AI时代,普通人会更容易成功吗?

AI时代，普通人会更容易成功吗？

说“会”，像在贩卖廉价希望；说“不会”，又像在泼冷水。但这个问题值得被认真对待，因为它背后藏着的，是无数人对AI时代的真实焦虑。

全球81亿人中，深度使用AI的不到200万，占比不足0.04%。AI的渗透远未完成，但早期红利正在被极少数人提前兑现。

"普通人是不是更容易成功"，这个问题的答案，取决于你在讨论什么维度的成功，以及你选择站在哪个位置。

一、刘润的逻辑：稀缺的铁律

刘润的答案是：不会。

他的逻辑并不复杂。所谓"普通人"，意味着不稀缺；而世俗意义上的成功，本质上是获得超额回报，超额回报只能来自稀缺。所以"普通人成功"在这个框架里本身就是一个自我矛盾的命题。普通意味着不稀缺，不稀缺意味着没有超额回报。

他进一步指出：AI确实降低了专业门槛，做特效、写歌、拍电影以前很贵，现在人人能做了。但问题是，门槛对所有人同时降低，大家都会了，凭什么你还收原来那么高的价？他用叶圣陶的课文《多收了三五斗》来打比方，丰年了，收成多了，米价反而暴跌。物以稀为贵，这是常识，是经济学的基本原理。

他的结论是：普通人要成功，唯一的路就是"变得不普通"。他引用小马宋的话收尾：人们不愿意相信一个简单的道理，比如需要长期积累变得稀缺，却特别愿意相信用一个简单的方法就能成功。

这个论证锐利，但它有一个隐蔽的裂缝。

二、裂缝：稀缺是结果，不是原因

刘润的框架有一个关键问题：它把稀缺当成了成功的前置条件，但实际上，稀缺是成功之后被市场追认的结果，而不是原因。

更准确的描述是：很多人身上存在某些特质，在旧的评价体系下无法被识别，更无法被变现。直到场景改变，这些特质才被放大、被验证、被定价。市场的回头一看，给了它一个名字，稀缺。

刘润的框架用终点解释了起点。它没有错，但它跳过了中间最关键的一步：这个特质是怎么被放大的？放大的条件是什么？

AI真正改变的，正是这个条件。

三、被AI新打开的门

让我们看几个真实的故事。

刘梓瑜，1997年生，中专毕业，在云南拍婚礼。按传统影视圈的门槛，他连入场的资格都拿不到。2026年，他用了3000块钱、10天时间，靠AI工具做了一部科幻短片《丧尸清道夫》，全网播放破亿，被好莱坞制片人公开赞誉。他跑出来，不是因为AI让他学会了拍电影，而是他骨子里的废土科幻审美，在旧时代永远不可能被看见，却在这个时代被几何级地放大了。

伊万·蔡斯，83岁的石溪大学社会学荣休教授，研究了一辈子寄居蟹和社会等级，却受困于计算机恐惧症，一行代码都写不了。有人教他用AI编程助手，几个小时他就上手了。这位老人说："我等不及要用AI搞清楚寄居蟹的财富分配了。"AI没有让他变成程序员，但让他在暮年，终于能把积累了几十年的学术洞见释放出来。

吕望，一位90后会计，想改造一家67年历史的金鸿曲轴工厂。老师傅们脑子里装着几代人的工艺直觉，手一摸知好坏，耳朵一听知毛病，但面对数字系统，他们成了弱势群体。吕望开发的AI助手"小六"，支持语音交互。老师傅不需要学打字，对着话筒说话，像带徒弟一样，经验就变成了数据。系统上线后，工厂成本下降6%，废品率下降0.15%，年省超百万元。这次被AI放大的，是那些快被数字化浪潮抛弃的、沉默的经验。

三个案例的共同点是：在旧的评价体系下，他们的某个特质无法被识别，更无法被变现。AI改变的，是这个识别和变现的条件。

四、AI的真正馈赠：新机遇的涌现

AI带来的根本变革，不在于它保证"普通人更容易成功"这个结果，而在于它点燃了一个"机遇涌现"的时代。

AI做的事，是把"尝试"的成本压到接近零。

它不保证你成功，但它保证你能开始。对无数在旧门槛面前止步的人来说，这已经是一个实质性的变化。也许大多数人试了之后发现自己不过如此，也许大多数人冲进去仍然无法被看见，但至少他们有了试的权利。这个权利，在以前是不存在的。

所以，如果一定要回答AI时代普通人会不会更容易成功，取决于你怎么定义"成功"：

如果是财务自由、社会公认的顶尖成就。稀缺的铁律没变，塔尖依然拥挤。 

如果是"找到自己真正想做的事并且有机会去做"。答案是，比以前容易了。不是因为AI降低了成功的门槛，而是因为它降低了开始的门槛。

这两件事之间的距离，比大多数人以为的大得多。

五、但另一面同样真实：淘汰也在加速

当AI智能体开始进入企业组织，事情就不只是"个人尝试"那么简单了。企业的AI化，第一步不是省人，而是改流程。

过去，企业由人组成部门、由部门完成任务。未来，任务被拆解成工作流，由AI Agent执行、协同、反馈，人站在流程外，只参与设计、训练、监督和优化。

这意味着什么？意味着组织对人的要求，发生了根本性的、结构性的变化。那些曾经靠执行标准化任务积累经验、逐步成长的人，他们的成长路径可能被拦腰斩断。能胜任"流程设计师"和"系统监督者"的人，需要的是系统思维、抽象能力和跨领域判断力。这些能力从来就不"普通"。

更深的矛盾在于：能绕开组织、独立创造的人，可能享受了AI的赋能；必须进入组织、成为系统一部分的人，可能面对的是AI的重新筛选。

刘梓瑜可以靠AI做短片，因为他的工作是个体的、创造性的。但如果他需要在一家"新物种公司"工作，他的位置会是什么？

这两件事，同步发生。AI在个体创作领域降低了门槛，但在组织演进中，可能正在建立新的、更高的壁垒。

六、更贵的算力：即将到来的新分层

袁晓辉，清华大学城乡规划学博士、腾讯研究院副院长，长期研究AI对经济社会的影响，提供了一个更宏观的视角：AI真正的大规模爆发尚未到来。全球81亿人中，仅有约200到500万人将AI深度融入工作流，占比不到0.04%。而制约算力发展的硬瓶颈，GPU、HBM等关键组件的产能已经排期到2027年，短缺可能持续到2030年。

这个判断，把我们讨论的视野从"个人与组织"拉到了"基础设施层"。它揭示了一个被很多人忽略的事实：AI不是免费的阳光，AI是有成本的。而这个成本，可能成为新的分层机制。

当算力持续紧缺、成本上升时，"尝试"就不再是零成本的了。它变成了一笔需要计算ROI的投入。于是：

算得起的人：投入算力，获得更高产出、更快迭代、更强竞争力。他们实现正ROI，于是更愿意投入更多算力，形成增强回路。 

算不起的人：被价格挤出，退回旧工具和旧工作方式。他们与前者之间的差距，不是在缩小，而是在加速拉大。 

中间的人：不是完全用不起，而是需要做出选择。把算力用在刀刃上，用在最能产生回报的地方。

我们之前说"AI降低了开始的门槛"，这句话没错，但它有一个隐含的前提：模型成本极低甚至免费。晓辉博士提醒的是，这个前提可能正在改变。

但我们也不必走向悲观。另一条路正在开启：工作流技能与记忆模型，将成为新的数字资产。 

单纯调用API写文案、画图，ROI会越来越低。但将AI深度嵌入具体业务场景，形成可复用、可迭代的工作流和专属记忆模型，ROI会越来越高。

吕望在金鸿曲轴做的就是这样的事。他不是买了一个大模型让它干活，而是把老师傅的经验、工厂的业务流程、AI的执行能力三者编织在一起。这个编织出来的东西，才是真正的护城河。

算力本身在变贵，但嵌入具体业务场景、形成可复用工作流的算力使用，其单位产出成本会随着工作流的迭代而下降。两者的差距，在于你每次调用AI是在消耗算力，还是在沉淀一个下次可以直接复用的流程资产。

七、两种视角，两种选择

AI带来的变化，可以从两种完全不同的视角来理解，机遇开启，和淘汰替代。

从"机遇开启"的视角看，AI是一个开门者。它击穿门槛，降低尝试成本，让你身上某个微小的特质有可能被放大。这个视角导向的行为是：积极试探，低成本试错，主动去发现和放大自己的某个闪光点。

从"淘汰替代"的视角看，AI是一个筛选器。它让竞争更激烈，让旧岗位瓦解，让新位置对能力的要求更高、更抽象、更不"普通"。这个视角导向的行为是：警惕审视，评估冲击，主动升级或防御性收缩。

关键在于：不用争辩哪个视角更正确。

AI在开启机遇的同时，也在淘汰旧模式。

刘梓瑜的短片爆红了，但同一时间，无数传统做短剧的人，或者用AI做短视频的人可能颗粒无收。金鸿曲轴成本降了6%，但如果这个模式推广开，那些不愿或不能转型到"流程外"的工人，他们的岗位会怎样？

机遇涌现是真实的，淘汰替代也是真实的。承认两者的同时存在，才是面对这个问题时最诚实的态度。

而基于这种诚实，不同处境的人，需要不同的选择：

如果你处于资源和信息相对边缘的位置，AI对你更多是机遇开启。你没什么可失去的，应该更积极地试探、尝试、放大。 

如果你处于依赖稳定结构的岗位，AI对你更多是淘汰替代的预警。你需要认真审视自己的位置，思考如何向"流程外"的设计或监督角色移动。 

在技术爆发的早期，机遇的窗口更大；随着技术渗透，淘汰的压力会加重。早期多用机遇视角去冲，中期多用淘汰视角去判断风险。长期来看，两套视角需要同时在线。

八、真正稀缺的能力

回到最初的问题：AI时代，普通人会更容易成功吗？

如果"成功"是指世俗金字塔尖的位置，不会。刘润没有说错。算力分层、组织形态演进，可能让这个塔尖比以前更难触及，而不是更容易。

如果"成功"是指一个人能更自由地尝试、创造、发现自己身上的可能性，比以前容易了。AI把"开始"的门槛压到了前所未有的低。而目前，仍然是这个红利期的早期。

但这场变化真正在筛选的，是另一种能力：能同时持有两种对立视角，并根据自身处境做出判断的能力。

大多数人的本能反应是二选一，要么只看到机遇冲进去，要么只看到淘汰缩回来。前者在泡沫里被动出局，后者在停滞中主动错过。

那个0.04%的数字提供了一个参照系。历史上每一次通用技术的扩散，电力、互联网，都经历过从极少数人使用到大规模渗透的过程。渗透率从不足1%爬到10%，通常需要10到15年，这个阶段是早期参与者优势最大的窗口期。

AI目前处于这条曲线的最前端。这不是说"现在入场就能成功"，而是说：现在入场的试错成本，可能是这个周期里最低的，而试错本身是积累有效工作流的唯一路径。

能驾驭这个阶段的人，不是把AI当免费魔法的人，而是把每一次调用当作数据、把每一个场景当作资产积累机会的人。

在“AI 域”悄然发生的传播和商业变革

AI最大的冲击不是技术替代，是解释权的转移

旧地图已死，如何走出你的Ai时代地图