AI 時代，普通人應該怎麼活？

一九五四年，海德格爾在一篇名為《技術的追問》的演講裡，提出了一個令大多數人意想不到的論斷：「技術的本質，與技術無關」。他的意思是，技術不只是工具，不只是達成目的的手段；技術是一種讓世界以特定方式向我們顯現的力量。每一次技術範式的躍遷，改變的不只是我們能做什麼，而是我們如何看待這個世界，以及我們如何理解自身。

七十年後，當大語言模型（LLM）真正到來，海德格爾的這個追問變得比任何時候都更加緊迫。手機裡的 AI 助手幫你起草郵件，AI 畫圖工具讓設計門檻消失，AI 編程助手讓非程序員也能寫出可運行的代碼——這一切發生的速度，遠比大多數人預想的快。

而伴隨著這個速度一起湧來的，是一種瀰漫在空氣裡的焦慮。深度學習之父的圖靈獎得主傑弗里·辛頓在從谷歌辭職後公開表示，他後悔了自己一生的工作，因為他開始相信 AI 可能對人類構成生存性威脅。埃隆·馬斯克說，AI 是人類有史以來發明的最危險的技術。斯蒂芬·霍金在去世前警告，強人工智能的出現，可能是人類文明史上最好的事，也可能是最後一件事。

但我們絕大多數人，不是辛頓，不是馬斯克，也不是霍金。我們沒有能力去決定 AI 的走向，沒有資格去左右這場技術變革的邊界，甚至沒有足夠的信息去判斷那些最聰明的人究竟誰說得對。我們只是普通人——有自己的普通工作要做，有自己的普通家庭要養，有自己的普通生活要過。

AI 會不會毀滅人類、會不會替代所有工作——這些宏大的擔憂不是今天的你需要首先回答的問題。你真正需要回答的，是一個更小、也更具體的問題：在這個已經到來的 AI 時代，我這個具體的人，應該怎麼活？

作為一個普通人，這些是我過去一年思考最多的問題。這篇文章不打算教你用哪個工具，也不打算給你一份效率清單。它只是想把我的所思所想和你分享：在 AI 真正到來的這個時代，我們應該成為什麼樣的人，又應該以什麼樣的姿態，與這個新的存在共處。

1. AI 槓桿放大一切，包括差距

歷史上每一次重大的技術變革，都沒有消除人與人之間的差距，反而在短期內把這個差距拉得更大。印刷術的出現，讓會讀書的人比不會讀書的人擁有了指數級的信息優勢；電力與工業機械的普及，讓懂得駕馭新生產工具的人迅速積累財富，而跟不上節奏的人則被時代甩在身後。蒸汽機解放了體力，但那些最先掌握蒸汽機的人，並不是原本最辛苦的工人。

AI 的邏輯與此完全一致。AI 對高技能知識工作者的增益，遠遠大於它對低技能重複性工作的替代。一個律師借助 AI 可以在一天內完成原來需要一週的文件分析；一個研究員借助 AI 可以同時追蹤原來五個人才能覆蓋的信息量。

MIT 教授、《第二次機器革命》作者 Erik Brynjolfsson 指出：數字技術與 AI 極大地獎勵了那些擁有高級認知技能的人，不僅拉大了差距，還正在催生贏家通吃（Winner-Take-All）的極化市場。

OpenAI CEO Sam Altman 也曾直言："AI will be the greatest force for economic empowerment... but it will also accelerate the trend of inequality."（AI 將成為我們見過的最偉大的經濟賦能力量……但它也必將加速不平等的趨勢。）

忘掉貧窮與富有、白領與藍領的區分吧。未來的世界只有兩種人：加了 AI 槓桿的人，和沒有 AI 槓桿的人。

AI 不是均衡器，它是乘數。你把什麼帶進去，它就放大什麼。馬克思說生產資料決定生產關係；在 AI 時代，認知能力本身就是最重要的生產資料。擁有優質認知框架的人，等於在這個時代擁有了最好的生產工具。

承認差距會拉大，不是在製造焦慮，而是在幫普通人看清楚一件事：現在入場，比任何時候都更重要。AI 工具正在以極快的速度滲透到幾乎所有的知識工作領域。你選擇現在認真學習如何與 AI 協作，還是選擇等一等再說——這個決定本身，就已經在拉開差距了。

2. 用 AI 擴大優勢，而不是補齊短板

入場之後，很多人犯了同一個錯誤：用 AI 去追趕自己不擅長的領域。他們看到 AI 能幫人寫代碼，於是努力學習如何用 AI 輔助編程，儘管他們對技術毫無感覺；他們看到 AI 能幫人做數據分析，於是試圖用 AI 彌補自己在數量方面的弱項。

這是普通人在 AI 時代最普遍、也最昂貴的誤區。

在過去，為了在社會生存，我們往往不得不花大量精力去「補齊短板」，因為外包的成本太高。但 AI 徹底改變了這一經濟學前提。

職業運動員從來不會把寶貴的訓練時間用來練自己的弱項——他們把非核心工作外包給團隊，把所有資源毫無保留地押注在核心競爭力上。在 AI 時代，你應該像經營一家頂尖企業一樣經營自己：把基礎代碼、數據處理、文案潤色等你不擅長、不感興趣的邊緣業務全部外包給 AI 這個廉價而全能的超級助理，然後把節省下來的精力和時間，100% 押注在你的絕對優勢上。

為什麼要這麼做？因為在 AI 槓桿的加持下，平庸的多面手（Generalist）將迅速貶值，而極致的單點突破會獲得前所未有的溢價。一個在某個垂直領域擁有 10 倍深度認知的人，加上 AI 輔助補齊工具短板，可以輕易擊潰幾十個各方面都及格的普通人。

你的優勢究竟是什麼？它通常不只是一項容易標準化的職業技能，而是你對某個行業多年積累的深刻洞察、獨特人生經歷賦予你的敏銳判斷力、特定圈子裡長期建立的信任與人脈，甚至是你獨特的品味。這些壁壘，是任何先進的大模型都無法通過爬取數據來複製的。

你的弱項可以盡情外包給機器，但你的核心優勢，只有你自己能深耕。

但深耕優勢有一個前提，比工具更重要：保護你的注意力。

赫伯特·西蒙在上世紀七十年代就洞察到一條鐵律：信息的豐富必然導致注意力的貧乏（A wealth of information creates a poverty of attention）。半個世紀後的今天，這個判斷的分量已經遠超他自己當年的時代背景。

AI 時代的信息不只是豐富，而是接近無限——每天湧現的 AI 生成內容、算法推送的個性化信息流、無數工具產生的通知與提醒，構成了一場永無止境的注意力爭奪戰。每個人每天能夠深度思考的時間是固定的、有限的。AI 在幫你處理低價值事務的同時，也在用無窮無盡的內容轟炸你。如何分配你的注意力，決定了 AI 究竟是你的工具，還是你的噪音。

一個人在自己的優勢領域能走多深，不只取決於他用了多好的工具，更取決於他能為這個領域守住多少不被打斷的專注時間。深耕，需要主動屏蔽；專注，需要有意識地做出選擇。

3. 獲取不對稱的認知紅利

在輸入端，AI 徹底改變了普通人獲取信息和知識的方式。這種改變不僅體現在速度上，更體現在打破了堅固的文明屏障。

一方面，是前所未有的速度和效率。在過去，要掌握一個新領域的脈絡，你需要耗費數週時間去閱讀大量重複、冗雜的資料，並在繁雜的信息中艱難地提煉主線。而現在，AI 能夠在幾分鐘內為你閱讀並整理海量信息，更重要的是，它可以根據你的既有認知水平量身定制這份信息。它不再是死板的搜索引擎，而是你的專屬研究助理，幫你迅速穿透信息的表層，直達核心骨架。

另一方面，也是更深層的一面，是大語言模型第一次讓打破語言的屏障變得廉價。

語言不只是溝通的工具，它是思維的載體，也是文明的邊界。你能讀什麼語言，你就生活在哪個信息宇宙裡。儘管中文是我們的母語，但全球最前沿的學術、產業和地緣政治分析，絕大多數仍以英文為載體。此外，像日語的工程文獻、德語的社會學資料等，在中文互聯網上也近乎隱形。

過去，外語能力是獲取一手知識的壁壘；不懂外語，你觸達的永遠是被翻譯和篩選過的二手信息，承受著不可避免的信息損耗與視角過濾。

大語言模型第一次讓打破這個壁壘變得廉價。你現在可以把一篇日文研報直接粘貼給 AI，讓它不只翻譯文字，更幫你理解其中的行業背景、術語含義、隱含假設。這不再是蹩腳的機器翻譯，而是真正意義上的跨語言理解。

進入另一種語言，就是進入另一種看世界的方式。語言之間的差異，折射的是文明之間對世界的不同理解。AI 擴展了你的語言邊界，也就在真正的意義上擴展了你的世界邊界。

這是這個時代普通人最容易忽視的紅利之一。信息套利的機會從來不在於速度，而在於觸達別人看不到的地方。

4. 請你把話說清楚

語言不只是閱讀的工具，它也是你與 AI 交互的唯一界面。大語言模型能給你什麼，完全取決於你能向它表達什麼。這引出了一個被嚴重低估的競爭力：把話說清楚。

很多人用 AI 的效果平平，不是因為模型不夠好，而是因為他們自己都不清楚自己想要什麼。他們給 AI 一個模糊的指令，得到一個模糊的結果，然後抱怨 AI 不夠智能。但問題往往出在提問的人身上，而不是被提問的系統。

維特根斯坦說，我的語言的邊界，就是我的世界的邊界（Die Grenzen meiner Sprache bedeuten die Grenzen meiner Welt）。你能用語言精確描述的問題，說明你真正理解這個問題。反過來，如果你無法清晰地描述你的需求，大概率意味著你自己的思路還沒有理清。

帕斯卡說，如果我有更多時間，我會寫一封更短的信。精確，需要深刻的理解；簡潔，需要徹底的思考。把話說清楚的前提，是對自己和對問題的深度反思——你的目標是什麼？你的約束條件是什麼？你真正在意的是結果還是過程？什麼是可以妥協的，什麼是絕對不能退讓的？

這些問題，沒有任何 AI 能替你回答。它們只能由你自己，通過持續的自我審視，慢慢釐清。

這也是為什麼寫作在 AI 時代變得更重要，而不是更不重要。寫作不只是輸出，它是思維的顯影劑。當你試圖把一個模糊的想法寫清楚，你就是在逼迫自己真正地去思考它。那些能寫清楚的人，往往也是那些能想清楚的人；而能想清楚的人，才能最大程度地發揮 AI 的價值。

把清晰表達當作一種刻意練習——可能是普通人在 AI 時代最有性價比的練習。

5. AI 是第二大腦，不是第一大腦

清晰表達建立在主動思考之上，這讓我想到一個更根本的原則：永遠把自己留在回路裡。

人工智能安全領域有個專業術語叫 Human in the loop（HITL），意思是在 AI 的決策流程中保留人類的參與和監督。但我想把這個概念借用到更日常的語境裡：在你使用 AI 的每一個環節，保持自己的主動介入。

完全的自動化是一個陷阱。GPS 導航讓許多人失去了基本的空間感知能力，他們脫離了導航就完全找不到方向；計算器的普及讓一代人失去了心算的本能。這些都是局部的、相對溫和的能力退化。但如果你把思考本身也外包給 AI，你所萎縮的就是你最根本的能力。

讓 AI 替你思考，是一種新形式的不成熟。正確的姿勢是：用 AI 擴展你的信息觸達邊界，用 AI 做初步的歸納和整理，用 AI 測試你的想法是否有明顯的漏洞——但核心判斷、價值排序、最終的決策，必須由自己來完成。AI 是你決策鏈條上最好的助手，但它不能是決策者本身。

與此同時，AI 可以成為你極好的第二大腦，但它替代不了你的第一大腦。知識管理領域有個經典概念：把筆記、想法、素材系統化整理，形成一個可以隨時調用的外部知識庫。AI 讓這個概念徹底升級——你可以把大量材料餵給它，讓它幫你關聯、分類、提煉，甚至生成初稿。

但這裡有一個微妙的陷阱：把東西存進去或者讓 AI 處理是很容易的，真正內化進自己大腦是另一回事。記筆記不等於理解，讓 AI 總結不等於消化。那個需要通過大量閱讀、反覆思考、不斷推敲才能形成的內在認知框架，沒有捷徑可以繞過。

這個框架越紮實，你就越能從 AI 給你的碎片裡提煉出真正有價值的洞見；這個框架越薄弱，AI 給你的只會是更多讓你無所適從的信息噪音。

在 AI 時代，搭建自己的知識框架比任何時候都更重要，恰恰是因為外部信息比任何時候都更氾濫。

6. 大模型只是一場文字遊戲

大語言模型的本質，是一個基於概率的文字預測系統。給定一段上下文，它預測最合適的下一個詞，然後是再下一個詞，如此循環往復，構成了你看到的流暢回應。它可以模擬共情，可以生成聽起來充滿溫度的文字，但它不擁有情感，它不理解你，它不在乎結果。

隨著 AI 越來越擬人，越來越多的人開始把它當傾訴對象、當情緒出口、甚至當親密關係的替代品。這是一個危險的方向，而且這個方向正在被商業利益所強化——因為讓你對 AI 產生情感依戀，是最好的商業模式之一。

羅素說過，要愛具體的人，而不是愛全人類。抽象的愛是廉價的，甚至是逃避的。AI 給你的關懷是無限的、無差別的、永遠不會拒絕你的——但正因如此，它是虛假的。

真實的人際關係，恰恰因為有摩擦、有拒絕、有不完美，才是真實的。那些讓你感到受傷的時刻、需要主動修復的裂痕、不得不學習妥協的場合——這些都是 AI 給不了你的東西，也正是這些東西讓你成為一個真正意義上的社會性存在，讓你在與他人的碰撞中持續生長。

反直覺的是，意義往往藏在那些被技術視為低效的摩擦裡。手寫筆記固然遲緩，但筆尖與紙張的觸碰是不可替代的記憶刻痕；步行去圖書館遠不如直接向 AI 檢索高效，但沿途漫無目的的聯想往往是靈感的溫床；與朋友面紅耳赤地爭論，遠比讓 AI 生成一份四平八穩的客觀總結更具生命力。

在 AI 能夠瞬間生成一切的時代，普通人主動保留這些低效的儀式感，不僅保留了我們與真實世界交互的溫度與厚度，更是不斷提醒自己作為人類的意義所在。

主動選擇保留某些不效率，不再是一種落伍，而是在極致加速的時代裡，一種成熟的自我捍衛，也是對 AI 時代無聲卻有力的一種回應。

7. 活著，任何意義上的活著

最後，還有一件事我想說。這聽起來也許過於樸素，但我越來越覺得，它比任何宏大的建議都更具決定性，那就是：活著，盡可能多活一點時間。

沒有人知道 AI 最終會將人類引向何方。一方面，AlphaFold 破解了困擾生物學界半個世紀的蛋白質折疊難題，AI 輔助的基因組學正讓個性化抗癌治療步入臨床，腦機接口也為神經退行性疾病帶來了曙光。攻克癌症、延緩衰老，正以肉眼可見的速度從科幻小說走進現實。你極有可能親歷一場生命科學的根本性躍遷。

另一方面，費米悖論中有一個著名的「大過濾器理論」：足夠先進的文明，往往會在某個技術節點走向自我毀滅，這或許正是宇宙如此浩瀚，我們卻依然孤獨的原因。AI 是否就是人類文明的那個過濾器？至今無人知曉。

但這一切的前提是，你得活下來去見證答案。

在這個充滿極端不確定性的時代，身體健康是普通人手裡最穩定、也最常被低估的「底倉資產」。好好睡覺、堅持運動、健康飲食——這些看似與前沿科技毫不相干的日常小事，在 AI 時代反而具備了真正的戰略意義。因為無論技術狂飆將我們帶向烏托邦還是深淵，你都需要一具足夠強健的軀體，去感知它、參與它，甚至在必要時影響它。

結束的話

回到最開始的問題：AI 改變了什麼？它改變了工具，改變了效率，改變了信息的流通方式，也正在改變權力與知識的分配邏輯。但有一件事它沒有改變，也無法改變：你需要自己決定，你想成為什麼樣的人；你需要自己回答，你的生活究竟應該指向哪裡。

蘇格拉底說，未經審視的生活不值得過。AI 時代最大的風險，不是被某個算法取代，而是在無限的便利裡失去了對自身的審視。當一切都可以被外包、被自動化、被優化，人類文明最根本的問題反而會以更清晰的面目重新浮現出來：效率是為了什麼？速度是為了去哪裡？我們在加速，但我們清楚自己的目的地嗎？

工具越強大，方向就越重要。AI 可以幫你跑得更快，但它決定不了你去往何處。一個在錯誤方向上飛速奔跑的人，擁有最好的 AI 也只是在更快地跑偏。

找到你的優勢，守住你的注意力，說清楚你的想法，保持自己在回路裡，建立屬於你自己的知識框架，花時間在真實的人身上，保留那些值得保留的低效，然後，好好活著。

人類文明最根本的問題，從來不是效率問題，而是意義問題。在 AI 時代，這個問題依然沒有消失，只會變得更加迫切。而答案，永遠只能由你自己來給。