前几天，刷到一条短视频，是国家传染病医学中心主任张文宏，1月10日在香港高山论坛上的一段讲话，他明确表示：“我拒绝把AI引入医院病历系统。”

因为，未经系统性训练的AI，会从根本上改变医生的培训路径，破坏或损害年轻医生需要通过传统训练才能掌握的独立诊断能力。

张文宏解释说，他自己当然用AI，让AI先过一遍病例。但关键是，以他三十多年的临床经验，他一眼就能看出AI哪里错了。

问题在于年轻医生。

如果一个医生从实习阶段就开始依赖AI给诊断结论，跳过了完整的临床思维训练，那他将永远丧失一项关键能力：鉴别AI对错的能力。

张文宏的这番话，从一个普通AI用户的角度，道破了一个被普遍误解的现实，关于AI时代的技能和杠杆。

过去一两年，我看到一种奇特的“群体性焦虑”。

有意思的是，这种焦虑不是来自那些不懂技术的人，恰恰相反，它更多来自那些已经熟练使用AI的精英群体：程序员、律师、分析师、自媒体人。

大家最初都兴奋地以为，AI会让自己成为超人。但短暂的效率狂欢之后，很多人陷入了一种更深的无力感：

当AI能以零成本完成80%的工作时，我剩下那20%的价值，到底能不能撑起我的职业尊严？

如果一个AI可以几分钟搞定我两周的代码；如果大模型能秒出一份完美的尽调报告；如果gemini或豆包能让毫无绘画基础的人产出大师级作品，如果gpt能够“准确”阅读体检报告或检查报告，那人类技能的护城河，究竟还在哪里？

之前，大西洋月刊曾经发表过一篇文章，说我们正在进入一个去技能化的时代；但硬币的另一面恰恰是：AI并没有让技能变得无用，它引发的是一场剧烈的“技能通胀”。只是技能要被重新定义。

在一个执行成本趋近于零的时代，AI就是一面照妖镜。它放大的不仅是你的效率，更是你认知的颗粒度或精度。

你感到“废了”，可能是因为AI无情地暴露了一个事实：过去你引以为傲的工作，大部分只是在“搬砖”，是执行，是“听话照做”，而不是在“思考”，更不是提出问题和解决问题。

21世纪的技能真相，不再关乎你手里有多少工具，而关乎你脑子里有多少原本的真实的杠杆。“宏观把控+微观验证”的综合能力，才是AI时代真正的铁饭碗。

一、张文宏悖论：0的10倍还是0

硅谷有一个广为流传的观点，但常常被误读。

人们说：“AI是生产力的10倍放大器。”

这句话的数学含义，比字面意思更冷酷。

如果你现在的能力是1，AI让你变成10；如果你是10，AI让你变成100。但如果你对某个领域的底层理解是0，那么，0乘以10，依然是0。

这正是张文宏担忧的核心：一个从实习阶段就依赖AI的年轻医生，他的临床判断力可能就是0。AI再强大，0乘以任何数，结果还是0。

更可怕的是，这个“0”自己还不知道自己是0。

张文宏说得很直白：“新手医生不能只会依靠AI看病。”为什么？因为即使AI准确率高达95%，那5%的错误也需要由专业医生来识别和纠正。

如果医生根本不具备独立诊断能力，他怎么发现AI的错误？怎么处理AI搞不定的疑难杂症？

这就是我说的“张文宏悖论”，某种层面上，它是个先有鸡还是先有蛋的问题。但另外一个层面上，它强调的是，是人在用工具，还是工具在用人。

它揭示了AI时代技能的第一层真相：

AI的本质是“概率的拟合”，而人类的价值在于“后果的承担”。

过去我们说的技能，往往指的是熟练的执行，熟记语法、背诵法条、掌握各种快捷键。但在AI时代，这些硬技能迅速贬值，变成了基础设施。

取而代之的，是一种更隐蔽、更稀缺的能力：判断力。而所谓判断力，就是知晓自己行为的长远后果。

试想一个场景：一位资深工程师和一位新手同时用AI写代码。

新手得到的只是代码块。他无法判断这段代码有没有架构隐患，无法预知它在极端并发下的表现，甚至不知道这是不是一个“死胡同”式的解决方案。

而资深工程师看到的不是代码，是路径。他知道该给AI什么任务，知道如何验收结果，更知道当AI犯错时该在哪个环节修正，而AI一定会犯错。

对于新手，AI是个黑盒，只能祈祷它输出正确答案。 对于专家，AI是个无限精力的实习生团队，指哪打哪。

于是，未来的专家与普通人的分野，在于你是否具备“验证AI输出”的能力。

张文宏能一眼看出AI的诊断错在哪里，靠的不是什么神秘直觉，而是三十多年临床经验积累出的“元能力”。这种能力，恰恰是被AI跳过训练的年轻医生最缺乏的。

所以，如果没有深厚的专业知识作为压舱石，AI带来的不是效率，而是昂贵的混乱。

二、为什么你的提示词总是“差点意思”？

为什么有的人能用AI解决复杂问题，有的人只能把它当聊天机器人？

问题不在于你不会写“咒语”，而在于你思维的熵值太高。

最近有一种很值得警惕的现象：人们开始把思考本身外包给AI。

遇到问题，不做拆解，直接把一团浆糊似的需求扔给模型，然后对着平庸的输出发火：“这AI根本就没用。”

其实，不是AI蠢，是你没想清楚。

AI模型再先进，本质上也是基于“上下文”的预测机器。它的输出质量，严格受限于你输入的上下文质量。这就是“Garbage In, Garbage Out”（垃圾进，垃圾出）的现代版。

21世纪的顶级技能，变成了“清晰的表达”和“结构化思维”。

真正的高手在打开对话框之前，脑子里已经完成了一场严密的推演：

1.定义问题：我到底要解决什么核心矛盾？

2.拆解逻辑：这个大问题由哪几个子任务构成？依赖关系是什么？

3.设定标准：什么样的结果才算合格？

比如，在让AI协助开发一个功能前，你是否已经厘清了数据流向？在让AI写一篇文章前，你是否已经构建了独特的观点框架？

别指望AI替你完成“从0到1”的思考。

AI擅长的，其实是填充血肉（从1到100），但那个“1”，那个核心的洞察、逻辑的骨架，必须由你提供。

如果你无法清晰地向人类同事阐述你的想法，你也绝不可能从AI那里得到满意的结果。

清晰的写作就是清晰的思考。

未来，用自然语言编程将是通用技能。但这不意味着编程变简单了，而是意味着语言和逻辑的精度成为了新的代码。

如果你的思维是混乱的，AI只会高效率地放大这种混乱。

三、走出信息茧房：比99%的人更接近本质

既然AI是基于人类已有的海量数据训练出来的，它天生就带有一个巨大的缺陷：平庸的共识，即向均值回归。

你问AI关于健康、理财或历史的观点，它大概率给你一个“教科书式”的回答。这些回答安全、正确，但往往极其平庸，因为它们只是重复了互联网上出现频率最高的信息。

这就引出了第三个维度：去伪存真的洞察力。

知识（Knowledge）和理解（Understanding）是两码事。

知识是你知道“应该这样做”；

理解是你明白“为什么要这样做，以及什么时候不该这样做”。

这正是张文宏和年轻医生之间的根本差距。

年轻医生通过AI可以瞬间获得“知识”，如诊断结果、用药建议、治疗方案。但张文宏拥有的是“理解”：他知道这些知识的边界在哪里，什么情况下要打破常规，什么时候AI给的“标准答案”是错的。

在这个信息过载的时代，如果你只是通过填鸭式教育和算法推荐获取信息，你本质上只是在一个巨大的“回声室”里机械复述。你并不真正理解事物的运作机制。

要比AI更聪明，我们需要比99%的人更接近事物的本质（第一性原理）。

想理解商业？不要只看畅销书和公众号，去研究现金流、杠杆、供需关系和人性的贪婪。

想理解健康？不要只信所谓的权威指南，去研究代谢、激素、炎症反应的生物学机制。

当AI给你一个“标准化建议”时，只有那些真正理解底层系统运作的人，才能敏锐地发现其中的漏洞，或者在特殊情境下果断推翻AI的建议。

就像张文宏说的：会不会被AI误导，取决于你自身的能力有没有强过AI。而你没办法和AI比知识，只能比理解。

未来的竞争优势，属于那些敢于质疑“训练数据”的人。你需要建立自己的认知体系，这套体系不是抄来的，而是你通过实践、通过痛苦的反馈循环、通过独立思考亲自验证过的。

AI是全人类知识的平均值。如果你想超越平均值，你就不能只依赖AI，你必须拥有AI无法通过统计概率得出的独到见解。

四、执行价值归零之后：从干活的到验收的

把视线拉长，历史虽然不会重复，但总是押韵。

1980年代，电脑的普及曾让当时的会计和律师恐慌不已。在此之前，律师为了寻找一个判例，需要在堆积如山的卷宗中翻找数日。电子检索技术的出现，让这项工作瞬间变成了几秒钟。

律师失业了吗？没有。相反，法律行业变得更庞大、更复杂了。

因为检索变得容易，客户对律师的期望也随之提高。人们不再为“找到判例”付费，而是为“基于复杂判例构建独特的辩护策略”付费。

同理，当AI接管了代码编写、文案生成、基础诊断之后，人类的角色正在发生本质的跃迁：

我们正在从“手艺人”进化为“指挥官”；从“干活的”升级到“验收的”。

过去，一个优秀的工程师可能需要50%的时间写代码，50%的时间思考架构。现在，他可以用90%的时间去思考架构、理解业务、优化体验，而把代码工作交给AI（并由他来审核）。

这意味着，工作的复杂度上限被打开了。

独立开发者现在可以一个人运行一家原本需要十人团队的公司；一个懂行的自媒体人可以一天产出过去一周的内容量；一个资深医生（如张文宏）可以在AI的辅助下处理过去根本不可能的病例量。

这就是AI时代“技能”的新定义：

它不再是单一维度的“专精”，而是一种跨维度的整合能力。

你不需要亲自砌每一块砖，但你必须知道大楼的力学结构，必须有审美能力来决定大楼的外观，必须有商业头脑来决定大楼建在哪里最值钱。

这种“宏观把控+微观验证”的综合能力，才是AI时代真正的铁饭碗。

张文宏强调的两大关键能力，本质上就是这个意思：

1.判断AI诊断的准确性（微观验证）

2.诊治AI无法应对的疑难杂症（宏观把控）

没有这两项能力的医生，只能算是“AI的操作员”。

结语：只有升维，才能享受降维打击的快感

回到开头谈到的那个现象：为什么越用AI，越觉得自己废了？

因为AI剥夺了你通过“苦力”获得成就感的权利。

以前，你花三天时间整理出一份精美的报告，会觉得自己很有价值；现在，AI三秒钟就能做出来，这种虚幻的价值感瞬间崩塌。

这确实让人痛苦，但更是一种觉醒。

AI逼迫我们直面那个最难的问题：除了机械的执行，我真正的思想价值在哪里？

对于那些不愿意思考的人，这是一个最坏的时代。他们将彻底沦为算法的附庸，甚至无法察觉自己正在被平庸的信息茧房吞噬。

但对于那些充满好奇心、拥有独立思考能力、渴望探究事物本质的人，这是人类历史上最好的时代：

所有的门槛都降低了。

所有的天花板都消失了。

你拥有了人类历史上最强大的智囊团和执行队，24小时待命。

张文宏不是反对AI，他反对的是跳过底层能力建设直接使用AI，把思考和元认知外包给AI。

他自己用AI用得飞起，因为他有三十年的内功作为地基。AI对他来说是如虎添翼；而对于没有内功的年轻医生，AI可能是拔苗助长，饮鸩止渴。

在21世纪，技能不会消失，但它会经历一次残酷的提纯。

不要试图和AI比赛“做题”，要去和AI比赛“出题”。

当你不再把AI当作一个帮你偷懒的工具，而是把它当作一个需要你用极高智商去驾驭、去指引、去纠错的超级杠杆时，

你通过AI看到的，就不再是平庸的自己，而是一个被无限放大的、强悍的超级个体。