AI浪潮中的五类生存法则
出品|凤凰网财经《封面》
主持人|张涛 制片人|李念雪
“70后享受的红利比80后多，80后比90后多。但如今AI时代来临，大家又重新回到了同一起跑线。”
2026年5月，昆仑万维董事长兼总经理方汉在与凤凰网财经《封面》一个半小时的深度对话中，系统阐述了他对AI时代教育、就业、商业、社会分层乃至国家竞争力的判断。
方汉给自己算了一笔账，每个月自用的AI Token，即模型的算力和数据消耗单位大约是20亿到30亿。这个数字不算小，但在他的叙述里，这甚至让他感到“惭愧”。
“这还算少的。”
他的朋友，某独角兽公司CTO，每个月要烧掉600亿Token。那位CTO花了三个月，以6000美元的代价，把公司一百多个程序员写了七八年的项目，800万行Rust代码全部重写了一遍。
方汉的用词是，“每天20亿Token，我寻思要疯了。”
比这个更夸张的是“卷Token”。硅谷大厂内部正在搞Token消耗量竞赛，Facebook有员工一个月烧了2100亿Token。
与此同时，一个普通人使用AI聊天机器人，一个月大概只消耗100万到200万Token。
方汉由此得出一个结论：“上升阶梯被人为撕裂了。”
AI时代，人与人之间的差距正在以几何级数被拉大。过去，一个大学毕业生可以从新手成长为中坚力量再成长为管理者，路径清晰。现在，这条路径正在消失：要么通过AI直接成为高级干部，要么一直停留在小白阶段，中间的台阶被快进键抹掉了。
尽管如此，方汉对宏大叙事保持警惕。“忙着融资的人都跟你说3到5年内就能迎来AGI，但我有点怀疑，Transformer这条路能不能成立都要打一个问号。”
方汉所执掌的昆仑万维，93%的收入来自海外，旗下短剧平台DramaWave月活已达2800万，AI音乐业务年化流水突破千万美元，他本人也是学物理出身、从互联网时代一路穿越的创业者，但更准确地说，他是一个每天被AI包围，正在风暴中心做决策的人。
以下内容整理自对话实录：
一、AI消费时代：“我一个月烧才20亿Token，很惭愧”
凤凰网财经《封面》：您之前在公司内部全体大会上说，一个人一个月应该烧多少Token？您提到一个月一个亿？
方汉：一个月一个亿我是往少里说的，我当时怕大家跟不上。我真实的消耗量大概是一个月20亿到30亿左右，这还算少的。
凤凰网财经《封面》：少的？
方汉：因为我有一个朋友，是一家独角兽公司的CTO。他去年10月份开始，花了三个月时间，大概6000美金，把他们公司100多个程序员写了七八年的项目——800万行Rust代码——一个人全部重写了一遍。
凤凰网财经《封面》：才6000美金。
方汉：他每天大概烧20亿Token。我给他算了一下，我说你这不是疯了么。Facebook内部不是在搞Token大赛嘛，他们有个员工一个月烧了2100亿，这应该是世界纪录。我那个朋友一个月是600亿，我觉得已经够恐怖的了。我一个月才20多亿，很惭愧。
凤凰网财经《封面》：这个数据是合理的吗？
方汉：普通人用chatbot，一般一个月也就100万到200万Token。所以说现在大家用Token的差距会拉得非常大。
凤凰网财经《封面》：那最终其实就会变成人与人之间的差距了。
方汉：对。我觉得上升阶梯被人为地撕裂了。以前可能一个普通员工从大学毕业，从新手到老手，然后到干部、到高级干部，这个过程是很顺利的。但现在这个过程有点被撕裂了——你必须从一个新手，要么就直接变成一个高级干部，要么就什么也不是，永远停留在小白阶段，中间过程被抹掉了。
二、潜知识： “AI最后仍然是要人去驾驭的”
凤凰网财经《封面》：那是不是意味着很多人不用上大学了？
方汉：不，这个认识是错的。大学其实是一种通识教育。大模型有一个很大的局限——我不知道你有没有这种感觉：在我们不熟悉的领域，你会觉得大模型好厉害，什么都会；但一旦到了你自己的专业领域，你就会发现它说得似是而非，不够专业，而且有幻觉。
我们有很多知识是不用文字记录的，这种我叫它“潜知识”。大模型本质上是把人类所有的文字都学了一遍，但是人类有很多知识是不用文字记录的，它就学不会。举个例子，开车这件事不用文字记录，所以大家训练大模型得专门去录开车的数据。现在做机器人具身智能，为什么所有人都缺数据？因为没有一本书记录你怎么去抓一个杯子、怎么去喝水。大家都得从头录。
大学里，老师教的不仅仅是书本上的知识，更多的是书本以外的一些东西。这些东西说实话都在大学老师的脑袋里面——那些解决问题的方法、做事的思路，很难被记录下来或者量化。我觉得这种东西是有必要的。
凤凰网财经《封面》：但最终能够胜任这种学习的人毕竟是少数？
方汉：不，我认为绝大多数人都能。
我本人是学物理出身的，学物理的人改行的特别多。为什么呢？因为物理是研究万物的道理，它是一个源科学。学完物理的人再去学任何事情，其实都会相对容易。大学也应该像教物理一样，教给大家万物的一些底层规律、一些潜知识，这样才能够在将来AI伴随的过程中成为一个能够兜底的人。
我们经常开玩笑说，AI需要人来背锅。但实际上，我们更需要人来兜底——就是在AI出问题的时候，你能帮它最后解决这个问题，这个是最重要的能力。所以我认为仍然大家都需要上大学。
凤凰网财经《封面》：所以AI对社会的冲击和改造，是远远超过了历史上任何一种技术吗？
方汉：短期高估了，长期低估了。它的确比历史上的技术看起来要巨大一些，但只是因为我们切身面对了。牛顿发明蒸汽机的时候，我们只能从书本上去了解；爱迪生发明电的时候，我们也只能从书本上了解；就算是爱因斯坦发明量子力学的时候，我们都没有切身的感受。历史上的很多冲击其实同样巨大，只是说现在AI是耸在我们面前的百米巨浪，你看得见。
凤凰网财经《封面》：很多人说AI可能不是一个风口，它更像是一个海啸。
方汉：可以这么说。但我认为还是高估了它的冲击。AI现在最大的问题是它没办法去做线下的东西，现在做的还是比较早期的。所有你的工作里面，只要有线下的部分，短期被取代其实还是很难。只有你的工作完全在电脑上闭环，它对你的冲击才会比较大。但线上闭环还有一个问题：如果你的工作要求100%精确，一个小数点都不能错，AI现在接入也比较困难。只有你的工作允许你有10%甚至30%的失败率的时候，AI对你的替代才是最大的。
举个例子，为什么AI生成视频大家觉得冲击特别大？因为导演拍片子本来就是拍10条用1条，那AI可能给你拍100条能用1条，但它便宜。所以说短期大家高估了它的冲击，但长期我认为是低估了。
凤凰网财经《封面》：但我自己是越用越感到恐慌。
方汉：因为您是文字工作者、艺术工作者，您的工作有一点点偏线上。但是您不用担心，为什么？比如说您采访我这件事，是目前AI很难取代您的，因为您只要跟人打交道。这里面有个著名的例子：最近美国很多精英也很恐惧，结果微软有一个高管想了半天，让他上大学的儿子从计算机专业转到了外交官专业，因为他觉得外交官是永远要跟人打交道的。但我自己的选择恰恰相反——我们家很多亲戚小孩考大学来问我学什么专业，我还是无一例外地，只要是学理科的，我都推荐继续学计算机专业。我认为计算机专业仍然是就业和发展前景比较好的行业，因为他们是最会驾驭AI的一拨人。AI最后仍然是要人去驾驭的。
但是如果说真到了AGI这一天，到时候可能不是人去驾驭了，它可能就超越人类了。
方汉：我觉得目前没有看到明确的希望。所谓AGI，包括Transformer这条路能不能成立，我都有一点怀疑。
凤凰网财经《封面》：你觉得这个不会很快到来？
方汉：不会很快到来。每个人说法都不一样——忙着融资的人都说3到5年内就会到来，也有一些人看得更长远。我的看法是，现在已经明显到了一个瓶颈期，我们需要新的算法、新的理论进来。最简单的，现在可能电都不够，芯片也不够，内存也不够，基础设施已经不足以支撑它再一次高速成长。
三、通用Agent是伪命题 ：“大厂走错了”
凤凰网财经《封面》：您最近有一个比较出名的观点——通用Agent是一个伪命题，怎么理解？
方汉：所谓Agent，就好像是人的手。AI是人的大脑，AI要能产生效益，需要一双手——就像大脑需要手去完成工作一样。我们都知道一个人有一双手，理论上可以做任何工作，但实际上为什么社会上有分工？因为每个人都要经过训练，才能把一个行业的工作做到最好。你看所有的运动员，练通项的非常少，基本上都是练单项。
所谓通用Agent，指的是一个Agent能把所有工作都完成。我认为理论上就不成立。在计算机刚刚发明的时候，理论上计算机可以做任何事情，操作系统可以做任何事情。但是你会发现，操作系统的供应商——比如说微软——除了操作系统以外，也就做了Office和数据库，其他的几乎都没做。有大量的行业软件是在Windows上面运行的。
我觉得Agent也是类似的。大模型本质上是一个操作系统级别的东西。在上面有所谓的通用Agent吗？我认为有基建型的，但最后真正要完成工作的，还是各个行业的Agent。因为行业的Agent有它这个行业的背景知识，只有你有这个行业的背景知识，你才能把这个工作做到顶尖。这个跟人类的分工完全类似。
凤凰网财经《封面》：但是我看资本和行业，大家还是更多地往通用Agent方向走。
方汉：因为资本和行业是逐利的，大家都希望你把这个愿景说得越庞大越好。看起来通用Agent似乎什么都能干，但是坦白讲，就是样样通、样样松。它在每一个行业里面，如果没有行业知识，只能靠训练时把人类所有书籍都学了一遍而得到的行业知识。但是一个大学生、硕士生、博士生，学一个专业学了很多年，照理说已经很了解了，去工作中间仍然需要向老师傅请教。因为每个行业都有大量潜知识，未必会被记录下来。更不要说很多行业的数据从来不对互联网公开。这些数据你没有，大模型不可能做得更好。
凤凰网财经《封面》：那我