夜雨聆风
📌 摘要在播客《Silicon Valley Girl》的一期访谈中，李飞飞与MasterClass创始人兼CEO David Rogier围绕AI、职业、教育、企业组织和空间智能展开对话。节目里最值得记住的，不是某个新工具，而是一条更底层的判断：未来十年，人与人之间真正拉开差距的，可能不是"会不会用AI"，而是能不能主动定义问题、组织资源、持续学习，并把AI变成行动系统。
原始访谈
这几年，关于AI的讨论越来越像两个极端在拉扯。
一边说，AI会拯救一切，知识、生产力、教育机会都将被无限放大；另一边说，AI会拿走一切，工作、职业路径、人的价值都将迅速归零。
在《Silicon Valley Girl》这期访谈里，"AI教母"李飞飞和MasterClass创始人兼CEO David Rogier给出的判断更冷静：这两个说法都太粗糙。
AI确实在降低"获得答案"的成本，也正在改变写作、编程、搜索、学习和管理方式。但问题是，当答案变得便宜，真正稀缺的东西并不会消失，反而会更显眼：提出好问题的能力、判断什么值得做的能力、在不确定中持续行动的能力，以及理解真实世界的能力。
当答案变得便宜，真正稀缺的是提出好问题的能力。
01 AI越强，人越不能只做"执行者"
节目中一个核心问题是：如果智能的成本趋近于零，人的职业价值会发生什么变化？
很多人的第一反应是焦虑：既然AI能写文案、写代码、做PPT、整理会议纪要、生成方案，那普通白领还有什么护城河？
但更关键的变化不是"AI替代某个动作"，而是"AI压缩了一大批只负责转述、搬运、等待指令的中间环节"。
过去，一个任务从想法到落地，需要很多人做拆解、搜索、撰写、协调和重复执行。现在，一个高能动性的人可以用AI完成其中相当一部分流程。也就是说，AI真正放大的不是懒惰，而是主动性。
💡 David Rogier 的案例
作为MasterClass CEO，他没有只是购买更多软件，而是开始用AI为自己的工作方式写工具。他甚至会自己做待办工具，让长期停留在清单上的事项自动消失。这个细节的意义不在"CEO也会写代码"，而在于：未来的高效工作者不会只问"有没有现成工具"，而会问"我能不能把自己的工作流重新设计一遍"。
02 未来的公司会更小，但对人的要求更高
如果一个人能借助AI完成过去一个小团队的工作，公司会变成什么样？
这期访谈的一个隐含答案是：组织会变得更轻，但人才标准会变得更硬。
过去，很多岗位的价值来自流程位置：我负责整理、你负责汇总、他负责转交、另一个人负责把内容做成格式。AI进入之后，这些环节不会立刻消失，但会被快速压缩。
组织真正需要的人，会更接近两类：
🎯 深度专家
在某个领域有足够强的判断力，知道什么是对、什么是错、什么只是看起来合理。他们可以利用AI提高产出，但不会被AI牵着走。
🚀 高能动性通才
不一定是某一门学科的顶尖专家，但能把问题拆开，快速学习，连接资源，用AI做原型，把想法推进到可验证的结果。
未来不是所有人都要变成程序员，也不是所有人都要变成科学家，而是不能再停留在"等任务、搬信息、交格式"的状态。
03 AI现在很强，但仍然不真正理解现实世界
李飞飞在这场对话中最重要的视角，来自她长期研究的计算机视觉和如今World Labs正在推进的"空间智能"。
过去十多年，AI在语言、图像识别、生成内容上取得了惊人进展。李飞飞本人推动的ImageNet，是现代计算机视觉和深度学习浪潮的重要基础之一。
但今天的大模型仍然有明显短板：它们可以处理文本，可以生成图像，可以在屏幕世界里表现得很聪明，却还没有真正理解三维物理世界。
一个孩子知道——
✅ 杯子会掉到地上
✅ 椅子可以坐
✅ 门后面可能还有空间
✅ 手伸出去会碰到物体
这些看似普通的能力，包含了感知、动作、因果、空间、常识和身体经验。这正是"空间智能"的意义。
对普通人来说，这个判断也很重要。它提醒我们，不要把AI误解成无所不能的"答案机器"。越是在真实世界里涉及人、物理环境、组织利益和长期后果的问题，越需要人来承担判断。
04 教育的关键，不是更早教孩子用AI
AI进入教育后，家长和学校最容易陷入两个极端：要么全面禁止，担心孩子偷懒；要么全面拥抱，认为孩子越早用AI越有优势。
这场访谈更值得借鉴的方向是：不要把问题简化为"能不能用AI"，而要问"AI是在替孩子逃避思考，还是在帮助孩子形成更强的思考能力"。
真正有价值的学习顺序，应该是先让孩子自己尝试，再让AI反馈、追问、指出漏洞、提供不同解法。这样，AI像教练，而不是代写者。
未来教育要培养的，不只是工具熟练度，而是三种能力：
❓ 提出问题
孩子要知道自己想探索什么，而不是只会把作业丢给AI。
✅ 判断质量
AI给出的答案看似流畅，但不等于可靠。学生需要学会辨别证据、逻辑和表达。
⚡ 保持行动
真正的成长来自做项目、犯错、复盘、改进，而不是把提示词写得更漂亮。
05 如果你觉得已经落后，从一个工作流开始
很多人一听到AI，就会立刻陷入工具焦虑：该用ChatGPT、Claude、Gemini，还是某个最新插件？要不要学提示词？要不要学编程？是不是再不学就来不及？
但节目给出的启发是：不要从工具列表开始，而要从你自己的问题开始。
最简单的起点，是找出一个你每周都在重复、但明显低效的工作流。
📋 试试这些起点：
▸ 每周写会议纪要
▸ 每天整理资料
▸ 每月做汇报PPT
▸ 给学生或团队反馈
▸ 搜集论文、竞品、政策或行业信息
▸ 把零散想法变成可执行计划
然后问AI三个问题：
1️⃣ 这个流程里哪些步骤是重复性的？
2️⃣ 哪些步骤需要人的判断，不能外包？
3️⃣ 如何把这个流程改造成一个固定模板或半自动系统？
这比"收藏100个AI工具"更实际。因为真正改变生产力的，不是你知道多少工具，而是你有没有重构自己的工作方式。
06 未来十年，最危险的是"低能动性"
这场访谈最值得带走的一句话可以概括为：AI不会平均地增强所有人，它会优先增强那些主动的人。
主动的人会用AI学习新领域、搭建工具、验证想法、压缩低价值劳动，把更多时间放在判断、创造和关系上。
被动的人则可能只把AI当搜索框、代写器或临时救火工具。短期看，他们也能提高一点效率；长期看，他们会更依赖外部指令，也更容易被流程重组边缘化。
所以，未来十年真正重要的问题不是"AI会不会取代我"，而是：
✦ 我有没有一个值得AI放大的方向？
✦ 我能不能定义问题，而不只是等待任务？
✦ 我能不能把AI变成自己的工作系统，而不只是偶尔问几个问题？
✦ 我是否还在训练自己的判断力、好奇心和行动力？
当AI越来越便宜，人的价值不会自动归零。相反，那些更像"人"的能力会更贵：好奇、判断、责任、创造、共情，以及在真实世界里把事情做成的能力。
不要把未来交给工具，也不要被恐惧推着走。AI时代最值得训练的，不是某个按钮怎么按，而是你如何成为一个更主动的人。
📖 来源说明
本文根据《Silicon Valley Girl》YouTube视频《Godmother of AI: In 10 Years There Will Be Only 2 Kinds of Workers》及其公开资料整理改写。不是逐字翻译稿，而是基于公开资料的中文结构化整理。
YouTube: youtube.com/watch?v=subu-xHrp1wB站搬运: BV1La7K64Ee1Stanford HAI: Fei-Fei LiWorld Labs: worldlabs.ai
—— E N D ——
对本稿件有任何反馈或建议，欢迎联系klm21@tsinghua.org.cn。
推荐阅读