普通人在 AI 時代的 10 個生存法則

在場：約六十人——創業者、工程師、產品經理、投資人、應屆生，以及幾個自稱"在想清楚之前先來聽聽"的人。

主講：Alan Walker，硅谷連續創業者，三個週期的親歷者，現在只喝黑咖啡，不用問號

時間：2026年 4 月，Project Glasswing 發佈後一週。

不是方法論，不是職場技巧。

是在一場物種級變局裡，怎麼讓自己活下去，然後活得好。

開場 · ALAN WALKER

“有人在來之前發消息問，‘AIan，AI 來了，普通人還有沒有機會。’ Alan 沒回。因為這個問題本身就問錯了。

1440 年，古騰堡印刷機出現之前，歐洲最有價值的職業是什麼——抄書匠。修道院裡，一個資深抄書匠的地位相當於今天的高級工程師，他掌握著知識的生產和流通。印刷機出現之後，他們中的一部分人消失了。另一部分人成了編輯、出版商、作者、教師。他們沒有消失，他們遷移了。

今天在座的每一個人，都是那一批抄書匠的後代。你們的祖先沒有被印刷機消滅，你們今天才能坐在這裡問這個問題。能坐在這裡問這個問題的人，已經是人類歷史上最幸運的一批人了。問題不是"有沒有機會"，問題是"你願不願意看清楚機會在哪裡"。

我今天給你們十條。沒有廢話，每一條我都想清楚了。” - 硅谷 ALan Walker

Law I · 對手不是 AI，是會用 AI 的人

被淘汰的不是職業。是那些相信"這和我無關"的人。

先說一個反直覺的事實：任何技術革命，消滅的都不是工作，消滅的是拒絕學習的人。這不是勵志，這是歷史記錄。1900 年，美國有 4100 萬匹馬在承擔運輸工作。汽車來了之後，馴馬師消失了，但機械師、加油站工人、公路工程師、汽車保險精算師、交通警察全部誕生了。淨增，不是淨減。

1997 年，Deep Blue 擊敗卡斯帕羅夫，所有人以為國際象棋職業要死了。2005 年出現了一種叫"半人馬象棋"的比賽——一個普通業餘棋手加上一臺普通 PC，可以打敗頂級特級大師加超級計算機的組合。不是最強的人贏了，不是最強的機器贏了，是最會和機器配合的人贏了。這個結論適用於 2026 年的每一個行業，一個字都不用改。

ALAN · 現場

你今天的競爭對手，不是 Claude，不是 GPT，不是 Gemini。是那個坐在你旁邊、已經在用這些工具工作、而你還在糾結"這東西靠不靠譜"的人。技術工具的採用曲線從來不等人。印刷機出現後，頭五年裡搶先掌握它的那批人，定義了接下來兩百年的知識生產格局。今天的窗口，可能比五年短得多。

不是 AI 在取代你。是會用 AI 的人在取代你。這兩句話聽起來一樣，但決定了你截然不同的應對策略。

Law II · AI 偷不走你踩過的坑

大語言模型能學走所有被寫下來的知識。它學不走你沒寫下來的那部分——而那部分，才是你真正值錢的東西。

哲學家邁克爾·波蘭尼在 1966 年寫了一本只有薄薄百頁的書，叫《隱性知識》Polanyi 1966。核心命題只有一句話："我們知道的，永遠比我們能說出來的多。"他舉了一個例子：你能認出一張臉，但你無法告訴我你是怎麼認出來的。這種能力存在於你的神經系統裡，無法被語言化，也因此無法被傳授，也無法被複制。

大語言模型的本質，是對人類已經表達過的知識的極致壓縮和檢索。它吸收了所有被寫下來的東西：教科書、論文、代碼、對話。但有一類知識它碰不到：你在十八次失敗的項目裡積累的判斷力，你見過某種局面三次之後產生的預感，你在某個行業摸爬滾打之後對人性的嗅覺。這些東西從來沒有被寫進任何文檔，它們以神經迴路的形式存在於你的大腦裡，只能被經歷觸發，無法被語言傳遞。

所以，你以為沒用的經歷，才是你在 AI 時代真正的護城河。那些走過的彎路，踩過的雷，賭錯的判斷——它們正在構成一種 AI 無法觸碰的稀缺資產。前提是，你要有意識地把它們系統化：寫下來，講出來，傳授給別人。

ALAN · 現場

我認識一個做了十八年餐飲的人，不會 Excel，不會寫代碼，普通話說得磕磕絆絆。但他能在一家新店開業前三十分鐘，走一遍，告訴你哪道菜今天會出問題，哪個員工今天狀態不對，今晚翻檯率大概是多少。他怎麼知道的？他說不清楚。但那個"說不清楚"，值幾百萬。AI 能生成一份完整的餐飲管理手冊，但它沒有他踩過的那十八年的坑。

把你踩過的坑系統化。把你的失敗案例語言化。這不是在寫回憶錄，這是在鑄造 AI 時代最被低估的護城河。

LAW III·深度是憑證，跨界才是武器

AI 在任何單一領域都能"夠用"。它無法做的，是把兩個領域的底層邏輯疊在一起，看見第三種可能。

經濟學裡有一個概念叫"比較優勢"Ricardo 1817。意思是：你不需要在所有事情上都比別人強，你只需要在某個組合上比別人更有效率。放到今天，比較優勢的來源從單一技能變成了跨域組合——你的生物學背景加上你的金融直覺加上你的產品思維，構成了一個 AI 無法用單一訓練數據復現的視角。

人類歷史上真正改變格局的創新，幾乎都不發生在學科內部，都發生在邊界上。孟德爾是修道士，他用統計學研究豌豆，奠定了遺傳學。香農是數學家，他用熱力學裡的熵的概念理解通信，創造了信息論。喬布斯是禪修者和美學家，他把人文和工程焊在一起，定義了消費科技。在一個 AI 能快速覆蓋任何單一領域的時代，跨界連線的能力，是人類最後的認知優勢之一。

› 找到你最深的一個領域——這是錨點，沒有它其他都是浮萍

› 刻意在兩到三個相鄰或對立領域建立夠用的知識，不需要精通

› 訓練"連線直覺"：這個領域的底層邏輯，能不能解釋那個領域的現象

› AI 幫你檢索，你來連線——這是分工，不是競爭

ALAN · 現場

我見過最厲害的投資人，不是金融最強的那個，而是金融夠好、對技術有真實感知、對人性有洞察、對歷史有記憶的那個。這四個維度組合在一起，AI 今天無法復現——因為"洞察"的核心是整合，整合需要你在真實世界裡被不同系統撞擊過，而不是從訓練數據裡檢索出來的模式匹配。你的複雜經歷，是 AI 暫時無法殖民的地方。

只有深度沒有寬度，你是一口井。有了跨界，你是一張網。AI 是水，它會流向所有的井，但網是你自己編的。

LAW IV· 注意力是你在 AI 時代唯一真正稀缺的東西

AI 讓信息生產成本趨近於零。這意味著信息本身趨近於無價值。而它的稀缺互補品——專注的注意力——正在變成這個時代最硬的貨幣。

赫伯特·西蒙 1971 年寫了一句話，預言了今天 Simon 1971："信息的豐富，必然導致注意力的匱乏。"他在互聯網誕生之前說這句話。那時候他只是用了最基本的經濟學邏輯：任何東西一旦極度豐富，它自身價值會下降，而它的稀缺互補品價值會上升。

今天，AI 每天生產的內容量已經超過人類此前幾百年的總和。你的大腦沒有升級，你的注意力總量是固定的。你把注意力給了什麼，就是在給什麼投票，就是在培養什麼能力。一個每天在碎片信息裡漂浮三小時的人，不是在浪費時間，他是在主動把自己的認知系統降級成一個消費終端——只能接收，不能生產；只能反應，不能思考。

這裡有一個反常識的結論：深度閱讀能力，在 AI 時代，比編程能力更稀缺，更有價值。AI 能寫代碼，能檢索信息，能生成報告。它沒有辦法代替你去真正理解一本書，去整合成你自己的判斷體系。一個能長時間專注、獨立思考、自主判斷的人，在 AI 面前是合作者。一個只會消費碎片的人，是 AI 的消費終端。終端不需要思考，終端只需要接收。

ALAN · 現場

我有一個測試：找一本你覺得重要的書，坐下來讀兩小時不碰手機。如果你做不到，你的注意力已經被殖民了。這不是道德判斷，這是認知能力的評估。在 AI 把所有人的生產效率拉平的時代，能保持深度專注的人，是認知貴族——不是因為他們更聰明，是因為他們保護了大多數人已經放棄的東西。

保護你的注意力，就是保護你的認知主權。放棄注意力，就是自願降級為 AI 的消費終端，而不是 AI 的合作者。

LAW V· 信用是 AI 唯一無法批量生產的東西

AI 能生成你的簡歷，模仿你的文風，偽造你的聲音。它無法偽造你在真實關係裡，一次又一次兌現之後積累起來的那份信任。

信任的本質是什麼。從博弈論的角度來說，信任是一種重複博弈的結果 Axelrod 1984——兩個人在足夠多次的互動裡，彼此驗證了對方"說到做到"的概率足夠高，於是願意降低防禦成本，進入更高效的合作狀態。這個過程無法被壓縮，無法被偽造，無法被批量生產。因為它的本質是時間裡的兌現記錄。

當 AI 能生成任何內容、模擬任何風格的時候，真實的人際信用會發生一個悖論式的升值。越是 AI 氾濫的時代，"真人，而且靠譜"這件事越稀缺，越值錢。你的聲譽，是你在 AI 時代唯一的防偽標籤。

更深一層：信用不只是"你說到做到"，信用是"別人願意把不確定性壓在你身上"。當一個人把一件不知道結果的事情交給你，不是因為他確定你能做成，是因為他相信你會全力以赴、誠實反饋、不會消失。這種信任關係，是 AI 無法進入的私人合約，它是線下的、情感的、歷史累積的。

ALAN · 現場

我認識一個人，沒有名校背景，沒有大廠經歷，英語說得磕磕絆絆。他唯一有的是：過去十五年裡，他答應過的事，沒有一件沒做到。現在他每發一條消息，有五十個人會優先回復他。這在 AI 時代叫什麼——叫信號穿透力。在 AI 製造無限噪音的世界裡，他的信號是清晰的。這五十個人裡，沒有一個是因為他的簡歷漂亮才這樣對他的。

每次兌現承諾，是在做 AI 時代最值錢的投資。每次爽約，是在銷燬 AI 幫不了你重建的資產。

LAW VI· 答案在貶值。好問題在升值

AI 能在三秒內回答任何問題。它不知道哪個問題值得被問。這個"不知道"，就是你的位置。

整個人類教育體系，三百年都在訓練一件事：回答標準問題。考試考答案，面試考解題，績效考產出。這套系統的底層假設是：問題是固定的，答案是稀缺的。AI 出現之後，這個假設被徹底顛覆：答案不再稀缺，好問題成了稀缺品。

愛因斯坦說，如果給他一小時解決一個關乎生死的問題，他會花五十五分鐘定義問題，五分鐘尋找解決方案 Einstein, attributed。這句話在 2026 年的含義變了：那五分鐘，你可以外包給 AI。那五十五分鐘，只有你能做。

什麼是好問題。好問題有三個特徵：第一，它讓你看見你原來看不見的東西；第二，它讓對話的另一方重新審視自己的假設；第三，它打開一個新的可能性空間，而不是收窄一個已有答案的邊界。培養這種能力，靠的是大量閱讀、大量對話、在不同系統之間來回切換，直到你對"理所當然"產生本能的不信任。

ALAN · 現場

在 AI 時代，最有競爭力的工作方式是這樣的：你用一個好問題啟動 AI，AI 生成十個答案，你用更好的問題從十個裡挖出第十一個——那個 AI 自己沒想到的方向。這個閉環裡，你是導演，AI 是演員。如果你只會接收 AI 的輸出，你是觀眾。觀眾不拿導演的錢。世界永遠短缺好導演，從來不缺觀眾。

學會提問，比學會回答更值錢。因為 AI 能回答一切，但不知道該問什麼。那個"不知道"，是你的領地。

LAW VII· 找到"因為有人，所以值錢"的地方

不是所有效率都值得被優化。有一類價值，恰恰因為它低效、因為它需要真人，所以越來越貴。

凡勃倫在 1899 年描述了一類奇特的商品 Veblen 1899——價格越高，需求越大，因為高價本身是價值的一部分。今天，人類的參與正在成為某一類服務的凡勃倫屬性：因為有真人，所以值錢；越稀缺，越值錢。

想一想：一個真正瞭解你情況的醫生的判斷，和 AI 生成的診斷報告，值多少倍的差距。一個在你最困難時坐在你對面的朋友，和任何 AI 陪伴應用，有多少不可替代性。一個能當面拍板、當場承擔後果的決策者，和一份 AI 優化過的建議書，有什麼本質區別。這些場景的共同特徵是：人的在場本身就是價值的一部分，而且是不可分割的部分。

從人類進化的角度來說，這不奇怪。人類是超級社會性動物，我們的神經系統被設計來對真實的人類存在做出反應。催產素、鏡像神經元、面部表情識別系統——這些機制不響應 AI。當一個 AI 告訴你"我理解你的感受"，你的邊緣系統知道那是假的，哪怕你的理性腦暫時被說服了。人類對人類的存在，有一種無法被數字替代的生物需求。

ALAN · 現場

我預測一個在 AI 時代會逆勢大漲的行業：臨終關懷。不是因為 AI 無法提供信息或陪伴，而是因為沒有人願意在自己生命的最後時刻，面對的是一個屏幕。這是"人類溢價"的極端案例，但它說明了一個普遍規律：找到那些越自動化越讓人感到空洞的領域——那是你的機會。越高效越冰冷的地方，人的溫度越值錢。

問自己：如果這件事全部由 AI 來做，客戶會失去什麼。那個"失去的東西"，就是你永久的護城河。

LAW VIII· 不確定性不是你的敵人，是你最後的優勢

進化從來不獎勵最強的，它獎勵在變化裡存活最久的。能在高度不確定性裡保持行動力的人，是 AI 時代真正的強者。

納西姆·塔勒布在《反脆弱》裡提出了一個改變我世界觀的框架 Taleb 2012：世界上有三類系統。脆弱的系統在壓力下崩潰；強健的系統在壓力下維持；反脆弱的系統在壓力下變得更強。他說，大自然獎勵的不是強健，是反脆弱。肌肉在壓力下生長，免疫系統在感染中增強，經濟在創造性破壞中進步。

AI 時代的不確定性是結構性的，不會消失。每隔幾個月，就有新模型，新的能力邊界，新的行業被重塑。這不是暫時的混亂，這是新的穩態。你無法預測下一張牌。你能做的，是訓練自己在不知道下一張牌的情況下，依然能夠行動、學習、保持方向感。

更底層的一個真相：不確定性是普通人對抗大機構的最後武器。大公司、大政府、大資本，在確定性的世界裡有絕對優勢——他們有資源、有規模、有護城河。但在高速變化的不確定環境裡，他們的規模變成了負擔，他們的流程變成了枷鎖，他們的歷史變成了包袱。而你，一個可以在 72 小時內做出決策、可以在一週內完全轉向的個人，在不確定性裡有一種大機構永遠無法複製的靈活性。

ALAN · 現場

更具體一點：小注押注，快速迭代，不要 all-in 任何單一判斷。建立一個能吸收錯誤的生活結構，而不是一個必須永遠正確的生活結構。把失敗的成本控制在你能承受的範圍內，把學習的速度提升到你能保持的最高水平。你無法預測 AI 下一步會顛覆哪個行業。但你可以訓練自己，在它顛覆的那一天，是興奮，不是恐慌。大機構害怕不確定性，是因為它們太重，轉不動。你輕，你可以轉。這是你最後的結構性優勢，不要用焦慮把它浪費掉。

不確定性是普通人對抗大機構唯一的結構性優勢。大機構怕它，你應該愛它。

LAW IX· 持續輸出，把你的認知變成公開資產

AI 讓所有人都能"生產內容"。但內容和觀點是兩回事。有獨特觀點並持續表達的人，會在 AI 噪音裡產生指數級的可見度。

經濟學裡有一個概念叫"網絡效應"Metcalfe 1980——一個網絡的價值，和它的節點數量的平方成正比。你的公開表達，是你在人類知識網絡裡的節點。每一篇文章、每一次演講、每一個觀點，都在增加你的連接數量。而節點的價值，來自它的獨特性，不是來自它的數量。

在 AI 讓內容生產成本趨近於零之前，稀缺的是生產能力。在那之後，稀缺的是值得被信任的獨特觀點。任何人都能用 AI 生成一篇"AI 時代生存指南"，但不是任何人都能寫出一篇讓人讀完覺得"這個人見過真實的世界"的文章。後者需要的是真實經歷、獨立判斷、持續思考——這三件事，AI 無法代勞。

更根本的邏輯是：你不輸出，你就不存在。在數字時代，存在即被看見，被看見才有價值流動的可能。一個在腦子裡裝了很多好想法但從不表達的人，和一個什麼都不懂的人，在世界的信息流裡是等價的——他們都是透明的。把你的認知變成公開資產，是 AI 時代最被低估的複利行為。

ALAN · 現場

我認識一個在二線城市做工廠管理的人，沒有名校背景，沒有光鮮履歷。三年前他開始在網上寫工廠運營的真實經驗——不是方法論，是血淋淋的失敗案例和他從中得出的結論。今天他有二十萬讀者，有三家工廠主動找他諮詢，有出版社找他出書。他沒有變聰明，他只是把原來裝在腦子裡的東西，放到了世界上。世界看見了，就有價值流向他。你不輸出，世界不知道你存在。

把你腦子裡的東西放到世界上。不是為了表演，是為了讓世界知道你存在，讓價值知道在哪裡找你。

LAW X· 管理你的能量，不是管理你的時間

時間管理是工業時代的邏輯——工廠需要的是穩定的產出，所以你用時間換產品。AI 時代需要的是創造性的認知爆發，所以你需要管理的是能量，不是時間。

工業時代的核心假設是：時間是產出的函數。你工作八小時，產出八小時的價值。這個邏輯在流水線上成立，因為流水線的工作是線性的、可疊加的、不需要峰值狀態的。但創造性工作不是線性的。一個處於巔峰狀態的兩小時，可以產出一個處於疲憊狀態的二十小時都無法產出的東西。

神經科學已經確認了這一點 Kahneman 2011：人類的高階認知功能——深度分析、創意連接、複雜判斷——依賴於前額葉皮層的高度活躍狀態。這個狀態極度耗能，每天只有有限的時間窗口。絕大多數人把這個最貴的時間窗口，用來處理郵件、刷社交媒體、開低質量的會議，然後用剩下的疲憊狀態去做需要深度思考的工作，然後抱怨自己效率低、沒有創造力。

在 AI 時代，這個錯誤變得更致命。因為 AI 已經可以處理所有低認知成本的任務——信息檢索、格式整理、數據彙總、標準寫作。它無法替代的，是你的高認知峰值狀態下產出的判斷、洞察、連接和創造。如果你把峰值時間給了低價值任務，你就是在用最貴的東西做最便宜的事，同時把最需要你的工作留給最差的狀態。

ALAN · 全場收尾

我每天早上有大約三個小時是峰值狀態。在那三個小時裡，我不看消息，不開會，不回郵件。我只做一件事：思考今天最重要的問題。其他所有事情，包括大量的工作，我用 AI 處理，或者留給下午。這不是懶，這是理性分配。你一天裡最貴的三個小時，值多少，取決於你用它做什麼。AI 來了之後，這個問題的答案比以前更極端：用對了，你的峰值產出是普通人的十倍；用錯了，你的低谷和 AI 沒有區別。阿西莫夫寫了三條機器人定律，是為了給機器設邊界。今天我給你們這十條，是為了給人找回位置。你的位置在峰值，不在流水線。

你不需要更多時間。你需要保護你最好的時間，用來做只有你能做的事。

"AI 不是你的天花板，是你的槓桿。

你的位置在峰值，不在流水線。"

I 你的對手從來不是 AI，是那個會用 AI 的人

II AI 偷不走你踩過的坑

III 深度是憑證，跨界才是武器

IV 注意力是你在 AI 時代唯一真正稀缺的東西

V 信用是 AI 唯一無法批量生產的東西

VI 答案在貶值。好問題在升值

VII 找到"因為有人，所以值錢"的地方

VIII 不確定性不是你的敵人，是你最後的優勢

IX 持續輸出，把你的認知變成公開資產

X 管理你的能量，不是管理你的時間

-Melly