夜雨聆风2023 年，有人做了一个有点残酷的实验。
研究者把真实医生和 ChatGPT 回答病人提问的答案混在一起，隐去名字，请第三方盲评。
结果：近八成情况下，评委更喜欢 AI 的回答。不只是"专业分"更高——连"共情分"，AI 都比真人医生高。这项研究发在了《JAMA Internal Medicine》上。
同一年，GPT-4 去考了托兰斯创造性思维测验——一个测了人类六十多年的创造力考试。它的原创性得分，进入人类前 1%。
说实话，读到这两个结果，我心里咯噔了一下。
我们这代家长最常挂在嘴边的安慰是：AI 学不会共情、学不会创造、学不会判断，所以培养孩子这些能力就行。
但如果"AI 做不到"是一条正在快速后移的边界，这个答案，还能撑几年？
上个月，一位老同学找我吃饭。
他给孩子报了三门课：Python、机器人、AI 启蒙。饭吃到一半，他放下筷子问我："你在 AI 这行干了 20 年，你说说，孩子现在学什么，将来才不会被淘汰？"
我当时给了一个挺漂亮的回答。回去之后，越想越不对劲。
这篇文章，是我推翻自己第一版答案之后的复盘。
一、人还剩下什么？三样本质能力
先说明白：我说的不是"AI 今天做不到"——以 AI 的进化速度，任何基于"它做不到"的护城河，都是临时的。
我说的是三样更底层的东西：判断力、信任、审美。它们不是技能，是人和 AI 的分工线。
1. 判断力：AI 给方案，人做选择、担后果
MIT 经济学家 David Autor 在 2024 年的演讲里讲过一项研究：一个看胸片的 AI，准确率大概相当于 65% 的放射科医生。听起来，人还领先。
但真正有意思的是后半段：让医生和 AI 一起看片，医生的准确率反而掉了。为什么？因为医生一拿不准，就容易被 AI 那副"我很确定"的样子带跑。
这个案例说明：判断力的本质不是"答对"，而是两件事——能在不确定中做选择，并且敢为选择负责。
AI 可以一口气给你 100 个方案，每个都头头是道。但它不赔钱、不坐牢、不内疚。选择和责任，只能是人。
2. 信任：AI 给内容，人建连接、被托付
AI 可以把"我理解你的感受"说得比大多数人都诚恳。但信任从来不是听来的。
信任的本质是连接：你把真实利益交到我手上——你的钱、你的秘密、你的生意——我搞砸了，要付出真实的代价。我会疼，所以我不敢糊弄你。AI 可以模仿关心的语气，但它不在这个关系里，搞砸了也不疼。
供给爆炸的时代，最不缺的是内容，最缺的是可以被托付的人。
3. 审美：AI 给选项，人定方向、知取舍
第三样是审美。别误会，审美的本质不是"好不好看"，而是价值倾向——知道什么重要、什么值得做、什么钱不该赚。
AI 没有自己的价值倾向。它不会觉得哪个问题非解决不可，哪个人非帮不可，哪个方向非走不可。
方向只能人来定。定方向的能力，就是审美。
二、别急着"反知识"——这是我推翻自己的地方
看到这里，最容易滑向一个结论："那还学什么知识？赶紧养这三种能力去。"
这正是我想拦住的第一个坑。
判断是楼，知识是地基。一个完全不懂医学的人，拿到 AI 的诊断结果，也没法"批判性思考"——他只会被听起来更自信的那个答案带走。就像那些被 AI 带跑的放射科医生：他们不是输在"太依赖知识"，而是输在拿不准的地方，地基不够深。
再看一组硬数据。世界经济论坛《2025 未来就业报告》调查了 1000 多家雇主（约 1400 万就业者、22 个行业、55 个经济体），雇主最看重的核心技能是：
注意第一名：分析性思维——这恰恰是最吃知识底子的能力。这份榜单支持的不是"反知识"，而是"知识要有，但光有知识不够"。
同一份报告里还有个容易被选择性忽略的数字：增长最快的技能是"AI 与大数据"，预计需求涨约 87%。
所以技术和人性根本不是二选一。更像一道乘法题：
AI 能力 × 人的判断——缺了哪一边，结果都是零。
顺便补一句历史：计算器普及时、互联网普及时，都有人喊"别学知识了，去教人性技能"。这次确实不一样——AI 摸到了"判断"的门口。但越是不一样，越不能偷懒地反知识。
三、创业 20 年，这三样能力怎么用
丑话说在前面：以下是我的经验归纳，不是科学定律。它能解释我见过的大多数失败，但也可能是幸存者偏差。当假说用，别当圣经。
判断力 → 用来定义问题。AI 时代干活的成本趋近于零，拉开差距的不是谁更努力，是谁的问题提得准。普通的问题是"做个 AI 简历工具"；更好的问题是"帮 25-35 岁转岗的人，把过去的工作经验翻译成新岗位认可的能力"。前者是个工具，后者是个结果。
信任 → 用来回答"为什么是你"。当内容、产品、方案都能批量生成，用户凭什么选你？只能靠真实的交付、可查的案例、多年处出来的关系。
审美 → 用来做取舍。什么用户值得服务，什么问题值得长期投入，什么钱该赚、什么钱不该赚。这些没有标准答案，全靠价值倾向。
那勇气呢？勇气不是第四样能力，是使用这三样的方法：想法 → 实验 → 反馈 → 迭代。敢把半成品扔出去见人，敢承认"我想错了"。人机协同、自我进化也一样——它们是放大器，不是本金。前三样是零，放大一百倍还是零。
四、从小怎么养？一张标明"猜想"的表
先给这张表贴个标签：这是假设，不是结论。"成功的创业者有这些特质"，推不出"童年这样做就能养成"——这中间缺一大块因果证据。
但也不是拍脑袋，有两个依据。
依据一：这些能力确实养得出来。2011 年一项元分析（Durlak 等）汇总了 213 个"社会情感学习"项目、约 27 万名学生的数据：参与项目的孩子，平均进步了约 11 个百分位。换句话说——判断力、信任、审美这些东西，靠听课灌不进去，但靠环境泡得出来。
依据二：环境是可以设计的。哈佛 Project Zero 研究了五十多年"人是怎么学会思考的"，结论之一是：思考的习惯不是教出来的，是泡出来的。MIT 的 Mitchel Resnick 用四个 P——项目（Projects）、热情（Passion）、同伴（Peers）、玩耍（Play）——设计出了 Scratch：孩子们在里面不是"学编程"，而是"做作品给真人看"，每天有数万件新作品被分享。
好，上表（再说一遍：猜想，不是医嘱）：
最后诚实补一刀：这张表有资源门槛。看展、养宠物、混龄社区，不是每个家庭都给得起。如果"人性硬件"只能靠家庭供给，AI 时代放大的将是差距，不是机会。这一格，得靠公共教育来填。
五、两个我没有答案的问题
写到最后，有两个问题我自己也没想明白，留给你：
1. 动机问题。当 AI 什么都会，孩子"为什么还要学"？也许答案是：意义感本身，才是最早要养的那个硬件。
2. AI 原生代。在人机共生里长大的孩子，"真实关系"和"AI 陪伴"可能根本不是对立项。我们这一代人的乡愁，未必是他们的处方。
结语
知识没有贬值，贬值的是"只会知识"。
真正稀缺的，是知识之上的三样本质能力：判断力、信任、审美。
判断力，让你能做选择、敢负责；信任，让你能连接人、被托付；审美，让你知道什么值得做。
当所有人手里都握着同样强大的 AI，拉开差距的不是谁知道得多，而是：
谁的判断更准，谁更值得信任，谁更清楚自己在做什么、为什么做。
· · ·
附：核心参考文献
Ayers, J.W. et al., Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum, JAMA Internal Medicine, 2023.（AI 回答的质量与共情评分高于医生。） Autor, D., Expertise, Artificial Intelligence, and the Work of the Future（2024 主旨演讲）；Applying AI to Rebuild Middle Class Jobs, NBER Working Paper, 2024.（放射科医生案例为其演讲所引用的研究。） World Economic Forum, The Future of Jobs Report 2025, 2025.（核心技能排名；预计 2030 年约 39% 核心技能将改变；"AI 与大数据"为增长最快技能。） Acemoglu, D. & Autor, D., Skills, Tasks and Technologies: Implications for Employment and Earnings, Handbook of Labor Economics, 2011.（"任务模型"：技术替代的是任务而非职业。） Durlak, J.A. et al., The Impact of Enhancing Students' Social and Emotional Learning: A Meta-Analysis of School-Based Universal Interventions, Child Development, 2011.（社会情感能力可系统性培养，平均提升约 11 个百分位。） Resnick, M., Lifelong Kindergarten: Cultivating Creativity through Projects, Passion, Peers, and Play, MIT Press, 2017.（创造性学习的 4P。） Ritchhart, R., Church, M. & Morrison, K., Making Thinking Visible, Jossey-Bass, 2011.（"一切学习都是思考的结果"。） Ritchhart, R., Creating Cultures of Thinking: The 8 Forces We Must Master to Truly Transform Our Schools, Jossey-Bass, 2015. Dweck, C., Mindset: The New Psychology of Success, 2006；Duckworth, A., Grit: The Power of Passion and Perseverance, 2016.
本文为原创观点文，可自由转载，请保留署名。
