人工智能时代：旧秩序崩塌引发的焦虑
这两年来，关于人工智能的讨论层出不穷。
大伙热议的焦点涵盖了大语言模型、文生图、语音识别、Agent、MCP，以及岗位更迭、专业选择和普通人的未来出路等议题。
表面上看，这些话题似乎都在探讨技术；然而深入探究，我们会发现弥漫在空气中的是一种日益显著的社会情绪：焦虑。
文科生、程序员、学生、教师、白领乃至企业管理者都深陷焦虑。许多人将此归咎于“AI太强，恐被取代”。但我认为，这仅触及了问题的一半。
真正的焦虑源并非人工智能本身，而是旧时代那种稳定的岗位分工、晋升路径及职业体系正迅速瓦解。
人工智能固然关键，却更像一个加速器。它加速的不仅是技术迭代，更是社会知识利用、工作组织及个人成长模式的根本重构。
因此，探讨AI时代的焦虑不能止步于“AI是否会取代人类”的表层担忧。更值得深思的是：在旧秩序崩塌、新秩序未稳之际，个人应如何解读这场变革并重新定位自我。
展望2026年4月，若仍将AI视为单一软件功能或“会聊天的机器人”，显然已跟不上现实步伐。
近年来AI的发展并非单一突破，而是多线并进：大语言模型、文生图、语音识别、合成、知识库、工具调用、工作流编排、Agent、Skills、MCP……这些能力的融合，正在重塑知识的生产、传播、组织与使用方式，也在重塑许多行业中“工作”的本质。
然而，若论及AI时代最核心、最基础的能力，我依然将重点放在大语言模型上。
理由不难理解。虽然图像生成、语音识别和合成很重要，但它们只是能力拼图的一部分。真正驱动全局的是自然语言首次成为人机交互的通用接口。人类文明的长久积累与传承离不开文字，文字让知识超越个人记忆，转化为书本、文档、制度、流程与经验，得以广泛传播与长久保存。今日的大语言模型，本质上是计算机首次直接接入由文字构建的人类知识世界。
这一变革的意义远不止于“能聊天”。
ChatGPT发布之初，打动人心的并非其实际完成任务的多少。彼时的大语言模型缺乏Function Call、MCP及成熟的外部工具接入，执行能力远不如今日。其功能更多局限于对话、写作、创作、总结与翻译，严格而言，当时难以处理太多现实任务。
然而即便如此，它已足够震撼。因为那是普通人首次能用自然语言与计算机进行高质量交流。过去是人适应机器表达，如今转为机器适应人类表达。过去计算机仅能执行明确指令，如今已能围绕语言进行理解、组织与生成。
一旦自然语言成为通用接口，知识调用的门槛将大幅降低。
这也是我始终认为大语言模型是本轮AI浪潮核心基础的原因。它非具体应用，而是新型能力底座。
大语言模型初期的冲击首先波及文字相关工作。文案、翻译、写作、传播、内容生产及资料整理等本被视为高度依赖人类表达的工作，如今发现机器也能胜任，且效果不俗。
许多文科生最早感受到焦虑，源于意识到过去赖以建立职业壁垒的能力，其实并未想象中那般不可替代。
但彼时的大语言模型本质仍基于训练数据的生成归纳，知识体系封闭，现实连接能力较弱。冲击虽大，却未真正融入现实社会的运行结构。
变革随之而来。知识库问答成为首批落地应用。RAG、向量索引、知识图谱等技术引入，使大语言模型不再局限于训练语料，而是能检索、提取特定领域知识。传统搜索依赖关键词匹配“可能相关”文档；向量检索则具备语义级模糊匹配能力；结合LLM的归纳整理，最终输出的是一段压缩了阅读成本、降低信息熵且易于理解的答案。
从此阶段起，AI的价值不仅是“生成内容”，更是“提升知识利用率”。
这一点至关重要。因人类大部分知识并非不存在，而是分散、埋没、难找、难读、难整合。大语言模型接入知识库，等于首次打通“知识检索”与“知识整理”。过去横跨领域需大量阅读筛选，如今门槛骤降，短时间内进入新领域并建立基础认知首次变得可行。
Function Call的出现将AI从“会说”推向“会做”。大语言模型开始具备调用外部能力的接口，可通过代码获取实时数据、联网查资料、操作系统，完成查询、统计、写入等任务。尽管早期调用繁琐需程序员编写胶水代码，但方向已明：大语言模型正从知识世界走向现实世界。
MCP等统一协议和适配思路的出现进一步加速了这一进程。它让信息化系统以标准化方式对接大语言模型，将分散于不同系统、接口、技术栈的能力包装成可理解、可调用、可组合的工具。对数字化组织而言，这并非高深技术门槛，而是一种新接入标准。系统不仅为人用，也开始默认能被LLM使用。
与此同时，低代码平台与LLM的结合日益自然。过去低代码平台处理流程编排和表单，但面对大段文字、非结构化资料、模糊判断和复杂归纳时，传统规则引擎力有不逮。引入LLM后，材料归纳、要点提取、文本理解、分类整理、摘要生成等难自动化环节，得以嵌入可视化工作流。
辅助编程能力的跃升将变化推向现实层面。编程语言是高度规则化的符号系统，复杂度远低于现实问题，LLM在此领域天然优势明显。初期AI写代码问题频出，报错常态，需大量人工调试与审查，多被视为高级补全工具，难获完全信任。
但这种状态未持续太久。辅助编码工作方式迅速成熟。模型更强，IDE工具更完善，项目规则、上下文管理、测试回归、代码理解、文件级操作、跨文件重构等能力齐备。如今许多辅助编码场景中，AI生成代码采纳率极高。人关注点已从“它会不会写”转向“我要不要这么设计”。
AI真正带来的，非单项技能替代，而是知识使用方式与工作组织方式的整体改写。
AI发展看似冲击所有人，但不同人的焦虑