——为什么"AI教母"认为"智能成本归零"是一个危险的谎言，以及杠铃法则正在如何重塑每一个人的职业生涯
2026年6月，"AI教母"李飞飞与MasterClass创始人兼CEO大卫·罗吉尔（David Rogier）做了一场播客访谈。
标题是一句精准的挑衅：《10年后，只会剩下两类工作者》。
这不是一篇通常意义上的"AI预测未来"的文章。翻遍对话，你会发现李飞飞几乎没有给出任何耸人听闻的预言。相反，她做了一件更罕见的事：把那个被科技媒体和技术乐观主义者反复贩卖的叙事，连根拔起，放在桌上，说——这个故事是错的。
这篇文章，不是对那场播客的复述。它是一个从观察者的角度，站在对话之外，试图拆解其中真正值得被记住的东西的记录。
一、一个正在被反复贩卖的错误前提
先来看一个最近在AI圈非常流行的话："智能的成本正在趋近于零"。
这句话听起来很对。ChatGPT写一篇文案的成本，确实比雇一个文案便宜得多。Claude生成代码的速度，快过任何初级工程师。逻辑推演、数据分析、资料检索——这些过去需要专业训练才能完成的事，现在的确在变得便宜。
但李飞飞在访谈中说了一句直接打脸的话："任何在外面声称'智能成本趋近于零'的人，都是不负责任的说法。"
为什么？
因为人类智能不是单维度的。语言智能只是其中一层。在此之上，我们还有感知智能、空间智能、身体智能、情感智能。我们对创造力从何而来都还没搞明白，怎么能说它的成本归零了？
一个老师判断学生为什么学不会，靠的不只是文本分析——是观察表情、语气、犹豫的瞬间。一个团队负责人在关键客户面前决定要不要说出那句话，没有算法能替ta做这个判断。
这不是在否认AI的威力。李飞飞很清楚地说，大语言模型"在帮助商业智能、帮助软件工程、帮助演绎逻辑推理上已经显现出强大威力"。问题是：把"语言智能"等同于"智能的全部"，这个偷换概念，正在成为很多人做管理决策的出发点。
一个错误的假设，推导出一系列正确但危险的动作。这才是最可怕的事。
二、三种"自动化思维"，正在让AI落地跑偏
李飞飞在访谈里反复重申一个核心立场：AI是一个工具，一个极其强大的工具。但工具是拿来替人的，还是拿来抬人的？
答案不取决于技术。取决于人。
她通过访谈中逐层展开的讨论，揭示了三种最常见的自动化思维模式。
第一种：AI = 人头替代器
李飞飞举了一个产品经理的例子，非常精彩。
十年前的产品经理，"更像是指挥。他们不需要写代码，通常不是软件工程师。"要原型找设计师，要开发等工程师，等原型、发用户、等反馈、再整合——一个完整的生命周期几个月。
现在呢？很多产品经理自己用AI写代码了。他们用AI做原型设计，进行"氛围编程"。周期从几个月缩短到几天。
AI没有替代任何人。它把每个人往上推了一个台阶。产品经理从"指挥"变成了"动手者"。设计师和工程师从"执行者"变成了"专攻最难问题的人"。
但自动化思维的管理者看到这个例子，第一反应是什么？"那以后可以少招两个工程师。"
同一个事实，同一种工具，完全不同的结论。区别不在技术，在怎么理解技术。
第二种：上工具 = 做对了
买工具、开培训、教员工写Prompt——教完就算任务完成。这是当前很多企业"AI转型"的标准流程。
李飞飞在访谈里说了一段关于教育的话，但把"教育"换成"管理"，把"学生"换成"团队"，每一句都成立：
"教育的目标是培养人，让每个人成为他所在社群和社会的有意义的贡献者，并过上一种有意义的生活。AI不应该剥夺这些基本目标中的任何一个，而应该帮助更好、更有效地达成这些目标。"
David Rogier本人做了一个有趣的实践演示。他并非技术出身，但他正在做一件事：自己构建自己用的全部应用——CEO工具栈、效率应用、待办清单，全部用Claude Code或Cursor自己搭。做一个应用的成本，已经从几个月缩短到一个周末。
他不是在秀技术，他是在演示一个更深层的逻辑：AI时代优秀的人，不是'更会执行任务的人'，是'更会设计工作系统的人'。
工具买再多，如果团队没有设计思维，工具只会变成电子化的旧流程。
第三种：宣布"全面部署AI" = 技术指令
发一个通知说"公司要全面部署AI"，员工听到的是"要砍人了"。
坐下来跟他说"来看看你能用AI做什么以前做不了的事"，员工听到的是"可以变得更强"。
两种表达，落脚在同一个现实：同一个工具，同一个预算，同一个人。前提条件不同，结果完全不同。
员工犹豫，不是因为不会用工具，是因为不知道管理者到底想用AI做什么。是替掉他们，还是托起他们。
这是一个非常容易被忽视的信号：AI落地的第一道门槛从来不是技术，是信任。
李飞飞给了一个极简的入门建议：去找一个25岁以下的年轻人——孩子、侄子侄女都行——带着纯粹的好奇，去看看他们怎么用AI。等你真正了解了它是什么，那个世界就没那么可怕了。
三、杠铃法则：10年后，中间的人会消失
到这里，才来到真正刺痛人的部分。
David Roglier提出了一个职场结构的假设：杠铃效应。
一个还凑合的文案撰稿，现在任何人都能用大语言模型做得不错。但如果你是全世界最好的文案，或者在前1%，没有人能轻易打败你。
杠铃两端，一端是前1%的顶尖专家，另一端是能同时驾驭多件事的高主动性通才。中间那些"还凑合"的人，空间正在被压缩。
李飞飞同意这个判断，并且加了一层非常关键的分析：
"不管你在专家那一侧还是通才那一侧，你都需要有主动性。"
杠铃左端的顶尖专家，是把增强用到极致的人。AI帮他们筛掉90%的重复工作，把精力集中在最需要人类判断力的那10%上。他的价值不是被压缩了，是被释放了。
杠铃右端的通才，是主动发起增强的人。自己上手，自己造工具，自己定义工作流。他们不是在等一个被增强的未来，他们自己就是增强的起点。
中间层的问题不是技能问题，是姿势问题。
AI把执行层面的"还不错"拉到了极高的水平线。停留在"能执行"这个层面的人，不管做什么，都会被追平。
但只要从"等着被安排怎么用AI"切换到"我自己上手看看能干什么"，中间层就有机会把自己推到杠铃的任何一端。
李飞飞说了一句很值得记住的话："创业者"这个词，在很大程度上就是"主动性"的同义词。
四、为什么增强不是一厢情愿的乐观？
最有意思的部分在这里。
有人会问：万一技术再往前走，人类的判断力、创造力、情感智能，全都被自动化了呢？
李飞飞用"空间智能"给出了一个基于进化生物学的回答。
她正在做的公司叫World Labs，研究方向是空间智能——理解三维世界、推理三维世界、生成三维世界、在三维世界中交互。
她举了投篮的例子。
连投篮这个动作本身，都是一个高度复杂的智能时刻。语言推理是参与的——运动员会敏锐地意识到球进了还是没进，它对比赛意味着什么。看到整个球场，看到其他球员的位置，瞄准篮筐，这是深度空间性的。调整身体，知道怎么做出动作，这又是深度物理性的。
三种智能——语言、空间、身体——在投篮的一瞬间同时工作，互相协同。不是"先语言、再空间、再身体"的流水线。
而我们生活中做的绝大多数事情，其实是语言智能、空间智能和身体智能的混合。
李飞飞给出一个进化论层面的判断：进化花了超过5亿年才让空间智能成熟起来，语言智能花的时间比这短得多。空间智能是一种非常深层、古老、根本性的智能能力，动物和人类都有。
这些判断指向同一件事：今天AI真正能加速的，是语言层面的任务——写报告、查资料、做数据分析、写代码、生成图片。
它让人有更多时间和精力，去做语言之外的事：判断、创造、共情、在模糊地带做决策、在压力下保持冷静、在各种信号矛盾的时候盯住最重要的那一个。
增强不是一种愿望，不是一种价值观选择。它是技术发展在这个阶段的科学判断：人还有大把AI追不上的东西。
五、所以，我们到底该怎么办？
李飞飞在访谈结尾说了一句话，值得作为所有AI管理决策的试金石：
"我们教孩子们怎么用火、用刀，再到用互联网。现在，作为一个物种，一个社会，我们必须学会怎么用AI这件事。"
关键词不是"学会"，是"我们"。
不是让员工自己去学。不是让IT部门去部署。是管理者和团队一起，把AI当成一个需要共同搞明白的东西。
用一个框架来收尾：
- 如果你是管理者：停止问"AI能替掉多少人"，开始问"AI能帮每个人往上推几个台阶"
- 如果你是中间层的执行者：停止等被安排怎么用AI，自己上手看看能干什么。哪怕只是用AI帮自己做一个效率工具
- 如果你是前1%的专家：用AI筛掉那90%，把释放出来的精力投入在最需要判断力的地方
- 如果你是通才：保持广泛的好奇心，但把主动性变成肌肉记忆——你不只是在用别人的工具，你要能定义自己的工作系统
10年后，职场会只剩下两类人。但选择权在今天，在每个人自己的手里。
文章来源：李飞飞（Fei-Fei Li）与 MasterClass 创始人兼CEO David Rogier 在播客《Silicon Valley Girl》的对话
作者：Chloe @ CSV
发布时间：2026年6月25日