AI native 的人，是什么样的人

从 2023 年开始做大语言模型应用，我越来越确信一件事：最快适应 AI 的人，往往不是技术最强的人。

一个反复出现的观察

这几年我一直在做大语言模型相关的产品。看得越多，有一个现象越扎眼：身边转型最快、用 AI 用得最狠的那批人，几乎都不是技术能力最强的人。反过来，很多在上一个时代非常成功的工程师、设计师、专家，面对 AI 的时候反而显得迟疑、抗拒，甚至有点用不起来。

一开始我以为这是工具熟练度的问题，学会打字、学会点按钮，谁还不会呢。但越想越觉得不对。真正的分水岭不在工具，而在一个更底层的东西：你对这个世界、对自己、对 AI，默认假设是什么。

所以我想认真回答一个问题：所谓「AI native 时代的人」，到底是什么样的人？这篇文章是我把这个问题想清楚的过程。

每一代「原生的人」，差别不在工具，而在默认假设

先把时间拉长一点看。

互联网出现之前的人，默认假设是「知识是稀缺的，获取是有成本的」。一本书、一份资料、一个懂行的人，都不好找。所以那一代人的核心能力是记忆和内化，你脑子里装了多少东西，基本决定了你能做多少事。瓶颈在于「获取信息」。

互联网原住民的默认假设变了，变成了「信息是过剩的，我随时能查到」。于是核心能力从记忆转向了筛选和判断：你不需要背下答案，但你得知道怎么搜、怎么分辨哪个来源靠谱。瓶颈从「获取」变成了「筛选」。

到了 AI 时代，我觉得发生了一次更根本的跳变：默认假设变成了「能力是可以即时获得的」。不是「我去学」，不是「我去找会的人」，而是「我现在就能做，通过把我想要的东西描述清楚来做」。瓶颈又一次迁移了，从「筛选信息」变成了「精确地表达意图」。你能多准确地说出你想要什么，就决定了你能做出什么。

这条线串起来很清楚：每一代人的核心能力，从记忆，到搜索与判断，再到定义问题与表达意图。每一次，人的价值都往更上游走了一层。

为什么上一个时代的强者，反而转得最慢

理解了这条线，就能理解那个反直觉的现象了。

上一个时代的成功者，很多人其实从来没有被真正要求想清楚「自己到底要什么」。这句话听起来奇怪，但你想想一个资深程序员的日常：接到需求，拆解需求，用技术把需求实现出来。他的核心竞争力在「怎么做」，怎么把一个已知的目标用最优雅的方式做出来。设计师也一样，客户说「我要高端大气」，他凭经验和审美把这个模糊的词翻译成具体的方案。

注意，这些人在旧范式里之所以值钱，恰恰是因为他们把「别人说不清楚的事」变成了自己的壁垒。「你不用想清楚，我能帮你想清楚、做出来」，这是他们整个价值体系、身份认同、定价权的来源。

现在 AI 来了，这一层「翻译加执行」的壁垒开始被快速压缩。问题就变成了：当你花了十年建立起一个「我比你更懂怎么做」的身份，突然有人告诉你「怎么做」不再稀缺了，你的第一反应会是什么？

大多数人的反应不是「太好了，我终于可以去想更上游的问题」，而是本能地否认这个变化的合法性：AI 写的代码不行、AI 做的设计没灵魂、AI 写的文案没温度。这些判断里有对的成分，但驱动它们的情绪，本质上是一种身份防御。

我们常说的「放不下身段」，我更愿意精确地描述成：身份和技能绑定得太紧了。「我是一个优秀的程序员」这句话里，「程序员」既是职业，也是自我。当编程的壁垒被 AI 拉低，他感受到的不是「多了个好用的工具」，而是「我是谁，这个问题突然没有答案了」。这不是一道学习题，是一道存在题。它需要的是一次告别，而不是一次升级。

从 Workflow 到 Agent：一个关于「谁更值得信任」的故事

这一段我想讲点行业内的事，但会尽量讲明白，因为它特别能说明问题。

大语言模型刚开始被用来做应用的时候，主流做法是把模型当成一段程序里的一个「函数」：给它一段固定的指令（行话叫「系统提示词」），让它去做一些过去要么得靠复杂算法、要么人写代码根本做不了的事，比如理解一段自然语言、做个判断、归类一下。

很快，大家发现单个「函数」不够用，于是出现了一个东西叫 Workflow（工作流）：人先把一件事拆成一张流程图，第一步干什么、第二步干什么、遇到这种情况走左边、遇到那种情况走右边，AI 只负责把流程图里的某些节点执行掉。前两年很火的「扣子」（字节做的产品）就是典型，你拖拖拽拽把流程搭出来，AI 在里面打工。

当时圈子里有一场争论：到底是 Workflow 好，还是 Agent 好。Agent 是另一种思路：你不画流程图，你只告诉 AI 一个目标和一些约束，具体怎么走、查什么资料、调用什么工具、走几步，全部由 AI 自己决定。

我后来想明白，这场争论表面是技术路线之争，骨子里是一个哲学问题：到底是人更值得信任，还是 AI 更值得信任？

Workflow 的架构，假设是「人比 AI 聪明」，所以路径由人规划，AI 只管执行。这在 2023、2024 年是合理的，因为模型确实还不够强。但更深一层是，这个架构让很多人多年积累的经验和「软件工程的方法论」有地方安放，你流程图画得越复杂、分支越多，越证明「这些判断 AI 做不了，得我来」。Workflow 某种程度上是经验主义者的舒适区，它让「怎么做」继续值钱。

Agent 的本质变化，是你把「怎么做」也交出去了。这在心理上的门槛，其实比技术上的门槛高得多，你必须能忍受不知道过程。对一个被确定性和可控性训练了十年的人来说，这几乎是信仰层面的挑战。

到了 2026 年的今天，我们已经很少谈 Workflow 了。今年真正火的是 Claude Code、Codex 这类「编程 Agent」：你在命令行里给它一个任务，它自己去看代码、思考、改文件、跑测试，最后把活干完，像一个真的工程师在一个空间里工作。我个人觉得，今年才是真正意义上的「Agent 元年」。

而一个人怎么看待 AI，我观察下来大致有三层，像一条进化的光谱。

第一层，「AI 不如我」。这种人还在和 AI 比谁强。问题是，他在和一个进化速度比自己快几个数量级的东西赛跑，结局是注定的。

第二层，「AI 是我的装甲」。这一步已经很先进了。你不再和 AI 竞争，而是把它的能力纳入自己的能力边界。Claude Code 之所以火，就是因为开发者穿上了装甲，一个人能干一个团队的事。

第三层，「AI 是我的伙伴」。这一步和「装甲」有个微妙但关键的区别：装甲的隐含假设还是「我是主体，AI 是工具，方向我定」；而伙伴意味着你承认 AI 可能在某些维度上比你想得更清楚，你愿意让它反过来影响你的判断、你的方向，甚至你对问题本身的定义。

这最后一跳才是最难的。因为前两步都不伤自尊，「AI 不如我」完全不伤，「AI 是我的装甲」甚至增强自尊。只有到第三步，你才真正要面对那个问题：如果 AI 在很多事情上比我强，那「我」的价值到底在哪？

所以，AI native 的人到底是什么样的人

绕了这么大一圈，我可以回答开头那个问题了。

AI native 的人，本质上不是「AI 用得最熟练的人」，而是懂得怎么和 AI 一起协作、达成结果的人。他不把 AI 当成一个「输入 A 就一定得到 B」的计算器，而是当成一个极其聪明、极其博学的协作对象。说句可能有点冒犯的实话：我现在很多知识，是跟模型学的，我不需要在每一件事上都比它懂得多。

如果要拆出几个具体特征，我会说是这几条。

第一，对「不知道过程」有容忍度。 很多人把大语言模型当搜索引擎用，本质是因为搜索引擎给你十个链接、你全程掌控；而模型直接给你一个答案，你不知道它怎么来的。能接受这种不透明的人，转得最快；不能接受的人，会一直卡在「我怎么验证它说得对不对」，然后退回自己的老办法。

第二，习惯用自然语言思考，而不是用流程思考。 很多技术背景的人，脑子里是 if-else 的树状结构，跟 AI 说话也本能地想先把需求拆成明确步骤再喂进去。AI native 的人是直接说「我想要什么效果」，让 AI 自己去拆。这个差别看着小，背后是两种完全不同的认知习惯。

第三，愿意从 AI 的输出里学习，甚至修正自己。 看到它的判断，不是急着证明它错，而是反过来想：是不是我的思路有盲区？承认在某个领域不如一个模型，对很多靠「我懂得多」吃饭的人，老师、顾问、医生、高级工程师，是个尊严问题，但这恰恰是那一跳。

第四，也是最核心的：能在「要什么」这个层面思考。 过去的教育和职业体系，基本只训练我们解别人定义好的问题，老师给题、公司给任务，我们在「怎么做」上竞争。AI 时代真正的平权，不是「人人都会写代码」，而是「你到底想要什么、你到底在解决什么问题」这个问题，第一次被平等地抛给了所有人。

这也解释了为什么转型最快的，往往是产品经理、独立创作者、小团队创始人。不是因为他们技术强，而是因为他们本来就习惯从意图出发，技能只是手段。

这件事，正在重新定义教育

顺着往下想，就绕不开教育和下一代。

单从应试教育的角度看，它过时的部分确实很多：背诵事实、套公式解题、追求标准答案，这些大语言模型全都能做，而且做得比人好。继续在这些维度上训练学生，基本是在浪费他们的生命。

但我想说句公道话，应试教育里有一样东西被严重低估了：它训练了一种在约束下长时间专注、把不喜欢的难题啃懂为止的纪律性。这种韧性和深度思考的习惯，在 AI 时代反而更稀缺，因为 AI 让一切来得太容易，人的自然倾向是停留在浅层：问一句、拿到答案、走人。真正能把 AI 用到极致的，恰恰是那些能坐下来深想「我到底在问什么」的人。

所以问题不是「要不要废掉应试教育」，而是它该训练的那个核心要被重新定义：从「怎么做」（让给 AI），转向「发现并定义问题」「判断哪个方案更好以及好在哪」，以及一件特别容易被忽略的事，在物理世界里真实地动手、真实地经历。

这里要给现在的家长提个醒。最近我常听到一个思路：给孩子配台电脑、装上 AI，让他把作业、学习、甚至情绪和心事，统统交给 AI 去解决。前半段我同意，让孩子从小习惯用自然语言和 AI 协作，把所有认知性的问题交给它，他到二十岁时在「表达意图」上会远超同龄人，这是实打实的先发优势。

但「情绪和心事也交给 AI」，我得很认真地说：这恰恰是不该交出去的部分。不是因为 AI 安慰得不好，而是因为情感能力本身，必须在人和人的摩擦里才能长出来。孩子跟同学吵架了，回去跟 AI 聊，AI 会帮他分析、安慰、给建议；但他真正缺失的，是在那场冲突里学会读对方的表情、学会道歉时的尴尬、学会关系破裂又修复的完整体验。这些没有真实的人际交互，长不出来。

我自己有个很直接的体会：之所以我能想清楚很多问题，不是因为工具多强，而是因为我在过去二十多年的真实生活里，积累了足够多的经验、直觉和问题意识，AI 只是帮我把这些原材料激活、结构化了。如果一个孩子从小只和 AI 对话，没在真实世界里攒下这些原材料，他和 AI 的对话质量会很低。不是 AI 不行，是他自己没有东西可以被激活。

社会会为什么样的人，付更高的溢价

最后落到一个最现实的问题：当 AI 像今天的互联网一样普及到全世界几十亿人，社会会为什么样的人付高价？

先想清楚今天的白领为什么薪水高。白领这个职业从工业革命之后才出现，本质是企业把一批人组织起来，让每个人作为一个稳定的产出单元，再把这些产出串起来创造价值。而白领高薪不是因为这份工作更「重要」，代码按时上线和外卖准时送达，对各自的用户同样重要，而是两个结构性原因：第一，信息处理能力在过去几十年是稀缺的，得靠多年教育才能培养，供给有限；第二，白领的产出能通过数字化被放大，一个程序员写的代码能服务一亿人。 可规模化的稀缺能力，这是白领高薪的公式。

AI 正在做的，是把这个公式的第一项摧毁掉。当任何一个能描述需求的人加上 AI 就能写代码、做分析、做设计，供给暴增，价格必然下行。这不是猜测，是经济学的基本规律。

那么未来的溢价会流向哪里？我判断会出现几条新的轴。

一是不可复制的判断力。 AI 能生成一百个方案，但决定选哪个、为什么选、在这个特定场景下什么算「好」，这个判断来自一个人全部的生活经验、价值观和审美，本质上无法标准化复制。这就是为什么「定义问题」的能力会越来越值钱。

二是物理世界的稀缺性被重新定价。 外卖员、电工、护工、军人，这些工作必须有一个真实的人在真实的空间里操作，AI 再强也替不了。更深一层是，在物理世界里长期交互积累的直觉，老电工看一眼线路就知道「这儿要出问题」，是 AI 最难获取的数据。当数字世界的工作被 AI 大幅压低成本，物理世界的人力就成了相对更稀缺的资源。我不是说外卖员会比程序员赚得多，但这个差距一定会缩小。某种意义上，这是一种迟到的公平。

三是信任和影响力的溢价会急剧上升。 当所有人都能借助 AI 产出专业级的内容，内容本身就不值钱了，「这是谁说的」反而变得极其重要。同样一句话，一个有百万粉丝的人说出来和一个匿名账号说出来，效果差一百倍，AI 时代这个差距只会更大。因为当能力被拉平，人本身的可信度就成了唯一的差异化因素。

顺下来，未来最高溢价的大概率是两种人：一种在物理世界里创造不可替代的体验，顶级厨师、出色的外科医生、能让你真正感到被理解的人；另一种在人类社会里拥有高信任度和影响力，他们的价值不在于自己能做什么，而在于一句话就能调动资源、改变别人的决策。

我也想诚实地说一句：这不是一个纯粹乐观的故事。会被压缩的，是大量纯靠「我会做这件事」吃饭的中间层白领。不是这些工作会消失，而是当 AI 能覆盖他们八成的活，他们的议价能力就只剩那两成。不是所有人都能成为「定义问题的人」或「不可替代的物理世界专家」。这个中间层被压薄的过程里，会有很多人很痛苦，这需要政策、教育和社会保障一起跟上，而不该被一句「拥抱 AI」轻飘飘地带过。

落点：把自己产品化，以及做一个鲜活的人

讲到这里，有个能力浮出水面了：把自己的能力产品化。

其实今天的白领也在做类似的事，但大多数人并没有真正规模化自己，只是被别人规模化了。程序员的代码服务了一亿人，可那份规模化收益归公司，他卖的还是时间，只是单价高一点。真正吃到规模化红利的，是能把自己的能力变成产品的人。

AI 在这件事上制造了一个巨大的变化：产品化的门槛被压到了历史最低。过去你有一个好想法想做成产品，需要一个团队；现在一个人加上 AI 就能跑通。「发现问题、定义方案、做成产品、服务很多人」这条路，第一次对个体真正打开了。

但有一点容易被忽略：产品化的核心不是「做出来」，而是「知道为谁做、为什么他愿意付钱」。AI 能帮你把东西做出来，却替不了你去理解另一个真实的人的痛苦和需求。我之所以能在外贸这个行业里想到一些产品方向，不是因为技术多强，而是因为我真的懂这个行业里的人每天在为什么头疼。

所以这一整套想下来，其实指向同一个结论。

AI native 时代最值钱的人，是能把对真实世界的深度理解，通过 AI 产品化地放大给很多人的人。理解世界，靠你自己活出来；放大，靠 AI 帮你。两条腿，缺一条都走不远。

而你有没有注意到，这篇文章梳理出的两条主线，「能定义问题」和「能在人类社会里建立信任与影响力」，其实指向同一个根：这个人有没有一个真实的自我。能定义问题，前提是你知道什么对你重要、你对世界有自己的看法；能让别人信任你，前提是你有真实的情感和稳定的价值观，别人能感受到你是「真的」。这两件事，AI 既代替不了，也伪造不出来。

这就引出一个有点反直觉的结论：AI 越强大，「做一个真实的人」就越值钱。

在 AI 之前，一个人可以靠技能把自己藏起来。代码写得好、PPT 做得漂亮、英语说得溜，这些就是面具和盔甲，别人不需要知道你是谁，只要你能交付。很多人一辈子都在用技能，回避「我到底是谁、我到底想要什么」。AI 把这层壳剥掉了。当所有人都能借助 AI 完成交付，剩下的就是你这个人本身：你的好奇心、你的审美、你的判断，以及你能不能让对面那个人感觉到你在认真听他说话。

所以，如果让我用一句话回答「AI native 的人是什么样的人」：他不是一个记忆力超群、或者把自我价值的八成押在某项技能上的人；他大概率是一个鲜活的、热爱这个世界、对很多事情都还保有好奇心、能定义问题也能和别人真正建立连接的人。

技术绕了一大圈，最后把人推回了那几个最古老的问题：你是谁，你在乎什么，你想在这个世界上留下什么。