今天又感悟了。

这句话听起来像是某种日记的开头，事实上也确实是。人在深夜的时候总会想些有的没的，而今天的”有的没的”，是关于AI和人的。不是那种”AI会不会替代人类”的老生常谈——那个问题问得太懒了，懒到任何一个公众号编辑都能套出一个模板回答。今天想的东西，可能稍微深一层。也可能不深，但至少是我自己的。

一、会被替代的，和不会的

先说结论：不是所有工作都会被AI替代。更准确地说，有一类工作，AI可以做得很好，但永远无法”完全”替代。不是因为它能力不够，而是因为这类工作的意义本身，就长在人的根上。

把话说清楚一点。什么工作会被替代？编程、数学、法律——这些领域的共同特征是：它们有绝对的外部标准。编程是给定需求，按照规则开发，代码能跑就是能跑，有bug就是有bug。数学更纯粹，公理摆在那里，逻辑推演下去，对就是对，错就是错，不以任何人的主观意愿为转移。法律也是，条文写在那里，判例堆在那里，虽然律师需要技巧和经验，但归根结底，它是在一个有边界、有规则的框架里做博弈。

这些工作的核心是什么？是”解题”。需求是题面，规则是方法，交付物是答案。只要存在一个可以被明确定义的”正确解”或者”最优解”，AI迟早都能逼近甚至超越人类。这不是预测，这是已经发生的事实。AlphaGo下赢了围棋，不是因为围棋简单，恰恰因为围棋虽然无比复杂但规则完全确定——在19×19的棋盘上，落子合法与否是绝对的，胜负判定是绝对的。只要有绝对标准，AI就能用算力去碾压。

所以你去看，凡是能被还原成”在给定约束下求最优解”的工作，都站在这条线上。程序员写代码，本质上是把需求翻译成机器能执行的指令；数学家做证明，本质上是把直觉翻译成逻辑链；律师做辩护，本质上是把事实映射到法律框架里找最有利的路径。这些工作当然需要创造力、需要经验、需要直觉，但它们的终点是客观的——代码要么通过测试要么不通过，证明要么成立要么不成立，判决要么赢要么输。

AI最擅长的，恰恰就是在有明确终点的赛道上跑。

二、以人为本

但是有一类工作，它的终点不是客观的。

比如美学设计。

说个最近的例子。我这段时间让AI帮我做了不少网站相关的东西——检查清单页面、各种小工具、样式调整。说实话，它完成得很好。功能齐全，代码规范，响应式适配，交互逻辑，这些它都能搞定。但是如果你问我：”这个网站好看吗？”——它答不了。不是它不愿意答，是这个问题本身就不是一个有标准答案的问题。

具体来说，色号用什么？背景是偏暖的灰还是偏冷的灰？圆角给4px还是8px？阴影用多深？间距给多少？字体用衬线还是无衬线？字号比例怎么定？这些东西，每一个都没有对错，只有偏好。你可以告诉我”Tailwind的slate-200比gray-200偏冷一点”，但到底是冷一点好看还是暖一点好看，这取决于这个网站是给谁看的，用在什么场景，传达什么情绪。

而作为我的个人网站，它显然是按照我的看法来决定的。

这句话听着平淡，但其实是整件事的关键。我的网站，我的审美，我的感受，我的判断。AI可以给我一千个方案，但选哪一个，为什么选这一个，这个选择本身就是”我”。如果AI替我选了，那这个网站就不是我的了，是AI的。它替代的不是我的劳动，是我的意志。否则就成了AI替代人去活了。

这不是抬杠。你仔细想想，很多事情都是这样。

服务行业更是如此。餐厅服务员的价值不在于端盘子——端盘子这个动作，机器人完全可以做，甚至做得更稳更快。但服务员真正提供的价值是什么？是让客人感到被接待、被尊重、被照顾。一个微笑，一句”今天还是老样子？”，一次恰到好处的推荐——这些动作背后的核心，是人与人之间的情感连接。你把服务员换成机器，效率可能更高，成本可能更低，但客人来餐厅不是为了”高效地摄入营养”，他来餐厅是为了”被服务”的感觉。没有人的反馈，这些工作毫无意义。

教育也是。老师讲课，知识本身全在课本里，在视频里，在维基百科里。但老师真正做的，不是”传递信息”——那是书本的功能。老师做的是观察学生的表情，判断他听懂了没有，然后用不同的方式再讲一遍。是在学生沮丧的时候拍拍他的肩，是在他开小差的时候把他拉回来。这些事情，AI或许可以模拟，但模拟和真实之间的鸿沟，不是技术能填平的——因为学生知道对面是机器的时候，那个”被关注”的感觉就已经打了折扣。

心理咨询更是极端案例。咨询师说的每一句话，AI可能都能说到，甚至更准确。但来访者需要的不是”准确的话”，是”一个活着的人在听他说话”这个事实本身。你知道对面坐着一个有体温、有呼吸、有自己人生经历的人，他选择了在这个小时里全心全意听你说——这个”选择”本身就是治疗的一部分。AI没有”选择”，它只是在执行。

三、没有终点的赛道

归纳一下。那些不会被AI完全替代的工作，有一个共同特征：它的评价标准内嵌于人。

不是外部的客观标准，而是人的感受、人的判断、人的偏好、人的情感。这些标准是流动的、主观的、甚至自相矛盾的。有时候客户自己都不知道自己想要什么，只有在不断的交流、反馈、迭代中，才能逐步把”想要的”从一个模糊的轮廓变成一个清晰的方案。

你以为软件需求文档写清楚了就能做？真正做过项目的人都知道，需求文档是最不可信的东西。客户说”我要一个简洁的页面”，什么是简洁？去掉所有装饰是简洁，留白多是简洁，字号大是简洁，颜色少是简洁——每一种理解都对，每一种理解又都不完全对。只有在做了第一版给他看了之后，他说”不对，不是这个感觉”，你才知道他心里的”简洁”到底是什么。而这个”知道”，不是从文档里读出来的，是从人的反馈里长出来的。

广义来讲，大部分工业软件开发，甚至大部分商业活动，本质上都是这种”以人为本”的循环。你以为你在写代码、做设计、搞产品，其实你在做的事情是——反复地理解人。理解客户想要什么，理解用户习惯什么，理解老板在意什么，理解同事能配合到什么程度。技术只是最后落实的手段，真正的核心工作在前面的”理解”和后面的”对齐”上。

而”理解人”这件事，AI做不到。不是技术不够，是本质做不到。因为AI不是人。它可以分析人的行为数据，可以预测人的偏好，可以模仿人的语言，但它没有人的经验。它不知道”饿”是什么感觉，不知道”想家”是什么感觉，不知道”看到好看的配色心里舒服”是什么感觉。它可以告诉你”根据数据，暖色调更容易让人产生亲切感”，但它不知道”亲切感”本身是什么。

所以你去看，真正有壁垒的工作，从来不是技术难度最高的工作，而是离人最近的工作。

四、唯生产力论

说到这里，要插一段更大的思考。

我们这一代人，或者说这几代人，被灌输了一个根深蒂固的观念：发展生产力是终极目标。效率越高越好，产出越多越好，成本越低越好。GDP要涨，KPI要完成，代码行数要达标，论文篇数要够。一切都在量化，一切都在优化。

但很少有人问：然后呢？

生产力发展了，然后呢？产品做出来了，然后呢？效率提高了，然后呢？你省下来的时间，去干什么了？

如果你回答”去生产更多东西”，那就是一个死循环。生产力为了生产力，增长为了增长，就像一个人跑步是为了跑得更快，跑得更快是为了跑得更快——那跑步本身的意义是什么？

唯生产力论显然是错的。这不是我说的高级观点，这是稍微想一想就能意识到的事情。发展生产力的目的，不是生产力本身，而是人。是让人过得更好。是增加群众的幸福感、成就感、获得感。这三个词不是口号，是真真切切的东西：你感到安全，你感到被需要，你感到自己在创造价值，你感到生活有奔头。

如果AI把所有人的工作都替代了，所有人都失业了，生产力确实上去了——机器不需要休息、不需要社保、不会罢工、不会摸鱼。但然后呢？谁来消费？产品生产出来了，没有人有钱买，没有人有需求——不对，需求是有的，人还是要吃饭、要穿衣、要住房，但没有收入，需求就只是需求，不是有效需求。经济就转不动了。

这不是什么远未来的科幻场景。这是一个正在逼近的现实问题。当AI能写代码、能做设计、能写文案、能做翻译、能做法律分析、能做财务报表——当所有这些”脑力劳动”都可以被替代的时候，分配机制就必须改变。不是”要不要改变”的问题，是”不改就崩”的问题。

但这不是这篇文章要讨论的重点。这篇文章要讨论的，是更个人的问题。

五、机器与手臂

把视角拉远一点。AI替代脑力劳动，和机器替代体力劳动，本质上是同构的。

农机替代了人工耕地。联合收割机一过去，几十个农民一天的活干完了。这有没有让”农民”这个职业消失？有一部分消失了，没错。但更多的农民，从面朝黄土背朝天的劳作中解放出来了。他们不用再把腰弯成九十度去插秧，不用在烈日下一锄一锄地翻土。他们的体力不再被消耗在重复性的、机械性的动作上。

然后呢？一部分人进城了，进了工厂，进了服务业。一部分人留下来，开始经营更大规模的农业——不是自己种地，是管理机器种地。还有一部分人，把精力投入到了以前根本顾不上的事情上：改良品种、研究生壤、做农产品品牌、搞乡村旅游。

机器没有让价值消失。它只是把人从”必须用身体去做的事”里解放出来了。人不再是工具，人成了管理者、创造者、体验者。

手工作坊也是一样。在手工业时代，每一个碗、每一匹布、每一双鞋，都是人一针一线、一锤一锤做出来的。工业革命来了，机器能批量生产，又快又好又便宜。手工匠人失业了吗？一部分确实失业了。但另一部分变成了设计师——他们不再亲手做每一个产品，但他们决定了产品长什么样。他们从”执行者”变成了”决策者”。而”决策”这件事，机器做不了，因为决策的终点是人的偏好。

AI做的事情，和机器做的事情，结构是一样的。机器替代的是”手和脚”——重复性的体力劳动。AI替代的是”脑子的一部分”——重复性的脑力劳动。注意，是一部分，不是全部。就像机器没有替代人的全部体力活动一样（人还是要走路、要健身、要运动），AI也不会替代人的全部脑力活动。

被替代的，是那些”像机器一样思考”的部分。那些有固定流程、有明确标准、有标准答案的部分。写一个CRUD接口、算一道数学题、检索一个法律条文——这些事情，人的脑子在做的时候，其实就是在当机器用。AI替代了这些，就像计算器替代了人脑做乘法运算一样，不是什么值得恐慌的事情。你不会因为有了计算器就觉得自己的脑子没用了吧？

AI的出现，无非就是把人脑从”当机器用”的状态里解放出来。让人不再浪费时间在没有意义的、重复性的、枯燥性的工作上。不管这个工作是体力劳动还是脑力劳动，只要它能被流程化、被规则化、被自动化，它就不应该是人干的事。人应该干人该干的事。

你想想，计算器发明之前，有一类职业叫”计算员”——就是专门做算术的人。天文台雇人算星历表，保险公司雇人算保费，银行雇人算利息。这些人的工作就是整天做加减乘除，用纸笔，一步一步地算。计算器发明之后，这个职业消失了。但”计算”这件事没有消失——它变得更快、更准、更便宜了。以前算不动的题，现在能算了。以前做不了的模拟，现在能做了。以前需要一百个计算员算一年的弹道表，现在一台机器一秒钟搞定。那些计算员失业了吗？一部分确实转行了。但他们脑子里的数学能力没有浪费——他们从”算”变成了”想”，从执行计算变成了设计计算、理解计算、解释计算的结果。

AI对脑力劳动的替代，和这个过程一模一样。只不过替代的不再是算术，而是更复杂的脑力活动——写代码、做设计、写文章、做分析。被替代的是”执行”这一层，而”设计”和”理解”这一层，反而被放大了。

六、被解放的精力

那”人该干的事”是什么？

去尝试更高级的、更有意思的、更高层面的创作。去关注真正值得关注的问题。去体验生命和生活。

这些话听起来像鸡汤，但我说得具体一点。

以前你想做一个东西，但你不会写代码，所以你做不了。你得找程序员，花钱，等排期，沟通需求，来回扯皮，最后做出来的还可能不是你想要的。现在AI能帮你写代码了，你能自己做了一部分了。你的想法不再被”我不会编程”这个技术门槛挡住了。

以前你想做一个数据分析，但你不会用统计软件，不会写SQL，不会建模型。所以你的想法只能停在心里。现在AI能帮你做了。你的分析能力不再被”我不懂技术”这个门槛限制了。

以前你想做一个网站，你需要找设计师、找前端、找后端、找运维。现在你一个人加上AI就能把事情往前推很远。不是全部做完，但至少能把原型搭出来，把想法具象化，然后拿着具象化的东西去找专业的人做专业的事。

技术门槛降低了。曾经受限于个人能力无法实现的事业，现在变得可以实现了。本来当做桎梏一样的东西——不会编程、不会设计、不会建模——突然就变成了让你攀爬的阶梯。你不需要成为程序员才能把想法变成软件，你不需要成为设计师才能把审美变成界面，你不需要成为数据科学家才能从数据里发现洞察。

AI是你的手和脚的延伸，是你脑子的扩展。它不是你的替代者，它是你的工具。就像拖拉机不是农民的替代者，而是农民的力量的扩展。就像计算器不是数学家的替代者，而是数学家的计算能力的扩展。

工具变了，人的角色就变了。人不再需要做”执行”层面的工作，人要做的是”判断”和”选择”层面的工作。而判断和选择，恰恰是人之为人的核心。

七、什么是核心竞争力

所以你问，在这个时代，个人的核心竞争力是什么？

答案是：发现真正的问题。

不是解决问题。解决问题是AI擅长的事情——给定问题，在约束条件下求最优解，这正是AI的本职工作。真正稀缺的是”发现问题”——知道什么问题值得解决，什么需求值得满足，什么东西能真正增加人的幸福感、成就感和获得感。

这听起来很抽象，但其实很具体。

你知道用户真正需要什么吗？不是用户嘴上说的——”我要一个功能更强的app”——而是用户心里想的，甚至用户自己都没意识到的。乔布斯说过一句话：”消费者不需要知道自己想要什么。”这不是傲慢，这是洞察。消费者告诉你的是他已知的需求，但真正的创新，往往来自他还没意识到的那部分需求。而发现这部分需求，需要的不是技术能力，而是对人的理解。

你知道什么样的设计是好的吗？不是符合设计规范的设计——那AI能做——而是让人看着舒服、用着顺手、心里觉得”这就对了”的设计。这个”对了”的感觉，没有标准来衡量，但它真实存在。它来自于设计师对人性的理解，对审美的判断，对生活体验的积累。

你知道一个产品该往什么方向迭代吗？不是”加更多功能”——那是最偷懒的迭代思路——而是知道砍掉什么、保留什么、强化什么。知道用户在哪一个瞬间感到了愉悦，在哪一个步骤感到了烦躁，然后放大前者、消灭后者。这种判断，不是来自数据——数据告诉你发生了什么，但不告诉你为什么——这种判断来自于对人的共情。

核心技术能力已经不是核心竞争力了。编程能力、数学能力、分析能力，这些AI都在快速逼近甚至超越人类。你把核心竞争力建在这些上面，就像把房子建在沙滩上——不是你不够强，是地基在流失。

现在的核心竞争力，是”以人为本”的能力。是你能不能理解人的真实需求，能不能判断什么东西对人有价值，能不能在模糊的、矛盾的、不确定的需求中找到方向。是你能不能和人建立信任、能不能在沟通中捕捉到对方没说出来的话、能不能在反馈中迭代出真正好的东西。

八、小镇做题家的黄昏

这里要插一句可能不太好听的话。

我们这一代人——或者说，通过考试体系选拔出来的人——大多带着”小镇做题家”的思维惯性。什么是小镇做题家思维？就是在某个可量化的指标上超过别人，就能获得更好的回报。考试分数高，就能上更好的学校；学校更好，就能找更好的工作；代码写得好，就能拿更高的薪水；论文发得多，就能评更高的职称。

这个思维在过去几十年是有效的，因为它背后的逻辑是：评价标准是确定的，你只要在标准上做到最好就行。考试有考纲，求职有JD，晋升有条件，论文有指标。你不需要问”什么是对的”，你只需要问”怎么做才能在指标上更高”。

但AI打破了这个逻辑。

当AI能在所有可量化的指标上超越人类的时候，”在指标上突出”就不再是核心竞争力了。你做题做得再快，快不过AI；你写代码写得再好，好不过AI；你分析数据再准，准不过AI。在可量化的赛道上，人永远跑不过机器——就像人在跑步机上跑不过汽车一样。

所以”小镇做题家思维”的问题不在于它不好，而在于它选错了战场。它在一条注定会被机器碾压的赛道上，拼命地跑。越努力，越徒劳。

那正确的战场在哪里？

在”不可量化”的地方。在”没有标准答案”的地方。在”需要人的判断”的地方。在”以人为本”的地方。

不是说技术不重要——技术是基础，是入场券，没有技术你连牌桌都上不了。但技术不再是决胜的关键了。决胜的关键是你能不能在技术之上，加上对人的理解、对需求的洞察、对价值的判断。

说得再直白一点。以前你问你妈”今天吃什么”，她说”随便”。这个”随便”就是一个没有标准答案的需求。翻译成产品语言，就是用户不知道自己要什么，但他知道自己不要什么。你端上来一盘菜，他尝了一口说”不太对”——但”不对”在哪里，他也说不清楚。你只能通过不断试探、不断反馈、不断调整，慢慢逼近他要的那个东西。这个过程，就是”以人为本”的工作的核心。

以前这种过程是被技术门槛挡住的——你光是想清楚”做什么”还不够，你还得”会做”。现在”会做”这一关被AI拆掉了，你只需要想清楚”做什么”。想清楚”做什么”这个能力，恰恰是考试不考的、KPI不量的、简历上写不出来的。它是你这个人——你的全部经历、全部感受、全部判断——的总和。

换句话说，以前的竞争力模型是”T型人才”——横向是广度，纵向是技术深度。现在的竞争力模型可能更像”I型人才倒过来”——底部是技术基础，但往上是人、是需求、是价值。技术是根，但长出来的方向是向人的。

九、打开的天地

说了这么多，回到那个最初的问题：AI会不会让所有人失业？

会。也不会。

“会”是因为，如果你把自己的价值完全绑定在”我会做某个技术活”上面，那当AI能做这个活的时候，你就失业了。程序员如果只是”把需求翻译成代码的翻译机”，那他会被替代。设计师如果只是”按照规范出图的美工”，那他也会被替代。

“不会”是因为，如果你把自己的价值绑定在”我能理解人的需求并做出好的判断”上面，那AI不仅不会替代你，还会放大你的能力。你本来只能管三个人的项目，有了AI你能管十个人的项目。你本来只能做一个产品，有了AI你能同时做三个产品。你本来受限于技术能力无法实现的创意，现在可以实现了。

AI不是来抢你的饭碗的。它是来帮你端饭碗的。

这话听起来像自我安慰，但它确实是我的真实判断。AI的出现，看似加剧了社会内卷、两极分化，导致了大量的失业焦虑。但你把视线放远一点看，它实际上打开了一个广阔的天地。

曾经，你想做一件事情，第一反应是”我不会”。不会编程，不会设计，不会做视频，不会建模型，不会写法律文书，不会做财务分析。每一个”不会”都是一堵墙，把你的创造力圈在一个小小的范围里。

现在，那些墙在塌。

你不需要会编程才能做软件，不需要会设计才能做设计，不需要会拍视频才能做视频。AI帮你把这些技术门槛踩平了。你真正需要的，是知道做什么、为什么做、给谁做。而这些问题的答案，不在任何教程里，不在任何文档里，在你的脑子里，在你的经历里，在你对人的理解里。

举一个最朴素的例子。你开了一家面馆。以前你既要会擀面、又要会熬汤、又要会算账、又要会招呼客人。现在假设有机器帮你擀面、有AI帮你算账——你就被解放出来了。那被解放出来的精力干什么？去研究汤。去和客人聊天，问他们喜欢什么口味。去观察隔壁面馆的菜单，想想自己有什么不一样。去想”我这个面馆到底要做成什么样”——是做街坊生意，做人气？还是做品质，做口碑？还是做特色，做品牌？这些问题，机器帮不了你想。但这些问题，恰恰是决定你这个面馆能不能活下去、活得好不好的根本问题。

面馆如此。软件公司如此。研究机构如此。所有行业都如此。技术能力是入场券，但决定你能走多远的，从来不是技术本身。

那些曾经是桎梏的东西——技术门槛、能力短板、资源限制——突然就变成了阶梯。你踩着它们往上走，去看以前看不到的风景。

这难道不是一件好事吗？

十、谁来定义”好”

最后说一个更深层的点。

前面说”以人为本”的工作不会被替代，但这里有一个问题：谁是人？以什么人为本？

这个问题不是抬杠。做产品的时候，你以用户为本——但用户是千千万万个不同的人，他们的偏好互相矛盾。以客户为本——但客户有时候不知道自己要什么。以自己为本——但你的偏好不代表市场。

这个问题的答案，可能才是真正的核心竞争力所在。不是”以人为本”这四个字——这谁都会说——而是在具体场景中，知道以哪个人为本、怎么平衡不同人的需求、什么时候坚持自己的判断什么时候妥协。这种能力，来自经验、来自阅历、来自对世界的理解，不是AI能从数据里学到的。

因为它没有标准答案。

没有标准答案的东西，AI就无能为力。AI是解题的高手，但出题——知道什么题值得出、什么题有意义——是人的事。

再多想一步。”以人为本”这句话，还隐含着一层更深的含义。不是”以人为工具”——把人当成实现目标的手段。而是”以人为目的”——一切发展、一切技术、一切效率的提升，最终的指向都是人本身。是让人活得更像一个人，而不是更像一台机器。

工业化时代，人被异化成了机器的零件。流水线上的工人，日复一日地拧同一个螺丝，他的手在动，但他的脑子是空的。他的劳动不属于他，他的时间不属于他，他只是系统中的一个节点。马克思管这个叫”异化”，这个词冷冰冰的，但它描述的体验是真切的——你明明在做事，但你感觉自己不像一个人，你感觉自己是工具。

AI时代也有这个风险。如果人变成了AI的”审核员”——AI生成内容，人只负责打勾确认——那人的角色就从”创造者”退化成了”校验器”。和流水线工人没有本质区别，只不过从体力校验变成了脑力校验。这不是解放，这是另一种形式的异化。

真正的解放是什么？是人从”执行者”变成”决策者”，从”答题者”变成”出题者”。不是AI干活你审核，而是你想清楚要做什么，AI帮你把它做出来。主意是你的，判断是你的，方向是你的，AI只是你的手脚。这个关系里，人是目的，AI是手段。反过来，就是异化。

所以最终，AI不是人的终点，而是人的起点。它替你解决了”怎么做”的问题，让你可以专注于”做什么”和”为什么做”。它替你扛起了执行的重量，让你可以站在更高的地方去看方向。

这不是人类时代的终结。这是人类真正开始思考”什么值得做”的时代的开始。以前我们太忙了，忙着解题，忙着赶工，忙着在指标上跑赢别人，没空想这个问题。现在机器帮我们把题解了，我们终于可以抬起头来，看看天，想想——这一切到底是为了什么。

想想什么东西能真正让人感到幸福。感到充实。感到活着是有意义的。

然后去做那个东西。

豁然开朗。

---

今天感悟至此。深夜记。

无题

千机算尽万重关， 不解人间一念欢。 律令纵横皆有解， 丹青浓淡本无端。 桎梏昔年缚手足， 今朝化梯上云端。 莫叹前路无归处， 豁然天地一心宽。