上个月，我们团队里一位做市场运营的同事，用AI Agent工具花了三天时间，搭出来一个内部用的数据看板。能查数据、能自动生成周报、还能对接企业微信推送。

这个同事，连Python是什么都不知道。

而我们之前找技术供应商做类似的东西，报价八万，排期两个月。

这件事给了我们很大冲击。不是因为"AI真厉害"——这种话听得耳朵都起茧了。而是因为一个更扎心的事实：决定你能不能做成一件事的门槛，正在从"会不会技术"变成"会不会跟AI协作"。

这两件事看起来差不多，实际上是天壤之别。

技术可以学，可以请人，可以外包。但一个人会不会提问、会不会拆解问题、会不会把自己的意图精准地传递给一个AI，这件事背后是一整套思维方式的差异。而这种差异，正在悄悄撕开一道新的鸿沟。

过去十年，全世界都在讲"信息平权"——互联网普及了，智能手机白菜价了，开源知识触手可得了，理论上任何人只要有一部手机，就能获取和哈佛学生一样的信息。

理论上。

但AI来了以后，这个理论正在被彻底击穿。

数据来源：世界银行 2025 / OpenAI 2025.12

联合国开发计划署在2025年底直接发出警告——AI可能加剧国家间的不平等，而不是缩小它。

浙江大学和乌镇数字文明研究院在2026年4月正式提出了"智能鸿沟"这个概念。这不是说有些人有电脑有些人没有——而是说，同样面对着AI工具，有些人能把效率拉到10倍，有些人连对话框都不知道怎么打开。

这才是残酷的地方。

以前说"数字鸿沟"，说的是硬件——你有没有电脑、有没有网络。这个问题虽然也没完全解决，但至少方向是明确的：给钱、建基站、发手机，总能一步步填平。

现在的智能鸿沟呢？硬件几乎平等了——ChatGPT免费版谁都能用，各种AI工具月费也就几十块钱。但工具摆在你面前，你用不出效果。

为什么？

因为新鸿沟不是硬件问题，是思维问题。

不会用AI，不是"不会打字"那种不会——是"不会提问"那种不会。不知道该怎么把自己的需求拆成AI能理解的步骤，不知道该在哪个环节介入、哪个环节放手，不知道怎么用迭代思维去逼近结果。

从4种任务扩展到7种，效率差距不是线性增长，是指数级爆发。AI使用能力不是一个"会不会"的问题，是一个"用到什么深度"的问题。

这种差距，已经直接反映在薪资上。

数据来源：PwC 2025全球薪酬调研 / 凤凰科技 2026.6.11

56%的薪资溢价，这是什么概念？差不多是你和同岗位的同事做着差不多的事，就因为他会深度使用AI而你不会，他比你多拿一半以上的工资。而且这个差距还在加速扩大。

数据来源：ManpowerGroup 2026

三个岗位抢一个候选人——这种供需比，在互联网最疯狂的年代都没见过。

但这里有一个很隐蔽的问题值得掰开看：这160万个岗位里，有多少是"写代码"的？其实越来越多的岗位要的不是程序员，而是"会用AI做事的人"。

这正是我们在实际工作中体会最深的一点。

前面说的那位运营同事，不是个例。根据行业数据，非技术背景的人使用AI Agent进行编程的速度是程序员的3倍，而且非技术背景的AI开发者已经占到总数的63%。

这个数据第一次看到的时候，我们整个团队沉默了好几秒。

63%。也就是说，现在用AI编程的人里，大部分根本不是程序员。

这颠覆了我们对"技术壁垒"的认知。

以前的逻辑是：你想做一个产品，你得先学编程，学三五年，然后才能动手。技术壁垒是一道实打实的墙，你要花大量时间翻过去。

现在的逻辑变了。AI把编程的技术壁垒几乎铲平了——你不需要会写代码，你需要的是知道"要做什么"和"怎么描述你要的东西"。这时候，传统程序员反而可能不占优势，因为他们太习惯用技术思维去解决问题，反而不会"说人话"了。

而一个做运营做了五年的人，她太清楚用户要什么、业务痛点在哪里、什么样的流程需要优化。这些东西，恰恰是AI最需要你提供的输入。

这里有一个更残酷的推论。

学历差距，说白了是一个"你有没有机会学"的问题。高考没考好，可以去自考；本科学校一般，可以考研。学历虽然不完美，但至少证明你学过、考过、坚持过。它是一个可以被量化、被验证、被追赶的指标。

AI使用能力的差距不一样。它暴露的不是"你学没学过"，而是"你会不会学"。

一个AI高手和一个AI小白之间，差的不是一门课的成绩，而是一整套能力：拆解问题的能力、抽象思考的能力、精准表达的能力、迭代试错的耐心、跨领域迁移知识的灵活度……这些东西，没有一门课能教，没有一张证书能证明，甚至没有一个明确的学习路径可以遵循。

我们见过太多这样的情况：同一个AI工具，有人半小时就摸出门道，开始解决实际问题；有人用了三个月，还在问"这个对话框怎么打字"。不是工具的问题，不是智力的问题，是思维操作系统的问题。

而"思维操作系统"的升级，比学一门语言、考一个证书要难得多。

还有一层更深的分化在发生。

数据来源：Randstad调研

性别差距、代际差距，正在AI使用能力这个维度上被重新放大。

以前可以说"女性不学STEM"是教育选择的问题。但在AI时代，AI工具的使用门槛极低，不存在"不能学"的客观障碍，差距更多来自认知和意愿——"我觉得这东西跟我没关系""我不需要学这些"。这种主观上的封闭，比客观上的资源匮乏更难打破。

说了这么多，我们想表达的核心判断其实就一个。

OpenAI的内部研究总结过顶级AI用户的4种核心行为模式——他们不只是"会用工具"，而是把AI嵌入到思考的每一个环节，形成了一种全新的工作方式。这四种人和其他人之间的效率差距，正在以月为单位拉开。

为什么我们敢下这个判断？

收入差距可以用钱解决，学历差距可以用时间弥补，信息差距可以用互联网填平——这些鸿沟再大，至少都有一个明确的"补课路径"。

但AI使用能力的差距，它的底层是思维方式的差距。而一个人的思维方式，是他过去二三十年所有教育、经历、习惯的总和。你想在短期内改变一个人的思维操作系统？几乎不可能。

我们今天写这篇文章，不是为了贩卖焦虑。焦虑没有用。

我们真正想说的是：这道新的围墙，不是给"穷人"准备的，也不是给"学历低的人"准备的。它是给所有"思维没有升级"的人准备的。

不管你是什么背景、什么学历、什么收入，如果你的思维方式还停留在"等别人给我工具、告诉我怎么用"的阶段，那这道围墙，就是为你而建的。

反过来，如果你现在就开始把自己当成一个"AI协作者"而不是"AI使用者"，开始练习提问、练习拆解、练习迭代，那你还有机会在围墙彻底合拢之前，站在对的这一边。

回到我们每天都在打交道的低空经济。

低空运行管理系统的智能化，本质上就是AI能力的比拼——谁的调度算法更聪明，谁的数据处理更高效，谁的协作平台更懂业务场景，谁就能在新民航法生效后抢占先机。

低空数据平台的建设也一样。同样的数据摆在面前，有的平台只能做到存储和展示，有的平台已经能用AI做实时分析、自动预警、智能决策。这中间的差距，不是投入多少钱的问题，是团队对AI理解的深度问题。

我们一直在说低空经济的竞争是技术的竞争、是政策的竞争。但说到底，竞争的核心还是人的竞争——是那些能把AI用到极致的人，和那些还在观望的人之间，越来越大的鸿沟。

这道围墙，低空行业也不能幸免。