AI 来了，什么贬值什么升值
我不打算跟你喊「AI 要取代人类」。那是标题党的活儿，喊完什么都没说清。这一章只做一件很枯燥、但很有用的事：把你会的各种技能拿出来，按「AI 好不好复制」重新摆一遍，看清哪些正在悄悄贬值，哪些反而因为 AI 出现而更值钱。
贬值和升值不是我拍脑袋分的，背后有一条清清楚楚的机制。看懂机制，你就不用每年追着新闻问「这次轮到我了吗」，你自己就能算。
先看清 AI 到底擅长什么
别把 AI 想成「聪明」或「不聪明」，这两个词会把你带沟里。换个更工程的问法：什么样的活，AI 干起来又快又便宜又不出大乱子？
答案能收敛成四个条件，一个活越满足这四条，AI 越容易把它吃掉：
- 有大量样本。这件事人类已经做过千万遍，网上、代码库里、文档里到处是例子。AI 本质是从海量例子里学规律，训练样本说人话就是「它见过的做题范例」——范例越多，它模仿得越像。
- 答案在分布内。分布内指的是：你这个新任务，和它见过的那堆范例长得差不多，属于「同一类题」。同类题它答得好；真正没人做过、没有先例的题，它就开始一本正经地瞎编。
- 错了代价不大。初稿写砸了、格式排错了，改一下就行，没人会因此损失一百万或者进医院。代价小，才容得下它偶尔出错。
- 不需要有人担责。这活背后不需要一个具体的人签字、把身家性命押上去说「出事我负责」。
把四条并成一句大白话：见过无数遍、跟见过的差不多、错了不心疼、也不用谁背锅——这种活，AI 抢得最狠。你对着自己的日常工作过一遍这四条，就知道哪些部分危险了。
正在贬值的：稀缺性被击穿的那批技能
回到第 3 章那个公式：收入 ≈ 稀缺 × 杠杆。AI 干的事，本质是把某些技能的「稀缺」这个零件，一夜之间打到接近零。不是这些活不重要了，是会做的人从「相对稀少」变成了「一台机器随时能做一亿份」，供给爆炸，价格自然往下走。
哪些技能撞在枪口上，对着上面四条一比就清楚了：
- 初级信息处理。把一堆资料读一遍、整理成摘要、分个类、填进表格。样本海量、答案在分布内、错了好改。这类「细心但不烧脑」的活，正是 AI 的主场。
- 样板代码。那种「谁写都差不多」的增删改查、配置文件、把一个接口对接到另一个接口的胶水代码。全世界的开源库里躺着几千万份几乎一样的范例。你写起来枯燥，AI 写起来飞快。
- 通用文案与初稿。不痛不痒的产品介绍、模板化的邮件、四平八稳的第一版方案。要的不是独到,是「过得去」——而「过得去」正是分布内的中间值，AI 天生就吐这个。
注意我加的限定词：初级、样板、通用、初稿。贬值的从来不是「写代码」「写东西」这些大类，而是每个大类里最标准化、最没有个人判断、最像在填空的那一层。这一层以前也值钱，因为会的人相对稀缺；现在稀缺没了，价格就塌了。
AI 不吃掉整个职业，它吃掉每个职业里「换谁来做结果都差不多」的那部分。
反而升值的：AI 越强，它们越值钱
有意思的地方在这儿。同一个 AI，一边在击穿一批技能，一边在把另一批技能的价格往上顶。往上顶的，全是那四个条件的反面——样本稀少、跳出分布、错了代价大、需要有人担责。
一、判断力和品味：在一堆 AI 产出里挑出对的那个
AI 让「生产一版」几乎免费，于是瓶颈从「谁能做出来」变成了「一堆做出来的东西里，哪个是对的」。判断力说人话就是：面对十个看起来都挺像样的答案，你能一眼指出哪个真的好、哪个是华丽的错。
AI 把「产出」的成本压到近乎为零，就把全部价值挤到了「筛选」这一端。一个能从十版初稿里挑出、并改出那版真正能用的人，比能吭哧吭哧写十版的人值钱得多。因为前者的稀缺，恰恰是 AI 造不出来的。
二、提出好问题、把问题定义清楚
AI 是个答题机器，可它不知道该答哪道题。「这到底该做什么」这件事，它替你决定不了。把一个模模糊糊的真实困境，翻译成一个清清楚楚、可以动手解的问题——这一步没有标准范例，每次都长得不一样，天然在分布外。你越往「定义问题」这端站，越难被替代。
三、把 AI 接进真实系统，并对结果负责
让 AI 吐一段代码是一回事；把这段代码放进一个正在服务上亿用户、一旦崩了就是事故的系统里，还敢说「我看过了，出事我担着」——这是完全另一回事。AI 能生成，但它不会为后果负责；签字的那个人，永远得是人。越是错了代价大、越是要有人背锅的地方，人的价值不降反升——因为那正是 AI 按定义不碰的地方。
四、需要现实世界信任和责任的活
很多值钱的事，值钱之处压根不在「信息处理」，而在一个具体的人站在这儿、拿声誉和关系担保。医生让你敢把身体交出去，律师替你把风险扛下来，靠谱的人让客户敢把大单交给他。这些是长年累出来的信任，样本极稀少（就你这一个人），而且没人愿意把责任托付给一个不能担责的机器。
五、把 AI 当杠杆、去放大自己的人
这条要接回第 3 章的杠杆。AI 是一种新的杠杆——而且是人人可得的杠杆。这正是它最反直觉的地方：因为人人都能用，杠杆本身就不再稀缺了。回想第 3 章的公式，杠杆管「你能产出多少份」，稀缺管「每一份值多少钱」。当放大器免费发给了所有人，值钱的就不再是「有没有放大器」，而是「你拿这个放大器去撬什么」——那个判断，才是稀缺的一端。
反直觉的一点：「会用 AI」本身不是护城河
现在最流行的话是「你不会被 AI 取代，会被会用 AI 的人取代」。前半句对，后半句有个短暂的保质期。
护城河说人话就是：别人想抄你、追上你，得跨过的那道坎。「会用 AI」是不是一道坎？是，但它正在飞快地变浅，最后会浅到不算坎。
工程师对这个剧本应该很熟，因为你已经见过好几遍：
- 「会用搜索引擎」当年是门本事，现在是三岁小孩都会的标配。
- 「会用 Excel」曾经能写进简历加分，现在不会才要扣分。
- 「会写 SQL 查数据」也走过一模一样的路：先是稀缺技能，后是人人默认。
任何一个「谁学都能学会、样本满地都是」的工具技能，都逃不过同一条命运：先当护城河，再当门票，最后当空气。「会用 AI」正沿着这条路狂奔，它现在是护城河，很快就是门票，再往后就是没人再提的空气。把宝押在「我会用 AI」上，等于押一个正在蒸发的优势。
那护城河到底在哪？在你用 AI 之外、还额外拥有的东西。同样两个都会用 AI 的人，拉开差距的从来不是谁按键更熟，而是——
- 领域判断：你在某个行业待得够深，能一眼看穿 AI 哪句是对的、哪句是听着对的胡说。
- 责任与信任：你敢为结果签字，别人也敢把重要的事托付给你。
- 关系：那些认得你、信得过你、愿意一直找你的人。
- 独到的数据或品味：只有你手里有的东西、只有你这双眼睛才挑得出的好——AI 学不到，因为它没见过。
看出规律没有：护城河永远是那些 AI 复制不了的东西。AI 越强，这些东西反而越值钱——因为周围「谁都能干」的部分被它抹平了，你独有的那一小块，在对比之下亮得更刺眼。
最后，诚实一点
我不知道具体哪一年、哪个岗位会怎样，谁说得出精确年份谁就是在编。但机制比年份可靠得多。你不需要预测未来，你只需要把手里的活按那四个条件称一称：它有多像「见过无数遍、错了不心疼、没人担责」的活？越像，越危险；越不像，越安全。
把这章装进脑子
- AI 擅长「样本多、在分布内、错了代价小、不用担责」的活——初级信息处理、样板代码、通用文案、初稿，这些的稀缺正被击穿，价格在跌。
- 反而升值的，全是那四条的反面：判断力和品味、提出并定义问题、把 AI 接进真实系统并担责、靠信任和关系吃饭的活、以及会拿 AI 当杠杆撬大东西的人。
- AI 是人人可得的新杠杆，所以杠杆本身不再稀缺；稀缺的是「用杠杆撬什么」的那个判断。
- 「会用 AI」不是护城河，它会像「会用搜索」「会用 Excel」一样，从本事变标配。护城河是你在 AI 之外还拥有的：领域判断、责任、关系、独到的数据与品味。
- 别预测年份，去称重量：一个活越像「AI 的四个条件」，越该早点离开它，往「AI 复制不了」的那一端挪。
下一章我们把视角再抬高一层：既然未来这么不确定，那选择本身该怎么下注？我们会借金融里一个叫「期权」的东西，重新看待你手里每一个「暂时看不出有什么用」的选择——它们可能不是浪费，而是你悄悄买下的、赔率极好的彩票。