐信、实习机会）、需要圈子信息。这些恰恰是穷人家孩子缺的。

壁垒二：数据与算力壁垒

顶尖的AI模型，训练一次要几百万美元。即使是用AI，真正高价值的应用也需要私有数据、需要微调、需要足够的算力来跑推理。一个穷孩子只能调公开API，而一个大公司可以部署自己的模型集群。起跑线从一开始就不一样。

壁垒三：信任与品牌壁垒

当AI生成的内容泛滥成灾，什么东西最值钱？信任。一个由老牌机构、认证专家、历史品牌背书的输出，和一个匿名网友用AI生成的东西，人们会更相信前者。而建立信任需要什么？需要时间积累、需要资源投入、需要圈层认可。这些都不是一个刚毕业的穷孩子能轻易拥有的。

壁垒四：物理与体验壁垒

越是虚拟的东西泛滥，真实的物理体验就越稀缺。一场面对面的顶级专家咨询、一次私密的线下行业聚会、一个需要实地操作的精密设备——这些“物理壁垒”天然就把大部分线上AI使用者挡在门外。而要进入这些物理场域，要么有钱，要么有圈层关系。

六、平民家的孩子，路在何方？

听起来很绝望？别急。AI虽然堵死了老路，但也撕开了几条新口子。关键是，你要换个思路。

方向一：去做AI很难“设卡”的“脏活、苦活、灵活活”

有些工作，AI很难完全替代，而且资源方觉得“设卡收保护费”的投入产出比太低。这些领域往往是高技能蓝领和个人化服务。

高级电工、精密钳工、重型设备维修、新能源汽车维修：这些需要在物理世界解决非标问题，AI可以辅助诊断，但没法动手拧螺丝。而且这些工种的认证更看重实操技能，而不是家庭背景。

老人护理、康复理疗、月嫂、宠物美容：这些高度依赖共情、信任和现场应变，客户为“人”的服务付费，很难被AI替代。资源方也很难在这些分散、非标的领域形成垄断性壁垒。

这些工作可能不够“高大上”，但收入不低，而且经验越老越值钱。

方向二：成为“驾驭AI”的特种兵，而不是对抗AI的步兵

AI把“难事”的门槛拉低了，那你正好可以用AI当杠杆，一个人干一个团队的活。

超级个体户：一个熟练使用AI工具的独立开发者，可以做出以前需要整个团队才能完成的产品；一个会用AI做市场分析的跨境电商卖家，可以精准选品、自动运营。核心不再是“我会什么难技术”，而是“我能不能用AI低成本、高效率地解决一个真实问题”。

AI难以赋能的“终极决策”：在数据不完整、利益冲突、价值判断模糊的复杂情境下做决策，比如一个小企业主根据本地情况调整产品策略。这需要经验和智慧，AI无法给出确定性答案，而经验可以通过刻意实践来积累——不需要资源，只需要你多干活、多复盘。

方向三：主动去寻找AI创造的新“技能壁垒”

AI消灭了一些旧难度，但正在创造新的、更难的、且尚未被资源方设卡的问题。抢占这些新山头，就是机会。

AI模型的微调与对齐：让一个通用AI模型在特定小众、高价值领域（比如特定法律条款、罕见病诊疗、传统工艺）表现卓越，这需要极深的领域知识和工程能力。这是新出现的“硬核技术”，目前还没有被证书和圈子垄断。

AI系统的审计与安全：当AI被广泛使用时，谁来判断它的输出是否公平、安全、没有偏见？如何防御针对AI系统的攻击？这些都是全新的、高难度的技术岗位，而且需求正在爆发。

人机协作流程设计：设计一个工厂或医院里，人和AI如何最高效、最安全地配合工作。这需要对人和AI的能力边界都有深刻理解，是典型的“更难的事”，而且目前几乎没有学校教这个——谁先摸索出来，谁就占了先机。

七、总结：给平民孩子的一个新公式

回到开头那个乐观观点：AI真的会让知识平权、阶层流动吗？

恐怕不会。技术从来不是中立的。AI的计价方式、资源占有方对新壁垒的快速构建，都会让“平民孩子靠技术逆袭”这条路变得越来越窄。

但也不是没有路。只是公式要改一改。

旧公式：技术难 + 资源依赖低 = 逆袭

新公式：AI难以设卡（或AI刚创造的新高地）+ 资源方设卡成本高 + 市场需求旺盛 = 逆袭

具体来说，平民孩子可以考虑：

去做AI很难完全替代的物理性、情感性工作（高级蓝领、个人服务）。

把自己变成AI的驾驭者，用杠杆效应放大个人能力（超级个体、复杂决策）。

抢在资源方之前，占领AI创造的新技术高地（模型微调、AI安全、人机协作设计）。

最后想说的是：不要盲目追逐那个“大家都觉得好”的方向。当所有人都在挤一条路的时候，那条路的性价比就已经在快速下降了。去观察哪些新出现的技能还没有证书、没有圈子、没有垄断，然后一头扎进去——这才是AI时代平民孩子最聪明的打法。