一般人在 AI 時代的 10 個生存法則
在場：約六十人－創業家、工程師、產品經理、投資人、應屆生，以及幾個自稱"在想清楚之前先來聽聽"的人。
主講：Alan Walker，矽谷連續創業者，三個週期的親歷者，現在只喝黑咖啡，不用問號
時間：2026年 4 月，Project Glasswing 發布後一周。
不是方法論，不是職場技巧。
是在一場物種級變局裡，怎麼讓自己活下去，然後活得好。
開場 · ALAN WALKER
「有人在來之前發訊息問，『AIan，AI 來了，普通人還有沒有機會。』Alan 沒回。因為這個問題本身就問錯了。 年，古騰堡印刷機出現之前，歐洲最有價值的職業是什麼——抄書匠。 start;">今天在座的每一個人，都是那一批抄書匠的後代。你們的祖先沒有被印刷機消滅，你們今天才能坐在這裡問這個問題。問題不是"有沒有機會 start;">我今天給你們十條。沒有廢話，每一條我都想清楚了。」- 矽谷 ALan Walker
Law I · 對手不是 AI，是會用 AI 的人
被淘汰的不是職業。 是那些相信"這和我無關"的人。
先說一個反直覺的事實：任何科技革命，消滅的都不是工作，消滅的是拒絕學習的人。 這不是勵志，這是歷史紀錄。 1900 年，美國有 4,100 萬匹馬在承擔運輸工作。 汽車來了之後，馴馬師消失了，但機械師、加油站工人、公路工程師、汽車保險精算師、交通警察都誕生了。 淨增，不是淨減。
1997 年，Deep Blue 擊敗卡斯帕羅夫，所有人以為國際象棋職業要死了。 2005 年出現了一種叫做"半人馬象棋"的比賽——一個普通業餘棋手加上一台普通 PC，可以打敗頂級特級大師加超級計算機的組合。 不是最強的人贏了，不是最強的機器贏了，是最會跟機器配合的人贏了。 這個結論適用於 2026 年的每個行業，一個字都不用改。
ALAN · 現場
你今天的競爭對手，不是 Claude，不是 GPT，不是 Gemini。 是那個坐在你旁邊、已經在用這些工具工作、而你還在糾結"這東西靠不靠譜"的人。 技術工具的採用曲線從來不等人。 印刷機出現後，前五年搶先掌握它的那批人，定義了接下來兩百年的知識生產格局。 今天的窗口，可能比五年短得多。
不是 AI 在取代你。 是會用 AI 的人在取代你。 這兩句話聽起來一樣，但決定了你截然不同的應對策略。
Law II · AI 偷不走你踩過的坑
大語言模型能學走所有被寫下來的知識。 它學不走你沒寫下來的那部分──而那部分，才是你真正值錢的東西。
哲學家麥可波蘭尼在 1966 年寫了一本只有薄薄百頁的書，叫《隱性知識》Polanyi 1966。 核心命題只有一句話：「我們知道的，永遠比我們能說出來的多。」他舉了一個例子：你能認出一張臉，但你無法告訴我你是怎麼認出來的。 這種能力存在於你的神經系統裡，無法被語言化，也因此無法被傳授，也無法被複製。
大語言模型的本質，是對人類已經表達過的知識的極致壓縮和檢索。 它吸收了所有被寫下來的東西：教科書、論文、代碼、對話。 但有一類知識它碰不到：你在十八次失敗的專案裡累積的判斷力，你見過某種局面三次之後產生的預感，你在某個行業摸爬滾打之後對人性的嗅覺。 這些東西從來沒有被寫進任何文檔，它們以神經迴路的形式存在於你的大腦裡，只能被經歷觸發，無法被語言傳遞。
所以，你以為沒用的經歷，才是你在 AI 時代真正的護城河。 那些走過的彎路，踩過的雷，賭錯的判斷——它們正在構成一種 AI 無法觸及的稀缺資產。 前提是，你要有意識地把它們系統化：寫下來，講出來，教別人。
ALAN · 現場
我認識一個做了十八年餐飲的人，不會 Excel，不會寫代碼，普通話說得磕磕絆絆。 但他能在一家新店開業前三十分鐘，走一遍，告訴你哪道菜今天會出問題，哪個員工今天狀態不對，今晚翻台率大概是多少。 他怎麼知道的？ 他說不清楚。 但那個"說不清楚"，值幾百萬。 AI 能產生一份完整的餐飲管理手冊，但它沒有他踩過的那十八年的坑。
把你踩過的坑系統化。 把你的失敗案例語言化。 這不是在寫回憶錄，這是在鑄造 AI 時代最被低估的護城河。
LAW III·深度是憑證，跨界才是武器
AI 在任何單一領域都能"夠用"。 它無法做到的，是把兩個領域的底層邏輯疊在一起，看見第三種可能。
經濟學裡有一個概念叫做"比較優勢"Ricardo 1817。 意思是：你不需要在所有事情上都比別人強，你只需要在某個組合上比別人更有效率。 放到今天，比較優勢的來源從單一技能變成了跨域組合——你的生物學背景加上你的金融直覺加上你的產品思維，構成了一個 AI 無法用單一訓練數據復現的視角。
人類歷史上真正改變格局的創新，幾乎都不發生在學科內部，都發生在邊界上。 孟德爾是修道士，他用統計學研究豌豆，奠定了遺傳學。 香農是數學家，他用熱力學裡的熵的概念來理解通信，創造了資訊理論。 賈伯斯是禪修者和美學家，他把人文和工程焊在一起，定義了消費科技。 在一個 AI 能快速覆蓋任何單一領域的時代，跨界連線的能力，是人類最後的認知優勢之一。
› 找到你最深的一個領域－這是錨點，其他都是浮萍
› 刻意在兩到三個相鄰或對立領域建立夠用的知識，不需要精通
align: style="text">align: style="text"> 訓練"連線直覺"：這個領域的底層邏輯，能不能解釋那個領域的現象
› AI 幫你檢索，你來連線－這是分工，不是競爭
ALAN · 現場="h3>ALAN · 現場="h3>
我見過最厲害的投資人，不是金融最強的那個，而是金融夠好、對科技有真實感知、對人性有洞察、對歷史有記憶的那個。 這四個維度組合在一起，AI 今天無法復現——因為"洞察"的核心是整合，整合需要你在真實世界裡被不同系統撞擊過，而不是從訓練資料中檢索出來的模式匹配。 你的複雜經歷，是 AI 暫時無法殖民的地方。
只有深度沒有寬度，你是一口井。 有了跨界，你是一張網。 AI 是水，它會流向所有的井，但網子是你自己編的。
LAW IV· 專注是你在 AI 時代唯一真正稀缺的東西
AI 讓資訊生產成本趨近於零。 這意味著資訊本身趨近於無價值。 而它的稀缺互補品——專注的注意力——正在變成這個時代最硬的貨幣。
赫伯特·西蒙 1971 年寫了一句話，預言了今天 Simon 1971："信息的豐富，必然導致注意力的匱乏。"他在互聯網誕生之前說這句話。 那時候他只是用了最基本的經濟學邏輯：任何東西一旦極度豐富，它本身價值就會下降，而它的稀缺互補品價值會上升。
今天，AI 每天生產的內容量已經超過人類之前幾百年的總和。 你的大腦沒有升級，你的注意力總量是固定的。 你把注意力給了什麼，就是在給什麼投票，就是在培養什麼能力。 一個每天在碎片資訊裡漂浮三小時的人，不是在浪費時間，他是在主動把自己的認知系統降級成一個消費終端——只能接收，不能生產；只能反應，不能思考。
這裡有一個反常識的結論：深度閱讀能力，在 AI 時代，比程式設計能力更稀缺，更有價值。 AI 能寫程式碼，能檢索訊息，能產生報告。 它沒有辦法代替你去真正理解一本書，去整合成你自己的判斷體系。 一個能長時間專注、獨立思考、自主判斷的人，在 AI 面前是合作者。 只會消費碎片的人，是 AI 的消費終端。 終端不需要思考，終端只需要接收。
ALAN · 現場
我有一個測試：找一本你覺得重要的書，坐下來讀兩小時不碰手機。 如果你做不到，你的注意力已經被殖民了。 這不是道德判斷，這是認知能力的評估。 在 AI 把所有人的生產效率拉平的時代，能保持深度專注的人，是認知貴族——不是因為他們更聰明，是因為他們保護了大多數人已經放棄的東西。
保護你的注意力，就是保護你的認知主權。 放棄注意力，就是自願降級為 AI 的消費終端，而不是 AI 的合作者。
LAW V· 信用是 AI 唯一無法大量生產的東西
AI 能產生你的簡歷，模仿你的文風，偽造你的聲音。 它無法偽造你在真實關係裡，一次又一次兌現之後累積起來的那份信任。
信任的本質是什麼。 從博弈論的角度來說，信任是一種重複博弈的結果 Axelrod 1984——兩個人在足夠多次的互動裡，彼此驗證了對方"說到做到"的概率足夠高，於是願意降低防禦成本，進入更高效的合作狀態。 這個過程無法被壓縮，無法被偽造，無法被大量生產。 因為它的本質是時間裡的兌現記錄。
當 AI 能產生任何內容、模擬任何風格的時候，真實的人際信用會發生一個悖論式的升值。 越是 AI 氾濫的時代，"真人，而且靠譜"這件事越稀缺，越值錢。 你的聲譽，也是你在 AI 時代唯一的防偽標籤。
更深一層：信用不只是"你說到做到"，信用是"別人願意把不確定性壓在你身上"。 當一個人把一件不知道結果的事交給你，不是因為他確定你能做成，是因為他相信你會全力以赴、誠實回饋、不會消失。 這種信任關係，是 AI 無法進入的私人合約，它是線下的、情感的、歷史累積的。
ALAN · 現場
我認識一個人，沒有名校背景，沒有大廠經歷，英語說得磕磕絆絆。 他唯一有的是：過去十五年裡，他答應過的事，沒有一件沒做到。 現在他每發一封訊息，有五十個人會優先回覆他。 這在 AI 時代叫什麼——叫訊號穿透力。 在 AI 製造無限噪音的世界裡，他的訊號是清晰的。 這五十個人裡，沒有一個是因為他的履歷漂亮才這樣對他的。
每次兌現承諾，是在做 AI 時代最值錢的投資。 每次爽約，都是在銷毀 AI 幫不了你重建的資產。
LAW VI· 答案在貶值。 好問題在升值
AI 能在三秒鐘內回答任何問題。 它不知道哪個問題值得被問。 這個"不知道"，就是你的位置。
整個人類教育體系，三百年都在訓練一件事：回答標準問題。 考試考試答案，面試考解題，績效考產出。 這套系統的底層假設是：問題是固定的，答案是稀少的。 AI 出現之後，這個假設被徹底顛覆：答案不再稀缺，好問題成了稀缺品。
愛因斯坦說，如果給他一小時解決一個關乎生死的問題，他會花五十五分鐘定義問題，五分鐘尋找解決方案 Einstein, attributed。 這句話在 2026 年的意思改變了：那五分鐘，你可以外包給 AI。 那五十五分鐘，只有你能做到。
什麼是好問題。 好問題有三個特徵：第一，它讓你看見你原來看不見的東西；第二，它讓對話的另一方重新審視自己的假設；第三，它打開一個新的可能性空間，而不是收窄一個已有答案的邊界。 培養這種能力，靠的是大量閱讀、大量對話、在不同系統之間來回切換，直到你對"理所當然"產生本能的不信任。
ALAN · 現場
在 AI 時代，最有競爭力的工作方式是這樣的：你用一個好問題啟動 AI，AI 生成十個答案，你用更好的問題從十個裡第十個——那個想到的。 這個閉環裡，你是導演，AI 是演員。 如果你只會接收 AI 的輸出，你就是觀眾。 觀眾不拿導演的錢。 世界永遠短缺好導演，從來不缺觀眾。
學會提問，比學會回答更值錢。 因為 AI 能回答一切，但不知道該問什麼。 那個"不知道"，是你的領地。
LAW VII· 找到"因為有人，所以值錢"的地方
不是所有效率都值得被優化。 有一類價值，正是因為它低效、因為它需要真人，所以越來越貴。
凡勃倫在 1899 年描述了一類奇特的商品 Veblen 1899－價格越高，需求越大，因為高價本身就是價值的一部分。 今天，人類的參與正在成為某一類服務的凡勃倫屬性：因為有真人，所以值錢；越稀缺，越值錢。
想想：一個真正了解你情況的醫生的判斷，和 AI 產生的診斷報告，值多少倍的差距。 一個在你最困難時坐在你對面的朋友，和任何 AI 陪伴應用，有多少不可替代性。 一個能當面拍板、當場承擔後果的決策者，和一份 AI 優化過的建議書，有什麼本質差異。 這些場景的共同特徵是：人的在場本身就是價值的一部分，也是不可分割的部分。
從人類進化的角度來說，這並不奇怪。 人類是超級社會性動物，我們的神經系統被設計來對真實的人類存在做出反應。 催產素、鏡像神經元、臉部表情辨識系統－這些機制不會回應 AI。 當一個 AI 告訴你"我理解你的感受"，你的邊緣系統知道那是假的，即使你的理性腦暫時被說服了。 人類對人類的存在，有一種無法被數位取代的生物需求。
ALAN · 現場
我預測一個在 AI 時代會逆勢大漲的行業：臨終關懷。 不是因為 AI 無法提供資訊或陪伴，而是因為沒有人願意在自己生命的最後時刻，面對的是一個螢幕。 這是"人類溢價"的極端案例，但它說明了一個普遍規律：找到那些越自動化越讓人感到空洞的領域——那是你的機會。 越有效率越冷的地方，人的溫度越值錢。
問自己：如果這件事全部由 AI 來做，客戶會失去什麼。 那個"失去的東西"，就是你永久的護城河。
LAW VIII· 不確定性不是你的敵人，是你最後的優勢
進化從來不獎勵最強的，它獎勵在變化裡存活最久的。 能在高度不確定性裡保持行動力的人，是 AI 時代真正的強者。
納西姆·塔勒佈在《反脆弱》裡提出了一個改變我世界觀的框架 Taleb 2012：世界上有三類系統。 脆弱的系統在壓力下崩潰；強健的系統在壓力下維持；反脆弱的系統在壓力下變得更強。 他說，大自然獎勵的不是強健，是反脆弱。 肌肉在壓力下生長，免疫系統在感染中增強，經濟在創造性破壞中進步。
AI 時代的不確定性是結構性的，不會消失。 每隔幾個月，就有新模型，新的能力邊界，新的產業被重塑。 這不是暫時的混亂，這是新的穩態。 你無法預測下一張牌。 你能做的，是訓練自己在不知道下一張牌的情況下，依然能夠行動、學習、保持方向感。
更底層的一個真相：不確定性是普通人對抗大機構的最後武器。 大公司、大政府、大資本，在確定性的世界裡有絕對優勢──他們有資源、有規模、有護城河。 但在高速變化的不確定環境裡，他們的規模變成了負擔，他們的流程變成了枷鎖，他們的歷史變成了包袱。 而你，一個可以在 72 小時內做出決策、可以在一週內完全轉向的個人，在不確定性裡有一種大機構永遠無法複製的彈性。
ALAN · 現場
更具體一點：小注押注，快速迭代，不要 all-in 任何單一判斷。 建立一個能吸收錯誤的生活結構，而不是一個必須永遠正確的生活結構。 把失敗的成本控制在你能承受的範圍內，把學習的速度提升到你能維持的最高水準。 你無法預測 AI 下一步會顛覆哪個產業。 但你可以訓練自己，在它顛覆的那一天，是興奮，不是恐慌。 大機構害怕不確定性，因為它們太重，轉不動。 你輕，你可以轉。 這是你最後的結構性優勢，不要用焦慮把它浪費掉。
不確定性是一般人對抗大機構唯一的結構性優勢。 大機構怕它，你應該愛它。
LAW IX· 持續輸出，把你的認知變成公開資產
AI 讓所有人都能"生產內容"。 但內容和觀點是兩回事。 有獨特觀點並持續表達的人，會在 AI 噪音中產生指數級的可見度。
經濟學裡有一個概念叫做"網絡效應"Metcalfe 1980——一個網絡的價值，和它的節點數量的平方成正比。 你的公開表達，是你在人類知識網絡裡的節點。 每一篇文章、每一次演講、每一個觀點，都在增加你的連結數量。 而節點的價值，來自它的獨特性，不是來自它的數量。
在 AI 讓內容生產成本趨近於零之前，稀缺的是生產能力。 在那之後，稀缺的是值得被信任的獨特觀點。 任何人都能用 AI 產生一篇"AI 時代生存指南"，但不是任何人都能寫出一篇讓人讀完覺得"這個人見過真實的世界"的文章。 後者需要的是真實經驗、獨立判斷、持續思考──這三件事，AI 無法代勞。
更根本的邏輯是：你不輸出，你就不存在。 在數位時代，存在即被看見，被看見才有價值流動的可能。 一個在腦中裝了很多好點子但從不表達的人，和一個什麼都不懂的人，在世界的信息流裡是等價的——他們都是透明的。 把你的認知變成公開資產，是 AI 時代最被低估的複利行為。
ALAN · 現場
我認識一個在二線城市做工廠管理的人，沒有名校背景，沒有光鮮履歷。 三年前他開始在網路上寫工廠運作的真實經驗──不是方法論，是血淋淋的失敗案例和他從中得出的結論。 今天他有二十萬讀者，有三家工廠主動找他諮詢，有出版社找他出書。 他沒有變聰明，他只是把原來裝在腦子裡的東西，放到了世界上。 世界看見了，就有價值流向他。 你不輸出，世界不知道你存在。
把你腦中的東西放到世界上。 不是為了表演，是為了讓世界知道你存在，讓價值知道在哪裡找你。
LAW X· 管理你的能量，不是管理你的時間
時間管理是工業時代的邏輯－工廠需要的是穩定的產出，所以你用時間換產品。 AI 時代需要的是創造性的認知爆發，所以你需要管理的是能量，而不是時間。
工業時代的核心假設是：時間是產出的函數。 你工作八小時，產出八小時的價值。 這個邏輯在管線上成立，因為管線的工作是線性的、可疊加的、不需要峰值狀態的。 但創意工作不是線性的。 一個處於巔峰狀態的兩小時，可以產出一個處於疲憊狀態的二十小時都無法產出的東西。
神經科學已經確認了這一點 Kahneman 2011：人類的高階認知功能──深度分析、創意連結、複雜判斷──依賴前額葉皮質的高度活躍狀態。 這個狀態極度耗能，每天只有有限的時間窗口。 絕大多數人把這個最貴的時間窗口，用來處理郵件、刷社群媒體、開低品質的會議，然後用剩下的疲憊狀態去做需要深度思考的工作，然後抱怨自己效率低、沒有創造力。
在 AI 時代，這個錯誤變得更致命。 因為 AI 已經可以處理所有低認知成本的任務——資訊檢索、格式整理、資料匯總、標準寫作。 它無法取代的，是你的高認知峰值狀態下產出的判斷、洞察、連結和創造。 如果你把高峰時間給了低價值任務，你就是在用最貴的東西做最便宜的事，同時把最需要你的工作留給最差的狀態。
ALAN · 全場收尾
我每天早上大約三個小時是峰值狀態。 在那三個小時裡，我不看消息，不開會，不回郵件。 我只做一件事：思考今天最重要的問題。 其他所有事情，包括大量的工作，我用 AI 處理，或留給下午。 這不是懶，這是理性分配。 你一天裡最貴的三小時，值多少，取決於你要用它做什麼。 AI 來了之後，這個問題的答案比以前更極端：用對了，你的峰值產出是普通人的十倍；用錯了，你的低谷和 AI 沒有區別。 阿西莫夫寫了三條機器人定律，是為了讓機器設下邊界。 今天我給你們這十條，是為了給人找回位置。 你的位置在峰值，不在管線。
"AI 不是你的天花板，是你的槓桿。
你的位置在峰值，你不在流水線。" 的人
II AI 偷不走你踩過的坑
III 深度是憑證，跨界才是武器
IV 注意力是你在 AI 是時代唯一真正稀缺的東西; 唯一無法大量生產的東西
VI 答案在貶值。 好問題在升值
VII 找到"因為有人，所以值錢"的地方
VIII 不確定性不是你的敵人，是你最後的優勢
-Melly