AI并非威胁，真正威胁你的是……

量子力学是多重宇宙的物理基础

一、一句陈词滥调

"AI不会替代人类，但掌握AI技能的人将替代那些不懂AI的人。"

你肯定对这句话耳熟能详。近几年来，它几乎出现在每一篇AI相关的文章、每一场AI主题的演讲、每一个关于AI的短视频中。

它被重复的次数如此之多，以至于大多数人都产生了免疫——听到时点头称是，随后便划走，最终彻底遗忘。

但今天我要告诉你：这个说法并不正确。

它为人们指出了一个方向，但这个方向只有一半是正确的。如果沿着这一半走下去，你最终会发现自己走进了另一条死胡同。

2023年，ChatGPT横空出世。一大批人开始学习"如何使用AI"——

学习撰写提示词（Prompt）。学习使用Midjourney绘图。学习用AI撰写文案、制作PPT、剪辑视频、编写代码。

一年之内，"AI技能"变成了一个炙手可热的新赛道。无数课程、训练营、认证体系应运而生。"提示词工程师"成为新兴职业。LinkedIn上涌现出无数"AI赋能专家""AIGC培训导师"。

这些人就是所谓的"会用AI的人"。按照那句流行语，他们似乎应该是安全的。

但我问你一个问题：

2024年，OpenAI发布了GPT-4o。它不再需要你精心设计提示词了——你可以直接用自然语言与它对话，它能理解你的意图、追问细节、自动调整输出格式。

紧接着，各大AI公司开始推出"AI Agent"——AI不再是一个等待指令的工具，而是一个能够自主规划、自主执行、自主反思的"智能体"。你只需告诉它目标，它会自行拆解任务、调用工具、完成工作。

当AI自身就能理解你的需求时，"提示词工程师"的价值还剩下多少？

那些花了一年时间学习"如何写出完美提示词"的人，突然发现——自己精心打磨的技能，被一次模型升级抹去了大半价值。

这并非意外。这是必然。

因为"如何使用AI"本身就是一个应用层面的技能。它绑定在特定的AI工具、特定的模型版本、特定的交互方式上。工具会迭代，模型会升级，交互方式会改变——每一次改变都会让上一代的"使用技巧"贬值。

你拼命向下挖掘——学习最新的工具、背诵最好的提示词模板、掌握最多的AI应用场景。但每隔几个月，井壁就会坍塌一次，你辛苦挖掘的深度瞬间归零，然后你必须从头再来。

这不是进步。这像是在跑步机上奔跑——你跑得大汗淋漓，但位置始终没有改变。

那么，真正的分水岭是什么？

让我讲两个故事。

小林是一名平面设计师，2023年开始大量使用Midjourney和Stable Diffusion。他花了三个月研究各种风格参数、画面构图指令、模型微调方法。他能用AI在十分钟内生成过去需要两天才能完成的设计稿。效率提升了几十倍。

客户很满意。小林接到了更多订单，收入翻了一倍。他觉得自己站在了时代的风口上。

但后来他发现，

能做同样事情的人越来越多了。

因为AI工具越来越简单。Canva内置了AI生成功能，客户自己点几下鼠标就能生成还不错的设计。其他设计师也都学会了使用Midjourney。"会用AI做设计"不再是稀缺技能，而成了行业的基本功。

小林的订单开始减少。价格开始被压低。他发现自己陷入了一个怪圈：他用AI提升了效率，但AI同时也提升了所有人的效率。当所有人都变快了，"快"就不再是优势。

老周是一名建筑师，在行业里干了十五年。他的核心能力不是画图——而是理解空间与人的关系。什么样的空间让人放松？什么样的动线让人自然地流动？光线、材质、比例如何共同作用于人的感受？

这些是底层原理。不属于任何一种设计软件，也不属于任何一种建筑风格。

2023年，老周开始使用AI。但他使用AI的方式和小林完全不同。

他不是用AI来"替代自己画图"。他用AI来延伸自己的感知范围——

他让AI分析上千个获奖建筑案例的空间数据，提取出"让人感到舒适的空间比例"的统计规律——然后用自己十五年的经验去验证、修正、深化这些规律。

他让AI生成几十种方案草图，不是为了直接使用，而是为了快速看到自己没有想到的可能性——然后从中捕捉灵感，用自己对"空间与人"的底层理解来判断哪些可能性值得深入探索。

他让AI处理结构计算、材料选型、法规合规等技术性工作——把自己从重复的体力劳动中解放出来，腾出时间去做只有他能做的事：站在多个领域的交叉点上，创造让人"说不出为什么，但就是觉得好"的空间体验。

过了几年，老周的订单不但没有减少，反而接到了几个过去不敢想的项目——一个养老社区的整体空间规划、一个儿童医院的环境设计、一个冥想中心的声光空间方案。

这些项目有一个共同点：它们都不是传统的"建筑设计"项目。它们需要的不是"会画图的建筑师"，而是"深刻理解空间如何影响人"的人。

老周的底层能力——"理解空间与人的关系"——是一条主根。AI帮助他从这条主根上生长出过去无法长出的侧根。AI没有取代他，反而是放大了他的能力。

小林把AI当成了一口新井——"我比别人更会用这个工具"。当所有人都会用了，这口井就和所有人的井一样浅。

老周把AI当成了肥料——撒在自己已有的根系上，让根长得更深、侧根伸得更远。AI越强大，他的根系能到达的地方就越多。

这就是那句流行语错误的地方：

"会用AI的人会取代不会用AI的人"——这句话暗示了一个分类标准：会用 vs. 不会用。好像只要你学会了使用AI，就安全了。

但真正的分类标准是：

你是把AI当成一口新井在挖掘，还是把AI当成养分在浇灌你的根系？

前者会在每一次工具迭代中归零。后者会在每一次工具迭代中变得更强。

现在让我正式定义这个概念。

通用延伸性 = 你的底层能力 × AI的放大倍数 × 你能延伸到的领域数量。

拆开来看：

1. 你的底层能力：这是你的主根。它必须扎根在原理层，而不是应用层。"会用Midjourney"是应用层。"理解视觉如何影响人的情绪"是原理层。"会写Java"是应用层。"理解复杂系统如何被拆解和重组"是原理层。

2. AI的放大倍数：AI是一个放大器。但放大器的效果取决于被放大的东西是什么。零乘以一百万还是零。如果你的底层能力是零——你只有应用层技能，没有原理层理解——那么AI再强大也只是帮你更快地做一些即将被淘汰的事情。但如果你的底层能力很强，AI可以把它放大到你自己永远达不到的规模。

3. 你能延伸到的领域数量：这是你的侧根数量。底层能力越通用，能延伸到的领域就越多。"理解空间与人的关系"可以延伸到建筑、养老、医疗、教育、零售、游戏……几乎所有涉及"人在空间中"的场景。每多一个领域，你的价值网络就扩大一圈。

把这三个因素乘在一起，就是你在AI时代的真实竞争力。

注意——我说的不是"AI取代人"。

我说的是：拥有通用延伸性的人，会取代没有通用延伸性的人。

不管后者会不会用AI。

这里面有一个残酷的逻辑链条：

第一步：AI把所有"应用层技能"的价值压到接近零。

写文案、做设计、写代码、做数据分析、翻译、客服、基础法律咨询……这些过去需要专业训练才能做的事情，AI已经能做到80分甚至90分。当AI能做到90分，市场愿意为人类的95分支付多少溢价？很少。因为从90分到95分的差距，大多数客户感知不到，也不愿意为此付费。

第二步：应用层技能被压平后，唯一有溢价的东西是"连接不同领域的能力"。

当所有人都能用AI写出80分的文案、做出80分的设计、写出80分的代码——唯一还能创造差异化价值的，是把文案、设计、代码、用户心理、商业逻辑、行业知识……串联成一个整体方案的能力。

这种"串联"能力，就是通用延伸性。它要求你有一个扎根在原理层的底层理解，然后能把这个理解延伸到多个领域，再把多个领域的知识连接成一张网。

第三步：拥有通用延伸性的人+AI＞一百个只有应用层技能的人+AI。

一个深刻理解"人如何做决策"的人，配合AI工具，可以同时做出优秀的营销方案、产品设计、用户体验方案、定价策略——因为这些事情的底层都是同一个原理："影响人的决策"。

一百个分别只会"写广告文案""做UI设计""做数据分析"的人，哪怕每个人都会用AI，也只能各做各的。他们之间没有连接。他们的产出是碎片，不是系统。

而市场需要的不是碎片，是系统。

谁能提供系统？拥有通用延伸性的人。

七、最后

让我用一个画面来结束这篇文章。

想象你站在一片广袤的田野上。田野的地下，是无数条纵横交错的根系。地面上，是AI——一场均匀的、持续的、越来越大的雨。

雨落在田野上。落在每一寸土地上。

没有根系的地方，雨水只是流过，什么也不会生长。

就像那些只学会了"用AI"但没有底层能力的人——AI的能力从他们身上流过，没有留下任何属于他们自己的东西。

只有一条主根的地方，雨水被吸收了，但只能长出一棵小草。

就像那些有深度但没有延伸性的人——AI放大了他们的能力，但只在一个狭窄的领域里。一旦那个领域干涸，那棵小草就会枯死。

根系深且广的地方，雨水被每一条根吸收，养分被输送到每一个方向，地面上长出一片森林。

就像那些拥有通用延伸性的人——AI的每一次进步都被他们的根系吸收，转化为新的生长方向。雨越大，森林越茂密。

AI是雨。它不在乎你是谁。它均匀地落在每个人头上。

区别在于你脚下有没有根系来接住它。

所以——

AI不会取代你。 只会用AI的人也不会取代你。

但是拥有"通用延伸性"的人会取代你。

因为他们脚下的根系，能把每一滴雨都变成新的枝叶。而你脚下如果只有一口深井——雨水灌进来，只会把井淹没。

别挖井了，长根吧。

然后等雨来，

而现在，

雨开始越下越大～