AI时代,你最值钱的资产正在贬值假设5年前你掌握的一项技能，放在今天只剩一半的价值。这不是危言耸听。吴军做过一个判断——很多技能的半衰期大约5年。为什么？一方面，行业在发展，一些技能不再有用；另一方面，但凡值钱的技能就会有很多人来学，掌握它的人多了，自然就不值钱了。按常理来说，经验越积累越值钱。一个做了十年的老手，当然比新手更值钱。这在过去是对的。但AI改变了一件事——你的经验，正在被AI变成数据和算法。越积累的不是智慧，而是可以被替代的重复性模式。所以经验不再像资产，更像一台正在折旧的机器。你今天掌握的能力，明天可能就贬值了一部分。在AI时代，这个折旧速度大幅加快。说白了，你以为自己在积累经验，其实有些经验，正在以你看不见的速度贬值。大多数人还没意识到这件事。他们还在选学哪种AI工具，选用哪个平台，选追哪个风口——以为自己在"做选择"，在"拥抱变化"。但真正的选择不是"选哪种工具"，而是面对一个更根本的问题：要回答这个问题，我们得先搞清楚一件事：你的十年经验，到底是什么？简单讲，就是你踩过太多坑，见过太多类似的情况，积累了太多重复性工作的经验，所以不用想就能反应。一个做了十年的老手，遇到问题本能就知道该怎么处理，因为他已经见过无数次了。但AI现在能做的事，恰恰就是这个——把重复性工作的经验变成数据和算法，然后比你更快、更准、覆盖面更广地做出反应。有一句话很扎心：AI把"经验"变成"数据"，把"熟练"变成"算法"。这意味着重复性经验的价值在断崖式下跌。你的经验，正在被AI变成数据和算法。这不是理论推演，而是正在发生的事。亚马逊先裁1.4万人，又裁1.6万人。Meta凌晨4点发邮件分批裁员8000人。甲骨文清晨6点发邮件启动裁员，预计波及近3万人——部分员工的系统权限同时注销，门禁同时失效。要知道，这些不是经营不善的公司，这些是全球最赚钱的科技巨头。连他们都在裁，说明什么？微软更狠，推出了一个"70法则"——年龄加司龄达到70就可以申请自愿买断。外界解读，这针对的恰恰是资历最深的那批老员工，他们绩效未必差，只是积累了二三十年的那套经验，在AI面前正在快速贬值。工龄、经验、能力、忠诚度——这些曾经构成职业安全感的东西，正在被一个更冷酷的问题取代：你的工作，有多少还是只有你能做的？吴军说过一句话：过去的资历不代表未来的能力。越是经济落后的地区越讲究论资排辈，但那里的老资格真没有什么适合当代社会的经验，他们赖以支撑起自己资历的经验早就过时了。35岁中年危机的本质不是你不努力，而是你的技能贬值了，但你没意识到。所有"工具性"的劳动都有可能被AI取代——而且应该被AI取代。如果你的核心资产是"工具性劳动"，那它注定会贬值。技能会贬值，经验会折旧，但有些东西，AI越强，它反而越值钱。前面说过，某头部互联网公司裁掉60%内容运营岗位后，留下的人不是最熟练的，而是会主动研究新平台、新玩法、新趋势的人。这不是偶然。有一个传统车企的工程师，做了8年发动机控制系统，下班后自学AI和自动驾驶，还买了辆二手车装传感器做实验。有人问他为什么，他说："我也说不清楚，就是好奇。"后来他成功转型了。不是因为他比别人更努力，而是因为他的好奇心让他比别人更早看到了新的方向。要知道，好奇心不是能力，而是生存本能。在行业被AI重塑的时候，好奇心决定了你能不能比别人早半步看到变化，而不是等变化来了才反应。但光有好奇心还不够。早半步看到变化，然后呢？你得能做出判断。AI能给你一百个方案，但选哪个？为什么选这个不选那个？这需要判断力。AI能生成无数条广告文案，但哪一条真正打动人？这需要审美。AI能分析海量数据，但数据背后的趋势意味着什么？这需要对行业的深度理解。这些能力有一个共同特点：随时间升值，而不是贬值。你做过的判断越多，踩过的坑越多，你的判断力越强。你看过的案例越多，见过的失败越多，你的审美越准。你对一个行业理解得越深，你看到的别人看不到的东西就越多。简单讲，这些能力的底层逻辑是——你在用阅历做判断，而不是用模式做反应。AI能替代的是后者，替代不了的是前者。但判断力从哪来？不是凭空来的，它需要一个更底层的东西。AI时代最稀缺的不是知识储备，而是能甘坐十年冷板凳的原始热爱。梁文锋的父亲递上螺丝刀，鼓励他拆解和重构，只要求"拆完记得装回去"，后来他创办了DeepSeek。不是因为他预测了AI的风口，而是因为深度理解和原始热爱，让他在某个领域扎得足够深。风来了，他正好站在那里。王兴兴也是一样——父母约定每年可拆5件电器但需提交拆解报告，他在拆解的过程中叩启了机械世界的大门，后来创办了宇树科技。陈氏兄弟的父母用《十万个为什么》任由兄弟二人自由探索，后来他们创办了寒武纪。而当你既有好奇心、又有判断力、又有深度理解的时候，你就具备了最稀缺的一种能力：AI擅长解决问题，但不擅长定义问题。你给AI一个问题，它能给你答案。但问题本身对不对？这个方向值不值得做？做了之后会带来什么新的问题？——这些需要人来判断。真正的转型，是从"操作工"变成"AI指挥官"，从"解决问题"进化到"定义问题"。操作工的价值在于执行，指挥官的价值在于定义——前者是贬值资产，后者是不贬值资产。好奇心、判断力、深度理解、定义问题的能力——这些东西不会贬值，因为它们不是重复性经验的积累，而是阅历、洞察和热爱的沉淀。AI越强，这些能力反而越值钱。那么问题来了，你怎么判断自己的核心资产，是会贬值的还是不会贬值的？会贬值的资产：重复性经验、熟练技能、工具性劳动——AI能替代的东西。不会贬值的资产：好奇心、判断力、深度理解、定义问题的能力——AI做不到的东西。你做的事，AI能不能做得更快？如果能，那你现在积累的就是贬值资产。不管你做得多熟练、多高效，AI都能比你更快。这不是努力的问题，是方向的问题。但就算你判断对了现状，还有一个问题——你的选择，是在"选工具"还是在"换锚点"？学AI工具是好事，但如果你做完这一步就觉得"我已经转型了"，那你的锚点没变——你还是从"AI能替代的东西"出发做选择。真正的转型不是换工具，是换锚点：从执行转向判断，从解决问题转向定义问题，从熟练转向好奇。而最根本的问题是——你为什么做现在这件事？动机不是你想要什么，而是你为什么想要。如果你做这件事是因为焦虑——因为别人都在做、因为怕被淘汰、因为不做什么心里不安——那大概率你在用贬值资产做选择。如果你做这件事是因为好奇、因为热爱、因为真的想搞明白——那你在往不贬值资产的方向走。说实话，这个问题没有标准答案。每个人的起点不同，行业不同，处境不同。但有一件事是确定的——如果你还在用贬值资产做选择，那不管你选哪种工具、追哪个风口，结果都一样。就像吴军说的，只要社会在发展，科技在进步，就不存在不贬值的技能。但和技能不同的是，智慧是不随时间衰减的。所以真正的问题从来不是AI会不会替代你——而是你打算拿什么，站在AI做不到的地方？
夜雨聆风