ChatGPT 周活已经 8 亿了。8 亿，差不多全球每 10 个人里就有 1 个每周打开它聊两句。92% 的世界 500 强企业员工在用，中国职场 AI 应用率 93%，全球平均才 58%。Claude 月活也有 1890 万。PwC 的报告里写着，80% 的企业报告中说到： AI 带来了为零的——可衡量的——生产力提升。8 亿人在用，80% 的企业说没用。这俩数字放一块，怎么看怎么别扭。要是 AI 真的一文不值，8 亿人不会每周打开它。要是 AI 真的那么好用，80% 的企业不至于交白卷。那效果去哪了？数据里确实是这么说的，我也想聊一聊生活中更真实的现象。我算是 AI 的重度用户了，日常写作、查资料、整理思路，离了 Claude 活不了。于是我成了那种"安利 AI 成瘾"的人——看到朋友在工作上犯愁，就凑上去说"你试试 ChatGPT 啊， 试试claude code啊，真的好用"。结果呢？"试了，还好吧。""感觉没多厉害。""也就那样吧。"十个人里，能有八个是这个反应。剩下两个稍微积极点的，用了一周也就没下文了。最让我受挫的一次是推荐给一个做市场策划的朋友。她挺兴奋地注册了，玩了两天，跟我说："它写的文案一股 AI 味。"我说你试试换个问法。她说："我换了，效果也不行，AI也没想象中的好用"我一时间居然不知道怎么反驳。后来我发现这不是一个人的问题。有个做 AI 工具调研的哥们说他向几百人推荐过 AI 工具，最常见的反馈就是那句——"还好吧"。明明我自己的效率翻了好几倍，怎么到了别人手上就"还好"，只停留在与豆包的对话，查问题？问题到底出在哪？我就开始较真了，翻了一堆报告。第一个数据就把我看清醒了：PwC 今年出的报告，拥有 AI 技能的人，工资比没有的人高 56%。去年这个数字还是 25%，一年翻倍。什么概念？大学学历的工资溢价，辛辛苦苦读四年书才拿到 60%-70%，会点 AI 操作，一年就涨到一半多了。AI 技能正在变成新的学历。区别是，学历你花四年拿，AI 技能——理论上花四天就够了。但大多数人连四天都没花。然后是使用深度。OpenAI 自己的报告里有一组数据挺扎心的：他们观察了用户的实际使用情况，排在最前 5% 的重度用户，每天跟 ChatGPT 来回对话的次数是普通用户的 6 倍。一个人当搜索引擎用，问一句拿答案走人；另一个人让它帮忙拆解需求、写初稿、做校对、改三版，然后接着讨论下一件事。更夸张的是跨场景使用带来的倍增效应。只用 AI 做一件事（比如只写邮件）的人，省下来的时间有限。但把 AI 用在 7 种不同任务上的人——写邮件、做数据分析、写代码、做 PPT、翻译、整理会议纪要、头脑风暴——省下来的时间是单一任务使用者的 5 倍。5 倍。如果是写代码的场景，差距更离谱，能到 17 倍。17 倍是什么意思？你花一天写的代码，别人花不到一小时。同一个 ChatGPT，你问它"帮我写个函数"，人家给它一整套需求文档和上下文。但这些还不是最狠的。最狠的是这组：所有 AI 生产力收益里，1% 的重度使用者拿走了 47%。而排在底部的 60% 用户，几乎什么收益都没拿到。
翻译成人话就是——AI 这波红利，被极少数人吃干抹净了。剩下的大多数人，白嫖了个寂寞。
你可能觉得这有点夸张。那再看一组对比：领导层里 85% 在用 AI，普通员工只有 51%。而且有 31% 的知识工作者，公司发了工具，他们干脆不用——主动抵制。连"用不用"这件事本身都在分化。我查完这些数据，坐那想了半天。第一幕那个问题——"8 亿人在用，效果去哪了"——现在有了答案：被那 1% 的人拿走了。剩下 8 亿减 1% 的人，大部分就是那个"还好吧"。写到这里，我知道有些人在屏幕前想反驳了。"等一下，不是说 AI 对新手帮助更大吗？Copilot 数据不是显示新手效率提升 55.8% 吗？AI 不是在缩小差距吗？"没错，这个数据是真的。刚上手编程的新人用 AI 辅助，确实比老手提升更明显。但这里有个偷换概念的地方——Copilot 帮你补全一个函数、写一段循环逻辑，那叫"入门效率"。真正拉开差距的场景是什么？是架构设计、系统选型、跨团队协作里的技术决策。这些地方，AI 帮不了太多，因为它需要的是你脑子里那堆领域知识和经验。新手能从"啥也不会"到"能写点东西"，AI 确实帮了大忙。但从"能写点东西"到"写出能上生产环境的东西"，这中间的鸿沟，AI 填不了。好，第二个质疑："80% 企业说 AI 没带来什么生产力提升，是不是 AI 被高估了？"这个我本来也觉得挺有道理的。但 PwC 那份报告有个容易被忽略的细节——同一份报告里，AI 暴露度高的行业，生产力增长是低暴露行业的 4 倍。软件开发、金融这些行业，AI 已经在实打实地提高产出。那些说"零提升"的，往往是买了工具、发了通知、然后……就没有然后了。不是 AI 不行，是"扔给员工一个 ChatGPT 账号"这种操作，本身就不算"用了 AI"。第三个质疑更直接："AI 会不会取代大部分人的工作？"PwC 的数据其实给了个反直觉的答案——AI 暴露度高的职业，就业量不降反增，但薪资两极分化严重。中间层被压缩了。以前"还行"就能混下去的人，现在上面有 AI 高手碾压效率，下面有 AI 工具兜底入门门槛，夹在中间最难受。所以准确地说，AI 不是在取代谁，而是在分化。有人升，有人降，但中间那片舒适区，正在缩小。OECD 的数据也印证了这种感觉：全球劳动生产率增长才 0.8%。一个经济学家在 1987 年说过一句名言——"计算机时代到处可见，唯独在生产力统计中不见踪影"。三十多年后，这句话换成"AI"，几乎一字不差。Solow 悖论重演了。但上一次悖论最终被打破了——90 年代末到 2000 年代初，互联网对生产力的爆发式贡献终于兑现。AI 大概率也会，只是中间这段"谁都说不清"的时间窗口，恰恰是分化加速的时期。而这个"怎么用"的差距，其实历史上我们见过太多次了。2003 年，我爹买了一台电脑。联想天骄，奔腾 4，花了将近一万块。那台电脑主要用来干嘛？打麻将。我爹花了半年学会了开机、关机、双击那个红色的麻将图标，然后在上面输给了电脑无数次。Excel？Word？跟他没关系。那台一万块的电脑，在他手里就值二百块的麻将机。
这不是笑话，这是大部分人对新工具的真实反应——拿到手，找一个最低门槛的用法，然后停在那。
Excel 1987 年就有了。到现在快四十年了。你猜全中国有多少人真正用会了 Excel？不是会打开、会打字、会 SUM 那种"会"。是知道 VLOOKUP、数据透视表、条件格式、宏录制的那种"会"。根据微软自己的数据，普通人使用的 Excel 功能不超过总数的 5%。也就是说，95% 的 Excel 能力，掌握在极少部分人手里。工具的获取门槛越来越低——现在连手机都能用 Excel 了。但能力鸿沟一点也没缩小。会的人更会了，不会的人……把 Excel 当 Word 用，然后觉得"这个软件也就那样"。AI 现在走的就是这条路。ChatGPT 免费、Claude 免费、DeepSeek 免费、豆包免费。获取成本趋近于零。但你拿它干的事，很可能就等于我爹拿奔腾 4 打麻将——工具 99% 的能力，跟你无关。还有一个类比。你给一辆桑塔纳装一台 F1 发动机，它会变成赛车吗？不会。它会散架。因为 F1 发动机需要 F1 的底盘、F1 的变速箱、F1 的悬挂、F1 的轮胎来配合。你光塞一个发动机进去，车身承受不了那个动力，轮子抓不住那个扭矩，驾驶员的反应也跟不上那个速度。AI 就是那个发动机。你的工作流是底盘，你的领域知识是悬挂，你的判断力是轮胎。这些不升级，发动机越强，越危险——你会更快地生成一堆看似专业但经不起推敲的东西，然后信心满满地交上去，被老板打回来。产品经理圈子里有个词叫"能力错位"——用户觉得产品不行，其实是用法不行；但用法不行，有时候也是产品设计的问题。AI 现在就处在这个尴尬地带：它给了你一台 F1 发动机，但没给你说明书，也没帮你改底盘。不过，有些人已经自己把底盘改好了。那些"底盘改好了"的人，到底做对了什么？先讲一个反面教材。产品经理 Franz，听了一圈 AI 的神话，花十天折腾 n8n、Dify、DeepSeek、Cursor，想搭一个能自动干活的 Agent。十天之后，走完了半步。他博客里写了一句话："人已经麻了。"Franz 不够努力吗？恰恰相反——方向错了。他犯的第一个错，也是 90% 的人都在犯的错：把 AI 当搜索引擎。你回想一下自己平时怎么用 ChatGPT 的。打开页面，输入"帮我写个方案"，看一眼输出，觉得"也就那样"，关掉。换成这个试试："面向中小企业 HR 的 AI 入门培训方案，3 小时工作坊，受众没有技术背景，需要有实操环节和课后作业。"同一个模型。输入差一个数量级，输出差一个世界。
但这跟 Prompt 技巧没关系，核心就一件事：你想没想清楚自己要什么。
第二个扎心的认知：质量门槛是真的。哈佛商业评论总结过一个结论——修正 AI 输出所需的技能，跟从零创建那个东西几乎一样。翻译成人话：你不会做的事，AI 也帮不了太多。让它写一份你完全不懂领域的行业报告，出来的东西你没法判断对错，更别提改了。但换成你擅长的领域，AI 给个 70 分的初稿，你能迅速提到 90 分。省下的不是"做"的时间，是"从零起步"的时间。所以问题从来不在"怎么跟 AI 说话"，在"你到底要让它帮你干什么"。这个答案，取决于你的专业深度。第三个认知：AI 得嵌进日常工作流，不能是一个"想起来才打开"的 App。很多人用 AI——想起来打开，问一句，不好用就关。真正的高手完全不一样：写邮件前先让 AI 列提纲，开会前让它帮读材料，做完方案让它查逻辑漏洞。用 AI 跟用微信一样，随时在。这跟学了多少 Prompt 模板没关系，关键是工作习惯变了。回到 Franz。他花十天学工具，没花十分钟想清楚一件事：我的日常工作里，哪个环节最值得让 AI 介入？
学工具是加法，想清楚问题是乘法。方向反了，越努力离目标越远。
那些自己改好底盘的人，共同点就一个：先想明白"我要 AI 帮我干什么"，再去挑工具。反过来，就是 Franz 的下场。说了这么多，落到每个人身上，到底该怎么做？分三说。如果你是普通职场人：别焦虑"AI 会不会取代我"，先焦虑"我是不是那 60% 零收益的人"。这俩问题差很远。前者是远方的焦虑，后者是眼前的浪费。从今天开始，挑一个你每天都要做的具体环节——写邮件、整理会议纪要、做周报——让 AI 真正深度参与进去。不是问一句"帮我写个周报"，而是给它上周的工作记录，让它帮你提炼重点，你再改。如果你带团队：85% 的领导层已经在用 AI 了，但只有 51% 的员工在用。这个断层比任何技术鸿沟都危险。别只采购工具，帮团队找到用法。可以是一周一次的"AI 小分享"，也可以是一个简单的工作流模板。工具不贵，贵的是没人知道怎么用。如果你是内容创作者或独立开发者：你可能已经在用了。问题是，你是偶尔用，还是系统性用？跨 7 种任务用 AI 的人，效率是单一任务使用者的 5 倍。不是要你同时学 7 个工具，而是让 AI 渗透进你工作的更多环节。回到最开始那个类比。Excel 1987 年就有了。将近 40 年后的今天，你觉得"会 Excel"和"不会 Excel"之间还有差距吗？不用想了——当然有。而且这个差距从来不是"工具贵不贵"决定的，是"你怎么用"决定的。AI 也一样。工具已经发到每个人手上了。免费的，好用的，中文的，英文的，什么都有。
夜雨聆风
