夜雨聆风本文基于「AI 教母」**李飞飞（Fei-Fei Li）**与 MasterClass 创始人兼 CEO 大卫·罗吉尔（David Rogier）的最新播客访谈 《AI 教母：10 年后只剩下两类工作者》 整理与延伸，并结合作者及不同媒体对同一主题的最新观点的对比（包括德勤 AI 分化预测、智源研究院世界模型趋势、Google Genie、Anthropic 与 OpenAI 关于就业的判断等）做交叉印证与洞察分析而来。
一句话总结： AI 是工具而非替代品——工业革命没有「自动化劳动」，它扩大了劳动规模；AI 同理。真正决定一个人被甩下还是被托起的，不是技术本身，而是有没有主动去理解它、使用它、驾驭它。
图 1 李飞飞最新访谈核心论点全景
本文围绕五条主线展开：
- 「智能成本归零」是一种误解——人类智能远不止语言，感知、空间、身体、情感智能至今仍是未解之谜；
- 三种「自动化思维」误区——把 AI 当人头替代器、把「上工具」等同于「做对了」、把「全面部署」当技术指令；
- 杠铃效应——未来十年职场向两端分化：前 1% 顶尖专家与高主动性通才，中间层被压缩；
- 空间智能是下一个前沿——理解、推理、生成、交互四维能力，是通往真正 AGI 的必经之路；
- 人类的主动性（Agency）是穿越变革的核心——它是「创业精神」的同义词，入门 AI 最简单的方式是向身边的年轻人请教。
一、缘起：一场关于「替代」与「增强」的对话
首先主持人抛出一个流传极广的说法：「工业革命自动化了体力劳动，现在 AI 要自动化智力劳动，我们怎么办？」李飞飞的回应直击前提：工业革命并没有「自动化劳动」，它让劳动更高效、扩大了规模，但没有把劳动本身抹去。 更重要的是——「我们不能暗示劳动是没有智能的，那个假设错得太离谱了」。工匠一生积累的经验直觉、体力劳动里夹着的认知判断，从来没有被真正自动化。同样的误解，正在 AI 身上重演。
贯穿全场的立场 AI 是一种技术，也就是一个极其强大的工具。工具到底是用来「替人」还是「抬人」，不取决于技术，取决于部署它的人。这场对话的价值在于：它没有停留在「乌托邦 vs 末日论」的两极，而是把焦点拉回到一个更有操作性的问题上——在 AI 时代，个人、管理者、教育者与专业人士应当如何重新设计自己的工作与学习方式。
二、误解一：「智能成本趋近于零」
AI 行业近来流行一句话：「智能的成本正在趋近于零」。李飞飞对此直接回应——这是一种不负责任的说法。她给出了两条理由。
2.1 人类智能本身仍是未解之谜
「体力劳动、认知劳动、情感劳动，人类的活动和人类智能深刻地交织在一起。人类智能对大自然来说，至今仍然是一个未解之谜——我们并不真的清楚它的深度和细微之处。」既然连「智能是什么」都尚未厘清，声称其「成本归零」自然站不住脚。
2.2 语言智能只是冰山一角
大语言模型确实强大，在商业智能、软件工程、演绎逻辑推理上都已显现威力。但语言智能之外，人类还有感知智能、空间智能、身体智能、情感智能。我们甚至连「创造力从哪里来」都还没搞明白。
图 2 人类智能远不止语言：多维智能的协同
两个最贵的瞬间： 一个老师判断学生为什么学不会，靠的不只是文本分析，而是观察表情、语气、犹豫的瞬间；一个团队负责人在关键客户面前决定要不要说出那句话，没有算法能替他做判断。
「智能成本归零」如果被当成管理决策的前提，它漏掉的恰恰是人最贵的那部分。
2.3 业界对照：从「通用炫技」到「专业实干」
这一判断与业界趋势相互印证。德勤《2026 全球高科技、媒体及电信产业趋势预测》指出，AI 发展主轴正从模型的「泛化能力」竞赛转向面向特定任务与场景的「专业化」深耕，一场全面的「AI 分化」正在加速。这与李飞飞「智能是多维的、场景化的」立场高度一致：真正稀缺的不是通用算力，而是把智能嵌入具体专业判断的能力。
三、误解二：三种「自动化思维」的惯性
访谈反复重申：AI 只是工具，但「怎么使用这个工具，我们也必须非常警惕」。访谈中她借三个例子，揭示了三种自动化思维的惯性，以及对应的「增强思维」破解之道。
图 3 三种「自动化思维」误区 vs「增强思维」
误区一：把 AI 当人头替代器
十年前的产品经理「更像是指挥」——要原型找设计师、要开发等工程师，一条产品生命周期要花几个月。现在很多产品经理自己写代码、用 AI「氛围编程（vibe coding）」做原型，周期被大幅压缩。自动化思维者第一反应是「以后可以少招两个工程师」；而事实是——AI 没有替代任何人，它把每个人往上推了一个台阶：产品经理从「指挥」变成「动手者」，设计师与工程师从「执行者」变成「专攻最难问题的人」。
误区二：把「上工具了」等同于「做对了」
买工具、开培训、教员工写 Prompt，教完就算任务完成。李飞飞用教育作类比：「教育的目标不是闭卷还是开卷，不是标准化考试的成绩，而是培养人。」把「教育」换成「管理」，每句话依然成立——引入 AI 的目标不是「把工具装上了」，而是你到底在用 AI 重新设计什么。
罗吉尔的现身说法「我用的多数应用都是自己用 Claude Code 或 Cursor 构建的，我的 CEO 工具栈全是自建应用，连待办清单也是。做一个应用的成本，已经从几个月缩短到一个周末。」他不是在秀技术，而是在演示：AI 时代优秀的人，不是「更会执行任务的人」，而是「更会设计工作系统的人」。
误区三：以为「全面部署 AI」是一个技术指令
发一个通知说「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 做以前做不了的事」，员工听到的是「可以变得更强」。同一个工具、同一份预算、同一个人，前提条件不同，结果完全不同。
罗吉尔由此提出「能动性鸿沟（agency gap）」：已经把 AI 融入日常的人，产出正以几何倍数增长；仍在观望的人，与前者的差距持续拉大。这道鸿沟的本质不是工具熟练度，而是「管理者到底想用 AI 替掉我，还是托起我」的预期差。
四、杠铃效应：未来十年只剩两类工作者
罗吉尔提出一个判断：未来会出现**「杠铃效应（barbell effect）」**。一个「还凑合」的文案，现在任何人用大模型都能做得不错；但若你是世界前 1% 的文案，没人能轻易打败你。杠铃的另一端，是能跨领域做事、判断力与主动性极强的高主动性通才。中间「还凑合」的人，空间正在被压缩。
图 4 杠铃效应：未来十年职场只剩两类工作者
4.1 两端的共同密码：主动性
李飞飞补充了一层分析：不管你在专家那一侧还是通才那一侧，你都需要有主动性，都应该能以独特、有创造力、深入的方式去使用工具。
- 杠铃左端——把增强用到极致的人： AI 帮他们筛掉 90% 的重复工作，把精力集中在最需要人类判断的 10% 上，价值不是被压缩而是被释放。
- 杠铃右端——主动发起增强的人： 自己上手、自己造工具、自己定义工作流，他们本身就是增强的起点。
- 中间层的问题不是技能问题，是姿势问题： 只要从「等着被安排怎么用 AI」切换到「我自己上手看看能干什么」，就有机会把自己推向杠铃任意一端。
一句点睛 「创业者」这个词，在很大程度上就是「主动性」的同义词。
4.2 业界对照：分歧中的共识
关于就业冲击，业界存在显著分歧：Anthropic CEO 阿莫迪（Dario Amodei）警告 「50% 的入门级知识工作岗位可能在 1–5 年内被抹去」；OpenAI 的奥特曼（Sam Altman）则主张「全民基本收入（UBI）」作为兜底。李飞飞与罗吉尔的「杠铃效应 + 主动性」框架，提供了第三条更具能动性的路径：与其被动等待被替代或被补贴，不如主动把自己推向杠铃两端。 三方观点看似对立，实则指向同一共识——AI 带来的不是「岗位总量」的简单加减，而是岗位结构与能力要求的深刻重排。
五、下一个前沿：空间智能
有人会追问：万一技术再往前走，人类的判断力、创造力、情感智能全被自动化了呢？李飞飞用她的研究方向——空间智能（spatial intelligence）——给出了科学版本的回答。
5.1 空间智能的四维能力
空间智能涵盖人类在三维（乃至四维时空）环境中的能力：①理解正在发生什么；②推理；③生成；④交互。它不只关乎「看到世界」，更关乎在四维时空中进行逻辑推演与行动。
图 5 空间智能：AI 的下一个前沿与业界进展
5.2 为什么它如此根本
给出一个进化论层面的判断：进化花了超过 5 亿年才让空间智能成熟，语言智能花的时间短得多。「你不可能通过阅读文字学会开车或投篮。」投篮的一瞬间，语言、空间、身体三种智能同时协同工作——而我们生活中绝大多数事情，正是这几种智能的混合。
北极星没有空间智能，AI 的蓝图就是不完整的——它是实现真正通用人工智能（AGI）的必经之路。当 AI 具备理解和操作物理空间的能力，它将从屏幕后的聊天机器人，转变为能在现实世界折叠衣物、煎蛋卷、做复杂手术的物理实体。
5.3 业界对照：世界模型成为 AGI 共识方向
空间智能的浪潮在 2026 年已成业界共识。李飞飞创办的 World Labs 已实现「一图、一句话生成可交互 3D 世界」并融资 10 亿美元；Google DeepMind 的 Genie 3 能以 720p、24fps 生成可交互虚拟世界并支持「可提示世界事件」；智源研究院《2026 十大 AI 技术趋势》更直接将**「世界模型」列为 AGI 共识方向**，认为 2026 年是 AI 从数字世界迈入物理世界的关键分水岭。
这说明：增强不是一种一厢情愿的价值观选择，而是基于技术现状的科学判断——今天 AI 真正能加速的是语言层面的任务，它让人有更多时间去做语言之外的事：判断、创造、共情、在模糊地带做决策。
六、教育范式转移与多角色行动框架
6.1 教育：从标准化考试到塑造人
罗吉尔认为传统班级授课制本质是「为降低教育成本的妥协产物」，而 AI 可以打破僵局——以极低成本为每个人提供一对一指导。李飞飞则强调教育的本质：「目标不是工具，也不是标准化考试分数，而是塑造人，使每个人成为社会中有意义的贡献者。」由此，闭卷考试或禁用技术并不是正确方向。学校应教会学生在 AI 辅助下进行深度思考，培养自主意识、独立思考能力与韧性，并用这种「能降低门槛的技术」为资源匮乏地区提供优质教育。
6.2 入门 AI 最简单的方式
李飞飞的建议 去找一个年轻人——你的孩子、侄子侄女，只要是 25 岁以下，他们大部分已经在用 AI 了。带着一份纯粹的好奇，请他们给你看看平时怎么用。等你真的了解了它是什么，那个世界就没那么可怕了。
6.3 面向不同角色的行动框架
结合访谈观点，可为本文的目标读者提炼出可操作的行动清单：
图 6 面向不同角色的行动框架
七、深度洞察与总结
7.1 三条贯穿全篇的判断
- 「替代」是叙事，「增强」是事实。 从工业革命到 AI，技术真正做的是扩大劳动规模、抬高能力下限，而非抹去人的判断。把 AI 框定为「替代」会自我实现地走向裁员逻辑；框定为「增强」则走向能力释放。
- 差距正在从「会不会用工具」转向「想用它做什么」。 能动性鸿沟的根因不是技能，而是预期与设计。管理者的一次定调，往往比一笔工具预算更能决定团队走向。
- 语言只是起点，物理世界才是深水区。 空间智能与世界模型的崛起，意味着 AI 能力边界正从「文本」向「现实」扩张；这既是机会，也再次印证人类多维智能在相当长时间内不可替代。
7.2 对专业人士的三点建议
- 把「增强」当成默认工作框架： 对每项任务问一句——AI 能筛掉哪 90% 的重复，让我专注哪 10% 的判断？
- 主动制造「难且新」的处境： 摆脱「寻求他人赞美」的童年惯性，追寻被别人认为不可能的事。
- 用「我们」而非「他们」的姿态对待 AI： 不是让员工自己去学、让 IT 去部署，而是管理者与团队一起把 AI 当成需要共同搞明白的东西。
7.3 结语
李飞飞留下一句可作为所有 AI 决策试金石的话：「我们教孩子们怎么用火、用刀，再到用互联网。现在，作为一个物种、一个社会，我们必须学会怎么用 AI 这件事。」
关键词不是「学会」，而是**「我们」**。在这个充满损失感、也充满机遇的变革时代，最强大的武器依然是人类的主体性——去驾驭技术，而非被技术驾驭。