夜雨聆风未来 1 年、2 年、3 年，AI 会发展到哪里？
模型是否还会越来越强？算力和Token是否会成为水电网络这样的基础设施？
哪些工作岗位会消失？又会有哪些新的工作岗位诞生？
这可能是每个身处时代浪潮中的人最真实的问题，都知道 AI 会继续变强，但难点不在于承认趋势，而是个人如何应应对以及把握这个趋势。
对冲基金传奇、Citadel 创始人 Ken Griffin 在 2026年斯坦福领导力论坛上的这场访谈，信息密度非常高
原视频 [Stanford Leadership Forum 2026: Conversation with Ken Griffin] 可前往 YT 自行搜索
这位华尔街传奇人物从 AI 发展， 聊到了个人、组织如何应对 AI 发展到浪潮：
1. AI 接下来会优先改变哪些工作？ 2. 个人应该怎么重新理解学习、工作和创业机会？ 3. 当个人机会被 AI 放大之后，什么样的组织才有资格持续抓住这些机会？
Griffin 反复强调的底层答案：能持续学习、持续纠错、持续接受竞争压力的人和组织，才更可能把 AI 浪潮变成机会。
要点速览
• 学习机会：少追概念，多训练问题定义能力。 AI 会让工具持续变化，真正稳定的能力是判断任务、拆解流程、验证质量。 • 工作机会：从执行节点，升级成工作流设计者。 高技能研究都开始被自动化，个人更应该占据“定义问题、组织工具、判断结果”的位置。 • 创业机会：不要只做 AI 产品，要用 AI 重做旧流程。 当获客、内容、分析、客服、个性化交付都变便宜，很多传统行业会出现新缝隙。 • 组织机会：既要快速选择方向，也要在发现错误时果断转向。 AI 变化未必以危机出现，组织要先跑小闭环，在发现错误时及时修正，不能被沉没成本拖住。
【1】AI 的冲击不再停留在低技能任务，而是进入高水平研究
过去几个月 AI 工具的生产力发生了跃迁。
Griffin 提到，在 Citadel 内部，过去需要金融硕士和博士花数周甚至数月完成的工作，现在可以由智能体式 AI 在数小时或数天内完成。
这不是一般意义上的“白领提效”。
很多人讨论 AI 替代时，想象的是客服、运营、基础文案、初级分析师这些岗位。但 Griffin 看到的，是高技能金融研究开始被自动化。它不再只是把已有工作做快一点，而是在重新定义哪些工作还需要人以原来的方式完成。
他也提到，软件工程效率提升 15%、20% 或 25% 时，公司会觉得这是好事，因为要写的软件永远很多。但当高水平研究工作被 AI 引擎完成时，感受就不一样了。它会让人第一次真正意识到：这不是简单的工具升级体系下提效果，而是工作的边界在在重新定义
未来很多岗位的核心问题不是“你能否用 AI 提效”，而是 “你能不能重新定义自己在工作流里的位置”。 如果你只是流程中的一个可替换步骤，那你会越来越危险；如果你能定义问题、判断质量、整合资源、承担责任，你就仍然有价值。
【2】AI 会填平护城河，也会打开创业窗口
AI 必然会打破甚至替代很多传统的工作岗位，但是也会重塑以及衍生出新的工作岗位，Griffin 更关心新岗位产生的速度是否能匹配上旧岗位被打破的速度。
他强调，大公司依赖的很多护城河会被 AI 工具填平。
过去，大公司有算力、有数据、有工程团队、有销售渠道、有品牌信任。小公司要挑战它们，需要很长时间积累基础设施。但云计算已经先拆掉了一层门槛。现在，一个创业团队可以租用过去只有大公司才有的算力资源。
生成式 AI 会继续拆掉更多门槛。它让小团队更容易写代码、做客服、做营销、做分析、做内容、做个性化体验。
Griffin 举了一个宠物保险公司的例子。年轻管理者通过社交媒体找到刚养宠物的人，用 AI 识别犬种，再推送高度个性化的信息：恭喜你拥有一只金毛，它会陪伴你，你也要在它需要时照顾它，然后推荐宠物保险。这家公司后来以 10 亿美元出售。
AI 的机会不一定是做一个“AI 产品”，也可能是用 AI 重新组织一个传统业务的获客、服务和转化链路。
未来创业者最大的机会，不是和大模型公司正面竞争，而是在每一个细分行业里问：
如果获客、分析、交付、服务和个性化都变便宜了，这个行业的旧流程还有多少必要？
【3】学会学习，会变成个人和组织的共同底座
Griffin 还讲了句听着像是毕业典礼式鸡汤的话：你以为毕业意味着学习结束，其实学习刚刚开始。但放在当下的 AI 发展浪潮背景下，非常有用。
AI 浪潮中，工作边界不断的被重新定义，职业和分工不断被重塑。一个人的职业价值不能只绑定在某个固定技能上。今天有用的分析方法、工具链、行业经验，几年后可能被自动化、被重组，或者被新的分工重新验证。
没有一层不变的工作与岗位，也没有永不过时的技能与经验，唯一不变的永远是变化本身。所以真正重要的是应对变化能不断主动学习以及学会学习的能力：
• 应对变化，能否快速理解新问题； • 能否判断新工具的能力边界； • 能否把工具接入落地到自己的工作流； • 能否判断和验证AI的产出，并且能为输出质量承担责任； • 能否在旧经验失效时重新学习，保持高度的自主性（high agency）。
【4】组织如何抓住 AI 发展中的机会
把平静期也当成变化期。
他举过 2004 年、2005 年美国零售业的例子：当时很多公司对移动营销准备不足，十年后就开始为生存发愁。AI 也是类似变量，变化一开始未必有危机感，更多时候是旧流程慢慢失效。
要把分析转成行动。
公司可以开会、写报告、做对齐，但真正推动变化的是试点、复盘和调整。趋势还不够清楚时，先跑小闭环，比等到答案完全明确更有价值。
要把错误变成学习机制。
Griffin 形容 Citadel 的工作方式是全速前进，发现方向不对就立刻换方向。关键是错误发生后，组织能立刻进入复盘、调整和再验证，把“谁负责”切换成“怎么学习”。
让增长方式和风险承受能力匹配。
2008 年金融危机给 Citadel 的教训是：金融身份要和安全网匹配。放到今天，就是让资本、流量和平台红利服务真实能力，同时把外部顺风沉淀成可验证、可延续的组织能力。
AI 时代好的组织，要能更快识别变化、更快行动、更快纠错，并且始终接受竞争压力。机会变多，竞争也会变多；工具变强，门槛也会重新分布。最后能拉开差距的，还是学习系统、风险边界、人才密度和持续被市场检验的能力。
【收尾一下】
回到开头那个问题：AI 在未来 1 年、2 年、3 年会发展到哪里？
没有人能给出精确的答案，但是趋势是明确的：工作边界会被重新定义，职业和分工会不断被重塑。
无论是个人还是组织，都要有应对过往旧经验失效时重新学习的能力，保持高度的自主性。
• 学习上，通过筛选机制去除噪音，多训练问题定义能力。你要能判断一个任务哪些部分可以交给 AI，哪些部分仍然需要人的判断、审美、责任和整合。 • 工作上，不要给自己设限，不要有顽固的边界感。不要把自己设限固定在组织或者流程里的一小环上。要想办法参与到设计工作流没，判断输出质量、把工具接入真实业务落地。 • 创业上，不要因为能实现或者实现成本低了才去做一个产品，想清楚为什么做，是否值得做，目标用户是谁？解决什么问题？另外不要只盯着“做一个 AI 产品”，更大的机会可能藏在旧的行业改造升级里，通过AI赋能解决已有的问题。
Keep high agency，共勉。
AI 趣实验 出品谢谢你读我的文章，既然看到这里了，如果觉得不错，关注我，顺手点个赞、在看、转发三连吧～
