李飞飞最新访谈：未来十年职场分化的真相与启示
“AI教母”李飞飞与MasterClass创始人兼CEO大卫·罗吉尔进行了一场播客对话，主题为《AI教母：十年后，职场仅存两类人》。
当被问及一个广为流传的观点——工业革命取代了体力劳动，如今AI将取代脑力劳动，我们该如何应对——李飞飞给出了不同的回答。
她认为，工业革命并未真正自动化劳动。它提升了效率，扩大了生产规模，重塑了就业市场，却从未完成对劳动本身的自动化。而且我们不应暗示劳动缺乏智能，这个前提本身就有严重偏差。
劳动的形式的确发生了变化，但人在工作中投入的判断力——工匠积累的多年经验、直觉判断，以及体力劳动中蕴含的认知决策——从未被真正替代过。
类似的误读，如今也在AI领域不断上演。
“智能成本归零”，是一个危险的误判
AI圈近来盛行一句话：智能的成本正趋近于零。
李飞飞对此做出了直接回应：体力劳动、认知劳动、情感劳动，人类的一切活动都和人类智能深度交织。
人类智能对自然界而言，至今仍是未解之谜。我们并不真正了解它的深度与精微。所以，任何宣称“智能成本趋近于零”的言论，都是不负责任的。
随后她给出了第二个理由。
即使单论语言智能，大语言模型的实力毋庸置疑，“它们在商业智能、软件工程、演绎逻辑推理乃至更复杂的任务中，都已展现出强大威力”。
然而除语言智能外，人类还拥有感知智能、空间智能、身体智能、情感智能。创造力的来源至今仍是谜。每个人的创造力，既来自大脑的不同区域，也来自整个人生经历的独特积累。
比如：
老师判断学生为何学不会，依赖的不仅是文本分析，还包括观察表情、语气、犹豫的瞬间。
团队负责人在关键客户面前判断某句话该不该说，没有算法可以代劳。
若把“智能成本归零”当作管理决策的依据，它恰恰遗漏了人最珍贵的部分。
三种思维惯性，折射出自动化的盲区
李飞飞在对话中不断强调：我由衷相信它是一项技术，是一个极为强大的工具。这个工具可以被人类用来让事情变得更好。但与此同时，我们必须对如何使用它保持高度警觉。
她进一步补充：“我们教会孩子用火、用刀，再到用互联网。如今，作为物种，作为社会，我们必须学会（如何使用AI）这件事。”
工具究竟是替代人还是成就人，答案不取决于技术本身，而取决于部署技术的人。
访谈中提到的三种做法，恰好对应着三种自动化思维的惯性。
第一种，将AI视作人头替代品。
李飞飞以产品经理为例进行了说明。
十年前的典型产品经理，“更像是指挥者。他们不必写代码，通常并非软件工程师出身”。
需要原型，找设计师；需要开发，等工程师。拿到原型后，发给用户，收集反馈，再整合优化。“一条完整的产品管理周期，在一家普通公司可能要耗费数月。”
现在情况如何？
不少产品经理开始自己编写代码。他们不必等待团队来制作原型，可以借助AI完成一些简单设计，进行“氛围编程”。这一变化大幅压缩了周期。
但这不意味着我们应该裁掉设计师和软件工程师，只是节省了时间，让他们能专注于更复杂的核心工作。
AI没有取代任何人。它把每个人的位置向上推了一层。产品经理从“指挥者”变成了“实践者”。设计师和工程师从“执行者”变成了“攻坚者”。
秉持自动化思维的管理者看到这类例子，第一反应往往是“那以后可以少招两个工程师”。同样的事实，同样的工具，得出的结论却截然相反。差异不在技术，在于理解技术的方式。
第二种，将“上了工具”误认为“做对了事”。
采购工具、组织培训、指导员工撰写Prompt，培训结束就算完成任务。
李飞飞在访谈中分享了一段关于教育的见解：教育的目标不是闭卷还是开卷考试，也不是标准化考试的分数。
教育的目标是培养人，让每个人成为所在社群和社会中有价值的贡献者，过上有意义的生活。AI不应剥夺这些基本目标中的任何一个。但AI应该助力这些目标更高效地实现。
把“教育”替换为“管理”，把“学生”替换为“团队”，每句话同样适用。引入AI的目标不是“把工具装上了”，而是你究竟在用AI重新设计什么。
罗吉尔并非技术背景出身，但他分享了自己正在做的事：
我发现自己在用的多数应用都是自己搭建的，用Claude Code或Cursor完成的。
我的CEO工具栈全部是我自己开发的。就连效率应用、待办清单应用也是我亲手搭建的。做一个应用的成本，已经从几个月压缩到一个周末。
他展示的不是技术能力，而是传递一个信号：AI时代的优秀人才，不是“更擅长执行任务的人”，而是“更擅长设计工作系统的人”。工具采购再多，若团队缺乏设计思维，工具只会沦为数字化的旧流程。
第三种，将“全面部署AI”视为单纯的技术指令。
发一则通知说“公司将全面部署AI”，员工听到的是“要裁员了”。坐下来对他说“来看看你能用AI实现哪些以前做不到的事”，员工听到的是“我可以变得更强”。
这是一个值得深思的现象：员工起初的犹豫，并非源于不会使用工具，而是因为不清楚管理者究竟想用AI做什么。是被替代，还是被赋能。
同样的工具，同样的预算，同样的人。前提设定不同，结果天差地别。
李飞飞在访谈后半段，当主持人询问一个完全不知从何入手的人最简单的AI入门方式时，给出了这样的建议：
去找一个年轻人。你的孩子、侄子侄女，只要是25岁以下的，他们中绝大多数已经在使用AI了。
带着纯粹的好奇心，请他们展示一下平时是如何使用的，用AI在做些什么。当你真正了解它是什么，那个世界就不再那么令人畏惧。
未来十年，职场仅存两类人
跳出自动化思维的陷阱后，再看罗吉尔描述的职场结构，杠铃两端的含义就完全不同了。
罗吉尔在访谈中谈及：我的一个判断是，你会看到杠铃效应的显现。有一批人正在成为真正的专家。
一个普通的文案撰稿人，如今任何人都能用大语言模型做出不错的成果。但如果我是全球顶尖的文案，或属于前1%，那就无法被轻易超越。
而我们看到的另一类角色，是高主动性的通才。他们能处理多种不同事务，在判断力和主动性方面具备突出能力。
杠铃一端是前1%的顶尖专家，另一端是能同时驾驭多件事的高主动性通才。中间那些“还过得去”的人，生存空间正在被持续压缩。
李飞飞认同这一判断，并补充了一层分析：
无论你处于专家侧还是通才侧，你都需要具备主动性，都应该以独特、富有创造力、深入的方式去运用工具。
杠铃左端的顶尖专家，是将增强发挥到极致的人。AI帮他们过滤掉90%的重复工作，让精力聚焦于最需要人类判断力的那10%。他们的价值不是被压缩了，而是被释放了。
杠铃右端的通才，是主动发起增强的人。亲自上手，自行造工具，自主定义工作流。他们不是在等待被增强的未来，他们本身就是增强的起点。
中间层的困境不是技能问题，是姿态问题。AI把执行层面的“还不错”拉升到了极高的基准线。停留在“能执行”这一层的人，无论做什么，都会被追平。
但只要从“等着被安排如何使用AI”切换到“我自己上手试试能做什么”，中间层就有机会把自己推向杠铃的任意一端。
李飞飞也专门讲到了这个切换，她说：“创业者”这个词，在很大程度上就是“主动性”的同义词。
为何增强不是一厢情愿？
有人可能会问：倘若技术持续进步，人类的判断力、创造力、情感智能，是否终将被全部自动化？
李飞飞在访谈中用很长一段讲述了同一问题的科学维度。她的公司及研究方向是空间智能。
空间智能涵盖四件事：理解、推理、生成、交互。
它囊括了人类在3D（三维立体）环境中展现出的多种能力。
第一，我们能够理解正在发生什么；
第二，我们能够推理；
第三，我们能够生成；
第四，最后但同样重要的是交互。
李飞飞以投篮为例进行了说明：
就连投篮这个动作本身，也是一个高度复杂的智能时刻，语言推理参与其中。因为作为运动员，你会敏锐地感知球进了还是没进，它对比赛、对那个时刻意味着什么。
与此同时，洞察整个球场，观察其他球员的位置，瞄准篮筐，这是深度空间性的。然后调整身体，掌握如何完成那个动作，这又是深度物理性的。
三种智能——语言、空间、身体——在投篮瞬间协同工作，并非“先语言、再空间、再身体”的线性流水线。
而我们生活中做的绝大多数事情，其实是语言智能、空间智能和身体智能的混合体。它们高度互补，协同运作。
随后李飞飞给出了一个进化论维度的判断：进化花费超过5亿年才让空间智能趋于成熟，语言智能发展的时间则短得多。所以这是一种极为深层、古老、根本性的智能能力，动物和人类都具备。
这些判断共同指向一个事实：当下AI真正能加速的，是语言层面的任务：撰写报告、检索资料、数据分析、编写代码、生成图像。
它让人类有更多时间和精力投入语言之外的事务：判断、创造、共情、在模糊地带做决策、在压力下保持冷静、在多重矛盾信号中锁定最关键的那一个。
增强不是愿景，不是价值取向。它是技术发展现阶段的一个科学判断：人类还有大量AI难以企及的能力。
采用增强的框架，节省下来的是重复劳动，收获的是被释放的专业判断。
李飞飞在访谈中说过一句话，可以作为所有AI管理决策的试金石：我们教会孩子用火、用刀，再到用互联网。如今，作为物种，作为社会，我们必须学会使用AI这件事。
关键词不是“学会”，而是“我们”。不是让员工自己去摸索，不是让IT部门去部署，而是管理者和团队共同把AI当作需要一起弄明白的事物，用它将每个人向上推一层。