最近"AI教母"李飞飞和MasterClass CEO大卫·罗吉尔（David Rogier）在播客《Silicon Valley Girl》里聊了近一小时，标题挺吓人——《AI教母：10年后，只会剩下两类工作者》。

但听完你会发现，"两类工作者"不是李飞飞先抛的，是罗吉尔抛的，李飞飞表示认同，然后把问题一层层往回拉。整场对话最有价值的不是预言，是她把当下AI圈最流行的几个说法，挨个给怼了一遍。

先纠正一个流行误会：工业革命也没"自动化"劳动

主持人问了个经典题：工业革命自动化了体力劳动，现在AI要自动化智力劳动，我们咋办？

李飞飞的答案很冲：工业革命根本没有自动化劳动。

它让劳动更高效、规模更大、市场变了，但它没让"劳动"消失。而且你不能暗示"劳动是没有智能的"——这假设错得离谱。工匠那一辈子的经验直觉、体力活里夹着的认知判断，从来没被真正自动化过。

💡 同样的误解，正在AI身上重演。大家以为"自动化智力劳动"，其实变的只是劳动形式，人在里头投的判断力、感知、共情，自动化不掉。

 "智能成本趋近于零"？李飞飞：这话不负责任

AI圈最近特流行这句——"智能的成本正在趋近于零"。听着挺燃，李飞飞直接泼冷水：

人类智能对大自然来说，至今是个未解之谜。我们根本不清楚它的深度和细微之处在哪。所以外面任何声称"智能成本趋零"的人，都是不负责任的说法。

她的理由两条：

1. 体力、认知、情感，人类活动和智能是绞在一起的，拆不开。

2. 就算单看"语言智能"，大模型是强——帮商业分析、帮软件工程、帮逻辑推理都显出威力了。但人类智能远不止语言啊——还有感知智能、空间智能、身体智能、情感智能，创造力从哪来我们都没搞明白，每个人的创造力还跟他全部人生经历绑着。

罗吉尔在这接了一句挺实在的：现在大家聊AI基本只在聊语言智能，这理解是"有损的"——你没法靠语言学会开车，也没法靠语言学会投篮。所以他认为我们还在AI 1.0。

举两个李飞飞自己的例子你就懂了：

• 一个老师判断学生为啥学不会，靠的不只是文本，是看表情、听语气、抓那一瞬的犹豫

• 一个负责人在关键客户面前决定要不要说那句话，没有算法能替他判

"智能成本归零"要是被当成管理决策的前提，漏掉的恰恰是人最贵的那部分。

三种"自动化思维"的坑，踩中哪个都完蛋

李飞飞反复说同一个立场：AI就是个工具，极其强大，但工具是用来替人还是抬人，不取决于技术，取决于部署它的人。她拿"教孩子用火、用刀、用互联网"打比方——现在作为一个物种，我们得学会怎么用AI。

访谈里三种做法，对应三种自动化思维的惯性：

第一种：把AI当"人头替代器"

李飞飞举了产品经理的例子。十年前的PM，"更像指挥"，不写代码，要原型找设计师，要开发等工程师，一个周期几个月。

现在呢？很多PM自己用AI写代码了，"氛围编程"搞个简单原型，周期一下子压下来。

但李飞飞强调：这不意味着要甩掉设计师和工程师。PM从"指挥"变"动手者"，设计师和工程师从"执行者"变"专攻打最难问题的人"——AI把每个人往上推了一级。

自动化思维的管理者看到这个例子，第一反应是"那以后少招两个工程师"。同一个事实，同一种工具，结论完全不同。区别不在技术，在怎么理解技术。

第二种：把"上工具了"等同于"做对了"

买工具、开培训、教写Prompt，教完就算任务完成——这是大多数公司的AI部署现状。

李飞飞在教育那段话其实可以平移到管理：教育的目标不是闭卷还是开卷，也不是标准化成绩，是培养人成为社群里有意义的贡献者、过有意义的生活。AI不该剥夺这些目标，但应该帮着更好、更有效地达成。

罗吉尔不是技术出身，但他演示了一个反例：他现在用的多数应用是自己用Claude Code或Cursor搭的，CEO工具栈全是自产——甚至做了个"Davidfy"，把自己写过的邮件和语气放进去，团队要用他的口吻写东西就有参照；还有一个待办应用，任务超过一天半没处理就必须三选一：立刻做 / 删掉 / 转给队友。

做一个应用的成本，从几个月缩到一个周末。

他不是在秀技术，是在演示：AI时代优秀的人，不是"更会执行任务的人"，是"更会设计工作系统的人"。工具买再多，团队没设计思维，工具只会变成电子化的旧流程。

第三种：以为"全面部署AI"是个技术指令

老板发个通知"公司要全面部署AI"，员工听到的是"要砍人了"；坐下来跟他说"来看看你能用AI做什么以前做不了的事"，员工听到的是"可以变强"。

同一个工具，同一个预算，同一个人。前提不同，结果完全不同。员工一开始犹豫，不是不会用，是不知道老板到底想用AI干啥——替掉他们，还是托起他们。

杠铃效应：10年后剩下的两类人

罗吉尔的原话是这么个假设——职场会出杠铃结构：

• 一端：前1%的顶尖专家。一个"还凑合"的文案，现在谁用LLM都能做得不错；但你要是世界第一梯队的文案，AI搞不定你。

• 另一端：高主动性的通才。能做很多不同事，判断力和主动性都强，还知道啥时候该找顶尖专家合作。

• 中间"还凑合"的那层，空间正在被压缩。

李飞飞同意这个判断，但补了一层关键的：不管你在专家端还是通才端，你都得有"主动性"（agency），得能用一种独特、有创造力、深入的方式去用工具。

• 杠铃左端的顶尖专家 = 把"增强"用到极致的人。AI筛掉90%重复活，精力压到最需人类判断的10%。价值不是被压缩，是被释放。

• 杠铃右端的通才 = 主动发起增强的人。自己上手、自己造工具、自己定义工作流。不是等一个被增强的未来，自己就是起点。

中间层的问题不是技能问题，是姿势问题。AI把"执行层面还不错"拉到了极高水准，停在"能执行"这层的人，不管做啥都会被追平。但从"等公司安排怎么用AI"切到"我自己上手看看能干什么"，中间层就有机会把自己推到杠铃任意一端。

李飞飞专门说了："创业者"这个词，很大程度上就是"主动性"的同义词——跟你融没融资、估多少没关系。

那万一AI连判断力、创造力、情感智能都自动化了呢？

有人肯定要杠这一句。李飞飞在访谈里花了挺长一段给科学版的回答，她现在在World Labs做的就是空间智能——理解、推理、生成、交互，这四件事，是人在3D环境里的基本能力。

她拿投篮举例特别妙：

投篮那一瞬间，语言推理也在参与（这球进了/没进对比赛意味着啥），空间感知也在参与（看全场、瞄篮筐），身体智能也在参与（调整动作）。三种智能同时工作，不是流水线。

而我们生活里绝大多数事，都是语言+空间+身体的混合，互补协同。

然后她丢了个进化论判断：空间智能演化花了超过5亿年（寒武纪那波），语言智能花的时间短得多。所以空间是极深、极古老、极根本的能力，动物和人都有。World Labs现在做的事，就是让AI把这块也补上（产品Marble已经能根据文本/图像/视频生成可交互的3D世界，导Blender、Unreal用）。

📌 这段其实回答了"增强是不是一厢情愿"——增强不是价值观选择，是科学判断：现阶段AI真正能加速的，是语言层面的任务（写报告、查资料、写代码、生成图）；它让人有更多精力去做语言之外的事：判断、创造、共情、模糊地带决策、矛盾信号里盯住最重要的那个。人还有大把AI追不上的东西。

李飞飞给普通人的第一步，朴素得不像AI教母

主持人问：一个完全不知道从哪开始的人，AI入门最简单的方式是什么？

李飞飞答：去找个年轻人。你孩子、侄子侄女，25岁以下绝大部分人已经在用AI了。带着纯粹的好奇，请他们给你演示平时怎么用、用AI在干嘛。等你真搞明白它是啥，那世界就没那么可怕了。

整场聊下来，李飞飞其实就一个立场没动过——

AI是工具，不是替代品。决定你被甩下还是被托起的，不是技术本身，是你有没有主动去理解它、使用它、驾驭它。她那句"我们教孩子们用火、用刀、用互联网，现在作为一个物种必须学会用AI"——关键词不是"学会"，是"我们"。不是让员工自己去学，不是让IT部门去部署，是管理者和团队一起，把AI当成需要共同搞明白的东西，把每个人往上推一层。

未来10年职场那句"只剩两类人"，听着吓人，其实李飞飞给的解法一直就在那——别等，上手。

参考资料：李飞飞×David Rogier 播客《Silicon Valley Girl: AI教母：10年后，只会剩下两类工作者》；World Labs 官方 spatial intelligence 介绍；访谈实录整理参见网易科技、经纬创投等转载版本 。