時代的大屏，應該給這些普通人

這兩天在外面出差，匆匆忙忙從一個機場飛到另一個機場，耳邊全是機場廣播的機械聲，肚子里填滿了乏味的飛機餐。

好不容易結束工作，我正琢磨著要去哪犒勞五臟六腑，突然一抬眼，看到機場里那個平時總放著奢侈品包包或昂貴手表的大屏上，出現了一些意想不到的面龐。

乍一看，這些人并不起眼。

大多穿著基礎的工作服，留著不出格的發型，表情或笑或嚴肅。

他們有些是在格子間里埋頭敲打碼的程序員，有些是在高危行業一線巡檢的工程師，有些是天天和數據打交道的測算師。

這些人不是什么CEO，更不是大明星，就是在大集團里打工的小小螺絲釘，怎么突然就登上機場大屏了呢？

做了什么好人好事？還是發明了什么新專利？

我湊過去仔細研究，才發現這些都是“2025 飛書 AI 效率先鋒”。

原來飛書干了一件不太尋常的事。

他們包下了機場最貴、人流量最大的廣告位，不賣產品，不打品牌，專門用來曬一群素人。

這些素人都是“2025AI效率先鋒大賽”的參賽者與獲獎者。

他們被看見，不是因為他們改變了世界，而是因為他們用AI悄悄改變了自己的一方天地。

時代的大屏，不該只屬于奢侈品，它理應屬于這些認真生活、認真工作的普通人。

這些人中，有一個人格外讓我好奇。

陳工，來自吉利汽車研究院，是尺寸匹配驗證崗的一線工程師。

提到這個崗位，恐怕很多人根本沒聽說過。他們要負責監控整車及外觀的尺寸，確保車輛的精致感、顏值及安全性能都能扛得住。

用陳工的話說：“把車輛當做模特，想象成給一位模特去量身定制一套高級西裝，就是我的主要工作。”

背后的邏輯是，從圖紙到實車，制造過程中的微小差距很可能影響最終品質。比如車輛軸距，如果因零件公差累積超出設計范圍，就可能影響碰撞安全等核心指標。

這是一道長期性的行業難題。

一是，成本高。早年間，車企要花上千萬去買專業測量機器，后來雖然有了百萬級別的掃描裝備，以及幾十萬的手持設備，但成本依舊高居不下。

二是，效率低。單次測量就得45分鐘，步驟繁瑣，流程冗長，還是手動錄入，容易出錯。

三是，傳承難。很多環節相當依賴老師傅的個人經驗，培養新人周期也長。

改變的念頭在陳工心里盤旋了很久，但沒有合適的系統工具讓改變步履維艱。

轉機出現在公司推行的數字化嘗試。當他們開始接觸飛書這類協同工具時，陳工發現，曾經遙不可及的自動化理念突然有了落地的可能。

他和團隊埋頭鉆研，利用其中的多維表格和自動化功能，僅僅三周就搭建好了一個系統雛形。他們做的，是在AI的輔助下，將老師傅的經驗轉化為可復用的數字模型，把測量流程優化為“AI計算、人工確認”的新模式。

如今，這套系統將單次測量從45分鐘降至約20分鐘，效率提升超100%。經測試數據識別準確率99.7%以上。

可是，想要在傳統行業里更新流程很難。很多老師傅都有自己的方法論，突然讓他們來適應一種全新的測量流程，難免各有各的擔心。

年輕的工程師用了一個特別可愛的方式，把這些模型分別用老師傅們的名字來命名：“老張模型”、“老李模型”......“好像月球上某一個環形山的名字，讓老師傅有自豪感。”

真要說，這名字名副其實。

沒有老師傅們的經驗總結，這模式也沒辦法那么快就落地執行，正確率還這么高。

我覺得這個故事特別動人，不僅僅是因為成果漂亮、效率驚人，更因為它展現了AI在傳統制造行業中“潤物細無聲”的滲透力。

它不再是高高在上的黑科技，而是長在真實需求里的工具。

陳工沒有顛覆什么，他只是優化了流程。

他也沒有取代誰，而是讓老師傅的經驗被更好地留存和使用。

這種“人機協作”的智慧，讓AI真正走進了制造業的核心環節：不是替代人，而是讓人做得更好。

當AI專家們在制造業一線發光發熱的同時，危險的化工業也正在挖掘它的用法。

這次決賽直播環節中，我還看到一個故事。

山西呂梁的孝義市，鵬飛集團的儀表設備巡檢員尚煬艦曾經每天都要以身赴險。

“我們廠整個就是易燃易爆、有毒有害的高危場所。”他的工作職責之一，就是要對重大危險區的氣體濃度等參與進行巡邏和檢測，保證企業設備的正常運行，避免災難性后果。

這項工作至關重要，但傳統巡檢方案滿是弊端。

因為有些工作區域是禁止攜帶電子設備的，但萬一發生故障，卻需要拿上設備再去排查，一來一回很耽誤時間，不僅效率低下，還有很大的安全隱患。

過去這些年，苦于特殊的工作環境，始終沒有找到很好的解決方案。

巡檢員只得一次一次地來回往返，名副其實地“拿命換錢”。

尚煬艦以前是干電工的，后來在互聯網上接觸到了自動化程序，很感興趣，就開始自學。自學半年后，恰巧當時的工廠需要改造設備，他自告奮勇，一個人搞定了整套流程。

后來到鵬飛集團工作，他一直在思考有沒有什么辦法能夠讓巡檢工作更安全，也更高效。

他琢磨過不少方案，最終，團隊選擇基于飛書平臺進行開發，因為它能很好地整合他們需要的功能。他和同事們搭建了一個集數據采集、故障診斷、報警處理于一體的智能化AI監測系統，能夠自動報警，精準定位，并且提供分析和診斷。

“在以前我們記錄是需要紙質版人工錄入，信息滯后，現在的話就通過 AI 可以去自動分析，定期推送，提升我們的工作效率。”

萬一有問題出現，AI也能夠精準定位、自動分析、自動診斷，告訴他們是哪個模板的問題、是什么問題、怎樣進行處理更安全。

工作流程絲滑多了。

以前他們巡檢廠區要4個人，各花2小時，相當于8個工時，每次都提心吊膽。現在卻只需要1分鐘，還能實現24小時不間斷檢測。

更有價值的是，這套系統還有望在行業內進行推廣。“這是一個真正可以橫向復制的方案，不僅在化工行業，在其他制造業也能看到它的巨大潛力。”

如果真的能夠在高危行業廣泛推廣這套檢測系統，那么高危工作也就變得沒那么高危了，讓守護生產安全的人們也有了真正的“守護神”。

這不才是AI被研發出來的初衷？讓它們去接管那些重復的、危險的、運算量巨大的繁瑣工作，而讓人們得以把時間省下來，去創新，去拓展更多未知的邊界。

在今年的LlamaCon大會上，扎克伯格展示過一套未來工作的新流程。簡單來說，是由一位人類工程師主導，配合多個AI工具完成代碼拆解、測試與提交，最后由人來做質量驗收。

過去需要一個團隊完成的事，現在只需要一個能把握全局的人。他的工作不再是寫代碼、輸內容，也不是從零創作，而是為AI設計任務鏈，讓不同模型協同工作，最后親自把關。

換個角度看，在AI的輔助下，一個人可以成為一個團隊。

面對這樣的變化，很多人悲觀地認為，不僅面向人類的工作崗位會變少，連我們過去賴以生存的知識、技能，也可能失去用武之地。

我也常常聽到類似的聲音，覺得AI馬上就要搶走人類的工作了。

實際上，確實有很多公司，在嘗到了AI的甜頭后，開始“降本增效”。

但我一直對這種說法保持懷疑。

因為現實中，很多普通人并沒有被AI嚇退，反而把它用成了解題的鑰匙。

在飛書聯合400多家企業舉辦的600場效率先鋒大賽中，近5萬效率先鋒在擁抱AI帶來的變化，在不同崗位上堅守著自己的職責。

在永卓控股，高爐工長們交接班時間從半小時縮短到5分鐘；

在極兔速遞，視頻制作成本降低26%，分鏡制作效率提升72倍。

在渝歐跨境，運營們的一天從被動化為了主動。

這些效率先鋒，都在自己熟悉的領域中，用AI解決了具體問題。有人降低了高危作業的風險，有人提升了檢測的效率，有人把“人找信息”變成了“信息找人”。

這些看似微小的改變，才剛剛開始，就已經在行業里掀起了波瀾。

看到了這些實實在在的貢獻，飛書不僅給了大屏的面子，還給了“AI年終獎”的里子，送會員，送算力，送獎金。對打工人來說，這才是最實在的賦能。

而比獎金更打動我的，是這件事傳遞出的信號：真正的變革，往往是自下而上生長出來的。

它可能始于車間里一位老師傅的經驗被數字化，也可能來自門店里一位員工想省去重復檢查的靈光一現。因為他們，才是離問題最近，也最懂如何解決問題的人。

更重要的是，只要你能解決一個具體問題，你就值得被看見。

還是那句話，時代的大屏，理應屬于每一個認真生活的普通人。

更何況，這些普通人正在做不普通的事，并且重新定義新時代的價值觀。

過去人們崇拜那些身家幾個億的CEO、崇拜金字塔頂的少數人，現在我們更致敬那些在具體崗位上，用AI解決一個具體難題的普通人。

因為他們真正把AI用到了實處，不是簡單地用它取代人力，而是讓每個人都能更好地、更安全地發揮自己的價值，用技術解決真實世界的問題。

這些故事，或許能在一定程度上緩解我們對AI時代的焦慮。

縱觀人類發展的歷史，幾乎每一輪技術革命都會引發人類崗位的變化。

舊的崗位不斷消失，同時也有新的工作相繼涌現。于是，單純的勞動力被篩選出去，擁有更多技能的人才被選了出來。

而這一次AI變革的出現，之所以讓很多人恐慌，是因為很多人認為不會有新工作出現了，因為AI都已經把這些工作做掉了。

但現在我可以大膽說，并非如此。

新的崗位、新的工作依舊會出現，只是和我們想象中略有差異。未來，這些崗位會篩選出那些更擅長使用AI、更能夠靈活運用AI的人。

很有可能，未來的AI就像現在的電腦一樣，會成為工作中必不可少的硬件設備。就像Sam Altman說的那樣：“我們正朝著一個‘智能像空氣一樣便宜’的時代邁進。”

而當人們得以從重復、繁瑣甚至危險的工作中釋放出來的時候，我們或許才能夠更專注于那些真正需要判斷、創造與關懷的事情。

歸根結底，技術的最終目的，不是取代人，是讓人更專注地成為“人”。