AI时代最危险的错觉：我们还需要努力学习成为“专家”

本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust

越是动荡的年代，"成为专家"这四个字越像一剂精神止痛药。

它听起来很踏实，甚至带着某种道德正确性：只要我足够努力、足够专业、足够权威，我就能在这个世界里拥有一个稳固位置。这是我们从小被灌输的信念，是学校、父母、社会集体背书的成功公式。

但AI时代最危险的错觉，恰恰是把"专业"理解成旧时代那种可被囤积、可被垄断、可被长期复利的东西。

我们当然需要学习，也需要专家。问题在于：专业的价值与意义，正在被AI彻底重构。如果没有对这一底层逻辑的深刻认知，今天的每一分努力，都可能是在为自己挖掘职业坟墓。

近期，两个画面在科技圈引发震动。

Claude Code的创造者Boris Cherny说了句让程序员圈炸锅的话：过去30天他提交的所有代码，100%由Claude编写。这位顶尖工程师的价值，已经不再体现在"亲手写代码"上。

紧接着，YC的Demo Day上，一位22岁的创始人展示了他的"AI软件公司"：整个产品从设计到代码到测试，全部由AI代理完成。他站在台上，像个乐队指挥，而不是工程师。投资人们疯狂了，但台下几十位资深工程师交换了一个眼神：那个架构，撑不过三个月的用户增长。

这两个画面，尖锐地映射出当代职场人最深的焦虑：如果AI能写所有代码、能做法律研究、能画设计图、能分析数据，那我们耗尽青春掌握的一技之长，成为"专家"的意义究竟是什么？

其实，人类对新技术钝化思维的恐惧并不新鲜。

从书写、计算器到自动化，每一次技术跃迁都在不断把技能从身体转移到工具与系统中。但在这种焦虑中，我们往往忽略了一个更危险的盲区：

我们依然在试图用工业时代的逻辑，去应对AI时代的挑战。我们依然认为，抵御AI的唯一方式，是更努力地钻研、更刻苦地背诵、成为一个更深不可测的"狭窄专家"。

这可能是你在21世纪能犯下的最大战略错误。

AI时代的风险是锁死，2026年打工人更应该马上开始创业

一、旧时代的专家：建立在三种稀缺上的权威

在过去很长一段时间里，专家地位来自三类稀缺：

信息稀缺：你知道别人不知道的东西。在知识难以获取的年代，掌握信息本身就是权力。

技能稀缺：你会别人不会的流程与手艺。这些技能需要多年磨练，难以快速复制。

产能稀缺：你能更快、更稳定地产出"标准答案"。效率和可靠性让你不可替代。

而AI的到来，本质上是在做一件事：把"信息+标准技能+标准产能"，变成像水电一样的基础设施。

就像电力让每家每户都有了光，AI让每项技能都变得可调用。你苦读十年成为的"专家"，可能只是AI模型里的一个权重参数。

当ChatGPT能在几秒内生成一份法律意见书，当Midjourney能在一分钟内产出百张设计稿，当GitHub Copilot能比你更快地写出无bug的代码，这意味着，我们以为的"深度"正在变成通用基础设施。

换句话说：你以为你在追求专业，其实你在追求一种正在快速贬值的稀缺。

为了理解为什么"专家"模式正在失效，我们需要回到现代世界的原点。

尖峰报告：稳定币到底是一场怎样的财富大转移？

二、工业文明的底层契约：专业化的诞生与终结

两百多年前，亚当·斯密在《国富论》中描绘了著名的制针厂案例：如果一个工人独自完成造针的所有工序，他一天连一枚针都造不出来。但如果把工序拆碎——一个人抽铁丝，一个人拉直，一个人磨尖——十个工人一天能造出四万八千枚针。

效率提升了数千倍。这就是工业文明的底层契约：专注单一技能，以换取生存与效率。

为了适应这个系统，我们的学校被设计成了工厂。我们被教导要"术业有专攻"，要"深耕细分领域"。我们把自己打磨成形状各异的精密零件，以此嵌入社会这台大机器中。如果你是磨针尖的专家，你就不要去管抽铁丝的事。分工越细，效率越高，社会就越繁荣。

但斯密本人后来却写下了这样一段话："如果一个人的一生都花在执行几个简单的操作上……他通常会变得极其愚蠢和无知，甚至达到人类这种生物可能达到的极限。"

讽刺的是，创造这个体系的人，亲眼见证了它对人性的摧残。

现在，AI来了，它把这个体系的脆弱性暴露得一览无余。这不仅仅是技术的升级，而是撕毁了工业时代的这份契约。

AI时代，哪种人能够笑到最后？

2023年至2028年，在AI的影响下，预计将有8300万个岗位消失。哪些工作最先被淘汰？三类工作首当其冲：

重复性工作：工厂装配线、基础会计、数据录入——任何可以被明确流程化的任务。

低技能工作：出租车司机、清洁工、收银员——AI和机器人正在快速接管这些岗位。

高技能但范围狭窄的工作：放射科医生（针对特定影像分析）、股票交易员、基础法律文件处理——即使需要多年培训，但只要工作边界清晰，AI就能胜任。

残酷的现实是：当一项工作可以被明确定义、分解为步骤，并且有足够数据供AI学习，它就处于高风险区。

不是因为AI比人类聪明，而是因为太多人把自己训练成了"会说话的工具"——他们的价值完全依赖于执行某项具体任务的熟练度。

当你花十年时间成为"数据录入专家"、"基础翻译专家"、"初级代码调试专家"、"法律文书专家"时，AI只需要几个月的训练，就能以更快的速度、更低的成本完成同样的工作。

某互联网公司招聘负责人的话很有代表性："能在1周内用开源模型搭建行业应用的候选人，比只会推导公式的应届生更受欢迎。"

这不是说专业知识不重要了，而是专业知识的半衰期正在以惊人的速度缩短。

你在大学里学的编程语言，五年后可能就过时了。你考的职业资格证书，可能还没拿到手，相关工作就已经被AI接管了。

更可怕的是，很多人还在用工业时代的思维应对：考更多证书，学更专业的技能，把自己塞进更小的盒子里。

他们以为这样能获得“安全感”，却不知道自己正在亲手挖掘自己的职业坟墓，正在一场必输的游戏中与机器赛跑。

睹马思人，我们可能严重低估了AI拐点的倒计时

三、印刷机与AI：历史总会押韵

让我们再回到另一场技术革命的起源——1450年。

在古腾堡发明印刷机之前，知识是稀缺的奢侈品。一本书需要抄写员花费数月手工复制。图书馆是贵族和教会的专属。普通人一生可能都摸不到一本完整的书。

那个时代的"专家"是什么样的？

他们是能背诵整本法典的律师，能记住所有药方的医生，能徒手绘制精确地图的制图师。他们的价值建立在"稀缺的记忆力"之上——因为知识本身难以获取，所以能记住知识的人就成了专家。

然后印刷机出现了。50年内，2000万本书涌入欧洲。曾经需要几代人才能传播的思想，现在几个月就能传遍整个大陆。

那些靠"记忆法典"为生的专家慌了。他们抗议，说印刷术会摧毁真正的学问，会让年轻人变得懒惰和肤浅，会导致知识的贬值。

但历史没有站在他们这一边。

印刷机催生了文艺复兴，诞生了一批我们今天仍然仰望的名字：达·芬奇、米开朗基罗、阿尔贝蒂……他们有一个共同的特点——都是通才，都是博学家（polymath）。

达·芬奇精通绘画、雕塑、工程、解剖学、战争机器设计。他没有只选一件事，而是让好奇心带着他跨越学科边界。米开朗基罗是画家、雕塑家、建筑师和诗人。阿尔贝蒂是建筑师、建筑理论家、作家、诗人、哲学家、密码学家。

每次技术革命都遵循相同模式：基石创新（keystone innovations）改变游戏规则，淘汰一批"专家"，同时创造一批"连接者"。

什么是基石创新？

基石是拱门的关键组成部分，使拱门能够站立并有效承重。从创新角度看，基石是任何能让广泛新可能性最终成为现实的进步。

轮子、印刷机、内燃机、电力、晶体管、个人电脑、互联网……每个都是基石创新，因为它们从根本上改变了现实的范围。不可能变成了可能，一项创新催生了无数其他创新。

今天，AI正是这样的基石创新。但它的真正价值不在于取代人类专家，而在于重新定义"专业"本身。

为什么印刷机时代催生了通才，而不是更深度的专家？

因为当知识获取的成本崩塌时，竞争优势不再是"知道什么"，而是"能连接什么"。单一领域的知识不再稀缺，真正稀缺的是跨领域整合的能力。

达·芬奇研究解剖学不是为了当医生，而是为了画出更真实的人体。他研究光学不是为了当物理学家，而是为了理解阴影和透视。他的天才在于，能把来自不同领域的知识编织成一个独特的视角，创造出前人从未见过的东西。

现在，同样的故事正在重演。只不过这次，不是印刷机，而是AI。

未来三年，不具备大模型应用能力的从业者，在职业竞争中将处于明显劣势。但更深层的变化是：AI降低了执行的门槛，却抬高了判断的天花板。

就像印刷机让"记住知识"不再值钱，AI正在让"执行任务"不再值钱。真正值钱的，是你能否像文艺复兴的博学家一样，在多个领域之间建立连接，形成独特的视角，然后用AI作为杠杆，将这种视角放大为价值。

我们正在从"创作者"变为"总编辑"，从"建筑工"变为"建筑师"。

这种转变要求我们必须具备全新的能力：品味与判断力。

AI是一个概率模型，它给你的是"可能性"，而不是"真理"。如果作为人类的你，缺乏深厚的底蕴来判断什么是"好"，什么是"对"，什么是"平庸"，什么是"杰出"，那么AI对你来说就是一堆垃圾生成器。

你需要有足够的知识储备，不是为了亲手去做每一件事，而是为了知道"这件事做对了吗"。

“AI替代了我的工作，然后还建议我买一把链锯”

四、通才的复兴：为了"连接"而学习

这引出了核心观点：既然AI承包了深度的"执行"，人类的竞争优势就转移到了广度的"连接"。

21世纪，是"通才"的文艺复兴。

社会长期以来让我们误以为"兴趣广泛"是一个弱点，是"样样通样样松"的代名词。但在AI时代，这反而是最强大的超能力。

为什么？因为现实世界的问题从来不是按照学科分类的。一个复杂的商业问题，往往交织着技术、心理学、经济学和伦理学。

专才：拥有的是一把锤子，他看什么都是钉子。而当AI变成了那把最高效的锤子时，专才就失去了独特价值。

通才：拥有的是一个工具箱，更重要的是，他拥有"语境智能"或“上下文智能”（Contextual Intelligence）——知道在什么情况下用什么工具，如何把不同工具组合起来解决问题。

看看那些在这个时代如鱼得水的人。他们往往不是某个细分领域最顶尖的学者，而是那些能把不同领域的知识串联起来的人。

一位懂心理学的产品经理，能写出比纯技术人员更打动人心的AI提示词。一位研究过历史的投资人，能比纯粹的数据分析师更准确地预判市场周期的起伏。一个学过设计和编程的创业者，能做出比纯设计师更可行、比纯程序员更美观的产品。

今天，我们生活在一个"分布式智能"的网络中。

现在的"知道"，不再是把百科全书塞进脑子里（那是数据库做的事），而是建立一种"关系"；你知道去哪里找信息，你知道如何把A领域的原理应用到B领域，你知道如何指挥由AI、工具和专家组成的网络为你工作。

为了连接而学习，为了整合而学习。去读那些看似"无用"的哲学，去学那些"不能变现"的艺术史，去了解基本的编程逻辑哪怕你不写代码。

这些跨学科的知识点，就是你思维网络中的一个个节点。节点越多，你捕捉机会、产生洞见的能力就越强。

让我们回到Boris Cherny的故事。他100%的代码由AI编写，但他的工作价值却达到了职业生涯的巅峰。为什么？

因为工程师的工作从来不只是写代码。

仔细想想一个软件项目的全貌：你要从客户那里获取需求，理解他们真正想要什么（往往跟他们说的不一样）；你要设计架构，确保系统能支撑未来的扩展；你要测试代码，将其整合进更大的项目；你要处理突发问题，修复漏洞；你要根据用户反馈规划下一阶段功能；你要为安全漏洞和新依赖升级各种库……

这是数十个独立任务的复杂编排。AI越来越擅长单独完成其中任何一项，但把这些任务有机整合起来，并确保整体成功，这才是真正的核心能力。

大翻转之年：关于2026年及更远未来AI世界的深层预测

PayPal联合创始人Max Levchin最近说了句反直觉的话：“就像今天我们把代码生成AI视为计算机科学学位的10倍生产力放大器一样，一两年后，我们会反过来认为CS学位是代码生成AI的10倍生产力放大器。”

把"CS"换成任何技能——医学、设计、法律、营销，这个公式都成立。

这是什么意思？意思是，你的专业深度不再是直接生产力，而是使用AI的杠杆。

要想在AI时代脱颖而出，最关键的不是某项具体技能，而是四种元能力：

"AI+行业"的复合型人才，比纯算法专家更受企业青睐。

他们的价值不在于执行，而在于整合。

这正是通才的优势所在。一个学过心理学和设计的人，看待用户行为的方式不同于纯粹的设计师。一个懂销售又懂哲学的人，达成交易的方式不同于纯粹的销售员。一个懂健身又懂商业的人，能建立起MBA们无法理解的健康公司。

你的优势在于交集，而非单一领域的专精。

通才不是"什么都懂一点"，而是"能在多个领域建立深层连接"。这种连接密度，AI无法模拟，因为它没有"人生目的"驱动它去连接。

五、一人公司：通才最佳的价值转化系统

这里有个关键陷阱：许多人听了"通才优势"后，陷入"教程地狱"——学无止境，生活却毫无变化。

他们缺的不是兴趣，而是"载体"或"媒介"。

载体是把知识转化为价值的容器。对达芬奇，载体是画稿和发明笔记；对今天的通才，载体是"一人公司"，或个人IP，或微创业。

不要被创业这个词吓到，它不需要融资、团队，甚至不需要注册公司。它只需要三个元素：目标(你想成为谁)、内容(你公开学习的过程)、产品(你是如何帮助过去的自己的)。

社交媒体不是你的事业，它是你的实验室。你公开学习，测试哪些想法有"创意密度"——既有信号(对你有用)，又有噪音(对他人共鸣)。你不需要10万粉丝，只需要100个相信你确实在解决问题的人。

我的一个会员，对健身、心理学、写作都感兴趣。他没用这些兴趣找工作，而是创建了"22天习惯重塑"邮件课程，用行为设计原理帮创意工作者建立晨间routine。第一年，这个小产品入账50万。他的受众不到2000人。

他的载体，就是把三个领域的知识残渣，变成了"系统"。

AI工具让"系统"的创建成本归零。

无论是做笔记、做知识库、优化内容、卖虚拟产品，还是做一对一咨询。你不需要擅长每个环节，你只需要知道：如何让这些环节协作，指向你自我定义的目标。

这个"自利"不是自私，是自我定义的利益。你清楚什么对你重要，然后让AI成为实现它的工具，而不是让AI定义你该成为什么专家。

当十几岁的青少年开始运营自己的AI公司

AI工具让"系统"的创建成本归零。我们的竞争力在于这些系统之外。

去年，麦当劳给所有店长装了AI系统RGM BOSS，能自动排班、订货、预测客流，每天为店长节省2小时行政时间。

麦当劳以为这会让店长"更轻松"，但内部数据显示：真正优秀的店长，把那2小时花在"走进社区、记住常客生日、教新员工如何在忙碌时保持微笑"。

这些，AI做不了。不是技术问题，是人性问题。

AI时代的生存法则，不是学习更多技能，而是锤炼那些AI无法外包的人性特质：

• 高情商是最后的护城河：如果你特别擅长读会议室氛围、在谈判中感知对方恐惧、在团队中建立信任——恭喜你，你有了50年的职业安全期。这些"情感劳动"是AI的禁区，因为它不需要被关心，也不关心别人。
• 适应力是肌肉记忆：大脑天生厌恶改变，因为改变意味着风险。但未来，"安于现状"才是最大风险。培养适应力的方法不是学更多东西，而是养成"学习新事物"的习惯本身。每月学一个完全无关的技能，不是为了成为专家，而是让大脑保持"切换范式"的灵活性。
• 判断力是终极资产

当AI能给出所有答案时，最值钱的是"知道该问什么问题"以及"什么时候不信AI的答案"。这需要跨领域的模式识别——你能从法律、历史、技术、心理学多个维度，嗅出一个决策的"气味"对不对。这种判断力，来自你读过的"无用之书"、聊过的"无关之人"、试过的"失败项目"。

AI可以模拟思考，但它没有"遗憾"，也就没有"谨慎"。

为什么聪明人正在纷纷逃离社交媒体？

六、在AI时代，重新定义专家

让我们回到开头的问题：我们还需要努力学习成为"专家"吗？

答案是：需要，但专家的定义变了。

过去的专家，是"知道最多答案的人"。未来的专家，是"能提出最好问题的人"。

过去的专家，是"在单一领域挖得最深的人"。未来的专家，是"能在多个领域建立连接的人"。

过去的专家，是"能执行复杂任务的人"。未来的专家，是"能判断任务值不值得做的人"。

AI时代最危险的错觉，是以为深度可以战胜广度。但真正安全的，是那些能在广度中创造深度的人。

这不是说要放弃专精，而是说：专精不再是起点，而是终点。你先成为通才，看见领域间的缝隙或连接，然后在那个缝隙里成为专家。这个专家，AI无法复制，因为它没有你的"人生叙事"驱动它去那里。

达·芬奇的科研成果如果在当时就发表，科技可以提前半个世纪。他不是因为专精某个领域而伟大，而是因为能在多个领域之间建立前人从未见过的连接。

我们不需要成为下一个达·芬奇，但需要意识到，在一个AI能瞬间完成大部分专业任务的世界里，你的价值不再是"你会做什么"，而是"你能整合什么"。

在AI时代，最值钱的能力不是学习，而是学习如何学习。最安全的身份不是专家，而是不可定义的你自己。

在21世纪，技能不会消失，但"专业"的定义，已经被彻底改写了。

别再问“我应该学习并精通哪个领域”，开始问“我能在哪些领域之间建立独特的连接”，然后通过一个载体把它转化为自己的财富。

这才是AI时代的生存之道。