前幾天，刷到一條短視頻，是國家傳染病醫(yī)學中心主任張文宏，110在香港高山論壇上的一段講話，他明確表示我拒絕把AI引入醫(yī)院病歷系統(tǒng)。

因為，未經(jīng)系統(tǒng)性訓練的AI，會從根本上改變醫(yī)生的培訓路徑，破壞或損害年輕醫(yī)生需要通過傳統(tǒng)訓練才能掌握的獨立診斷能力。

張文宏解釋說，他自己當然用AI，讓AI先過一遍病例。但關(guān)鍵是，以他三十多年的臨床經(jīng)驗，他一眼就能看出AI哪里錯了。

問題在于年輕醫(yī)生。

如果一個醫(yī)生從實習階段就開始依賴AI給診斷結(jié)論，跳過了完整的臨床思維訓練，那他將永遠喪失一項關(guān)鍵能力：鑒別AI對錯的能力。

張文宏的這番話，從一個普通AI用戶的角度，道破了一個被普遍誤解的現(xiàn)實，關(guān)于AI時代的技能和杠桿。

過去一兩年，我看到一種奇特的“群體性焦慮”。

有意思的是，這種焦慮不是來自那些不懂技術(shù)的人，恰恰相反，它更多來自那些已經(jīng)熟練使用AI的精英群體：程序員、律師、分析師、自媒體人。

大家最初都興奮地以為，AI會讓自己成為超人。但短暫的效率狂歡之后，很多人陷入了一種更深的無力感：

當AI能以零成本完成80%的工作時，我剩下那20%的價值，到底能不能撐起我的職業(yè)尊嚴？

如果一個AI可以幾分鐘搞定我兩周的代碼；如果大模型能秒出一份完美的盡調(diào)報告；如果gemini或豆包能讓毫無繪畫基礎(chǔ)的人產(chǎn)出大師級作品，如果gpt能夠“準確”閱讀體檢報告或檢查報告，那人類技能的護城河，究竟還在哪里？

說我們正在進入一個去技能化的時代；但硬幣的另一面恰恰是：AI并沒有讓技能變得無用，它引發(fā)的是一場劇烈的“技能通脹”。只是技能要被重新定義。

在一個執(zhí)行成本趨近于零的時代，AI就是一面照妖鏡。它放大的不僅是你的效率，更是你認知的顆粒度或精度。

你感到“廢了”，可能是因為AI無情地暴露了一個事實：過去你引以為傲的工作，大部分只是在“搬磚”，是執(zhí)行，是“聽話照做”，而不是在“思考”，更不是提出問題和解決問題。

21世紀的技能真相，不再關(guān)乎你手里有多少工具，而關(guān)乎你腦子里有多少原本的真實的杠桿�！�宏觀把控+微觀驗證”的綜合能力，才是AI時代真正的鐵飯碗。

一、張文宏悖論：0的10倍還是0

硅谷有一個廣為流傳的觀點，但常常被誤讀。

人們說：“AI是生產(chǎn)力的10倍放大器�！�

這句話的數(shù)學含義，比字面意思更冷酷。

如果你現(xiàn)在的能力是1，AI讓你變成10；如果你是10，AI讓你變成100。但如果你對某個領(lǐng)域的底層理解是0，那么，

0乘以10，依然是0。

這正是張文宏擔憂的核心：一個從實習階段就依賴AI的年輕醫(yī)生，他的臨床判斷力可能就是0。AI再強大，0乘以任何數(shù)，結(jié)果還是0。

更可怕的是，這個“0”自己還不知道自己是0。

張文宏說得很直白：“新手醫(yī)生不能只會依靠AI看病。”為什么？因為即使AI準確率高達95%，那5%的錯誤也需要由專業(yè)醫(yī)生來識別和糾正。

如果醫(yī)生根本不具備獨立診斷能力，他怎么發(fā)現(xiàn)AI的錯誤？怎么處理AI搞不定的疑難雜癥？

這就是我說的“張文宏悖論”，某種層面上，它是個先有雞還是先有蛋的問題。但另外一個層面上，它強調(diào)的是，是人在用工具，還是工具在用人。

它揭示了AI時代技能的第一層真相：

AI的本質(zhì)是“概率的擬合”，而人類的價值在于“后果的承擔”。

過去我們說的技能，往往指的是熟練的執(zhí)行，熟記語法、背誦法條、掌握各種快捷鍵。但在AI時代，這些硬技能迅速貶值，變成了基礎(chǔ)設(shè)施。

取而代之的，是一種更隱蔽、更稀缺的能力：判斷力。而所謂判斷力，就是知曉自己行為的長遠后果。

試想一個場景：一位資深工程師和一位新手同時用AI寫代碼。

新手得到的只是代碼塊。他無法判斷這段代碼有沒有架構(gòu)隱患，無法預知它在極端并發(fā)下的表現(xiàn)，甚至不知道這是不是一個“死胡同”式的解決方案。

而資深工程師看到的不是代碼，是路徑。他知道該給AI什么任務(wù)，知道如何驗收結(jié)果，更知道當AI犯錯時該在哪個環(huán)節(jié)修正，而AI一定會犯錯。

對于新手，AI是個黑盒，只能祈禱它輸出正確答案。 對于專家，AI是個無限精力的實習生團隊，指哪打哪。

于是，未來的專家與普通人的分野，在于你是否具備“驗證AI輸出”的能力。

張文宏能一眼看出AI的診斷錯在哪里，靠的不是什么神秘直覺，而是三十多年臨床經(jīng)驗積累出的“元能力”。這種能力，恰恰是被AI跳過訓練的年輕醫(yī)生最缺乏的。

所以，如果沒有深厚的專業(yè)知識作為壓艙石，AI帶來的不是效率，而是昂貴的混亂。

二、為什么你的提示詞總是差點意思

為什么有的人能用AI解決復雜問題，有的人只能把它當聊天機器人？

問題不在于你不會寫“咒語”，而在于你思維的熵值太高。

最近有一種很值得警惕的現(xiàn)象：人們開始把思考本身外包給AI。

遇到問題，不做拆解，直接把一團漿糊似的需求扔給模型，然后對著平庸的輸出發(fā)火：“這AI根本就沒用。”

其實，不是AI蠢，是你沒想清楚。

AI模型再先進，本質(zhì)上也是基于“上下文”的預測機器。它的輸出質(zhì)量，嚴格受限于你輸入的上下文質(zhì)量。這就是"Garbage In, Garbage Out"（垃圾進，垃圾出）的現(xiàn)代版。

21世紀的頂級技能，變成了“清晰的表達”和“結(jié)構(gòu)化思維”。

真正的高手在打開對話框之前，腦子里已經(jīng)完成了一場嚴密的推演：

1.定義問題：我到底要解決什么核心矛盾？

2.拆解邏輯：這個大問題由哪幾個子任務(wù)構(gòu)成？依賴關(guān)系是什么？

3.設(shè)定標準：什么樣的結(jié)果才算合格？

比如，在讓AI協(xié)助開發(fā)一個功能前，你是否已經(jīng)厘清了數(shù)據(jù)流向？在讓AI寫一篇文章前，你是否已經(jīng)構(gòu)建了獨特的觀點框架？

別指望AI替你完成“從0到1”的思考。

AI擅長的，其實是填充血肉（從1到100），但那個“1”，那個核心的洞察、邏輯的骨架，必須由你提供。

如果你無法清晰地向人類同事闡述你的想法，你也絕不可能從AI那里得到滿意的結(jié)果。

清晰的寫作就是清晰的思考。

未來，用自然語言編程將是通用技能。但這不意味著編程變簡單了，而是意味著語言和邏輯的精度成為了新的代碼。

如果你的思維是混亂的，AI只會高效率地放大這種混亂。

三、走出信息繭房：比99%的人更接近本質(zhì)

既然AI是基于人類已有的海量數(shù)據(jù)訓練出來的，它天生就帶有一個巨大的缺陷：平庸的共識，即向均值回歸。

你問AI關(guān)于健康、理財或歷史的觀點，它大概率給你一個“教科書式”的回答。這些回答安全、正確，但往往極其平庸，因為它們只是重復了互聯(lián)網(wǎng)上出現(xiàn)頻率最高的信息。

這就引出了第三個維度：去偽存真的洞察力。

知識（Knowledge）和理解（Understanding）是兩碼事。

·知識是你知道“應(yīng)該這樣做”；

·理解是你明白“為什么要這樣做，以及什么時候不該這樣做”。

這正是張文宏和年輕醫(yī)生之間的根本差距。

年輕醫(yī)生通過AI可以瞬間獲得“知識”，如診斷結(jié)果、用藥建議、治療方案。但張文宏擁有的是“理解”：他知道這些知識的邊界在哪里，什么情況下要打破常規(guī)，什么時候AI給的“標準答案”是錯的。

在這個信息過載的時代，如果你只是通過填鴨式教育和算法推薦獲取信息，你本質(zhì)上只是在一個巨大的"回聲室"里機械復述。你并不真正理解事物的運作機制。

要比AI更聰明，我們需要比99%的人更接近事物的本質(zhì)（第一性原理）。

· 想理解商業(yè)？不要只看暢銷書和公眾號，去研究現(xiàn)金流、杠桿、供需關(guān)系和人性的貪婪。

· 想理解健康？不要只信所謂的權(quán)威指南，去研究代謝、激素、炎癥反應(yīng)的生物學機制。

當AI給你一個“標準化建議”時，只有那些真正理解底層系統(tǒng)運作的人，才能敏銳地發(fā)現(xiàn)其中的漏洞，或者在特殊情境下果斷推翻AI的建議。

就像張文宏說的：會不會被AI誤導，取決于你自身的能力有沒有強過AI。而你沒辦法和AI比知識，只能比理解。

未來的競爭優(yōu)勢，屬于那些敢于質(zhì)疑“訓練數(shù)據(jù)”的人。你需要建立自己的認知體系，這套體系不是抄來的，而是你通過實踐、通過痛苦的反饋循環(huán)、通過獨立思考親自驗證過的。

AI是全人類知識的平均值。如果你想超越平均值，你就不能只依賴AI，你必須擁有AI無法通過統(tǒng)計概率得出的獨到見解。

四、執(zhí)行價值歸零之后：從干活的到驗收的

把視線拉長，歷史雖然不會重復，但總是押韻。

1980年代，電腦的普及曾讓當時的會計和律師恐慌不已。在此之前，律師為了尋找一個判例，需要在堆積如山的卷宗中翻找數(shù)日。電子檢索技術(shù)的出現(xiàn)，讓這項工作瞬間變成了幾秒鐘。

律師失業(yè)了嗎？沒有。相反，法律行業(yè)變得更龐大、更復雜了。

因為檢索變得容易，客戶對律師的期望也隨之提高。人們不再為“找到判例”付費，而是為“基于復雜判例構(gòu)建獨特的辯護策略”付費。

同理，當AI接管了代碼編寫、文案生成、基礎(chǔ)診斷之后，人類的角色正在發(fā)生本質(zhì)的躍遷：

我們正在從“手藝人”進化為“指揮官”；從“干活的”升級到“驗收的”。

過去，一個優(yōu)秀的工程師可能需要50%的時間寫代碼，50%的時間思考架構(gòu)�，F(xiàn)在，他可以用90%的時間去思考架構(gòu)、理解業(yè)務(wù)、優(yōu)化體驗，而把代碼工作交給AI（并由他來審核）。

這意味著，工作的復雜度上限被打開了。

獨立開發(fā)者現(xiàn)在可以一個人運行一家原本需要十人團隊的公司；一個懂行的自媒體人可以一天產(chǎn)出過去一周的內(nèi)容量；一個資深醫(yī)生（如張文宏）可以在AI的輔助下處理過去根本不可能的病例量。

這就是AI時代“技能”的新定義：

它不再是單一維度的“專精”，而是一種跨維度的整合能力。

你不需要親自砌每一塊磚，但你必須知道大樓的力學結(jié)構(gòu)，必須有審美能力來決定大樓的外觀，必須有商業(yè)頭腦來決定大樓建在哪里最值錢。

這種“宏觀把控 + 微觀驗證”的綜合能力，才是AI時代真正的鐵飯碗。

張文宏強調(diào)的兩大關(guān)鍵能力，本質(zhì)上就是這個意思：

1. 判斷AI診斷的準確性（微觀驗證）

2. 診治AI無法應(yīng)對的疑難雜癥（宏觀把控）

沒有這兩項能力的醫(yī)生，只能算是“AI的操作員”。

結(jié)語：只有升維，才能享受降維打擊的快感

回到開頭談到的那個現(xiàn)象：為什么越用AI，越覺得自己廢了？

因為AI剝奪了你通過“苦力”獲得成就感的權(quán)利。

以前，你花三天時間整理出一份精美的報告，會覺得自己很有價值；現(xiàn)在，AI三秒鐘就能做出來，這種虛幻的價值感瞬間崩塌。

這確實讓人痛苦，但更是一種覺醒。

AI逼迫我們直面那個最難的問題：除了機械的執(zhí)行，我真正的思想價值在哪里？

對于那些不愿意思考的人，這是一個最壞的時代。他們將徹底淪為算法的附庸，甚至無法察覺自己正在被平庸的信息繭房吞噬。

但對于那些充滿好奇心、擁有獨立思考能力、渴望探究事物本質(zhì)的人，這是人類歷史上最好的時代：

· 所有的門檻都降低了。

· 所有的天花板都消失了。

· 你擁有了人類歷史上最強大的智囊團和執(zhí)行隊，24小時待命。

張文宏不是反對AI，他反對的是跳過底層能力建設(shè)直接使用AI，把思考和元認知外包給AI。

他自己用AI用得飛起，因為他有三十年的內(nèi)功作為地基。AI對他來說是如虎添翼；而對于沒有內(nèi)功的年輕醫(yī)生，AI可能是拔苗助長，飲鴆止渴。

在21世紀，技能不會消失，但它會經(jīng)歷一次殘酷的提純。

不要試圖和AI比賽“做題”，要去和AI比賽“出題”。

當你不再把AI當作一個幫你偷懶的工具，而是把它當作一個需要你用極高智商去駕馭、去指引、去糾錯的超級杠桿時，

你通過AI看到的，就不再是平庸的自己，而是一個被無限放大的、強悍的超級個體�！径�

歡迎訂閱不懂經(jīng)知識星球，星球即將漲價。

我是不懂經(jīng)的經(jīng)叔，國內(nèi)最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務(wù)自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權(quán)個人》。

不懂經(jīng)知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業(yè)、一人創(chuàng)投主題，關(guān)鍵詞：AI、IP、創(chuàng)投、科技及商業(yè)前沿的高杠桿內(nèi)容。

愈懂愈自由