AI 時代普通人的 10 條生存法則

現場：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 發布後一週。

不是方法論，不是職場技巧。

在一場物種級變局中，如何讓自己活下去，並活得更好。

開場 · ALAN WALKER

有人在來之前發消息問：「Alan，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。

在 1440 年古騰堡印刷機出現之前，歐洲最有價值的職業是抄書匠。在修道院中，一位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與流通。印刷機出現後，其中一部分人消失了，另一部分人則轉型為編輯、出版商、作者和教師。他們並未消失，而是遷移了。

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

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，所有人都以為國際象棋職業要滅亡了。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台普通 PC，可以擊敗頂級特級大師加超級電腦的組合。不是最強的人贏了，不是最強的機器贏了，是最會與機器配合的人贏了。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、已經在使用這些工具工作、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。

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·波蘭尼於 1966 年寫了一本僅有百餘頁的書，名為《隱性知識》Polanyi 1966。其核心命題僅有一句話：「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中，無法被語言化，也因此無法被傳授，無法被複製。

大語言模型的本質，是對人類已表達過的知識的極致壓縮與檢索。它吸收了所有被寫下來的東西：教科書、論文、代碼、對話。但有一類知識它觸碰不到：你在十八次失敗的項目中累積的判斷力，你見過某種局面三次後產生的預感，你在某個行業摸爬滾打後對人性的嗅覺。這些東西從未被寫入任何文件，它們以神經迴路的形式存在於你的大腦中，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——它們正構成一種 AI 無法觸碰的稀缺資產。前提是，你要有意識地將它們系統化：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，今晚翻台率大概是多少。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。

將你踩過的坑系統化。將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。

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。

經濟學中有一個概念稱為「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，比較優勢的來源已從單一技能轉變為跨領域組合——你的生物學背景加上你的金融直覺加上你的產品思維，構成了一種 AI 無法用單一訓練數據複現的視角。

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，而都發生在邊界上。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，他用熱力學中的熵的概念理解通信，創造了資訊論。喬布斯是禪修者和美學家，他將人文與工程焊接在一起，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。

› 找到你最擅長的領域——這是錨點，沒有它，其他都是浮萍

› 在兩到三個相鄰或對立的領域中建立足夠的知識，無需精通

› 訓練「連線直覺」：這個領域的底層邏輯，能否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 今天無法複現——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。

AI 讓資訊生產成本趨近於零。這意味著資訊本身趨近於無價值。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·西蒙於 1971 年寫了一句話，預言了今天的情況：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就說了這句話。當時他僅僅運用最基本的經濟學邏輯：任何東西一旦極度豐富，其自身價值會下降，而其稀缺的互補品價值則会上升。

今天，AI 每天生產的內容量已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。一個每天在碎片資訊裡漂浮三小時的人，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。

這裡有一個反直覺的結論：在 AI 時代，深度閱讀能力比編程能力更稀缺、更有價值。AI 能寫代碼、能檢索資訊、能生成報告，但它無法代替你真正理解一本書，並將其整合為你自己的判斷體系。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；而一個只會消費碎片資訊的人，則是 AI 的消費終端。終端不需要思考，終端只需接收。

ALAN · 現場

我有一個測試：找一本你認為重要的書，坐下來讀兩小時不碰手機。如果你做不到，你的注意力已被殖民。這不是道德判斷，這是認知能力的評估。在 AI 將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，而是因為他們守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。

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中，一次又一次兌現後累積起來的那份信任。

信任的本質是什麼？從博弈論的角度來看，信任是重複博弈的結果（Axelrod 1984）——兩個人在足夠多次的互動中，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中的兌現記錄。

當 AI 能生成任何內容、模擬任何風格時，真實的人際信用會出現一種悖論式的升值。AI 越泛濫的時代，“真人，而且可靠”這件事就越稀有、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，英語說得斷斷續續。他唯一擁有的是：過去十五年裡，他答應過的事，沒有一件沒做到。現在他每發一條訊息，有五十個人會優先回覆他。這在 AI 時代叫什麼——叫訊號穿透力。在 AI 製造無限噪音的世界裡，他的訊號是清晰的。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。

每次履行承諾，都是在進行 AI 時代最有價值的投資。每次失信，都是在毀掉 AI 無法幫你重建的資產。

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

整個類人教育體系，三百年來都在訓練一件事：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生死攸關的問題，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，它讓你看到原本看不見的東西；第二，它讓對話的另一方重新審視自己的假設；第三，它開啟了一個新的可能性空間，而非縮小既有答案的邊界。培養這種能力，靠的是大量閱讀、大量對話，以及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。

並非所有效率都值得被優化。有一類價值，正因它低效、正因它需要真人，所以變得越來越貴。

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：一位真正了解你情況的醫生的判斷，與 AI 生成的診斷報告，價值相差多少倍。一位在你最困難時坐在你對面的朋友，與任何 AI 陪伴應用，有多少不可替代性。一位能當面拍板、即時承擔後果的決策者，與一份 AI 優化過的建議書，有什麼本質區別。這些情境的共同特徵是：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看，這並不奇怪。人類是超社會性動物，我們的神經系統被設計為對真實的人類存在作出反應。催產素、鏡像神經元、面部表情識別系統——這些機制不會對 AI 做出回應。當一個 AI 告訴你「我理解你的感受」時，你的邊緣系統知道那是假的，即使你的理性大腦暫時被說服了。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

我預測在 AI 時代會逆勢上漲的行業：臨終關懷。不是因為 AI 無法提供資訊或陪伴，而是因為沒有人願意在自己生命的最後時刻，面對的是一個螢幕。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：如果這件事完全由 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。

進化從不獎勵最強的，它獎勵在變化的環境中存活最久的。能在高度不確定性中保持行動力的人，才是 AI 時代真正的強者。

納西姆·塔勒布在《反脆弱》中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，就會出現新模型、新的能力邊界，以及被重塑的新行業。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。

一個更底層的真相：不確定性是普通人對抗大型機構的最後武器。大型公司、大型政府、大型資本，在確定性的世界中擁有絕對優勢——他們擁有資源、規模和護城河。但在高速變化的不確定環境中，他們的規模成了負擔，他們的流程成了枷鎖，他們的歷史成了包袱。而你，一個能在 72 小時內做出決策、能在一週內完全轉向的個人，在不確定性中擁有大型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。這是你的最後一個結構性優勢，不要用焦慮把它浪費掉。

不確定性是普通人對抗大型機構唯一的結構性優勢。大型機構害怕它，你應該愛它。

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。

經濟學中有一個概念稱為「網絡效應」Metcalfe 1980——一個網絡的價值與其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中的節點。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，來自其獨特性，而非來自其數量。

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。在數位時代，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，在世界的資訊流裡是等價的——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從事工廠管理的人，沒有名校背景，也沒有光鮮的履歷。三年前，他開始在網上分享工廠運營的真實經驗——不是方法論，而是血淋淋的失敗案例以及他從中得出的結論。今天，他擁有二十萬讀者，三家工廠主動找他諮詢，還有出版社找他出書。他並沒有變聰明，他只是把原本藏在腦子裡的東西，放到了世界上。世界看見了，價值便流向他。你不輸出，世界就不知道你的存在。

把你腦中的東西放到世界上。不是為了表演，而是讓世界知道你的存在，讓價值知道該到哪裡找你。

時間管理是工業時代的邏輯——工廠需要的是穩定的產出，因此你用時間換取產品。AI 時代需要的是創造性的認知爆發，因此你需要管理的是能量，而非時間。

工業時代的核心假設是：時間是產出的函數。你工作八小時，就產出八小時的價值。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，且不需要處於巔峰狀態。但創造性工作並非線性。處於巔峰狀態的兩小時，可以產出疲憊狀態下二十小時都無法產出的成果。

神經科學已確認這一點（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。絕大多數人將這最昂貴的時間窗口用來處理郵件、刷社交媒體、參加低質量的會議，然後用剩餘的疲憊狀態從事需要深度思考的工作，並抱怨自己效率低下、缺乏創造力。

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——資訊檢索、格式整理、數據彙總、標準寫作。它無法替代的，是你的高认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處於峰值狀態。在那三個小時裡，我不看訊息、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，我都交給 AI 處理，或留到下午處理。這不是懶惰，這是理性分配。你一天裡最貴的三個小時，價值多少，取決於你如何使用它們。AI 出現之後，這個問題的答案比以往更極端：用對了，你的峰值產出是普通人的十倍；用錯了，你的低谷與 AI 沒有區別。阿西莫夫寫了三條機器人定律，是為了給機器設界限。今天我給你們這十條，是為了讓人找回自己的位置。你的位置在峰值，不在流水線上。

You don’t need more time. You need to protect your best time to do the things only you can do.

AI 不是你的天花板，而是你的槓桿。

你的位置在峰值，不在流水線。

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 的答案正在貶值。好問題正在升值

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，不是管理你的时间

-Melly