夜雨聆风
01
瑞典有一家支付公司叫Klarna，2024年干了一件很多人想干不敢干的事。
他们上线了一个AI客服系统，由OpenAI驱动。上线一个月，处理了230万次对话，占公司全部客服对话的三分之二。AI的平均问题解决时间从11分钟缩短到了2分钟，重复咨询率下降了25%。
以前这些活，需要700个全职客服。
700个人，被一个系统替代了。
但故事还有另一面。Klarna的CEO后来承认，削减成本压得太狠，服务质量明显下降。2025年5月，公司又开始重新招人——不是放弃AI，而是发现有些事情AI做不到位，客户就是要跟真人说话。
Klarna的故事说的不是"AI不行"。它说的是另一件事：AI能做客服的活儿，这件事没有争议。但"能做"和"该这么做"之间，隔着一整个真实世界的复杂度。
这不仅仅是Klarna的事。
2026财年，英伟达全年营收2159亿美元，同比增长65%。全球员工只有4.2万人。平均一个人，对应超过500万美元的年收入，三千多万人民币。
这两个数据分开看，只是两则新闻。放在一起，能看到一个更底层的东西正在发生变化。
过去几百年，普通人能够分享经济增长，靠的不是慈善，也不是制度温情。
真正的支点很粗糙：资本要变大，就必须雇佣人。开工厂要招工人，做零售要招店员，做客服得建呼叫中心。这是一条运行了几百年的隐形契约——企业要赚钱，就得雇人；劳动者付出时间，换取工资。
但AI正在终结这套逻辑。
它给资本找到了一个新的"身体"——不需要吃饭、不需要休息、不会请假、可以无限复制的机器劳动者。
资本正在把钱投向那些能够替代、压缩、重组人类劳动的基础设施，而不是扩大招聘。
高盛数据显示，亚马逊、谷歌、Meta、微软、甲骨文五家科技巨头2026年的资本开支预计合计约达7550亿美元，同比增长约80%。
美国科技投资占GDP的比重已升至约4.9%，超过2000年前后互联网泡沫时期的高点。
这些钱，不是去雇人的。是去替代人的。
02
面对这样一个正在重塑的就业环境，普通人怎么办？
我自己的答案是：学会投资。而学会投资的第一步，就是重新理解什么叫"投资自己"。
我自己大学学广告的，那个时候也是这个思路。多学一个软件、多拿一个证，简历上多一行。
这套逻辑在过去成立——岗位多、需求大，你比别人多一项技能，就多一份竞争力。
但在AI时代，这条逻辑线正在失效。
你不是不够努力，是对手变了。你学得再快，AI学得更快。你会得再多，那些可被编码、可被标准化的技能，很可能在下一个版本迭代里就被抽走。
那投资自己这件事，在今天到底该投资什么？
我的体会是四个字：判断能力。
不是执行力，不是你会做多少事，是你能不能判断——哪个方向在往前走，哪个方向正在被绕过去。
但判断力这个词，不能说得太虚。我自己把它拆成两层。
第一层，是对自身职业路径的判断。
这个行业在往上走还是往下走？我现在的岗位，是在积累可迁移的认知，还是在消耗时间重复劳动？
AI时代很多岗位在被重构，但也有一些新岗位在长出来——比如AI产品运营、AI合规、AI训练师。
你不一定要转行做技术，但你需要判断自己的赛道是不是在下行通道里。
第二层，是对资产配置的判断。
当你通过职业积累了一定本金之后，钱往哪儿放，这件事越来越重要。
这两层判断力不是割裂的——第一层决定了你还有没有"上牌桌"的资格，第二层决定了你在牌桌上能不能把筹码变大。
本文重点聊第二层。但第一层是地基，地基不稳，后边都是空中楼阁。
怎么理解这种资产判断力？我举一个这两年大家感受很直接的例子。
A股里有一条清晰的线索：AI数据中心在扩建，算力需求在爆发，产业链上做光通信的、做存储的、做先进封装的，整体表现都明显强于那些传统板块。
这不是某一只股票运气好，是一个产业趋势在持续兑现——大量资本在往这个方向涌入，相关企业的订单、营收在真实地增长。
但这里面有一个关键点：判断力不等于预测哪家公司涨得最多。
那是神干的事，不是普通人该追求的。真正的判断力是——你能看懂"水在往这个方向流"，然后找到自己能承受的方式，跟着这股水流走。
对大多数人来说，这个"方式"不一定是个股。可以是相关的基金产品，把资金分散在一整个产业链上。
你看对了方向，哪怕没押中涨得最猛的那一家，整个产业往上走，你也能分到一部分红利。
你看错了方向，再会选股也没用——潮水退去的时候，谁在裸泳一目了然。
这就是判断力的价值所在：它不保证你赚到最多的钱，但它能帮你避开那些明显在下行通道里的坑。
03
有人可能会说：这些硬科技赛道是很好，但跟我有什么关系？我又不懂芯片，又不做研发，这辈子也进不了那些高薪科技大厂。
这个感受我特别懂。我是学广告出身，专业所限，AI大厂的门槛我也够不着。
现在就业市场的分化也确实越来越厉害。2026年一季度，AI工程师年薪中位数45万，而制造业普工只有6.2万，差距7.3倍。
翰德发布的《2026人才趋势报告》指出，"K型分化"正在成为贯穿各行业的主导逻辑——资源向高价值领域集聚，低价值领域持续承压。
大模型算法、多模态算法、AI基础设施建设等人才的跳槽薪资涨幅普遍达到20%-50%，而传统软件开发需求整体下降了约25%。
一边是高薪难求，一边是优化裁员。冰火两重天。
但这里有一个思路上的转变，这个思路，最早是我操盘的《韩秀云讲经济》主理人——清华大学经管学院教授韩秀云老师教我的，这么多年，我一直记在心里，也亲身实践了，今天分享给大家。
你不需要成为那个造芯片的人。你只需要判断这个方向是对的，然后找到自己能承受的方式参与进去。别人在赛道上跑，你搭个车。
很多人一听投资就下意识觉得"那得有多少本钱才行"。其实真正该先建立的不是本钱，是一个认知上的切换——从"我只能靠劳动赚钱"切换到"我可以靠判断力赚钱"。
这个切换一旦完成，你会发现很多以前觉得离自己很远的事情，其实入口就在脚边。
就像有人说的那样——人生不是努力竞赛，是资产配置。你把自己最重要的东西压在哪里，最终就会活成那个样子。
对大多数普通人来说，专业所限进不了科技大厂、年龄所限转不了行，但换个思路——让自己的一部分资产待在正确的赛道上，借别人的赛道，赚自己的钱。这件事不挑专业、不挑年纪。
那具体怎么"借"？可以分三步。
第一步，方向判断。
不去猜明天涨跌，而是问自己：未来三到五年，哪些产业是资本一定会持续投入的？
这个问题不难回答——AI相关的基础设施、能源转型、国产替代，这些方向有全球共识，也有政策支撑，判断起来并不需要多高深的金融知识。
第二步，分散参与。
方向看对了，剩下的就是选工具。对没有专业背景的普通人来说，最务实的选择不是去赌哪家公司赢，而是通过基金等方式，把资金分散在一整个产业链上。
你不需要知道光模块和服务器谁跑得更好，你只需要知道"算力需求在增长"这件事大概率是对的。
第三步，控制自己能承受的仓位。
投资最怕的不是看错方向，是押上自己输不起的钱。判断力不是让你All in，是让你在"看对了能赚到"和"看错了能承受"之间找到一个平衡点。
这三步走完，你就在用判断力替代运气了。这件事，确实不挑专业、不挑年纪。
04
回过头来看，为什么说投资正在成为AI时代的一项必修课。
不是有钱人才该学投资。恰恰是在这个时代，资本回报率正在系统性地超过劳动回报率，而AI又在加速这个过程。
你不参与投资，就是在主动放弃一条已经被很多人验证过的路径。
当然，学习投资不是让你去追涨杀跌、去赌。
是让你建立一套"先看方向、再分散参与、最后控制仓位"的思考框架。
从建立认知开始——看懂一个产业为什么在往前走，判断一个趋势能不能持续，然后做出自己的选择。这个能力，越早开始练越好。
说到这儿，可能有人会问：你一个帮金融人做IP的，怎么聊起投资了？
确实是。我自己的主业是金融IP操盘，从2020年到现在。因为要帮客户做内容，产业趋势、宏观经济、市场逻辑这些事儿绕不开，久而久之也在这块有了一些自己的判断。
我把它梳理之后，都放在了我的AI知识库：财经IP养成记里了。
如果你是个做线上获客的金融人——这里面有白皮书、行业报告、财富认知干货，你看了可以直接转成短视频选题或直播内容。一份时间，两份产出。
如果你不是金融人，只是想提升一下自己对趋势的判断力——我一个广告学出身、2020年才从0开始学财经的人，用这套方法把自己从一个"小白"变成了能看懂市场逻辑的人。
里面的东西不复杂，只是需要有人帮你系统地整理过。你跟着看一段时间，对产业的判断力会慢慢长出来。
想看的，可以直接来找我，我帮你开通使用权限。
今天的内容就分享到这里啦不想错过我们每一次的见面，记得点点关注一个免费的关注，让你获得无价的收获
-THE END-
★
