AI 時代，普通人如何生存？ 來自頂級大佬的 7 個生存法則，決定你的未來｜納瓦爾｜凱文凱利｜哈薩比斯｜山姆·奧特曼｜保羅·格雷厄姆

過去這一年,如果用一個詞來形容普通人的心情,我相信大多數人的字典裏都有兩個字——焦慮。 當AI浪潮呼嘯而至,世界彷彿被撕裂成了兩半。 有人興奮,認爲這是史無前例的財富快車道,但更多人感到的是深深的惶恐。 最近,馬斯克的預言更是風傳全網,他斷言二十年內,人類將不再被工作束縛。 隨着AI和機器人的生產力大爆發,物資將極大豐富,屆時每個人都能過上如今富豪般的生活。 我們似乎只需要負責躺平,聽起來很美好,對嗎? 這彷彿是一個不需要奮鬥的烏托邦,但是假設他的預言成真,那畢竟也是二十年後的終局。 在那一天到來之前呢,我們還要度過漫長的,充滿動盪的轉型期。 對於普通人來說,這二十年怎麼過,或許比那個遙遠的終局更重要。 如果真的選擇現在就躺平,你可能根本撐不到馬斯克承諾的那一天,就已經被時代的車輪無情碾碎。 我們真正需要看見的,不是二十年後的預言,而是未來五年、十年的生存指南。 爲此,我們將目光從馬斯克的終極願景一開,翻閱了過去幾年來其他全球頂尖科技與商業領袖的發言。 從凱文·凱利的洞察到山姆·奧特曼的預言,從納瓦爾的財富智慧到保羅·格雷厄姆的破局思維,再到哈薩比斯與納德拉的深度思考。 不同於馬斯克的全面替代論,這些引領AI前行的大腦,達成了一種更務實、更落地的共識。 未來不是人類的終界,而是人機共生的開端。 我們將這些思想提煉爲七條生存法則,每一條都是他們眼中的未來真相。 這關乎你的飯碗,關乎你的錢包,更關乎你下一代的命運。 特別是最後一條法則,強烈建議你一定要看到最後。 如果說前六條是教你如何在這個時代活下去,那麼最後一條則是關於人類命運的終極救贖。 那將是一個讓你瞬間豁然開朗的答案,它會解開你心中關於被替代的所有心結。 讓我們直奔主題,先來拆解你此刻最揪心的疑問,我的工作真的會被替代嗎? 法則一,稱爲半人馬,不做就人類。 當Chad GPT橫空出世,全世界都在驚呼,這是什麼怪物? 但在硅谷,有一位七十多歲的長者可能只是微微一笑。 因爲早在十年前,在大多數人連挨挨是什麼都不知道的2016年,凱文·凱利·KK就在他的《必然》一書中劇透了今天發生的一切。 書中,他寫下了一段在當時看來不可思議,在今天看來卻無比真切的預言。 他說,這不是一場人類和機器人之間的競賽,而是一場機器人蔘與進來的競賽。 如果和機器人比賽,我們必輸無疑。 未來,你的薪水高低將取決於你能否和機器人默契配合。 90%的同事將會是看不見的機器,而沒有他們,你的大部分工作將無法完成。 聽到了嗎? 十年前他就告訴我們,未來不是被替代,而是融合。 KK提出了一個很有趣的概念——半人馬。 所謂半人馬是希臘神話中半人半馬的生物,它們的上半身是人的軀幹,下半身則是馬身。 KK把這一概念遷移到人與獵的關係上,以致生物智慧與數字智慧的完美結合。 其實這一理念最早的一次落地來自國際象棋界。 1997年,當人類棋王卡斯帕羅夫輸給了IBM的深藍電腦後,所有人都以爲人類完蛋了。 但卡斯帕羅夫沒有認輸,他發明了一種新玩法,叫自由式國際象棋,允許人類選手攜帶一臺電腦參賽。 結果令人震驚,最後的冠軍不是算力無敵的超級計算機,也不是智力超群的人類大師, 而是一個普通人類加一臺普通機器加優秀的協作流程。 這就是半人馬模式,人類負責直覺和戰略,機器負責計算和戰術,兩者結合,能夠秒殺任何單獨的一方。 這個道理,放在今天的AI領域,也完全適用。 在2025年的一場演講中,KK將其解釋爲1加1大於2的模型。 與馬斯克未來人類都不用工作的觀點不同,KK指出,未來的最強工作者,不是單純的人或單純的機器,而是人機協作的一個整體單位。 他指出,隨着AI能力的驚人提升,現在最出色的醫生,往往是那些能有效利用AI輔助的人類醫生。 這個邏輯同樣適用於設計師、程序員等其他職業,最強的人,永遠是那些懂得加一的人。 這一條法則的核心含義是,做那個騎在馬背上射箭的人,而不是那個在地上跟馬賽跑的人。 因爲未來打敗你的不是AI,而是掌握了AI的人類。 KK說,在未來5到10年,你的薪資水平將部分取決於你與AI協作的能力。 用人單位面試時不會再考你擁有多少知識,而是會問,你是否懂得如何向AI發出恰當的指令。 所以,從今天起,別再一個人戰鬥,把AI看作你的副駕駛,甚至是一名實習生, 強迫自己在工作的每一個環節都引入它。 不是爲了偷懶,而是爲了訓練一種新的肌肉記憶,一種人機共生的直覺。 如果說法則一解決的是我們與外部工具,AI的關係, 那麼下一個法則要解決的則是我們內在覈心引擎的問題——大腦。 法則二,AI時代的原能力學會如何學習。 在AI時代,普通人最大的恐懼之一就是,我現在學的東西,過幾年是不是就廢了? 這種恐懼是真實的。 以前,學會一項技能可以吃一輩子,現在,技術的更迭週期已經縮短到了幾個月。 當你剛學會一個AI繪圖工具,下週它可能就更新換代了。 面對這種知識折舊的焦慮,微軟CEO納德拉帶領微軟重生的故事, 給了我們一個非常有啓發的答案。 當納德拉接手微軟時,這家巨頭正因爲故步自封而陷入停滯。 他上任後做的最重要的一件事,不是發佈新產品,而是刷新企業文化。 他提出了一個著名的理念,不僅拯救了微軟,也對AI時代的每個人具有重要的啓發意義。 不要做知道一切的人,know it all,要做學習一切的人,learn it all。 納德拉認爲,那個學習一切的人,最終一定會勝過那個知道一切的人。 這句話放在AI時代也同樣適用。 爲什麼?因爲在AI面前,我們所有的存量知識都變得不值一提。 你知道的再多,比得過AI數據庫嗎? 你算得再快,比得過AI處理器嗎? 如果我們還在試圖通過囤積知識來獲得安全感,那註定是一場必輸的遊戲。 在AI時代,知道什麼,know it,已經不再稀缺,學會什麼,learning,纔是真正的糊成河。 這就是法則二的核心,培養你的原學習能力,matter learning。 什麼是原學習能力?簡單說,就是學會如何學習的能力。 它不再關注你現在手裏有多少技能證書,而是關注, 當一個完全陌生的新事物出現時,你能不能在最短的時間內從0到1掌握它。 擁有原學習能力的人,是AI時代的遊牧民族。 哪裏水草豐美,新技術,新機會,他們就能迅速遷徙到哪裏生存。 他們不依賴某個固定的飯碗,因爲他們擁有隨時造碗的能力。 這給我們帶來了兩個重要的生存啓示。 第一,保持空碑心態,不管你現在是30歲,40歲還是50歲, 不管你過去是總監還是專家,在AI面前,請把自己歸零。 承認自己是無知的並不可恥,因爲只有承認無知,你才能開啓新的學習曲線。 正如納德拉所說,保持好奇心比保持資歷更重要。 第二,用AI來學習AI。 這是一個非常有趣的悖論。 AI雖然讓知識貶值了,但它也讓學習變得前所未有的簡單。 以前你要學編程,需報班,肯幾個月的書。 現在,你可以直接問AI,請像教一個10歲孩子一樣,教我Python的基礎邏輯。 或者請幫我制定一個兩週掌握影片剪輯的學習計劃。 AI是最好的老師,它隨時在線,因材施教。 最強的學習者,是那些懂得利用AI這個超級導師來瘋狂進化自己大腦的人。 所以,法則2的行動指南非常明確。 不要焦慮你的技能會過時,因爲它們註定會過時。 你要焦慮的是,你是否失去了做一個初學者的勇氣。 從今天起,忘掉你的身份和頭銜,去做一個飢渴地學習一切的人。 只要你的學習速度能跟上,技術的進化速度就沒有任何浪潮能將你拋下。 如果說原學習能力是引擎,那麼DeepMind創始人哈薩比斯提到的能力就是方向盤。 法則3,重要的不是答案,而是正確的提問。 哈薩比斯是誰? 他是當下最火AI大模型Google Gemini的幕後主導者,也是2024年諾貝爾化學獎得主。 他帶隊研發的AlphaGo輕鬆擊敗人類,而AlphaFold更解決了困擾生物學界50年的蛋白質摺疊難題。 在哈薩比斯看來,隨着AI的爆發,我們已經進入了一個答案廉價的時代。 當AI擁有無限的算力去解題時,人類的價值還剩下什麼? 在最近的一場訪談中,哈薩比斯給出了一個定義時代的判斷, 找到正確的問題通常比找到答案要難得多。 這句話揭示了AI時代最殘酷的分工邏輯, AI負責解題,人類負責出題。 哈薩比斯在訪談中進一步解釋道, 目前的AI就像是更高版本的望遠鏡和顯微鏡, 它們是做科學研究的終極工具, 能幫我們看清前所未有的細節,甚至解決極其複雜的方程。 但是,AI依然缺乏一種最核心的素質,科學創造力,Scientific Creativity。 什麼是科學創造力? 它不是計算能力,而是最開始提出那個假設或者定義那個問題的能力。 AI可以幫你驗證相對論, 但只有愛因斯坦能問出如果我以光速飛行,時間會發生什麼? 這個問題,這就是法則三的核心。 在AI時代,你的提問水平決定了AI的產出上限。 以前,我們衡量一個人的才華,看他能給出多少標準答案, 但在未來,我們衡量一個人的層次,看他能提出什麼樣的假設。 爲什麼提問如此重要?因爲AI是被動的, 它沒有意圖,沒有慾望,沒有對未知的渴望。 如果你給它一個平庸的指令,它只能還給你一個平庸的結果。 如果說前面的法則解決了怎麼學和怎麼問, 那麼接下來這條法則將直面最功利,也最核心的議題。 在AI時代,普通人到底該怎麼變富? 法則四,拒絕出賣時間,用AI撬動稅後收入。 長期以來,我們都被灌輸一種觀念,勤勞致富。 但在Internet Loser 2025的一場訪談中, 硅谷哲人納瓦爾給這種舊觀念判了死刑。 面對社會上關於富人越來越富的抱怨, 納瓦爾給出了一個極其犀利,甚至有點刺耳的糾正。 他說,人們總在抱怨富人變得更富, 但真相是,並不是富人在變富, 而是那些聰明且擁有槓桿的人在變富。 爲什麼?因爲在2025年,系統中的槓桿率已經變得極爲瘋狂。 納瓦爾指出,過去我們依賴的槓桿是勞動利益或資本, 但在今天,槓桿的形勢已經發生了質變。 他說,現在,槓桿正在通過AI,通過智能體, 通過機器人,通過供應鏈而在指數級增長。 這意味着什麼?意味着非線性回報的時代徹底來臨。 以前,你工作一小時,賺一小時的錢,這是線性的。 現在,如果你是一個懂得利用AI的人, 你寫下一段指令,訓練一個agent, 他們就可以在雲端的數據中心裏, 24小時不間斷地爲你擰螺絲,跑業務。 你的投入是一次性的,但產出是無限的。 納瓦爾在訪談中直言, 你的知識創造力以及你利用AI放大這種創造力的能力 將比你那些還在靠死工資的同齡人高出幾個數量級。 他們根本不知道發生了什麼。 這就是法則四的核心,拒絕出賣時間, 做一個全副武裝的槓桿操控者。 如果說法則四告訴了你要用AI這個槓桿搞錢, 那麼接下來這條法則將告訴你如何用AI做大做強。 法則五,組建一人公司,稱爲獨角獸。 在過去的硅谷創業神話裏,成功的標配是 融資幾千萬,招募幾百個員工,租下市中心最豪華的辦公室。 但在OpenAI的掌門人山姆·奧特曼眼裏, 這種人海戰術已經過時了。 在一次與Reddit聯合創始人的深度對談中, 奧特曼拋出了一個讓整個創投圈炸鍋的預言, 我們很快就會看到一家由一個人創立的獨角獸, 十億美元級公司。 你沒聽錯,只有一個員工, 創始人本人卻擁有十億美元的估值。 這在傳統商業邏輯裏是天方夜譚, 但在AI時代,這是即將發生的現實。 奧特曼認爲,隨着AI智能體Regions能力的爆發, 個人能力的邊界被無限撐開了。 以前,你想開一家公司, 你需要找一個懂技術的合夥人寫代碼, 找一個懂營銷的總監做推廣, 再找一個會計管賬, 光是找人和管人, 就會消耗掉你80%的精力。 但現在,這些角色都可以由AI來扮演。 善於寫代碼的AI是你的技術合夥人CTO, 善於畫圖的AI是你的設計總監CDO, 各種AI Agent是你的客戶,銷售和法務。 你不再需要一支肉體繁態的軍隊, 你只需要構建一套軌跡團隊。 這就引出了法則五的核心概念——超級個體的崛起。 爲了踐行這一法則, 我們強烈推薦名言語錄頻道解讀過的一本書 即《簡創業家》。 如果說前五條法則爲你裝備了最強的武器, 最強的大腦和最強的載體, 那麼接下來這一條將觸及一個更本質的問題—— 誰來扣動扳機? 法則六,擁有高能動性, 作AI時代的破局者。 很多人的誤區在於, 以爲有了AI, 躺着就能贏。 錯,大錯特錯。 目前的AI有一個致命的屬性, 它是被動的。 你不給它指令, 它就永遠只是一個靜止的光標。 你不給它喂數據, 它就永遠只是一個空殼。 它像是一輛停在車庫裏的法拉利, 如果沒有一個瘋狂的車手去踩油門, 它哪裏也去不了。 在AI時代, 決定你上線的, 不是這輛車跑得有多快, 而是你踩油門的決心有多狠。 硅谷創業教父保羅, 格雷厄姆, 閱人無數。 在看過成千上萬的創業者後, 他發現決定一個人能否成功的核心素質 不是智商, 不是學歷, 甚至不是技術, 而是一個他創造的詞, 極度足智多謀, relentlessly resourceful。 在今天, 這個詞被互聯網圈更精準地翻譯爲 高能動性, high agency。 什麼是高能動性? 簡單說, 就是一種不達目的, 誓不罷休的破局能力。 在AI時代, 世界將被殘酷地分爲兩類人。 第一類, 低能動性的人, NPC玩家。 他們等待指令。 遇到AI報錯, 他們會說, 噢, 這個AI不行, 做不了。 遇到沒有教程的新工具, 他們會說, 等學校開了課我再學。 他們習慣於接受限制, 習慣於說因爲, 所以不行。 在AI面前, 他們依然是被動的消費者。 第二類, 高能動性的人, 主角玩家。 他們從不等待。 遇到AI報錯, 他們會換十種提示詞去繞過限制。 遇到沒有教程的新工具, 他們會自己去摸索, 去試錯, 甚至去寫教程教別人。 在他們的字典裏, 沒有不可能, 只有我該怎麼繞過去。 爲什麼這條法則在AI時代如此昂貴? 因爲, AI帶來的變革是前無古人的。 這裏是一片荒原, 沒有地圖, 沒有說明書, 沒有老師。 如果你想等着有人寫好一本 AI致富標準操作手冊 遞到你手裏, 那你早就被時代拋棄了。 真正的贏家, 是那些在ChatGPT剛發佈時 就敢用它寫代碼的人, 是那些在Majorny 還是一堆亂碼時 就敢用它做設計的人。 他們沒有等待許可, 他們自己授予了自己許可。 AI是被動的工具, 你必須是主動的主人, 不要等風來去造風。 在前六條法則中, 我們談論了無數關於 效率、槓桿和工具的話題, 但在這最後一條, 我們需要回答一個 終極的哲學問題。 AI如此強大, 那我存在的意義是什麼? 法則七, 讓機器的歸機器, 讓人類的歸人類。 很多人恐懼AI, 是因爲覺得 AI像是一個入侵者, 搶走了我們的工作。 但你有沒有想過, 這或許是人類歷史上 最大的一次修正。 自工業革命以來的二百年, 我們其實一直在走一條彎路, 我們把人變成了機器。 爲了適應流水線, 我們要求人 必須像機器一樣精準, 像機器一樣重複, 像機器一樣不知疲倦。 我們壓抑了人的情感, 異化了人的個性, 把人變成了一個個 標準化的勞動力螺絲釘。 最可悲的是, 最終我們把教育 也變成了流水線。 而AI的出現, 恰恰是把這一段 被顛倒的歷史 再顛倒回來。 法則七的核心爭議在於, AI並沒有替代人, 它只是替代了那些人 被異化爲機器的部分。 當AI接管了那些重複的計算, 枯燥的繪圖, 機械的代碼搬運時, 它實際上是在對我們說, 嘿,這些本來就是 機器該乾的事, 以前是你受苦了, 現在交回給我。 DeepMind的聯合創始人, 微軟AI CEO穆斯塔法, 蘇萊曼說, 當治理成本歸零, 稀缺的將是人性本身。 這不僅僅是商業上的稀缺, 更是文明上的迴歸。 AI的終極使命, 不是爲了讓你失業, 而是爲了讓你離職, 離開那個作爲機器 臨界的職位, 迴歸那個作爲 創造者的身份。 現在,讓我們重新審視 這七條法則, 你會發現, 這其實是一條 去機器化的進化之路。 我們不再做數據的搬運工, 而是做指揮官。 我們不再做知識的硬盤, 而是做探索者。 我們不再是被動的執行者, 而是破局者。 最終,我們把機器的屬性剝離, 徹底迴歸人的本質。 也就是說, 工業時代把人變成了機器, AI時代把機器還給了機器, 讓人重新做回了人。 馬斯克的預言, 也許需要二十年才能實現, 但這場人的迴歸, 從你掌握這些法則的那一刻起, 就已經開始了。 在這個新時代, 做一個擁有AI力量的半人馬, 但永遠不要忘記, 那半個機器的軀體, 是爲了讓你跑得更快, 而那半個人的靈魂, 纔是你奔跑的方向。 感謝你的聆聽, 如果你喜歡這一期的影片, 請留言告訴我, 我會製作更多精彩的內容。 我們下期見。