过去几年，我越来越强烈地感受到，我们可能正在经历一次比互联网革命更深刻的生产力变革。
真正让我不安的，并不是某个 AI 模型今天已经有多强，而是它进步得有多快。
Stable Diffusion 早期版本连手指都画不利索。AI 视频刚出现时，一个简单的“吃面条”镜头都扭曲得宛如恐怖片。ChatGPT 刚推出时，也经常一本正经地编造不存在的药物、论文和事件。
但仅仅几年时间，这些曾被嘲笑的缺陷被挨个击穿。作为程序员的我同样经历过这个阶段。
我是从小写代码长大的，现在靠着这门手艺活为生。早期 AI 能生成大段代码时，我也尝试过让它修改真实项目，结果往往是把代码库搞得乱七八糟。它可以写零碎的局部函数，却很难理解大型项目的结构、历史设计和复杂依赖。
直到 GPT-5.1 前后，我对 Vibe Coding 都依然持怀疑态度。
但最近半年多，我这种从业十几年的笃定也明显动摇了。
AI 已经不只是补全代码，而是开始能够阅读项目、修改多个文件、调用工具、运行测试、分析报错，并连续完成较长的开发任务。现在如果只谈日常软件开发，我已经很难自信地说，大多数程序员一定比 AI 写得更好。
于是程序员群体出现了一种非常现实的态度：打不过，就加入。
我自己也是如此。过去我一个个人项目可能要花几个星期甚至数月持续投入，现在借助 AI Agent，几天就能做出相当完整的版本，小型项目甚至可以在几小时到一天内完成。
生产效率提高当然令人兴奋，但对一个长期把编程视为核心能力的人，比如对我来说，这也会产生很强的挫败感。
想想一个人十几年多积累的技能，正在迅速变成一种只需要支付很低成本，任何人都能一键调用的通用能力。
更残酷的是，这个剧本正在各行各业无差别地重演。
就像现在，GPT 6 Astra 刚刚发布，宣告着通用型的 AI 刚进入 3D 建模领域。很多专业人士依然可以轻易指出它的问题：拓扑不合理、结构错误、无法融入真实工作流。还有不少人嘲笑它建出来的模型跟牛来有的一拼。
这些批评在今天完全没毛病，说的很对。
但真正的问题从来不是：“AI 今天能不能达到专业人士的水平？”，而是：按照现在的进化速度，半年后、一年后会怎样？
画师、视频创作者、音乐人、程序员……我们都已经见过不止一次类似的过程。
人和 AI 的学习速度不在一个数量级
一个人从出生到真正掌握一项专业技能，往往需要二三十年。
先接受十几年基础教育，再进入大学，参加实习，最后在职场中做项目、踩坑、返工、积累经验。很多人工作到三四十岁，才比较熟练。
但人的职业寿命又很有限。几十年积累下来的经验，最终只能通过教学、书籍、师徒关系慢慢传递给下一代。
AI 完全不同。
模型训练完以后，它的能力可以被复制，可以卖给很多用户，也可以同时服务很多任务。
高级工程师的人数是有限的；一个能力接近高级工程师的模型，理论上却可以同时复制无数份。
所以 AI 真正具有破坏性的地方，我觉得根本不是它是否能成为世界上最聪明的专家，或者说它能不能超越爱因斯坦。
我在想的是，当一个具备普通专业人士水准的 AI 可以被廉价复制一亿份时，会发生什么？我觉得答案可能比“出现一个超级人工智能”更加值得警惕。
互联网让信息变便宜，AI 可能让能力也变便宜
互联网已经完成过一次重要革命：信息平价化。
过去获得专业知识很困难，需要上大学、买书、问老师、找资料、进圈子。而搜索引擎打破了这堵高墙，让普通人拥有了平等查阅信息的权利。
但拥有信息从来不等于拥有能力。
你搜到“如何做一个 SaaS”，不代表你就知道怎么选架构、怎么部署、怎么排查线上问题。你搜到一篇“如何做高并发系统”，也不代表你就能设计一个高并发系统。
所以互联网降低了获取知识的成本，却没有真正消除专业能力的门槛。
过去几十年，很多脑力工作者的收入，其实来自这里：我知道怎么做，而且我能把它做出来。现在 AI 正在压缩这段距离。
过去：
不会 → 学 → 练 → 踩坑 → 几年后能干活
以后可能变成：
不会 → 告诉 AI 想要什么 → AI 直接给一版能用的结果
这个变化挺大的。
因为很多普通专业工作，并不是靠“知识本身”赚钱，而是靠“把东西做出来”的工时赚钱。脑力劳动者的大部分溢价，恰恰来自于填补这段鸿沟的工时费。
AI 现在干掉的，恰恰就是这一段。
知识没有失去价值，但稀缺性溢价没了
为什么程序员、医生、律师、设计师这些职业能够获得较高收入？
说白了，很多时候不是因为这个行业有多高尚，而是因为会的人不多。
当某种专业能力需要漫长的培养周期、只有少数人拥有时，它就具有稀缺性，拥有者也因此获得更高的议价能力。
于是过去几十年最经典的人生路径是：
读书 → 学一个专业 → 进入某个城市或行业 → 成为专业人士 → 收入提高 → 家庭状况改善
这也是“知识改变命运”能够成立的重要基础。
对于一个普通家庭的孩子来说，即使没有资本、企业和社会关系，也仍然存在一条相对清晰的上升道路：努力读书，考入好大学，学习稀缺专业，进入城市，成为专业人士。
但 AI 正在精准地击穿这条道路最核心的一环：专业能力的稀缺性。
如果一种能力可以被模型大量复制，那么“会这件事情”本身就不再天然意味着高收入。
我所说的“知识改变命运正在终结”，绝非否定学习的意义。而是指单纯依靠拥有知识和出卖技能就能获得超额回报的时代，已经落幕了。
未来依然需要学习，甚至更需要学习。但单纯依靠“我比别人懂得更多”“我会一项别人不会的技能”，从而获得长期稳定高收入，这条道路可能越来越不靠谱。
AI 不一定要完全替代你，也能降低岗位数量
很多人讨论 AI 时，很喜欢说：
“它还是不如顶级工程师。”
“它还是不如真正优秀的设计师。”
“复杂问题还是需要人把关。”
这些话大概率是对的，但这并不意味着普通人的饭碗就此安全。
但对企业来说，它不一定非要 AI 超过你，它只需要 AI 便宜、够用、能省人。
比如以前一个团队要 10 个人，现在如果 3 个人加 AI 就能完成差不多的活，那岗位数量就会变。
原来 10 个人争 10 个位置，现在可能 10 个人争 3 个位置。
这种情况下，个人技术再重要，整体议价能力也会被压缩。
所以，“AI 还不能完全替代我”并不是一道很稳的护城河。
人生策略的转向：从“学会什么”到“拥有什么”
过去应对职场危机的本能反应是“换赛道重学”：AI 会前端，我就去卷后端；AI 会后端，我就去搞底层基础设施；AI 连基建也会了，我就去学算法或具身智能。
这可能有用。但问题是，人的学习速度太慢了。你花几年换赛道，AI 可能下个月又更新一轮。在同一个维度内比赛跑，普通人毫无胜算。
如果个人之间的执行能力差距被 AI 拉小，那么以后拉开差距的，可能就不只是“谁更会做”。
还会变成：谁有客户、渠道、信任、品牌、资产，谁有可以慢慢放大的东西，这些东西比代码更难复制。
因为代码可以被生成、方案可以被优化、文案可以被写出来、设计稿可以被做出来。但客户信任、线下关系、品牌口碑、渠道资源、合规资质，这些东西不太可能一键生成。
所以以后的打工人和拥有资产的人，差距可能会更明显。
如果你只是卖时间，你用 AI 提高效率，最后很可能只是让公司少雇几个人。省下来的成本，大部分会变成公司利润，不一定变成你的收入。
但如果你自己有一点小业务，哪怕不大，过去需要几个人维护，现在你自己加 AI 就能跑，那么效率提升带来的钱，可能真的会留到你手里。
同样是用 AI，处境不同，结果会不一样。
不用马上创业，但别只把自己当成工时
说到这里，很多人可能会问：那是不是人人都要创业、做产品、搞副业？
我觉得可能没那么夸张。
对大多数人来说，更现实一点的做法是：先保住主业，再用业余时间做一些不完全依赖卖时间的东西。
这个东西可以很小：比如一个账号、一个工具、一个小站、一门课、一个客户群、一个模板、一个自动化服务、一个本地服务，都可以。
关键是它能不能慢慢积累，而不是你停下来，这个东西就不能带给你收入。
十年前，一个人想做一个能赚钱的小产品，可能要拉设计、开发、测试、运营、客服，成本很高，现在门槛确实低了很多。
一个人加一批 AI 工具，很多时候就能短时间做出过去一个小团队才能完成的初版。我不是说每个人都能做成，但至少以前很多人连入场成本都付不起，现在至少有机会试试。
所以工资还是很重要的。在没有稳定资产之前，工资是最现实的现金流。
但工资不应该成为唯一目标。如果一个人的收入结构里只有工资，那么风险会集中在三件事上：公司、行业、自己的身体和状态。这几件事里任何一件出问题，个人都会很被动。
结语
印刷术降低了书籍的成本；公共教育降低了识字和基础知识的门槛；互联网实现了信息平价化。而 AI 正在继续向前推进一步：把稀缺的知识和技能廉价化，直接转化成能力。
过去几十年，知识改变命运能成立，靠的是一个隐含前提：知识稀缺、且迭代慢。苦读十年，我们就能换到半辈子的护城河。
而现在，前提的两端同时塌了。知识不再稀缺，迭代不再缓慢。
当下学习依然至关重要，只是学习的内核变了。过去我们努力学习，很多时候是为了让自己变成更贵的手艺人；未来我们依然需要学习，但目的应当是理解系统、判断趋势、嗅探需求、组织资源、承担 AI 无法担当的责任，并最终把 AI 的算力凝结成属于我们自己的资产。
最后，我们应该问一下自己：
AI 让做东西变得越来越便宜，我的价值到底靠什么维持？
是靠会某个工具？靠比别人更努力？靠多学几个方向？
还是靠你手里有客户、有信任、有能担责的能力、有可以慢慢放大的东西？
如果是前几个，恐怕会越来越难；如果是后几个，在 AI 时代，是否会更有优势呢？
在 AI 时代拼尽全力从劳动者到所有者——从只卖时间，到慢慢拥有自己的东西。可能是我们普通人不得不面临的人生中最重要的转型。