AI 时代,没有人是＂原生＂于工具的

赵括这个人，中国人太熟了。

他父亲赵奢是战国名将，打过不少硬仗。父子俩在家里聊兵法，赵括引经据典，每一个论点都能找到出处，赵奢经常被儿子驳得说不出话来。但赵奢从来没夸过他。反而跟妻子说了一句话："这孩子要是将来不带兵还好。一旦带兵，赵国打败仗的一定是他。"妻子问为什么。赵奢说："兵，死地也，而括易言之。"——打仗是玩命的事，他儿子却说得太轻巧了。把战争当成了书本上的推演。

后来秦赵长平之战，赵王中了秦国的反间计，用赵括替下了老将廉颇。廉颇在长平修了三年工事，坚壁不出，秦军拿他一点办法没有。赵括一到，把廉颇的部署全部推翻，主动出击。结果四十万赵军被白起围困四十六天，粮尽，降秦，全部坑杀。

从古至今，人们说赵括只会"纸上谈兵"。

但赵括自己不这么看，他觉得自己熟读了万千的兵书。他觉得自己能赢。

长平之战

今天，有一个概念在说同一件事。

2025年到2026年，各行各业出现了一个高频词汇："原生AI人才"。大意是：从学习和入行阶段就全程使用AI工具完成工作的人——写代码用Claude，查资料用ChatGPT，做设计用Midjourney。"原生"这个词暗示了一个代际划分：AI原生的新一代，比"传统经验路径"的老一代，更适配未来的生产力需求。

一批科技公司的招聘JD开始出现这样的话——"优先考虑原生AI人才"。一批创业者开始在公开场合宣称自己的公司"只招原生一代"。一个被反复转发的观点是："一个人加AI等于十个人。有经验的老员工太贵了。"

我想说的是：这句话在逻辑上是错的，在历史上是反的，在实践中是危险的。在谈到这个话题之前，我们首先要搞清楚一个基本问题：生产力到底由什么构成？

一、戴着镣铐跳舞的“生产力”

"生产力"这个词在AI叙事里被用得太多，多到它已经失去了具体的含义。我们把它重新拆开。

生产力的三个构成：劳动者、劳动资料、劳动对象。

作为劳动者来讲——一个纪录片导演用AI可以一天内生成一百个剪辑方案。但哪一个方案的留白刚好能让观众在某一个特定时刻感受到前四十分钟累积的情感重量——这个选择依赖的是一双看过上万小时素材的眼睛。它不能被写成Prompt。它是体感。AI可以生成一百段solo，但它不知道哪一段solo的第七个音应该稍微拖一点点。那个拖拍不是技术选择，是你在某个夏天的深夜弹到第三个小时，汗滴在琴弦上，手指已经酸痛到麻木之后，肌肉记忆自己找到的呼吸。所以说，在判断力、审美、在灰色地带做出决策的勇气——AI碰不到。

从劳动对象的角度来看——一家医院的手术室排班系统。一座城市的地铁运营时刻表。一本严肃文学杂志的选题逻辑。这些问题的核心复杂性从来不在于"需要产出的结果长什么样"。它在于这些东西：外科和内科对黄金时段手术室的隐形博弈，你懂不懂。早高峰的科兴科学园和晚高峰的华强北站是两种完全不同的拥挤形态，你知不知道。严肃文学读者的核心期待从来不是"更好读"而是"被挑战"，你了不了解。这些理解存在于在这个行业中长时间沉浸过的人的身体记忆里。它们没有被文本化。因此没有被AI收录。因此，有待理解的、真实世界中具体而复杂的问题——AI同样碰不到。

接下来是劳动资料——工具。也就是AI的作用域主要落在的地方，它可以更快地分析数据、检索模式，并最终生成内容。

在劳动者、劳动资料、劳动对象这三者之上，还有一个东西。亚当·斯密在两个多世纪以前就用一个大头针工厂把它说得明明白白。十个人。同样的工具，同样的原料。各自独立完成全部制针工序——每人每天二十根，合计两百根。分工协作，每人只做一道工序——一天四万八千根。二百四十倍。这个差距叫组织。

什么是组织？先看看下面这个故事。

1765年，詹姆斯·瓦特在格拉斯哥大学的一间地下室里造出了第一台能实际运转的蒸汽机模型。那间地下室终年潮湿，墙上挂着冷凝水珠，瓦特后来在回忆录里写，他在里面待久了关节会疼。他已经为这个东西想了八年。一个周日的下午，他散步经过牧羊人的洗衣房，突然想到了分离式冷凝器的结构——冷凝器独立于气缸，气缸就不需要在每一次冲程之后重新加热。热效率理论上可以比当时的纽科门蒸汽机高出四到五倍。

专利拿到了。投资人也找到了。机器造出来了。

然后呢？

然后，什么也没发生。

准确地说，在接下来将近二十年里，瓦特的蒸汽机几乎没有被大规模商业化应用过。明明比旧机器好四到五倍，就是卖不动。问题不在技术。在没有人知道怎么用它。

一台蒸汽机要真正转起来，需要的东西远远超出一台机器本身。稳定的煤炭供应——当时的煤矿运输还靠马车在泥路上拉。能看懂机械图纸的操作工人——这种工种压根不存在。能把蒸汽动力传导到纺织机、鼓风机、水泵上的传动装置——这些装置的精度标准此前没人定义过。标准化的螺栓、垫圈、轴承——当时每一个铁匠铺打出来的螺丝，尺寸只对得上自己铺子的扳手。

瓦特手里有全世界最先进的工具。他没有使用它的"组织"。

1780年代，一个叫马修·博尔顿的商人接手了蒸汽机的商业化。博尔顿做的事情跟技术毫无关系：建了索霍铸造厂，把两百个工种整合进一套分工体系。设计了培训和考核标准，一个没碰过机器的农民，三周之内变成合格的蒸汽机操作员。拉通了从煤矿到铸造厂到纺织厂的供应链，煤不迟到，铁不迟到，机器不空转。他没有用蒸汽机造出任何新东西。他只是让蒸汽机能用。

历史书管瓦特叫"工业革命之父"。但你认真想过之后会发现——瓦特提供的是一项技术突破。博尔顿提供的是一套组织能力。没有前者，工业革命推迟五十年。没有后者，工业革命根本不会发生。因为技术突破躺在地下室里，跟没发生过没有区别。

所以，AI不会自动生成组织。它需要有人设计分工，定义接口，建立沟通规范，决定信息在组织里怎么流动，它还需要根据人与人之间的关系，利益来进行协调，其中充斥了博弈，博弈就代表着妥协与让步，就代表着不完美，这些与完美之间的那些损耗，叫做行政成本。行政成本不在任何一行追求绝对最优解的代码里；行政成本在AI的训练数据里几乎没有对应——因为关于"怎么把一个具体团队组织好"的知识，绝大多数从未被文本化过。你没办法Prompt出一个你自己没见过的东西。

个体的经验判断力和组织能力不是两件事——它是一件事的两面。一个人的判断力如果只存在他自己的脑子里，那对整个组织来说就等于不存在。蒸汽机时代的工匠之所以被工厂主抢着要，不只是因为他能判断"这匹布为什么不对"，还因为他愿意把这种判断写进品控标准、教给品控团队、变成组织的公共能力。福特流水线上的老师傅之所以工资翻倍，也不只是因为他懂车，还因为他愿意把自己的手艺拆解成步骤、培训手册、可复制的流程。个体判断力是种子。组织是土壤。种子再好，离开土壤就只是一粒种子。反过来，土壤再肥沃，没有种子也长不出东西。

每一次工具革命，工具（劳动资料）换了，但真正让生产力起飞的，是带着经验走进新工具的人，和把经验变成组织能力的那套机制。历史上每一次都是这样。

二、工业革命无新事

蒸汽时代：手纺车前坐了十五年的人

蒸汽机被大规模应用之后，纺织业发生了什么？"手工作坊被机器工厂替代了"——这句话作为概括不算错。但它漏掉了过程中最关键的一环：最早的工厂主、工头和技师，几乎全部来自手工作坊时代。

一个在手纺车前坐了十五年的工匠，对纤维的湿度、纱线的均匀度、布料在染色前的预处理工序有一整套身体性的认知。他的手一摸就知道这批绵的含脂量对不对，鼻子一闻就知道染料发酵到了第几天。蒸汽纺织机替代的是他的手——拉纱、接头、摇轮。替代不了他的眼睛——他一眼能看出这匹布在第三十七行有一根纱比其他的粗了两个微米。蒸汽纺织机时代的工厂主们很快发现了这件事：把这些人招进工厂当品质管理，比把他们赶回家划算得多。因为新招的农民操作工三周就能学会开机器，但没有一个人能在三周内学会"这匹布为什么不对"。

手工作坊时代的经验没有被清零。它被拆成了两部分：可以被机器替代的"动作层"，和机器替代不了的"判断层"。前者被淘汰，后者的价值反而涨了。蒸汽机放大的不是新手的操作速度——它放大的是老工匠那双眼睛的价值。工具变了，但劳动者的判断力不可替代。

早期蒸汽机

电气时代：福特不是从零开始的

1913年，亨利·福特在海兰公园工厂架设了第一条移动式汽车装配线。T型车的装配时间从12.5小时降到93分钟。车价从850美元掉到290美元。这个故事通常被讲成"流水线替代了工匠"。

实际上那条流水线不是从天上掉下来的。福特的工程师花了将近十年，从芝加哥的屠宰场学了悬挂式传送带的思路，从面粉厂学了重力滑道的思路，从缝纫机厂学了单工位重复作业的思路。他们把这些来自不同行业的、已经成熟的"组织碎片"一片一片拆下来，调试了无数次，拼在一起，才做出了第一条移动装配线。它不是某个天才在图纸上凭空画出来的。它是从已有的工业组织中拆解、重组出来的。

流水线建好之后，被淘汰的工匠是哪些？是那些拒绝把自己的手艺拆解成可标准化步骤的工匠。而愿意坐下来跟福特工程师一起研究"我的这部分工作到底可以拆成几个步骤"的工匠——他们的经验被写进了流程、变成了培训手册、在流水线上被放大了几百倍。他们本人呢？从"一个造车师傅"变成了"整条生产线上的流程专家"，管着几十个工人，工资翻了不知道多少倍。

工具消灭的不是经验。工具消灭的是"经验的私有化"。把经验从"只有我一个人能做"变成"整个组织都能做"——组织在这个环节起了决定性作用。电气时代释放出来的最大能量，恰恰是有人愿意把自己的经验拆出来、交出去。

福特流水线

互联网时代：电商平台上的幸存者

2003年淘宝上线。2008年前后，整个互联网都在喊"让天下没有难做的生意"。平台把开店的门槛降到了几乎为零——不用租店面，不用装修，拍照上传就能卖。很多人真的这么想：既然工具（平台）这么好用，谁都能当卖家。

但真正活下来并且做大的是哪些人？是有供应链经验的人。一个在服装批发市场蹲了十年的人，知道什么面料在什么季节好卖，知道哪个工厂的做工稳定，知道退货率高了问题大概出在哪个环节。这些判断力，平台没有教过他任何一条。是他用自己的十年换来的。平台只是让他触达了更多的买家。而那些只懂平台规则、没有产品经验的店铺呢？红利期靠刷单和低价能撑一阵，但平台规则一变、流量分配一调，他们没有任何可以依靠的东西——因为除了"会上架商品"，他们什么判断力都没有。而那些有行业经验的卖家，平台规则变了他们跟着调，供应链出了问题他们能换，客户需求变了他们能判断。工具在变，底座没动过。

更关键的是组织维度。能活过三轮以上平台规则变化的店铺，无一例外都已经不是一个人在战斗了——选品标准写成了文档，客服话术沉淀成了培训材料，库存周转有专人盯着数据。经验从老板一个人的脑子里，长进了整个团队的流程里。平台放大的，是这些有组织能力的卖家的效率。没有组织的个体卖家，再有经验也做不大。个人判断力通过组织被放大，才真正转化为生产力。

电商时代

从蒸汽机到流水线到电商平台——三次工具革命，同一个剧本：新工具入场→有人带着经验走进去→经验被拆解、放大、变成组织的公共能力→生产力真正起飞。这个过程从来没有以"旧人全部出局、新人从零开始"的方式发生过。一次都没有。

三、AI是经验的浓缩液，不是经验本身

三次工具革命讲完了。现在回到AI。

不管用的是哪个产品，大模型的训练原理是一致的——用海量的人类已有文本做预训练，从中学习语言模式、知识关联和推理路径。训练数据是什么？是几百年来积累的书籍、论文、剧本、法典、技术文档、论坛讨论、对话记录。是无数人活过、写过、争论过、改过之后留下来的东西。

AI不会从零"创造"答案。它是把人类已经产出过的海量经验做了一次统计性的蒸馏，把浓缩物封装在一个问答接口后面。

这意味着两件互相矛盾的事同时成立。第一，AI极其强大——它的训练数据覆盖了人类有史以来最大规模的经验库，你问的大多数问题都能在其中找到模式对应。第二，AI有两个天生盲区：在"大概率成立"和"常规场景"里，它表现优异。但在"低频但致命的长尾事件"和"从未被文本化的隐性经验"面前，它没有任何感知能力。不是判断不准。是根本不知道那里需要判断。

这两个盲区，恰好是生产力框架中劳动者判断力最值钱的地方。

一个完全不懂出版的年轻人用AI审一部二十万字的书稿。AI在两分钟内标出了所有的语法错误、逻辑矛盾、事实疑点。他照着AI的标注逐条修改，然后提交。这个过程的产出在"字面上没有错误"这个意义上，可以达到及格线。一个有二十五年经验的资深编辑用同一个AI审同一部稿子。AI的标注结果几乎一样。但他会在其中四处停下来。比如一处，AI标注"此处与前文情节矛盾"。客观上，确实矛盾。但老编辑读完那一段之后意识到了——这很可能不是作者写错了。这是作者故意留的一个需要在后面解开的伏笔。一个"看起来像破绽的线索"。识别它的能力叫文学判断力。AI没有。又比如一处，作者在对白里用了一个粤语方言词。AI标注为"疑似错别字"。年轻编辑会把它改成普通话。老编辑会给作者发微信："这个词是你那边的说法？如果是，留着。出场的时候加一句行为描写，让不懂粤语的读者也能意会。"

这位资深编辑认出AI遗漏的那一个瞬间，依赖的是在行业里浸泡了足够多年之后，长出来的那种"一搭眼就知道对不对"的直觉。这种直觉不会被AI蒸馏掉。因为它从未被文本化过。它存在于人的身体记忆里：眼睛看过太多遍之后形成的模式直觉，和上百次判断累积出来的"哪里该停下来多想一秒"的本能。

AI蒸馏了知识的结论。它蒸馏不了获知结论的过程。而人类专家最有价值的判断力储备，恰好大量储存在那些"没有成为结论、但走到了结论的路上"的过程经验中。

我有一个朋友，九十年代末是我们省公认的第一吉他手。弹一把墨绿色的Ibanez，在地下摇滚乐队里混了很多年。后来电子音乐来了，他转了行，花了一年半自学合成器和DAW，成了游戏音乐设计师。这些年国产手游里有好几首让你在地铁上突然把音量调大两格的战斗BGM是他写的。

"我现在用AI做音乐。给它一段动机——有时候只是在MIDI键盘上弹四个小节——它能给我铺出一整组管弦乐。快是真快。以前写一首三分钟的战斗曲要一周，现在一天能出五六首。但有一件事让我挺难受的。"

他说——有一次我做一首西域题材的战斗曲，AI给了我七个版本的和声走向，每一个在技术上都挑不出毛病——声部平衡，频率不打架，动态曲线很平滑。可我听来听去，总觉得少了一层东西。我说不上来具体是什么，但耳朵觉得那里应该有一条很薄的声音，介于笛子和人声之间。我在合成器上翻了三个小时，找到了——是新疆维吾尔族的萨塔尔琴，它的泛音列里有一个频率区间，在4500赫兹到6000赫兹之间，产生一种很细的、像金属疲劳一样的颤抖。我在南疆出差的时候在一个老艺人的院子里听过一下午这种琴。如果没有那一下午，我根本不会知道那个位置"应该有东西"。AI也不知道。

音乐制作

所以，"使用AI"这件事本身，也有经验门槛

同一个AI。同样的功能。一个有深厚领域经验的人和一个没有的人，用出来的产出差距——没有缩小，反而拉大了。

新工具放大的，是人的能力差距。它像一根杠杆。杠杆越长，能撬动的东西越多。但杠杆撬动的方向和力度，由握着杠杆的人决定。经验越深厚，杠杆的威力越大。反过来——一个方向判断错误的人，同样会在杠杆的加持下，以更快的速度冲进更大的错误。工具不挑方向。工具只负责加速。

我的吉他手朋友，在出租屋里拆了几十首游戏原声的工程文件、一个轨道一个轨道地听的那一年半，就是在长那些"没有办法被Prompt描述"的东西。AI可以加速他现在的每一天。AI不能替他过那一年半。

四、AI 原生人才的逻辑问题

到了这里，可以正面看看"原生AI人才"这个概念到底哪里站不住了。

这个概念预设了三样东西。其一，存在一种人，绕过了传统的经验积累路径，直接用AI获得了同等甚至更强的能力。其二，"会用AI"本身就是一种足以独立构成生产力的能力，不需要依赖任何领域经验作为基础。其三，传统经验路径在AI时代贬值了。

三样预设。知识论上都是漏洞。

第一，不存在"绕过经验直接获得能力"的路径

一个人用AI学编程，比看纸质教材的人快得多。但他一样要犯错。而且他的错误可能更难靠自己发现——他不知道AI生成的代码里哪些假设在生产环境的真实负载下不成立。过去看教材学的人，犯的错比较浅，纠正得也快，因为教材已经把几十年来常见的坑标出来了。AI生成的答案不标坑。它自己不知道那里有坑。

"原生AI人才"暗示的"绕过经验"的学习路径，在现实中对应的实际结果很可能是——更快地踩进那些没有被AI标注过的、更隐蔽的、代价更大的坑里。快是快了。摔得也重。经验不能跳过。判断力只能靠时间长出来。

第二，"会用AI"不是独立的生产力

同一个AI工具，在一个资深导演和一个刚入行的写手手里，产出截然不同。

宁浩讲过一件事。他的《黄金大劫案》上映之后，罗伯特·麦基——就是那个写了《故事》、被全世界编剧奉为剧作圣经的老头——当面对他说："你这片子是垃圾。"宁浩当时没有反驳。后来在一次访谈里他讲了实话：《黄金大劫案》是他拍过的所有电影中，唯一一部严格遵照麦基《故事》里所有标准格式、一个节拍一个节拍掐着来拍的。人物弧光在哪一页转折。激励事件在第几分钟出现。第二幕的"一无所有时刻"精确到剧本的第几页。全按书上写的来。

结果连你自己都说那是垃圾。

为什么？因为《故事》里所有的节拍公式，是从成百上千部经典电影里反向提取出来的。它告诉你"通常情况下，好电影长这样"。但它不能告诉你"这一次，在这一场戏里，那个角色其实不应该在第75页觉醒，他应该在第32页就觉醒——然后带着觉醒的后果再走四十页"。这个判断不是公式能给的。它是一个导演在拍了十几年、失败过、被骂过、在剪辑台上对着同一场戏来回锯了不知道多少遍之后，长出来的一种东西。叫直觉。直觉不是反智。直觉是经验密集到一定程度之后，判断力脱离意识层面自动运行的状态。你问他为什么，他说不出。但他的身体知道第75页不对。

宁浩后来拍《无人区》，完全甩开了节拍表。那是他最好的电影之一。

AI就是麦基的《故事》。它能给你一副完美的骨架——节拍对，钩子准，冲突分布均匀。但那些让观众在黑暗中屏住呼吸、在片尾字幕升起时不愿意站起来的东西，从来不在节拍里。它们在某一句台词里裹着的一种没有被明说出来的情绪。在一个角色面对选择时那种连他自己都没意识到的自我欺骗。这些不是"剧本技巧"。这是对人性的深度观察。这个观察所需的材料，不是任何训练数据能提供的。它来自一个创作者在几十年里爱过、失去过、在深夜听母亲讲起年轻时某个决定时突然理解了某种东西——那种东西没有文字版。就像我那朋友在萨塔尔琴的泛音里听到的那条颤抖——它同样不在任何训练数据里。只存在于某个下午，南疆，一个老艺人的院子里。满院的桑葚落在地上，没人捡。他坐在那里听了一下午的琴。

同样的逻辑适用于建筑、博物馆策展、新闻调查、庭审辩护——任何一个依赖深层判断力的领域。AI做的方案在形式层面无可挑剔。方案背后缺少的那些东西——"这个空间让人待得住"。"这件展品放在这里会在观众心理上制造什么效应"。"这个采访对象说的不是实话但你不能拆穿他，你得再等二十分钟"。"这句质询在法官的心证上会产生什么影响"——完全不发生在AI的处理范围内。

它们发生在人的范围内。只发生在有经验的人的范围内。工具可以升级。但劳动者的判断力是另一回事——你得在行业里泡过、摔过、扛过，它才会让你在做某个决断的时候更有信心。

第三，传统经验路径不仅没有贬值，反而变成了更稀缺的资源

前面资深图书编辑和吉他手的例子，已经从头到尾把这件事讲清楚了。AI加速的是"检索和执行"。它不加速、也不替代"判断"。而在一个"检索和执行"被AI几乎清零了时间成本的时代，判断变成了整个生产链条中唯一的瓶颈。瓶颈在哪里，价值就在哪里。

这个逻辑的直接推论是——未来十年，各个行业中最稀缺、最昂贵的人力资源，恰好是那些有深厚的行业经验、并且能把自己的经验与AI工具结合起来的人。从来不会是"只有AI、没有行业"的人。

更进一步——我们在电商平台的例子中已经看到，个人判断力必须通过组织放大才能转化为真正的生产力。AI时代也一样。一个有经验的人用AI做出了好方案，如果他不把方案背后的判断逻辑沉淀成团队可复用的方法论，那这个判断力就只属于他一个人。组织得不到，放大不了，传承不了。瓶颈不仅在劳动者，也在组织。

"原生AI人才"这个标签，在最好的情况下是一句空洞的营销话术。在最坏的情况下，它是一种系统性地贬低经验价值、从而压低人力成本的意识形态工具。它暗示年轻人——薪资期望更低的年轻人——因为有"原生"这一层身份，比做了十五年的人更有适配性。我们在前面的每一个案例里都已经看到了这种说法的荒谬。

第四，谁在鼓吹它？

以上是从知识论角度的拆解。还有一个值得追问的问题是——这个概念为什么会被制造出来。答案指向两类人。

第一类，多数没有沉浸到一线生产中的金融和投资人士。他们离生产线足够远，远到他们看到的不是一个具体的人在具体的岗位上是如何解决问题的，而是一张财务报表上的人力成本占总成本的百分比。在他们的视野里，"用更年轻、更便宜的人替换更贵的人"是一个纯粹的算术题——一个图书编辑辨认出作者故意埋下的伏笔，一个吉他手在萨塔尔琴的泛音里听到的那条颤抖——这些永远不会出现在那张表上。不是不重要。是"不出现在表上"。

第二类，在生产力变革的焦虑中失去判断力的一线领导。他们不是坏人。多数时候他们是慌的——行业里人人都在谈"AI原生"，投资人在董事会上问"你们的AI战略是什么"，隔壁团队已经在招聘JD上写了"原生AI人才优先"。压力从四面八方涌过来，他们需要做点什么来证明"我也在行动"。"转向原生AI人才"是成本最低的姿态——一个PPT上的标题，一次全员会上的宣言，就可以向上向下交代"我们拥抱了变革"。至于这个转身对产品和服务的长期质量会产生什么影响——那是下一个人的事。

两类人，同一个病灶：脱离一线生产。金融人士多数就没在一线待过。焦虑的领导曾经在一线待过，但现在不在了——不在意味着他们不再感受具体的判断是如何被做出的，不再承担一个技术决策做错之后凌晨三点被叫起来修线上的后果。脱离一线的人，天然倾向于把生产想象成一个输入输出系统——"输入AI，输出产品，中间的人越少越好。"

而在那些天天在一线跟AI打交道的人身上，我们看到的是完全相反的反馈。我们在前面每一节里反复看到的，是同一幅画面：AI用得越好的人，越清楚AI缺什么。越清楚AI缺什么，越知道人的经验和判断在哪些环节不可省略。

离一线越近，越不会喊"原生"。

五、AI会淘汰人，但不是你想的那批

AI确实会淘汰很多人。

但不是"有经验的人"。

但每一次工业革命中被淘汰的，永远是同一批人——把对旧工具的操作熟练度当成自己全部价值的人，以及拒绝学习新工具的人。

蒸汽机被引入纺织业，被淘汰的不是"有经验的纺织工匠"。被淘汰的是那些坚持"只有手纺的布才是真正的布"、拒绝进入工厂学习蒸汽纺织机操作的人。而那些愿意学的——从手纺车到蒸汽机，工具彻底换了，但他们关于纤维、纱线张力、布料瑕疵的整个判断系统全部保留了下来，并且在效率加持下价值翻倍。

福特流水线时代，被淘汰的不是"懂汽车的工匠"。被淘汰的是拒绝把自己的手艺拆解成可标准化步骤、坚持"我的技艺只能由我亲手施展"的人。

电商平台时代，被淘汰的不是"懂产品的卖家"。被淘汰的是那些有经验、但把经验锁在自己脑子里——不写选品标准、不建客服流程、不带团队——然后被组织更完善的竞争对手一轮一轮吃掉的人。

这一次，AI时代。被淘汰的将是同样的人。

拒绝学习AI——经验在孤岛上，岛外的水位在匀速上涨。不是突然被淹。是慢慢被围。你甚至感觉不到水在涨，直到有一天你发现四面八方都是水。

拒绝把自己的经验交给组织——"这个东西讲不清楚""我就是凭感觉""我做了这么多年看一眼就知道了"——经验没有贬值。但它对整个组织来说不可用。在一个靠组织协作来赢的时代，"不可用"和"不存在"，在实践上的效果完全相同。

而反过来，看看我那个弹吉他的朋友。在地下摇滚养不活自己的时候，他先是把吉他手的和声直觉从六根弦上拆下来，装进了合成器的频谱分析里。又把游戏配乐的叙事感从DAW里拆下来，装进了AI的Prompt工程里。他的耳朵——那个在出租屋里一排轨道一排轨道磨出来的耳朵——是所有这些工具的底座。工具换了三次。底座没动过。而且他没有把底座藏起来——他带团队，写流程，把"怎么听出一首曲子缺了什么"这件事变成了可以教给新人的方法论。判断力从他一个人的耳朵里，进化成了整个团队的能力。

有深厚经验 + 学了AI + 把经验建入组织流程。这三种东西叠在一起的人，在任何一个行业里，都是不可替代的。历史上每一次生产力革命走到后半程，最大的受益者都是他们。这一次不会例外。

六、菜谱、厨师和美食

回到赵括。

赵括的错误不是"读了太多书"。他的错误是把书上的蒸馏液当成了战场本身——他以为兵书上总结出来的规律，可以直接替代在战场上打了四十年仗的廉颇那种"知道什么时候该出战、什么时候该死守、什么时候书上说的不算"的判断力。兵书不是没有用，兵书是前人用无数场战争的血换来的经验总结，有用，但远远不够。不够的部分——天气、地形、对面的将领是不是白起、你手下的兵今天吃了没有，心情怎样、廉颇临走前做了哪些布防，哪些坑是他挖的、哪些是没有写在军报上的——赵括没有这些。他拿着菜谱进了厨房，他以为有菜谱就能成为好厨师。

回到瓦特的地下室、博尔顿的铸造厂，以及那个在出租屋里拆了几十首游戏原声工程文件的吉他手。

瓦特的蒸汽机在地下室躺了二十年。那个对着模型坐了八年的人，没有看到自己的技术改变世界。另一个从来没有发明过任何机器、但一辈子都在琢磨"怎么把人和流程组织起来"的人，让它改变了世界。

我那朋友在转电子音乐的那一年半里，没有人给他发工资。他啃英文说明书的时候，不知道这东西以后能让他活下去。他在DAW上一个轨道一个轨道地拆别人的工程文件，听他后来才知道叫"频谱"的东西。他当时做这些，只是因为一件事——他想做好的音乐。但新的时代来了，旧的工具撑不起他想做的声音了。

瓦特想做出更好的蒸汽机。博尔顿想把做出更好蒸汽机的人组织起来。吉他手想做出让自己满意的声音。

三个人。不同的时代。不同的行业。同一件事。

AI是我们这个时代的蒸汽机。它极其强大。但它覆盖的问题只有一个——"怎么做"。它完全不覆盖另外两个："为什么做"和"谁来做"。

前者是经验的领域。后者是组织的领域。

"原生AI人才"这个概念最大的问题，不是对AI的过度推崇。是它把"为什么做"和"谁来做"这两件事，一起压缩进了"用AI就够了"这五个字里。它在用一种听起来很前卫的方式，否定人类花了几千年才建立起来的基本共识——

经验有价值。判断有价值。组织有价值。

这三样东西，在任何一次生产力的飞跃中——从蒸汽机到流水线到计算机再到互联网，然后是现在的AI——从来都不是变得不值钱了。刚好相反。

它们是桌上永远最值钱的筹码。只不过每次新技术登场的时候，总有人以为这次可以不用带了。就像赵括以为拿着兵书就可以不带廉颇。就像总有人以为，一个从来不知道萨塔尔琴的泛音在4500赫兹到6000赫兹之间会颤抖的人，用AI也能做出和他一模一样的曲子。

他做不出的。AI也不知道那里应该有颤抖。那个颤抖在一个人的耳朵里。那个耳朵用了十几年才变成那样。

兵法记录了数千年。记载兵法的东西换了一茬又一茬——泥板，竹简，羊皮，纸，屏幕，Prompt窗口。但纸终究是纸。纸上谈的永远只能停留在纸上。

真正上战场保家卫国，重整旧河山的，是人。