# 【第五讲】选择性放大器：AI利好哪种人

### 核心洞察
**AI 并非普惠的光环，而是一面精准的选择性放大器，它会指数级地放大具备“元能力”（如模型思维、系统思维）的人，同时加速边缘化仅依赖执行技能的人。**

###  本讲概要
上一讲我们清晰地看到了人与 AI 在思维机制上的六道鸿沟，明确了协作互补的必要性。但这自然引出疑问：并非所有人都能从 AI 中平等受益，那么，AI 这股强大的力量，究竟会选择性地“放大”哪些人的能力，又会“遗忘”甚至替代哪些人？本讲将通过对比被赋能者与焦虑者的真实案例，提炼出五种被 AI 显著放大的核心思维模式。它旨在揭示 AI 时代残酷却真实的分化逻辑：**未来，你的价值不再取决于“做得多好”，而在于“指挥得多好”。** 理解这一逻辑，是找到自身定位、避免被时代遗忘的关键。

## 同一工具，两种命运：赋能或焦虑？
2023 年底，我有幸参加了一场关于 AI 设计应用的分享会。两位设计师的发言，恰好形成了一组极具张力的对比，生动地揭示了 AI 浪潮下个体命运的分化。
第一位设计师，我们称他为 A，兴奋地分享道：“Midjourney 彻底改变了我的工作流程。过去，我绞尽脑汁一天最多能构思打磨出 3 个设计方案。现在，借助 AI，我一天能生成上百个不同风格、不同方向的初步构想，然后再从中挑选出最有潜力的几个进行深度优化。结果是，我的最终产出质量反而显著提升了，因为 AI 极大地拓宽了我的探索空间和选择范围。”
紧接着发言的是设计师 B，他的语气则充满了焦虑与迷茫：“我也在尝试使用 Midjourney，但老实说，我感觉越来越焦虑。AI 生成的图像在很多方面已经达到了非常高的水准，甚至比我手绘得更快、更‘完美’。我常常不知道自己还能在哪些方面增加价值。我感觉自己的核心技能正在被快速稀释，未来充满了不确定性。”
同样的工具，在不同人手中，却引发了截然相反的感受：一个如虎添翼，感受到了前所未有的赋能；另一个则如临深渊，体验到了深刻的存在性焦虑。
会后，我与这两位设计师进行了更深入的交流，试图探寻这背后差异的根源。答案逐渐清晰：设计师 A 将 AI 视为一个拓展创意边界、放大探索能力的“伙伴”，他的核心竞争力在于审美判断、策略选择以及从众多可能性中“看见”并“抓住”最佳方向的能力。而设计师 B 则不自觉地将 AI 视为一个替代重复性执行工作的“工具”，他过去的核心价值更多地体现在**“画得快、画得像、画得好看”**的执行层面。当 AI 在执行层面展现出超越人类的效率和“完美度”时，设计师 A 的判断力价值被凸显和放大了，而设计师 B 赖以生存的执行技能价值则被无情地稀释了。
这并非工具本身的问题，而是更深层次的思维方式的问题。AI 并非一个普适的、对所有人都一视同仁的“能力放大器”。它更像是一个精准的、具有选择性的共振器——**它只会与特定的思维模式产生共鸣，并将其威力指数级地放大。** 如果你的思维方式恰好与 AI 的运作逻辑（如模式识别、数据驱动、快速迭代）相契合，AI 将成为你手中无往不利的神器；反之，如果你的思维方式仍停留在工业时代的线性、确定性或纯粹依赖个体技艺的模式中，AI 的出现反而可能让你更加迷失方向，甚至加速你的边缘化。

## 五种被 AI 放大的思维模式：未来价值的通行证
通过对过去一年间涌现的数百个 AI 成功应用案例的观察与分析，我发现那些能够真正驾驭 AI、并从中获得巨大赋能的个体，往往都具备某些共通的思维特征。我将这些特征提炼为五种关键的思维模式，它们如同 AI 时代的**“价值通行证”**，拥有它们，你便更有可能成为时代的受益者。
第一种，是**模型思维**——善于抽象与结构化。具备模型思维的人，面对纷繁复杂的问题时，不会轻易被细节所淹没，而是能够迅速穿透表象，抓住问题的核心骨架，识别出关键的变量以及它们之间相互作用的结构关系。他们擅长将模糊、混沌的现实问题，抽象、转化为清晰、简洁、可分析的思维模型。
为何这种思维会被 AI 放大？因为 AI 本身就是一个极其复杂的模型系统，无论是其内部运作原理，还是其对外交互方式，都高度依赖于结构化的信息。AI 需要结构化的输入，才能给出高质量的输出。当你能够将一个看似棘手、边界不清的问题，转化为一个包含清晰要素、关系和目标的分析模型时，你就能最大限度地引导 AI 发挥其强大的信息处理和模式识别能力。我曾见过一位咨询顾问，他运用 ChatGPT 进行行业分析的方式独树一帜。他从不直接抛出“某某行业的现状如何？”这样宽泛的问题，而是首先在白板上绘制出一个行业分析的框架模型：价值链包含哪些环节？每个环节的关键成功要素是什么？主要的玩家有哪些，各自的优势劣势如何？然后，他才引导 AI 按照这个结构化的框架去搜集、整理、分析信息。这种“模型先行”的方法，其产出质量远非简单的“一问一答”可比。他实际上是将自己的思维模型，“注入”到了与 AI 的协作流程中，成为了 AI 智能输出的“架构师”。
第二种，是**系统思维**——看得见整体与关联。具备系统思维的人，其独特之处在于能够跳出孤立的、局部的视角，看见事物之间广泛存在的、动态的相互关联，理解一个微小变化可能如何在整个系统中引发连锁反应。他们不满足于解决表面的“症状”，而是致力于探寻驱动系统运转的底层结构和反馈回路。
为何这种思维会被 AI 放大？因为 AI 虽然极其擅长处理海量数据和识别复杂关联，但它本身缺乏“视角”。它需要人类为其指定“应该从哪个系统层面、关注哪些关键连接”来看待问题。我曾遇到一位经验丰富的供应链负责人，他运用 AI 优化库存的方式堪称系统思维的典范。他没有简单地让 AI 去“更精准地预测每一个单品的需求”，而是将库存优化视为一个动态平衡的系统问题，这个系统包含了需求预测、生产计划、物流调度、仓储成本、资金占用等多个相互影响的子模块。他引导 AI 同时考虑这些维度，寻找能让整个系统（而非单个环节）效率最优的解决方案。最终结果是，虽然某些单品的库存预测准确率甚至略有下降，但整体的库存周转率、资金占用成本和缺货风险却得到了显著的改善。这就是系统思维的威力——**它让 AI 的优化能力从“单点爆破”升级为“全局优化”。**
第三种，是**目标导向思维**——清晰地知道自己要什么。具备目标导向思维的人，其核心特征是在采取任何行动之前，都会先极其清晰地定义“我最终要达到的具体结果是什么？”他们不会轻易被过程中的噪音、干扰或炫目的手段所吸引，而是始终像导航系统锁定目的地一样，牢牢锚定最终的目标。
为何这种思维会被 AI 放大？因为 AI 是一个无比强大的执行引擎，但它本身没有自主的目标。它需要人类为其设定清晰、明确、可执行的目标指令。**目标越清晰、越具体，AI 能够提供的价值就越大；目标越模糊、越笼统，AI 就越可能在原地打转，甚至输出大量无用的信息。** 2024 年初，我观察到两位内容创作者使用 AI 的方式形成了鲜明对比。第一位创作者，在每次要求 AI 撰写文章前，都会先用几分钟时间明确：“这篇文章的核心目标读者是谁？我希望他们读完后产生什么想法或行动？文章必须传递的三个核心观点是什么？”然后才让 AI 围绕这些具体目标展开创作。而第二位创作者，往往只是简单地告诉 AI：“帮我写一篇关于某某主题的文章。”结果可想而知，前者得到的初稿往往结构清晰、重点突出，只需少量修改即可；后者得到的则常常是四平八稳、缺乏灵魂的“信息堆砌”。AI 会忠实地执行你的指令，但它不会替你思考“为什么要这么做”。
第四种，是**迁移思维**——善于举一反三，跨界连接。具备迁移思维的人，其高明之处在于能够从一个领域学习到的经验、方法或底层模式，创造性地迁移、应用到另一个看似不相关的领域。他们不为专业壁垒所束缚，擅长在不同知识体系之间进行类比、联想和抽象，提取出可跨情境复用的“元知识”。
为何这种思维会被 AI 放大？因为 AI 自身就拥有横跨几乎所有人类知识领域的海量信息储备，但它本身缺乏自主的、创造性的“连接”能力。它需要人类的洞察力来告诉它“哪些看似遥远的知识点之间可能存在有价值的关联”。我曾遇到一位极富创意的产品经理，他在设计一款新的在线教育产品时，主动引导 AI 去分析“多人在线游戏中的成就与激励系统”以及“主流健身 APP 中的用户打卡与社群互动机制”，然后将从中提炼出的核心模式，巧妙地迁移、应用到教育产品的用户参与和学习激励设计中。AI 能够快速提供各个领域的详尽案例和数据分析，但“这些不同领域的经验可以相互借鉴、融合创新”这个关键的洞察火花，是由这位产品经理点燃的。这种迁移能力，让他能够站在更高的维度上驾驭 AI——AI 成为了他的“超级外脑”和跨界知识库，而他则是那个知道“如何创造性地组合这些知识”的架构师。
第五种，是**实验思维**——拥抱不确定性，快速试错迭代。具备实验思维的人，其核心信念是世界并非完全可知可控，最佳方案往往不是通过完美规划得来，而是通过快速试错、获取反馈、持续迭代逼近的。他们不害怕失败，甚至欢迎“有价值的失败”，因为每一次失败都提供了宝贵的数据和认知迭代的机会。
为何这种思维会被 AI 放大？因为 AI 极大地降低了实验的成本，并指数级地提升了迭代的速度。过去，你可能需要花费一周时间、投入大量资源才能验证一个产品原型或营销方案；现在，借助 AI 工具，你可能在一天之内就能生成并测试十个甚至更多的不同版本。然而，这个巨大的优势，只有那些真正拥抱实验思维的人才能充分利用。我认识一位顶尖的营销负责人，他运用 AI 进行广告投放的方式就极具实验精神。他从不奢求 AI 直接“给出最佳投放策略”，而是让 AI 生成数十个不同角度的广告文案、视觉创意和投放人群假设，然后进行小规模、低成本的 A/B 测试，用真实的市场反馈数据来筛选出效果最好的方向，再集中资源进行深度优化。他巧妙地将 AI 从一个“答案生成器”变成了一个“高速实验引擎”。而那些习惯于“谋定而后动”、追求“一次性拿出完美方案”的人，即使拥有了 AI 这个强大工具，依然沿用着旧有的、低效的线性思维模式，从而错失了 AI 时代赋予的**“在实践中学习、在迭代中进化”**的最大红利。

## 被放大 vs. 被边缘化：价值的根本转移
审视这五种被 AI 放大的思维模式——模型思维、系统思维、目标导向思维、迁移思维、实验思维——我们不难发现一个深刻的规律：它们都属于更高层次的**“元能力”**，关乎如何思考、如何定义问题、如何设定方向、如何整合资源、如何从经验中学习。而与之相对，那些正在被 AI 快速边缘化甚至替代的，往往是更偏向执行层面的“具体技能”——画图画得快、文章写得多、数据算得准、代码写得熟练。
原因何在？正如我们之前所探讨的，AI 本质上是一个无与伦比的**“超级执行器”**。它能够以人类无法企及的速度、规模和精度来执行被明确定义的任务。然而，它本身无法独立地定义“什么任务值得被执行”。因此，AI 天然地放大了那些处于价值链上游的、负责“定义问题、设定方向、做出判断、评估价值”的能力，而相对削弱了那些处于下游的、负责“解决问题、执行任务、完成工作”的能力。
这必然带来一个残酷的、不可避免的分化：
被放大的人，将 AI 视为能力的延伸和杠杆。他们巧妙地将重复性、标准化的执行工作交给 AI，从而将自己宝贵的认知资源解放出来，专注于更具战略性、创造性和判断性的工作。他们的核心价值不再仅仅体现于“做得多快、多好”，而更多地在于“判断得准不准、方向对不对、选择好不好”。**AI 让他们从“单兵作战”的专业人士，跃升为能够指挥“千军万马”（AI 能力）的“认知统帅”。**
被边缘化的人，则痛苦地发现，自己多年积累的核心竞争力——那些曾经引以为傲的执行技能——正在被 AI 以惊人的速度复制和超越。他们的价值根基在于“执行得好”，但 AI 在许多领域执行得更好、更快、成本更低。他们尝试与 AI 在速度、数量、准确性上一较高下，结果却往往是越比越焦虑，越比越感到自身的价值在不断流失。
至关重要的是要认识到，**这个分化的决定性因素，最终并非你掌握了多少 AI 工具的技术水平，而是你底层的思维方式——你是否拥有那些能够驾驭 AI、并被 AI 所放大的“元能力”。**

## 一个深刻的不平等：认知的马太效应
这里，我们必须触及一个更深层、也更令人不安的问题：那五种能够被 AI 显著放大的思维模式，其在人群中的分布本身就是高度不平等的。
模型思维与系统思维，往往需要良好的抽象思维训练和长期的跨学科知识积累，这与个体的教育背景和成长环境密切相关。目标导向思维与迁移思维，则常常源于开阔的视野、丰富的跨领域经历以及在高势能环境中的历练。而实验思维，不仅需要一定的容错文化氛围，更需要拥有能够承担试错成本的资源与空间。
这意味着，AI 并非一个如同阳光普照般平等的赋能工具。它更像是一个认知层面的**“马太效应”放大器**：那些原本就具备这些高级思维能力的人（往往也是教育、资源占优者），将被 AI 赋予更强大的翅膀，能力和价值获得指数级提升；而那些原本就缺乏这些能力的人，则可能因为无法有效利用 AI，而被时代更快地甩开，差距进一步拉大。
这并非 AI 技术本身的“过错”，却是 AI 时代我们必须正视并严肃应对的现实。当我们乐观地谈论“AI 将极大提升全社会生产力”时，往往忽略了其背后隐藏的关键问题：**这种提升的分配，极有可能是高度不均匀的。它可能让强者恒强，甚至在无形中加剧弱者的相对弱势。**

## 你在哪里？——一次关键的自我审视
读到这里，我强烈建议你暂停片刻，进行一次深刻而诚实的自我审视。对照这五种思维模式，问自己：
模型思维：当面对一个混沌复杂的问题时，我更倾向于沉溺于细节的汪洋，还是能够迅速抽离，勾勒出其核心的结构与框架？
系统思维：我习惯于孤立地、线性地思考问题，还是能够敏锐地觉察到事物之间隐藏的关联与反馈回路？
目标导向思维：在投入精力行动之前，我是否总是清晰地知道自己最终想要达成的那个具体、可衡量的目标是什么？
迁移思维：我能否自如地将在一个领域获得的知识或经验，创造性地应用到另一个看似不相关的领域？
实验思维：在面对不确定性时，我是更倾向于追求“一次性规划完美”，还是更习惯于“小步快跑，快速试错”？
你无需苛求自己五项全能，但在 AI 时代，你至少需要刻意地培养并强化其中一到两种，使其成为你真正的核心优势。因为这些，正是 AI 不仅无法替代，反而会因为其存在而变得更加稀缺、更加宝贵的能力。**它们是你穿越 AI 迷雾的罗盘，是你构建未来价值的基石。**

## 下一步：看清 AI 的渗透路径
现在，我们已经初步理解了 AI 的本质（异类智能）、人机思维的差异（六道鸿沟），以及哪些人的思维模式更容易在 AI 时代脱颖而出（五种被放大的思维）。但这幅关于未来的拼图，还缺少关键的一块。
我们仍需回答一个极其重要的问题：AI 这股强大的变革力量，将如何逐步地、有规律地渗透并重塑我们所处的世界？它会率先冲击哪些行业？哪些岗位首当其冲？哪些人群又拥有相对更长的缓冲期？
理解这个问题，其意义远不止于满足我们对未来的好奇心，更在于帮助我们精准地判断自己当前的战略位置——你究竟是站在 AI 浪潮即将冲击的第一排，还是相对安全的后排？你是已经手握冲浪板、准备驾驭浪潮的弄潮儿，还是可能在毫无准备中被巨浪拍打在沙滩上的旁观者？
这，正是下一讲将要深入探讨的核心议题：渗透的物理学——AI 如何逐层改变世界。当你理解了这套技术渗透的基本规律，你就能更清晰地判断自己还剩下多少宝贵的反应时间，以及应该如何为即将到来的、更深层次的变革做好准备。

---
> 本文来自略懂 AI 知识库 (luedong.com)
> LLM API: https://luedong.com/api/articles/feishu_ImRywUjJrinHWIkiJJlcyGe2n6g/llm