作者：經緯創投

人人都在焦慮 AI 搶飯碗，「AI 教母」李飛飛最新訪談直接戳破時代真相：十年後職場只會留存兩類人，不上不下的中間平庸者，生存空間將持續收縮。當下行業瘋傳「智能成本趨近於零」，她直言這是極具誤導性的片面論斷，人類獨有的感知、共情、空間與身體協同智能，歷經億萬年演化，遠非大模型所能複刻。

多數企業陷入三大自動化思維陷阱：把 AI 當作裁員替代工具、堆砌工具便視作數位化落地、粗暴下達全面 AI 部署指令引發員工恐慌。真正的 AI 變革，從來不是淘汰人力，而是抬升人的價值。文章抛出扎心「槓鈴效應」：一端是深耕領域的前 1% 頂尖專家，藉 AI 剝離重複工作，專注不可替代的深度判斷；另一端是主動重構工作流的複合型通才，自主駕馭工具、搭建專屬業務系統。

普通人無需恐懼技術迭代，核心突圍關鍵在於跳出被動執行思維。以下，Enjoy：

「AI教母」李飛飛和MasterClass創辦人兼CEO大衛·羅吉爾做了一場播客訪談，標題叫《AI教母：10年後，只會剩下兩類工作者》。

主持人問李飛飛怎麼看一個流傳很廣的說法：工業革命自動化了體力勞動，現在AI要自動化智力勞動，我們怎麼辦？

李飛飛卻說，工業革命並沒有自動化勞動。它讓勞動更高效，擴大了勞動的規模，也確實改變了勞動力市場。但它沒有自動化勞動。而且我們也不能暗示，勞動是沒有智能的，那個假設錯得太離譜了。

變了勞動的形式，但人在勞動中投入的判斷力，那些工匠累積了一生的經驗直覺、那些體力勞動裡夾著的認知判斷，從來沒有被真正自動化。

同樣的誤解，正在AI身上重演。

01、「智能成本歸零」，是一個誤解

AI行業最近流行一句話：智能的成本正在趨近於零。

李飛飛直接回應了這句話：體力勞動、認知勞動、情感勞動，人類的活動和人類智能深刻地交織在一起。

人類智能對大自然來說，至今仍然是一個未解之謎。我們並不真的清楚人類智能的深度和細微之處。所以，任何在外面聲稱「智能成本趨近於零」的人，那都是不負責任的說法。

緊接著她給了第二條理由。

即便單看語言智能，大語言模型確實強大，「它們在幫助商業智能、幫助軟體工程、幫助演繹邏輯推理甚至更深入的任務上，都已經顯現出威力」。

但除了我們比較熟悉的語言智能，我們還有感知智能、空間智能、身體智能、情感智能。我們對創造力到底從哪裡來都還沒搞明白。每個人的創造力，來自他們大腦的不同部位，也來自他們全部人生經歷的不同部分。

比如：

一個老師判斷學生為什麼學不會，靠的不只是文本分析，是觀察表情、語氣、猶豫的瞬間。

一個團隊負責人在關鍵客戶面前決定要不要說出那句話，沒有演算法能替他做判斷。

「智能成本歸零」如果被當成管理決策的前提，它漏掉的，恰恰是人最貴的那部分。

02、三種做法，暴露了自動化思維

李飛飛在訪談裡反覆重申同一個立場：我真心相信它是一種技術，也就是說，它只是一個極其強大的工具。但這個工具是人類可以用起來，讓事情變得更好的。同時，怎麼使用這個工具，我們也必須非常警惕。

她接著補了更重要的一句：「我們教孩子們怎麼用火、用刀，再到用網際網路。現在，作為一個物種，一個社會，我們必須學會（怎麼用AI）這件事。」

工具到底是用來替人的，還是用來抬人的，不取決於技術，取決於部署它的人。

訪談裡三種做法，對應著三種自動化思維的慣性。

第一種，把AI當人頭替代器。

李飛飛舉了產品經理例子。

十年前標準的產品經理，「更像是指揮。他們不需要寫程式碼，通常不是軟體工程師」。

要原型，找設計師。要開發，等工程師。拿到原型，發用戶，等回饋，再整合。「那一條產品管理的生命週期，在一家典型的公司裡可能要花上幾個月。」

現在呢？

很多產品經理現在自己寫程式碼了。他們不需要等一個團隊來做原型，他們可以用AI來幫忙設計一些非常簡單的東西，進行「氛圍程式設計」。這一下子就把週期縮短了。

但這不意味著我們該甩掉設計師和軟體工程師，只是省下了時間，讓他們可以去做更複雜的那部分工作。

AI沒有替代任何人。它把每個人往上推了一個台階。產品經理從「指揮」變成了「動手者」。設計師和工程師從「執行者」變成了「專攻最難問題的人」。

自動化思維的管理者看到這個例子，第一反應很可能是「那以後可以少招兩個工程師」。同一個事實，同一種工具，完全不同的結論。區別不在技術，在怎麼理解技術。

第二種，把「上工具了」等同於「做對了」。

買工具、開培訓、教員工寫Prompt，教完就算任務完成。

李飛飛在訪談裡說了一段關於教育的判斷：教育的目標不是閉卷考試還是開卷考試，也不是標準化考試的成績。

教育的目標是培養人，讓每個人成為他所在社群和社會的有意義的貢獻者，並過上一種有意義的生活。AI不應該剝奪這些基本目標中的任何一個。但AI應該幫助更好、更有效地達成這些目標。

把「教育」換成「管理」，把「學生」換成「團隊」，每句話都成立。引入AI的目標不是「把工具裝上了」，是你到底在用AI重新設計什麼。

羅吉爾不是技術出身，但他講了一件自己正在做的事：

我發現自己用的多數應用都是我自己構建出來的，用Claude Code或者Cursor建的。

我的CEO工具棧全是我自己做的應用。就連我的效率應用、我的待辦清單應用也是我自己構建的。做一個應用的成本，已經從幾個月縮短到一個週末了。

他不是在秀技術，他是在演示：AI時代優秀的人，不是「更會執行任務的人」，是「更會設計工作系統的人」。工具買再多，如果團隊沒有設計思維，工具只會變成電子化的舊流程。

第三種，以為「全面部署AI」是一個技術指令。

發一個通知說「公司要全面部署AI」，員工聽到的是「要砍人了」。坐下來跟他說「來看看你能用AI做什麼以前做不了的事」，員工聽到的是「可以變得更強」。

這是一個很有意思的現象，員工一開始猶豫，不是因為不會用工具，是因為不知道管理者到底想用AI做什麼。是替掉他們，還是托起他們。

同一個工具，同一個預算，同一個人。前提條件不同，結果完全不同。

李飛飛會在訪談後半段，主持人問她一個完全不知道從哪開始的人最簡單的AI入門方式是什麼時，給出了這樣的回答：

去找一個年輕人。你的孩子、姪子姪女，只要是25歲以下的，他們當中絕大部分人已經在用AI了。

帶著一份純粹的好奇，去請他們給你看看，他們平時是怎麼用的，用AI在做些什麼。等你真的了解了它是什麼，那個世界就沒那麼可怕了。

03、未來10年，職場只剩2類人

跳出自動化思維的陷阱之後，再看羅吉爾描述的職場結構，槓鈴的兩個端點就有了完全不同的含義。

羅吉爾在訪談裡說：我的一個假設是，你會看到一個槓鈴效應的出現。有一批人正在成為真正的專家。

一個還湊合的文章撰稿人，現在任何人用一個大語言模型都能做得不錯。但如果我是世界上最好的文案，或者在前1%，那你就沒法輕易打敗我。

而我們看到的另一個角色，是高主動性的通才。他們能做很多不同的事情，在判斷力和主動性方面有很強的能力。

槓鈴兩端，一端是前1%的頂尖專家，另一端是能同時駕馭多件事的高主動性通才。中間那些「還湊合」的人，空間正在被壓縮。

李飛飛同意這個判斷，加了一層分析：

不管你在專家那一側還是通才那一側，你都需要有主動性，你都應該能夠以一種獨特的、有創造力的、深入的方式去使用工具。

槓鈴左端的頂尖專家，是把增強用到極致的人。AI幫他們篩掉90%的重複工作，把精力集中在最需要人類判斷力的那10%上。他的價值不是被壓縮了，是被釋放了。

槓鈴右端的通才，是主動發起增強的人。自己上手，自己造工具，自己定義工作流。他們不是在等一個被增強的未來，他們自己就是增強的起點。

中間層的問題不是技能問題，是姿勢問題。AI把執行層面的「還不錯」拉到了極高的水平線。停留在「能執行」這個層面的人，不管做什麼，都會被追平。

但只要從「等著被安排怎麼用AI」切換到「我自己上手看看能幹什麼」，中間層就有機會把自己推到槓鈴的任何一端。

李飛飛也專門講了這個切換，她說：「創業者」這個詞，在很大程度上就是「主動性」的同義詞。

04、為什麼增強不是一廂情願？

有人會問：萬一技術再往前走，人類的判斷力、創造力、情感智能，全都被自動化了呢？

李飛飛在訪談裡花了一大段講同一個問題的科學版本。她的公司和研究方向是空間智能。

空間智能就是四件事：理解、推理、生成、交互。

它涵蓋了我們人類今天在3D（三維立體）環境裡展現出來的好幾種能力。

第一，我們能理解正在發生什麼；

第二，我們能推理；

第三，我們能生成；

第四，最後但同樣重要的是交互。

李飛飛舉了投籃的例子：

連投籃這個動作本身，也是一個高度複雜的智能時刻，語言推理是參與其中的。因為你作為一個運動員，你會敏銳地意識到這球進了還是沒進，它對比賽、對那個時刻意味著什麼。

與此同時，看到整個球場，看到其他球員的位置，瞄準籃筐，這是深度空間性的。然後調整你的身體，知道怎麼做出那個動作，這又是深度物理性的。

三種智能，語言、空間、身體，在投籃的一瞬間同時工作，互相協同，不是「先語言、再空間、再身體」的流水線。

而我們生活中做的絕大多數事情，其實是語言智能、空間智能和身體智能的混合。它們是高度互補的，一起協同工作。

然後李飛飛給了一個進化論層面的判斷：進化花了超過5億年才讓空間智能成熟起來，語言智能花的時間比這短得多。所以這是一種非常深層、古老、根本性的智能能力，動物和人類都有。

這些判斷放在一起，指向同一件事。今天AI真正能加速的，是語言層面的任務：寫報告、查資料、做數據分析、寫程式、生成圖片。

它讓人有更多時間和精力，去做語言之外的事：判斷、創造、共情、在模糊地帶做決策、在壓力下保持冷靜、在各種信號矛盾的時候盯住最重要的那一個。

增強不是一種願望，不是一種價值觀選擇。它是在技術發展的這個階段，一個科學判斷：人還有大把AI追不上的東西。

用增強的框架，省下的是重複勞動，得到的是被釋放的專業判斷。

李飛飛在訪談裡說過一句話，可以作為所有AI管理決策的試金石：我們教孩子們怎麼用火、用刀，再到用網際網路。現在，作為一個物種，一個社會，我們必須學會怎麼用AI這件事。

關鍵詞不是「學會」，是「我們」。不是讓員工自己去學，不是讓IT部門去部署，是管理者和團隊一起，把AI當成一個需要共同搞明白的東西，用它把每個人往上推一層。