21CTO导读：AI的飞速发展正推动着职场格局发生巨大变化。在一场对话中，李飞飞和David Rogier深入探讨了AI的深远影响，并鼓励人们克服恐惧，拥抱机遇。

近日，被人们称为"AI教母"李飞飞做了一场富有洞见的播客访谈，与她对谈的是MasterClass创始人兼CEO David Rogier。

两个人聊的问题很直接：AI正在重新划分职场的结构，10年之后，可能只剩下两类工作者。

关于人工智能被很多人感到害怕的原因，原来大学通往职业生涯的路径已经失效。而人们需要有两种能力是稀缺的，那就是创业型或代理型，这两个词的意思很接近，但都是需要认知能力，自主性至关重要。

李飞飞称自己又筹集到了100万美元来打造下一个项目，并且开始在自己的新课程《人工智能的未来与你的未来》中教授这些内容。

关于David Rogier，她准备将MasterClass打造成一个价值30亿美元的音乐公司，向人们传授顶尖世界音乐大师的课程。

而两人其实都是关注同一种音乐潮流的转变。以下，是李飞飞的关键表达内容。

迎接伟大的转变

我的工作与生活几乎全然围绕人工智能展开。置身于这场技术的风暴中心，我正经历着前所未有的激动。如今，无论技术专家、创业者还是商业从业者，都能清晰地预见到这场颠覆性的变革——我们正借其重塑商业逻辑与各类应用。在硅谷的十七年里，我从未感受过如当下般火热、全员加倍投入的行业氛围。

与此同时，行业内部的能力鸿沟正在迅速拉大，熟练驾驭 AI 者与裹足不前者的差距正日益悬殊。然而，大众舆论却走向了非黑即白的极端：一派将其奉为拯救世界的乌托邦，另一派则视其为毁灭人类的洪水猛兽。这种极端的对立危险且具误导性，让真正关键的“中间路线”讨论始终缺席。我们理应秉持理性的心态，将 AI 视为如同火种或互联网般的文明工具，在厘清其本质的前提下，兼顾利弊、稳步前行。

在个人实践中，我也完成了从使用现成工具到全面自研的转变。如今开发门槛已大幅降低，我依托 Claude Code 与 Codex 搭建了专属的 CEO 工作技术栈“Davidfy”。这套系统不仅能基于我过往的沟通记录、模仿我的口吻输出团队文案，还内置了一套硬性的待办清单规则——任务滞留超过两天即行清理，以此倒逼自己快速决策。

针对员工的 AI 教学，我并不赞成靠感觉写出前端皮毛却无法对接后端数据的“氛围感编程”。面对员工的顾虑，最有效的实用方法是领导者亲身带教。哪怕这颇费时间，但通过组建两三人的小组完整陪同实操，能够彻底打通他们的思维卡点，促使他们真正放开手脚独立探索。

放眼未来，AI 发展的核心瓶颈已不再是模型规模，而是独立智能体之间因信息无法互通而导致的数据断层。正如思科旗下 Outshift 在白皮书《扩展超级智能》中所指出的，多智能体协同才是关键。他们提出的“认知互联网”概念，正致力于让所有 AI 智能体共享统一的目标、上下文与推理逻辑，从而真正实现超级智能的扩展。

如果智力成本为零，你的职业会发生什么？

David Rogier提问李飞飞，有人说自工业革命以来，AI是首款真正实现体力劳动自动化的工具。如今我们正在迎来脑力、认知层面的自动化，这也是很多人内心恐慌的根源。大家会产生这样的想法：读大学虽不能保证就业，但至少是通往职业道路的稳妥途径。倘若获取智能、认知能力的成本直接归零，没人能预判后续会发生什么。你怎么看待这件事？

和你交流后我有一个很深的体会：当下我们讨论的人工智能，本质都依托语言能力存在。用你的比喻来讲，这就像是一种有损压缩。道理很简单，只靠文字描述，你永远学不会开车，也练不好投篮动作。

李飞飞如此回答David道。

我认为我们目前还处在AI发展的初代阶段，大众的焦虑有些夸大。AI本身不具备任何固有价值观，所有价值导向都来源于人类。这也意味着我们拥有主动设计、塑造AI发展方向的主动权。你之前和医护团队合作的洗手规范演示案例，我觉得特别出彩。

首先要厘清一个误区：工业革命并没有实现劳动力自动化，只是大幅提升了劳动生产效率，反而催生了更多岗位需求。它的确重塑了就业市场，但谈不上完全替代人力。同时我们也不能默认体力劳动者不具备思考与智慧，这个假设本身存在巨大偏差。

人类劳动分为体力劳动、脑力劳动、情绪劳动三类，所有人类活动都和自身智能深度绑定，而人类智能至今仍是自然界未解的难题，我们远未摸清人类心智的深度与复杂层次。我明白你并非下定论，但任何宣称“认知成本将归零”的说法都不够严谨。人类智能体系极其复杂，正如你所说，除了我们熟知的语言智能，人类还拥有感知智能、空间智能、肢体运动智能、情绪智能。

我们至今没能完全拆解创造力的来源。每个人的创造力不仅依托大脑不同区域，更源于完整人生经历的方方面面。因此面对各类片面简化的论调，我们必须保持审慎。

我承认语言大模型及其衍生工具能力十分强悍，能够赋能商业数据分析、软件开发，完成逻辑推演等高阶任务。语言与软件智能确实已经进入规模化落地阶段，价值毋庸置疑，但其中存在大量容易被忽略的细节与差异，整件事远比表面看上去复杂，很多维度都值得细细拆解探讨。

大规模裁员的头条新闻与现实：是什么导致了人工智能恐惧

人类智能完全可以和AI工具高效协同，但我绝不会使用“人类智能自动化”“智力成本归零”这类表述，我对这类说法十分警惕。正是这种极端论调，催生了大众对AI的抵触情绪。人们满眼都是各大企业大规模裁员的新闻标题，接收的信号全是“你的工作不再被需要”，负面情绪也就由此滋生。

但面对这种局面，出路绝非排斥、彻底弃用AI。

正确的思路是主动掌握工具，再去优化、改造它，比如改良医院场景里各类繁琐工作的使用流程。一份工作本质是一连串任务的集合，就像你之前提到的，岗位里总会存在大量没人愿意做的琐事。

我还记得你举过医护人员的例子：护士需要花费大量时间整理、书写病历，医生也一样。从来没有护士会说“写病历是我工作里最喜欢的环节”，她们当初投身医疗行业，初衷绝不是日复一日埋头做文书记录。

所以一味抗拒技术并不可取。纵观历史上每一轮技术变革，长期来看都会创造更多新岗位。

真正的核心问题是：谁能抓住这些新机会？跟不上时代变化的人，就会被行业淘汰。

当年电脑、电子表格普及的时候，拒绝学习使用的人群不仅会丢掉工作，终身收入缩水超两成，短期内死亡风险直接翻倍，身心健康都会遭受严重冲击，相关数据十分触目惊心。由此可见，逃避解决不了问题，主动探索、持续成长、优化工具才是正确选择。

我完全认同大卫的观点，我们对话里的几个关键词值得反复推敲：自主性、协同、赋能。无论多强大的技术，哪怕是AI这种颠覆级技术，核心宗旨都应当以人为本。

以人为本究竟该如何理解？在我看来，最简单也最深刻的解释，就是赋予个体、社群乃至整个社会更强的自主能力，这也是这项技术存在的真正价值。

这也呼应了大卫所说的，当下正处在大变革时代。变革必然伴随着失去：沿用数十年的固有工作模式会消失，长久以来熟悉的安稳、稳定感也会不复存在。但与此同时，这也是充满机遇的时代，我们得以重新规划未来，把各行各业做得更好。

那个人该如何走出迷茫、失落的低谷，把握住时代机遇，两者的分界线又在哪里？

答案是每个人都有责任主动学习、接纳新技术、打磨自身技能，以开放心态抓住变革带来的可能性。这件事贯穿所有人的人生，不管是在校学生，还是职场从业者，我们所有人都要一同拥抱这场变化。

AI不能做什么？它正在改变教育

这次AI变革的推进速度空前，远超历史上任何一次技术迭代。

如今它能胜任哪些工作？又有哪些任务依旧离不开人类？一年之后行业会演变成什么样？整体迭代节奏究竟有多迅猛？

AI已对教育行业造成了巨大冲击。过去六十年的研究早已证实，一对一因材施教是效率最高的学习模式。那为什么我们如今还停留在二三十人、甚至几百人的大班课堂？答案很现实：成本。如果给全世界所有人都配备专属资深导师，开销高到无法承担，尽管这种教学模式效果绝佳，我自己都十分向往。

但近几年大量研究证明，AI能够提供水准近乎专业导师的个性化辅导，学习效果远胜于大班授课，也比单纯看书自学高效得多。从前小学一年教育成本一万两千美元、大学本科一年八万美金，如今依托AI，同等质量的学习资源仅需一百美元左右就能获取。

那么教育行业的这场变革何时才能落地？技术层面不存在瓶颈，真正的阻力来自畏惧变革的各类教育机构。但改变终究会到来，数据显示，借助AI辅助学习，掌握同等知识的耗时能够缩短六成。

试想两种截然不同的校园：一所全面禁用AI，禁止学生接触相关工具；另一所规范、结构化地引导学生使用AI。长期下来，善用AI的学生学习效率会大幅甩开同龄人。当然AI无法替代全部教育环节，面对面交流、人际交往与情感成长依旧不可或缺，但两类学生之间的差距会持续拉大，这是我不愿看到的局面。

根源不在于技术本身，十年之后，抗拒变革、不肯拥抱AI的学校会彻底被时代淘汰，差距会越拉越大。正如大卫所言，AI会彻底重塑整个教育生态，教育体系必须主动求变。我始终坚信，每一间学校、每一间教室、每一名学生都应当接纳AI。

与此同时，我们所有人都负有共同责任，要把教师、教育从业者、学校管理者纳入AI相关讨论，为他们指明一条可行路径，坚守教育原本的核心目标。教育的核心从来不是工具，不是开卷或闭卷考试，更不是标准化分数。教育真正的使命，是培育完整的人，让每个人都能为社群、社会创造价值，拥有充实且有意义的人生。AI不该消解这些核心内核，反而要助力我们更高效、更好地完成育人这件事。

当下大家总陷入非黑即白的片面争论：用AI算不算作弊、考试该不该屏蔽AI、要不要一刀切禁止AI，但这些根本不是我们该聚焦的核心。我们更该思考：如何赋能教师、赋能学生，重构课堂模式，重新设计考核方式，革新标准化测评、高校录取规则与教育资源分配机制。

如今AI这项技术大幅降低了教育成本与使用门槛，我们该如何把优质资源输送到城市老区、乡村，乃至全球发展中地区？这些才是AI与教育领域更关键、更值得深入探讨的议题，而我们恰恰忽略了这些核心问题。

10年后的职业、公司会是什么样子：如产品经理，程序员

有一个角度能让我们把这场讨论看得更透彻：当我们规划孩子的教育时，不妨提前畅想他们未来的职场环境。我刚参加工作那会儿，职场的形态十分固定，大多依附大型企业，有一套标准化的工作流程，想要胜任岗位，就得按部就班学习各类指定技能。

十年后的职场与企业会是什么模样？普通人又该提前做好哪些准备？

核心关键词是“自主”。

AI 会极大提升人的自主空间。未来绝大多数岗位，核心竞争力都会落在 “熟练驾驭 AI 工具” 这件事上。举个很直观的例子，过去二十年，产品经理一直是硅谷最热门的岗位，行业内也一直在讨论这个岗位的职能正在发生巨变。

十年前标准的产品经理，更像是用户、市场与研发工程师之间的桥梁，如同乐队指挥。他们不用写代码，大多也没有软件开发背景。想要产出产品原型，就得对接设计师、后端工程师，等原型落地后再交给用户收集反馈、汇总分析。完整走完一套产品流程，往往要耗费数月之久。

而如今各家企业都在探索全新工作模式，行业已经发生根本性转变。不少产品经理已经能独立写代码，不用再等待团队产出原型，依靠 AI 就能完成简易设计与代码开发，直接大幅压缩产品迭代周期。

这并不是说设计师、程序员会被淘汰，而是省去了大量重复低效的基础工作，让研发与设计人才能够聚焦更复杂、更有创造性的核心任务。同时用户调研环节也迎来革新：AI 可以模拟用户行为，我们也拥有更多高效渠道触达用户，快速完成需求闭环。

我在招聘年轻产品经理时，格外看重能否跟上技术变革的节奏，不会青睐死守五年前老旧教科书式工作流程的求职者。

各行各业，从医疗、教育到其他赛道，未来企业的形态都充满想象空间。依托 AI 这类强力工具，员工会拥有前所未有的自主权限，个人主观能动性、创造力都会被充分释放，从前受限于个人能力而无法完成的事，如今都有机会实现。人与工具之间的能力边界会变得越来越模糊，很多曾经做不到的事，如今都能轻松落地。

在我看来，这套变化会从底层重构美国企业的组织架构。现在每一位学生，都应当提前设想，在全新的职场体系里，自己想成为什么样的角色。

杠铃效应：专家与高级多面手

现在大多数人使用Claude的方式，和用搜索引擎没两样：输入一个问题，等一段回答，多数时候对结果不满意，直接关掉页面了事。以前我也一直这么用。后来总听别人说AI彻底改变了他们的工作与生活，我便花了一下午完整配置自定义设定，上传了大量记录我思维模式、工作习惯的文档，体验直接天翻地覆。

我脑海里浮现出两类职场人：一类是真正的创业者，另一类是企业内部具备创业思维的人，二者都需要独立处理繁杂事务、承担多重责任。

我判断未来职场会出现杠铃效应，我们线下高阶实训课里也印证了这个趋势：一部分人会深耕赛道，成为垂直领域顶尖专家。上学时老师总教导我们选定一个方向深耕，以此打造长久职业道路，但这套思路正在失效，除非你能做到行业顶尖。

举个例子，普通水准的文案工作，如今随便一个具备基础文字能力的人，借助AI就能完成；但如果是全球前1%的顶尖文案，AI完全无法替代。由此可见，各行业里功底深厚的顶尖专家价值会持续走高，这个规律适用于绝大多数行业。

同时，另一类人才会崛起，也就是高阶复合型通才，类似大型广告公司里的全能型人才，能驾驭多种不同工作，拥有成熟、精准的全局判断力。

两类人才搭配协作的画面十分有趣：顶尖专家手握旁人难以复刻的专业能力，普通人根本无法企及。这也就形成了清晰的两极分化：顶尖深耕专家，和全能综合型通才。这个趋势十分值得探讨。

不管是深耕垂直领域的专家，还是横跨多业务的通才，AI都会赋予他们更高的自主掌控权。两类人都能依靠AI工具，产出独属于自己、富有创意且具备深度的成果，如今我已经亲眼见证了大量实例。

拿设计师举例，他们本身自带独一份的人类创造力，不少设计师运用各类AI工具的思路天马行空，是我完全想不到的，这份独特的巧思，正是他们专业能力的核心体现。

另外聊聊“创业精神”这个词。在硅谷大家普遍狭隘地把它等同于“去特拉华州注册一家初创公司”，认为有营业执行才算创业者，我并不认同。在我看来，创业精神本质和自主掌控力几乎同义。

无关职业身份，专科医生、中小学教师，都可以拥有创业精神。核心永远是自主选择权，而面对如今飞速迭代的认知智能技术，这份自主能力会变得尤为关键。

真正改变工作方式的工具

我们要敢于向前，坚守住属于人的自主主导权，驾驭、吃透、用好AI这项技术。不必畏惧，更不要退缩，时代向前的大势不会停下来。

我认为所有人都可以拥有自己的一番事业，不一定非要做初创公司创始人，依托自身技能、凭借自己热爱的事，人人都能闯出一条路。

我日常会混用各类大模型，ChatGPT、Gemini、Claude都会根据不同场景选用。它们能帮我深挖课题、开展深度思辨对话。

说个很生活化的例子：家里洗衣服的活儿一直是我负责，每到周末就要处理一大堆衣物。从前我只会趁着洗衣、叠衣服的空档听有声书，可很多时候听着听着就觉得乏味。几个月前我想到一个办法，叠衣服的时候直接和AI展开深度探讨，体验出乎意料地好。原本枯燥的家务突然有了盼头，碎片时间可以随时钻研任何我感兴趣的知识。

如今软件开发行业的变革更是翻天覆地。艺术与设计赛道同样变化显著，我们实验室自研模型赋能创作者，辅助大家搭建三维场景、构想视觉世界，创意行业正在迎来全新变革。

但这个领域争议一直很大，不少企业直接把AI创意工具包装成替代人类创作者的方案，我完全不认同这种思路。单说视觉创作，人类的创造力本身就广袤无边，视觉设计背后，串联着人的共情感知、叙事表达、内在价值理念等等。

什么是空间智能

AI 是一件极具威力的工具，作用是启发、释放人类创造力，而非取而代之。从技术角度讲，AI 只有掌握空间智能，才能真正迈向高阶智能。

我目前在世界实验室主攻的研究方向，便是空间智能。空间智能是一个统称，囊括人类在三维环境中具备的各类感知能力；如果纳入运动变化，我们便称之为四维环境感知。

比如我能辨识眼前的人、各类设备、这栋完整的建筑，这就是空间智能里的理解能力；同时我们还能自主推演空间逻辑：我想从冰箱拿一瓶水，就要在脑中规划空间路径，能走上楼梯、识别冰箱、预判自身动作，这便是推理能力。

空间智能第三大核心是生成。即便我没有亲眼见过你的客厅，我也能在脑海里构建出画面；如果拥有更强的艺术功底，还能创作出大量二维、三维乃至四维视觉作品，人类天生具备凭空构建空间图景的能力。

第四个、也是倒数第二项核心是交互，指人与空间产生联动的整套行为。拿我周末最爱做的叠衣服举例，这件事极度依赖空间感知：每件衣物如何折叠、怎么收纳进衣柜，全程都充满空间交互逻辑。

总结来说，空间智能包含四大维度：理解、推理、生成、交互。目前全球相关研究都在飞速推进，行业整体进步非常地显著。

现在市面上 Nano Banana、GPT Image 这类工具，已经可以批量生成二维图像，甚至能凭空描绘出你从未见过的花园花卉，基础的空间理解与简单推理已经落地；我们也能直接在 AI 工具里绘图。不过现有成熟产品的生成能力大多局限在二维层面，我们实验室主攻三维空间智能。三维能力对机器人交互、可控化创意生产至关重要，覆盖工业设计、建筑、游戏开发、影视特效等众多领域，这也是我们当下的核心攻关方向。

空间智能大模型和大语言模型（LLM）各有优缺点，二者本质是互补关系。我们不能单纯用语言思维去定义全部智能，就像投篮这件事：整套动作转瞬即逝，无法完全靠内心语言思考完成。

但投篮本身也是一套高度复杂的智能行为，语言推理依然会参与其中。运动员会在脑中判断得分、失分，思考这次出手对整场比赛的影响，这部分依托语言逻辑；可观察球场、定位对手、瞄准篮筐，核心依靠空间感知；调整身体姿态、发力完成投篮，则属于躯体运动智能。

日常生活里绝大多数行为，都是语言智能、空间智能以及躯体智能三者融合协作的结果，三者相辅相成、协同运转，而空间智能在其中扮演着无可替代的关键角色。

生物演化耗费五亿多年才打磨出成熟的空间智能，语言智能演化成型的时间则短得多。空间智能是动物乃至人类与生俱来、根植底层的基础核心能力。

我们距离完整复刻人类层级的空间智能还有多远？作为科研人员，我永远不会给出百分百确定的结论，科学本就是持续突破未知边界的过程。如果对标完整人类智能，难点在于我们至今没能摸清人类智能的全部上限，永远无法精准界定人类智慧的边界。

但如果对标普通人日常行为，比如叠衣服、做蛋卷、打篮球这类小事，我们距离完全复刻还差很远。不过我不认为需要等一百年，我的目标是在我的有生之年看到相关技术成熟落地，全球大量科研人员都在同步攻坚，几十年内大概率就能见到突破，不用等百年，当然也不可能短短一年就实现。

但我由衷期待那一天早日到来。

我注意到业内很多团队在提 “通用人工智能 AGI” 这个说法，但我有一个观点：在攻克成熟空间智能之前，我们永远无法触及真正意义上的 AGI。我理解大家回避这个术语的各种考量，可想要真正理解世界、和真实物理环境互动，空间智能是绕不开的核心。智能本身是一套极其复杂的命题，如果缺少空间智能这一环，人工智能的能力版图就是残缺不全的。

我并不排斥这个词汇的流行。作为学术研究者，我们要清楚学界这套研究领域标准命名原理。

如何在自己身上建立代理

AGI 里的 G，在学术层面其实没有清晰、统一的科学定义，说到底它只是一个代号，我们大可把它当作一个俗称。

我们今天多次聊到了 AI 智能体。David，你运营着一家教育企业，如果站在管理者的角度，你对职场从业者有什么建议？又该如何从小培养孩子的自主意识？

我做过大量相关研究，但目前还没有形成确凿、完整的定论，暂时没法给出一套标准答案。不过我们梳理出了一些推论，如果把 “主观能动性、自主意识” 拆解开来，就能找到一些关键线索。

首先我们明确，敢于承担风险、内心拥有安全感，是自主意识的重要基础；能从失败里吸取经验，也是不可或缺的一环；遭遇挫折后快速调整、拥有强大韧性，同样至关重要；与生俱来的好奇心，更是支撑自主探索的核心动力。

除此之外还有一些底层心理诉求：想要解决难题、渴望获得他人认可。这类诉求算不上最优特质，但会驱动人主动行动、主动解决问题，间接帮人建立自主掌控感。

现有相关研究大多停留在定性层面，只是梳理驱动自主意识的各类要素，相关实证支撑还比较薄弱。想要锻炼自主能力，就要主动投身陌生、有挑战的环境，这种培养要从孩童时期起步。

人首先需要安稳的成长环境，能获得爱、温饱、充足休息与心理健康保障。同时我们也可以通过正向激励引导人主动探索，比如完成目标后给予额外奖励，电子设备、各类工具也能以此驱动人主动实践。

但结合我自身的经历来看，自主意识本质上和我们从小到大接受的社会教化是相悖的。从小到大，我们都被灌输要追逐他人的夸奖：孩童时期依赖父母的肯定，在校期盼老师的表扬，步入职场后又渴求上司的认可。

可正如我们所说，自主意识、企业家精神从来不是创业者专属，它内核就是要挣脱这种 “渴求外界赞美” 的思维定式。我还记得刚开办高阶实训课程时，身边所有人都判定这件事行不通、完全是糟糕的想法。一辈子习惯寻求他人认可的人，很难坦然接纳这种负面评价。后来我慢慢醒悟：如果一个想法所有人都拍手叫好，那它大概率算不上优质创意。

想要真正拥有自主判断力、具备开拓精神，就要敢于追逐旁人眼中 “不可能” 的事。如今我创业之后，每当有人断言某件事无法实现，我反而会生出浓厚的好奇心，想要深入钻研试一试。

这是一种底层思维的彻底转变。我也希望能总结出一套简单法则，比如教会人四件事就能塑造强大自主意识，但现实远比想象复杂得多。

比如David身上就具备这种特质，这也是独立思考、拥有自主掌控力的体现。你在 Substack 上发布过一篇文章，建议大家隔绝各类电子信息干扰，独立思考、自主做出判断，形成属于自己的观点。

像我们这一代人，从小习惯迎合他人评价，要做到这件事其实非常煎熬。如果你的观点和身边朋友相悖，所有人都不认同你，该如何锻炼独立表达、坚持自身判断的能力？这对塑造自主意识同样关键。

这个问题直击家庭教育的核心。不管是自我成长、养育子女，还是教导学生，想要锻炼这份独立思考的 “底气”，践行起来其实很朴素：拒绝思维惰性。

很多人都在抱怨网络信息泛滥、社交媒体碎片化、AI 工具过度普及，但我的看法恰恰相反。我甚至有些羡慕下一代年轻人，他们所处的世界远比我们当年更加多元。

常年刷 X、Instagram、TikTok 的人会慢慢发现，世界上充斥着截然不同的声音与立场。放在过去，人们获取观点的渠道十分单一，无非是父母、学校老师。而新一代年轻人自出生起，就身处一个多元观点、无数可能性交织的环境之中。

如果你感到迷失，最简单的方法就是开始使用AI

现在这种环境也容易让人心生畏惧，一旦使用不当就会滋生各类乱象，我们都清楚社交媒体本身就存在不少弊病。换个角度看，这同样是难得的机遇。我们可以借此告诉年轻人：你们的声音至关重要，话语权不再被少数人、少数强权垄断。

我们可以引导新一代重新审视当下这个时代 —— 如今各类工具唾手可得，它们足以赋予人掌控自身命运的力量。只要愿意接纳，每个人的表达都拥有前所未有的分量，这是我们这一代人年轻时无法想象的。

一套适合 AI 新手的入门建议

先说我的团队：如果员工不愿意主动上手 AI，那他大概率很难跟上团队节奏，甚至无法胜任岗位，现在不少年轻人对 AI 的理解早已远超我。

对于 World Labs 这类深耕底层 AI 技术的初创团队而言，这个问题本不需要多谈，但我更想把话题抛给广大普通从业者，也就是各行各业的职场人：老师、护士、会计，各类岗位皆是如此。

正如之前聊的，大众对 AI 的看法极端割裂，很多人满心焦虑，却完全不知道该从何处入手接触、运用 AI。我给这类人群一个很实在的建议：找身边的年轻人，自家孩子、侄子侄女都可以，大多都在 25 岁以下。

如今几乎所有企业都或多或少落地了 AI 工具，先放下顾虑、保持好奇心，请他们演示日常使用 AI 的方法。不必畏惧这项技术，试着去好奇我们下一代、子孙后代、学生将要身处的未来世界。主动踏上了解未来的旅程，年轻人完全可以做你的引路向导。

不用焦虑自己没学过计算机、分不清各类应用软件。

去找一位你信任、关系亲近的年轻人，抽一个周末或是一段空闲时间，让他们手把手带你实操。你会发现 AI 远没有想象中恐怖，反而能赋能自身。

即便你觉得工具繁琐、尚有诸多缺陷，也正因为你摸清了这些问题，你的观点和诉求才更有分量，更容易被行业听见。

愿大家永葆好奇心，持续自我成长、踏实深耕。谢谢。

作者：场长

参考地址：

博客地址：https://www.youtube.com/watch?v=subu-xHrp1w