普通人對AI認知的幾個誤區

（圖/《人工智能）

1936年，查理·卓別林在經典影片《摩登時代》中扮演的那個被卷入巨大齒輪的工人，成為了工業文明早期最深刻的隱喻。機器轟鳴，人被異化成流水線上一個機械的零件，為了跟上機器的節奏而疲于奔命。

近一個世紀后的今天，當人工智能以驚人的速度迭代，一種相似的焦慮感再次彌漫在社會上空。只不過，這一次被卷入齒輪的，似乎不再是肉體，而是我們的頭腦與認知。

從科幻作家阿西莫夫筆下的「機器人三定律」，到凱文·凱利對「奇點」的預言，人類對于技術替代自身的恐懼從未停止。

社交媒體上充斥著「AI將取代部分工作崗位」的預言，人們一邊被失業的焦慮所填滿，一邊對技術工具盲目地追逐：花費大量的時間去學習提示詞技巧、囤積各類新潮的AI工具，仿佛只有掌握這些，才能在未來的職場競爭中占據一絲先機。

在這樣喧囂的輿論場中，一種焦慮與狂熱并存的心態在集體中蔓延。然而，當我們回歸技術演進的歷史規律，以及勞動力市場的現實邏輯，就會發現：我們也許高估了單純追逐工具的價值，誤判了技術對勞動時間的改造，也錯看了AI沖擊的真實人群。

|01 技術「追新」未必有用

當下社會彌漫著一種「AI必須會」的緊迫感。各類教程鼓吹「每天一小時掌握AI辦公」，職場培訓課程將「精通提示詞」列為標配。然而，這種對工具本身的過度關注，往往掩蓋了一個基本前提：技術存在的意義，是服務于具體問題的解決，而不是反過來讓人去適配技術。

歷史的經驗表明，真正具有跨時代意義的技術革新，從來不是靠少數人「搶先掌握」而普及的，而是通過降低使用門檻，讓大多數人不需要深究原理就可以從中受益。電力如此、互聯網如此、智能手機也是如此。

正如計算機科學家艾倫·凱（Alan Kay）所言：「真正深刻的科技，最終會變得看不見?！巩斠豁椉夹g需要用戶花費大量時間去學習其復雜操作邏輯，恰恰說明了它尚未成熟到足以無縫融入日常。

現實中，很多「為了用AI而用AI」的行為，不過是給舊范式套上一個新外殼。本來可以幾句話解釋清楚的數據分析，非得強行加上動態可視化；本來十個字可以說清楚賣點的文案，非得用AI潤色成幾十個字。

這些操作或許能讓結果「看起來更炫」，但并沒有提升實質性的價值。

效率是把事情做對，效能是做對的事情?！说谩さ卖斂?/blockquote>

在注意力尤為稀缺的時代，個體不應該把精力耗費在無休止的工具迭代上，而應該回歸到自身要解決的核心問題：你手里的錘子再先進，也得先確認墻上有沒有釘子。

況且，AI技術遵循著超指數迭代規律。根據METR研究所等機構的追蹤數據，大模型的核心能力翻倍周期已壓縮到了幾個月，應用層工具更是按月甚至按周更新。

這個月熟練掌握的操作技巧，下月就可能被新功能覆蓋；你摸索出來的使用范式，很快會被更便捷的交互所替代。因此，對于普通人而言，投入大量時間去鉆研短期有效的操作細節，性價比極低。

|02 「效率提升」不等于「負擔減輕」

關于AI的未來，最樂觀的敘事莫過于：它將把人類從繁重的勞動中解放出來，讓我們每周只需要工作4天，甚至更短。這種期待無疑是對技術史的一種浪漫化解讀，仿佛每一次生產力的飛躍，都會自動轉化為勞動者的福祉。

回顧歷次工業革命，技術的突破確實極大地提高了生產效率，但并未直接帶來普通勞動者工作時長的顯著減少。

在農耕時代，受自然規律影響，人們日出而作、日落而息。然而，隨著蒸汽機和電力的引入，工廠機器一旦啟動便可以晝夜運轉，于是「白班」和「夜班」應運而生，工作時間反而被拉長。

經濟學家羅伯特·戈登（Robert J. Gordon）在《美國增長的起落》中指出，19世紀末至20世紀初，盡管生產率大幅提升，但普通工人的實際工作時長并沒有因此明顯減少，直到后來工會運動和立法干預，工時才逐步得到改善。

技術的進步，往往被資本轉化為對更高產出的追求，而不是對勞動者閑暇時間的讓渡。

當前的AI浪潮似乎正在重新上演這一歷史邏輯。生成式AI的出現，理論上可以大幅降低內容生產、代碼編寫、數據分析等工作的門檻和時間成本。但在實際的職場中，這種效率的提升并沒有讓員工更輕松，反而導致了工作邊界的無限制擴張。

比如做一張海報，過去需要市場和設計兩個部門協同完成，現在好了，直接讓市場自己去用AI生成。原本一周才能做出來的數據分析報告，現在可能被要求實時生成。資本逐利的本性決定了，當效率提升時，預期的產出量也會同步甚至超比例增加。

正如馬克思在《資本論》中分析的那樣，技術進步在資本主義體系下，首要功能是「相對剩余價值」的榨?。杭赐ㄟ^縮短必要勞動時間，延長剩余勞動時間。AI并不會改變這一機制，只會將其推向新的高度。因此，幻想技術自動帶來「輕松的生活」，無異于期待狼群主動為羊群留出生路。

認清這一現實，或許比盲目樂觀更能幫助普通人調整心態，做好長期應對高強度競爭的準備。

|03 被AI沖擊的高學歷年輕人

在AI沖擊的版圖中，受影響最深的群體可能并不是傳統意義上的低端體力勞動者，而是那些擁有光鮮學歷、剛剛邁入職場的年輕人，尤其是來自985/211重點高校的畢業生。

這一現象的背后，是人才培養邏輯與市場需求之間的錯位。長期以來，高學歷人才的優勢在于扎實的理論基礎和較強的學習能力。然而，大多數初級知識型崗位的核心價值，并不是創造力，而是執行力和信息處理能力，而這恰恰是當前AI最擅長的領域。

文案撰寫、基礎數據分析、市場調研、會議紀要整理……這些工作雖然需要一定的專業訓練，但流程標準化程度極高，評判標準明確，很容易被大模型模仿。

除此之外，AI不需要情緒家孩子、不會跳槽、不需要社保，還能7×24小時響應。對企業而言，在經濟下行期，用AI+實習生組合替正職，成本極具誘惑力。

這就導致了一個尷尬的局面：企業對于「可被標準化、流程化」的基礎執行崗位的需求正在急劇萎縮。

很多大型企業開始傾向于用AI+實習生組合替正職。因為按照SOP，這些工作并沒有太高的壁壘，幾個月輪換一批人一樣可以維持運轉。雖然資深員工和新手（或者AI）在解決復雜、非標問題時仍有質的差距，但社保繳納、裁員賠償、管理精力，這些都是招正職的隱性成本，但AI或短期實習生則規避了這一切。

當下對于年輕人而言，學歷和努力，不足以構建核心競爭力。知識獲取和基礎技能生成的門檻已經被AI踏平了，單純的信息儲備和重復性腦力勞動在迅速貶值。

企業不再愿意為「潛力」支付高昂的薪酬溢價，他們更需要的是能夠立刻解決復雜問題、具備洞察力的成熟型人才。這對于缺乏經驗積累的年輕人來說，無疑是一道正在收窄的窄門。

|04 AI時代普通人的自處方式

面對洶涌而來的技術浪潮，普通人自處的方式其實并不復雜。

首先，不必過度焦慮。歷史證明，任何具有跨時代意義的技術革新，最終都會適應大多數人的使用習慣，而不是強迫所有人成為技術專家。作為普通人，真的無需追逐每一個風口，也不必苛求自己成為提示詞大師。技術的終局一定是隱形的存在，是像電力一樣成為基礎設施，而不是時時刻刻掛在嘴邊的談資。

其次，保持平常心，認清工作的本質。技術革新不會自動帶來烏托邦式的輕松，勞動的形態會變，但勞動的強度與壓力可能在很長一段時間內依然存在。接受這一現實，調整心理預期，在變化中尋找確定性。

最后，也是最重要的一點，警惕自身的「工具化」。在AI時代，努力、博學、記憶力好，這些曾經被推崇的品質，正在成為機器的標配。人之所以為人，核心價值在于那些機器難以模擬的特質：獨特的審美判斷、對他人的同理心、在模糊情境下的道德抉擇、以及對業務方向的主動思考與戰略洞察。

未來的競爭力，不在于你比AI算得更快、記得更多，而在于你能否提出正確的問題，能否在冰冷的數據中看到溫度，能否在效率至上的邏輯中堅守人的價值。

畢竟，機器可以生成千萬種答案，但只有人類，才能定義問題的意義。

商務合作、稿件邀約、媒體專訪等事宜可直接掃碼添加「劉知趣」（賬號原名稱：知趣同學）的微信，一起「交個朋友」。

互聯網行業 當代青年 中產家庭