AI不会让你变“无价值”，稀缺在于超越平均

自今年2月起，随着 AI 在代码与生产力领域又跃上新台阶，它正逐步进入“更聪明、更稳地把事做完”的阶段。

越来越多人开始跨界：产品经理动手写代码，研发也开始写文章……个人效率被持续推到极致。与此同时，大家一方面谈着“AI要全面替代白领”，另一方面又不自觉觉得自己正在变成“十项全能”（好像什么都想试，结果突然发现自己像是患上了ADHD）。

在这一轮变化里，我一直在追问：当 AI 让各类知识与技能触手可及、稀缺性被不断稀释时，究竟还有什么东西仍然稀缺？人和组织会朝哪里演进？

01 / 底层的转变：知识正在被“平权”

大模型做成了一件关键的事：把人类各领域的平均认知汇聚起来，并向所有人开放。

过去要写一份法律合同、搭建网站原型、或者搭建一套财务模型，你通常得依赖专业人士。现在，只要会用 AI，就能在数小时内完成过去需要专人几天才能搞定的工作，知识获取成本因此大幅下降。

这会带来什么？

结果很直接：当所有人都能调用同一条“平均知识水平”的底座时，产品与内容会快速膨胀，竞争也会空前激烈。就像印刷技术普及让书籍更便宜，但真正有洞见的作者反而更显稀缺——工具把入门门槛压低了，却没有把门槛之上的能力也一起拉平。

因此关键问题只有一个：你有没有高于大模型平均水平的东西？

有，你会越来越显得重要；没有，你就更可能成为被替代的那一部分。

02 / 三种大模型暂时难以替代的“高于平均”能力

结合思考，目前至少有三类东西大模型很难直接替换：

第一，是经验，尤其是“失败后的经验”。

真实的实战经历依旧非常值钱，尤其是在现实生活或业务场景中，各种灵活冲突带来的调整与取舍。我自己的体会是，“踩坑经验”尤其珍贵：在某个项目里踩进巨坑、花很长时间才爬出来，然后清楚明白“这条路走不通”。这种能为组织节省弯路的实战记忆，含金量很高。

无论你做产品还是做研发，哪些坑你真正踩过，往往就是最有价值的信息。

第二，是审美。

审美来源于一个人从小到大的独特喜好与成长经历。AI 的确能批量生成内容，但它很难把个体的独有品味与偏好同样“复制”出来。

审美也是一种直觉。它能帮助你更快做判断，也能高效校准 AI 的产出，避免输出落入单一化、平均化的轨道。毕竟一旦“平均”唾手可得，未来就很难再靠平均获得价值。

可惜的是，我们这一代的教育体系与社会规训长期在培养标准化、平均化的人才。用这种平均化的能力去对抗 AI，往往等于硬碰硬。

第三，是从真实的人际信息交换中，持续提炼新鲜洞察的能力。

大模型的训练数据在时效上存在上限。但你昨天和行业专家吃饭时，对方随口的一句对趋势的最新判断——AI 可能还来不及掌握。

通过真实接触、深入挖掘来获得最新且更深层的信息。这个能力，胜过任何静态训练数据的堆叠。

03 / 那么，谁最容易被替代？

沿着前面的逻辑反推，风险更集中在几类人身上：

缺乏经验的初阶人群：他们往往还没经历足够多的真实冲撞，也没踩过足够多的坑。等到手里最高的知识和大模型能给出的水平差不多时，处境就会变得很尴尬。眼下不少 entry level 的人才确实正面临更难的就业局面，这并不是“想多了”，而是现实存在的压力；

缺乏审美积累与独特直觉的人：当越来越多的人使用同样的工具、产出趋同的内容时，审美差异会成为最强的区分项。当然审美没有绝对的优劣，但它至少能体现出个体独特的直觉，以及某种能够产生共鸣的力量。

脱离一线的“中层管理者”：过去中层管理的一大价值在于“信息传递”和“层级协调”，但这些恰恰是 AI 与扁平化组织最先削弱的环节。当信息可以直达、AI 又能自动汇总进度，中间“传话”的价值就会迅速缩水。

就算不少管理者曾经积累过足够的实战经验，但当重心转向管理后，一线实践的新鲜洞察往往会慢慢不足。而在 AI 时代，模型、工具与实践路径迭代极快，脱离“把手弄脏”的真实触感，也许会成为更致命的因素，甚至导致管理者在方向判断上出错。

04 / 未来的产品形态会怎样？

顺着这些推演，我也尝试勾勒未来的产品样子：

过去的产品，本质更像是在“流程化塑造”之下提供的工具；而未来的产品大概率会/正在把 Agent 的逻辑内嵌进去——至少拥有更“聪明”的核心，有灵活调度的能力，也具备一定的进化状态。

但如果想把产品做得足够好，仅靠大模型的公共知识是不够的。比如做一个编剧辅助工具，光有通识层面的 AI 能力不够，还需要把编剧行业那些只有资深从业者才懂的专业门道，以更高效的方式融进系统。

问题在于，许多垂类专家并不擅长把知识讲得很清晰。一个做了二十年的老编剧，下意识就能判断“这场戏不对”，但要把“为什么不对、应该怎样才对”结构化说明白，TA未必能轻易说清。

因此需要有人去“蒸馏”——把专家脑中那些隐性的知识挖出来、聊出来，再进行结构化；同时还要足够多地跑实战案例、做评估，并持续迭代。未来好产品可以理解为：行业基础产品框架 + 聪明的 AI 中枢 + 借助实战不断“榨取/迭代”进来的行业 Know-how。

05 / 互联网核心角色的演进

未来的产品经理、研发与营销，会发生什么变化？

产品经理：更像“一通到底”的连接者

不再需要当纯粹的需求搬运工。如果你只停留在“把业务方需求翻译给研发”的层面，必然会被淘汰——AI 翻译速度快、准确度也更高。

未来的产品经理需要“两只手”：左手是知识萃取、提问与共情力。要成为非常善于提问的人，面对有专业门槛的人群，用情商与共情把他们的隐性知识聊出来、蒸馏出来，再用产品逻辑把这些内容结构化，融入系统。或者，你自己就是那个真正懂业务、足够痛感、经验足够久的需求方。右手是 Coding 基础能力。能快速做出包含合理用户体验、基础数据逻辑以及专业信息 know-how 的产品 Demo，推动更快的 MVP 测试；同时让各方更高效地对齐。并且自己还能动手迭代部分业务层灵活代码，与研发深度协同。

一边成为/直连现实里最专业的人，一边直连研发与 Demo 代码，做到一通到底。

研发：门槛反而更高了

AI Coding 的确会替代大量重复性编程。但要做出复杂且超越平均水准的产品来在市场存活，依然离不开综合的全栈认知与丰富实战经验。懂得哪些坑必须躲开、懂得怎么搭建一个扛得住的系统——这些工程经验，同样属于高于大模型的硬资产。

营销：尤其是内容化营销，会变得更关键

当做产品的门槛大幅下移、供给快速走向海量，营销就成为决定性的因素。

未来特别抢手的人包括：擅长内容驱动增长的营销专家；审美独特、能“调教” AI 产出更有差异化内容的创意人；以及具备独特表达方式、能把产品包装成高辨识度品牌的高手。

06 / 更像精英小队，而不是单人独立公司

近两年，“一人企业（OPC）”的说法很火——AI 时代一个人就是一家企业。

但从更理性的角度看，我认为更合理的形态会是 3-5 人的精英小队。

因为对有经验的人来说，很少有人能在所有维度都做到完美；更高效的方式依然是优势互补。比如：理解复合能力很强的产品经理 + 实战丰富的资深研发 + 审美独特的营销团队协作，各司其职、形成合力。

即便 AI 让产品也能写代码、让研发也能写营销文案、让内容同学也能做产品 Demo——未来各工种的专业门槛仍会持续抬升，而不是消失。

想成为什么都很强的“全栈超人”，最后往往只能交付平均化的结果，而平均化意味着价值接近 0。

从组织架构上看，大厂层级预计也会显著压缩。每个业务单元可能只需要：顶层战略设计者、若干个精英小队，以及拉通的中台基建支持。至于中间那些“传话”的角色（资源协同、考察情商等与人交往能力为主的中层角色，本文不在讨论范围内）将面临更直接的替代。

结论

AI 时代并没有让所有人变得不重要，也不可能让每个人都变成“无所不能”。它只是让“平均水平”变得更廉价，让“超越平均”的东西更有价值，从而拉开了方差。

那些花了多年踩坑才攒下的经验，那些能真正打动人的审美直觉，以及你在与真实的人深度交流中实时获得的洞察——这些东西不会因为大模型出现而被贬值。

相反，在一个平均知识被持续拉平的世界里，它们反而会成为最稀缺的资产。

也许当下最该做的，就是继续把自己的那块最独特、最有趣的长板深耕下去：那是立身之本，也是热爱的源泉。

不管最终能否跨过 AI 不断抬高的平均线，至少能让我们在 AI 时代活得不无聊。