摘要：前几天和刚考研二战的侄子聊天，他盯着屏幕上的专业课真题叹气：“我刷了三年题，背了两本笔记，可昨天看AI写的论述题，比我答得还全面——我这二十年学，是不是白上了？”

前几天和刚考研二战的侄子聊天，他盯着屏幕上的专业课真题叹气：“我刷了三年题，背了两本笔记，可昨天看AI写的论述题，比我答得还全面——我这二十年学，是不是白上了？”

这话戳中了太多人的隐忧。

就像二十年前我们父母怕“下岗”，现在我们怕“被AI替代”；以前说“考上大学就稳了”，现在刚填完志愿就担心“专业没毕业先过时”。

可真要细想，我们怕的不是AI，是那种“拼尽全力跑，却发现赛道早换了”的无力感——

就像17世纪的骑士，练了二十年剑术，最后栽在一颗子弹上。

有个扎心的对比：牛顿用二十年奠定经典力学，AI用一天学完人类几百年的科学文献；

你用二十年从小学读到研究生，可能还没AI算一道复杂物理题快。

更要命的是，我们的教育里藏着太多“低效率重复”。

你有没有发现？

高中时刷的题，一半是为了“应试技巧”而非“理解原理”；

大学里背的知识点，很多是“过时的行业常识”而非“解决问题的能力”。

就像工厂批量生产的零件，大家都长一个样——

你会的，别人也会；你能做的，AI做得更快还免费。

这就陷入了微观经济学里的“恶性挤兑”：14亿人挤在“做题”“考证”的赛道上，供给远大于需求，最后不是“卷赢”，是“一起廉价”。

去年有个新闻，某互联网公司招运营，收到三百份简历，一半是“会Excel、能写文案”的应届生——可这些活儿，AI用模板两小时就能搞定。你说，HR凭什么选你？

不是我们不够努力，是努力的方向错了。

就像农耕时代的农民，再勤快地锄地，也抵不过工业时代的拖拉机；

现在我们再拼命地“做题”，也抵不过AI的“百亿信息库+零疲劳运算”。

但别忙着焦虑——

你有没有想过，第一次工业革命时，骑士没了剑术饭碗，却有人学会了开蒸汽机；

第二次工业革命时，马车夫没了活计，却有人成了汽车工程师。

每一次技术颠覆，淘汰的从来不是“人”，是“不愿改变的人”。

教育不是培养“会做题的人”，是培养“能定义未来的人”。

真正的破局点，从来不在“和AI比谁算得快”，而在“让AI帮你做得更有价值”。

我认识一个学环境工程的女生，没像同学那样死磕“计算题套路”，反而用AI做了件事：

她把家乡十年的水质数据喂给AI，让模型分析污染源头的规律，最后出的报告被当地环保部门采纳——

你看，AI成了她的“科研助手”，而不是“竞争对手”。

还有个学新媒体的学生，不执着于“写爆款文案”，而是用AI拆解不同平台的传播逻辑，自己专注于“找没人做过的选题”，现在成了小有名气的“小众领域博主”。

这些例子背后藏着一个逻辑：AI能做“重复的、有标准答案的事”，但做不了“需要独立思考、需要定义问题的事”。

牛顿厉害不是因为他算得快，是他提出了“万有引力”；爱因斯坦牛不是因为他公式记得多，是他重构了“时空观”。

现在的我们，不用成为下一个牛顿，但至少别把自己活成“会算题的AI”。

普通人摄入的信息量，从中世纪一生一份报纸，到现在一天刷完一年的内容——可我们的脑子，还是几万年前的“线性配置”。

别再用“线性的努力”对抗“指数级的变化”。

你不用一天看30篇文章， 但你可以一年找50篇真正高质量的内容，把它们嚼透；

你不用考一堆证， 但你可以在一个小众领域深耕，让AI都没法轻易替代；

你不用怕“专业过时”，但你可以培养“迁移能力”——比如学历史的，能用电分析历史数据；学中文的，能帮企业做AI内容审核。

就像查理·芒格说的“我们终将做到”，但前提是：别把自己困在“做题本”里，别把“努力”等同于“重复”。

AI不是来断我们的路，是来帮我们看清：真正的“铁饭碗”，从来不是“一份稳定的工作”，是“无论环境怎么变，你都能找到新价值的能力”。

你看，17世纪的骑士没了剑术，却有人成了火车司机；

现在的我们，就算AI能写代码、能做报告，也一定有AI做不了的事——

比如对用户的共情，对问题的好奇，对未来的想象。

这些东西，才是我们对抗AI的“子弹”，也是我们这届年轻人的“破局点”。

来源：科学知青