AI 时代的价值之尺

去年年底，我有几位朋友开始用 vibe coding，起初他们都有一种共同的感受：

「我觉得自己现在强得可怕！」可最近聊天的时候，他们共同的看法变成了

——AI 怎么这么笨？

另一位写书的朋友，用了 AI 之后，自信满满地说「我感觉我是全世界最能写的人」。

最近我问他写得怎么样了，他说：「我已经跌入谷底，每天跟 AI 搏斗」。

· · ·

对行内人来说，当前范式下的大语言模型，原理是什么、能做什么、不能做什么，其实相当清楚。但 AI 作为一个重大变因，会怎样冲击现存的各行各业——冲击从哪里开始、如何蔓延到一个行业的核心、又会卡在哪里——这仍然是一片不清晰的边缘地带。

今天我想给你一把尺子，一把结构性的尺子，你可以拿它去量一个行业会怎样被AI冲击。

这把尺子只有一句话：

The Ruler

你的职业，你的公司，你的专业，你的行业，所提供的价值，到底是开放性的，还是封闭性的？

01

先看例子：封闭被替代，开放被释放

◆ 写代码：同一行业，两种命运

代码实现，本质上是个高度封闭的问题。所以你猜，AI 带来的最大规模程序员裁员，发生在哪儿？不是硅谷，是印度的软件外包业——因为外包做的，恰恰是边界最清楚、规格最明确的那种封闭活儿。

但同在软件业，另一群人却如沐春风：架构师、产品经理、超级个体，那些「有想法的人」。为什么？因为在代码被写出来之前，「我到底要做一个什么产品」其实是个开放问题。现在他们第一次可以绕过程序员这道关，直接把想法交给 AI 落地。对他们来说，这就是一次解放。

换句话说：写代码虽然复杂，但答案边界是明确的，语料是完善的。那么就刚好用到大模型最厉害的功能特性：在大量可能性中，快速收敛到高概率答案。

◆ 看医疗：诊断是封闭的，健康是开放的

医学诊断，是开放还是封闭？很多人第一反应：当然开放，多复杂啊。但从结构上看，它其实偏封闭——因为诊断，本质上是在一个有限的疾病空间里做概率判断：症状、指标、影像、病史，最终收敛到一个结论。这件事，天然适合 AI。事实上，如今 AI 在影像识别、辅助诊断上的准确率，已经相当惊人。

所以，哪怕有医疗责任、伦理、就医习惯等等复杂因素阻挡着，AI 对「诊断」领域的进攻，人类大概率挡不住。

可有意思的是——你把问题稍微改一下，事情就全变了。比如：怎样健康地生活？这就从封闭问题变成了开放问题。因为健康不是一个点，而是一个开放的平衡结构：睡眠、饮食、压力、运动、情绪、工作节奏、家庭关系……不同年龄、职业、性格、人生阶段，答案可以天差地别。AI 能给建议，却很难穷尽。

◆ 看教育：知识与育人，第一次被劈开

知识性的教育——讲清一个概念、解一道题、批一篇作文——都是封闭问题，AI 做得比绝大多数老师都好。但「帮一个孩子建立连接的能力」呢？连接自己、连接他人、连接这个世界——这是开放问题。

当 AI 入场，知识传授和育人，第一次被彻底变成了两码事。

所以你会发现：AI 替代的主线，不是行业的高端还是低端；知识是否密集、有没有组织内的特殊经验也不重要。而是——你创造的价值，靠的是封闭式的任务，还是开放式的建构？

配图 · 价值之尺：同一行业内的封闭任务与开放建构

02

这把尺子为什么管用？大模型的收敛本质

世界是一片无穷无尽的可能性海洋。文本，存下了人类视野下的可能性总和。大语言模型，通过对海量文本做概率计算，把人类积累了这么多年的「区分」与「关联」的规律，收敛进了一个相对窄的范围。

但即便如此，模型本身仍是一张巨大的可能性图谱——它需要被约束，才能吐出一个确定的答案。

AI 最擅长的，是在已经被人类划好边界的封闭问题里给出最优解。而人类仍然更擅长的是——把一个开放的问题，变成一个封闭问题。

只有封闭问题，概率才有意义。因为概率是某个固有框架下的统计结果。对于大语言模型来说，文本就是那个富含人类经验值的框架。

其实 AI 的其中一个贡献，就是把人类的才能从以前的「怎么算」，转移到了「算什么」上。工程上这叫确定目标函数。人能把开放问题变成封闭问题，本质就是确定前提假设，帮助 AI 收敛可能性。

而这种确定的来源，如果你要往下深挖，这些假设从哪儿来——你必然会撞上一样东西：你的心智。你从哪个角度切入理解，你怎么重构问题——是与你的心智模式密切相关的。

03

AI 的强与笨：同一个原因

但另一方面，在很多开放问题上，概率推不出选择：

AI 按概率输出的东西——其实是被大众平均过的东西。概率上，蓝色更适合表达忧郁；可梵高偏用热烈的暖色，反而透出一种不可名状的忧郁。你若想用硬约束去逼出那种品味，等于把 AI 往概率的稀薄尾巴上推，那里样本本就稀少，所以它只能还你一个笨拙的、硬性嫁接的结果。当然，随着模型尺寸的加大是可改进的，但它在结构上就是这样安排的。

所以，在你不熟的领域，大概率答案已经足够好，你会觉得它很强；而在你真正深耕的领域，你会立刻看出它的平均化、模板化、没品位。

但好的创作不是简单追求低概率。怪，不等于有品味。真正好的创作，是对世界的一种拓展性理解：它让你看到原来没被看见的关系、没被命名的感受、没被组织起来的经验。

所以，今天你用一个「梵高风格模板」生成一张图，还觉得这是有品位的选择吗？它真正说明的，是梵高已经被样本化了。

我们希望每一期都能经得起考古，所以对眼下那些 AGI 的概念戏论不太关注。真正需要关注的是：人类过去实现这种拓展，靠的是一整套认知能力——分辨差异、提取结构、调取经验、转换表征、模拟可能，以及不断重组校准。而现在，AI 加具身智能也开始具备其中的某些能力。

如果有一天，算法能比人类更懂得使用这些触角，一根一根全部超越——那才是真正意义上的奇点。

04

故事不止这一面：真正的机会所在

好，到这里，我已经讲清楚：

AI 这头新世纪「神兽」，会在什么时候、循着哪种信号，破门冲进你的房间。

但，故事不止这一面。

随着 AI 能力扩张，它确实会把越来越多的开放问题压缩成关于大概率结果的选择。但同时——它也会把过去的封闭问题，重新变回开放问题。这，才是真正的机会所在。

你每天面对的，如果是一个边界清晰、对错分明的封闭问题——那 AI 很可能就是压在你头顶的天花板。

这个结论本身有道理。但我更想说：真正首要的、必须先发生的，是这套思维逻辑的改变。

借管理学家马奇（James March）的话：机器正在把「利用已知」做到人够不着的极致，于是留给你、也逼着你去做的，是「探索未知」——这两件事，过去你可以混着干，如今被 AI 劈成了两半。和刚才说的「知识传授」与「育人」裂开，是同一道裂缝。

以钢铁业为例——典型的所谓「夕阳行业」。可跟二战后相比，七十年里它的规模涨了一百倍以上！今天人类对钢铁的需求够了吗？远远没有。

当年美国铁路衰落，不是因为运输的需求没了——需求还在涨——而是他们以为自己做的是「铁路」，没看见自己其实做的是「运输」，于是把客人拱手让给了汽车和飞机。

钢铁也一样：需求翻了一百倍，变的，只是它表达自己的方式。

所以你要先处理的，根本不是 AI，是你自己——是那条舍不得松开的旧边界。

我说的不是起死回生的灵丹妙药，我说的是入门券。

所以，真正该问的问题是：

每一个被 AI 压平的封闭问题背后，都躺着一个被重新释放的开放问题，等着你去定义。

所以，回到最开始那把尺子：

如果此刻你就能清晰地回答——那么我有理由相信，哪怕你眼下的答案并不乐观，AI 也很可能在明天，成为你最强大的那根杠杆。

版权声明本文首次发布于 2026 年 6 月 21 日，由中旗建构公开发表。欢迎个人阅读与转发；未经许可，不得擅自复制、改编或用于商业传播。