当 AI 拿走一切之后

最近一个月我陆续收到了三封咨询来信，来信的是三位素未谋面的软件研发，或是基础架构的前端或是数据部分的运维，但这三封信其实困惑其实是同一个问题。

第一封信问我：“你觉得我们以后，全部都会交给 AI 做吗？如果是，code review 这些，还需要人吗？”

我的回答是：很快。年底或明年，最迟后年。

第二封信问得更直接：“未来我们的工作，是不是就是在建 AI，然后让它代替自己？”

第三封信最长。写信的人罗列了他拥抱 AI 编程的全部理由——更少的返工、更少的沟通、更高的产出——然后在信的结尾承认：照这样走下去，自己的成长怎么办，他没有想清楚。

这三个问题，本质上是同一个问题。浅显来看是一个工程问题，是一个职业规划问题，但其实本质上是一个存在问题：当执行被机器全面接管之后，人站在哪里？或者问得更彻底一些——当 AI 拿走一切它能拿走的，我们还剩下什么？

我在回信里给了一些零散的回答，但我知道那不够。这个问题值得一个更完整的回答，于是有了这篇文章。这是一个共性问题，也是我最近时常在思考的问题，现在把我的想法记录下来，或许可以帮助同样有此困惑的同学。

一、珍妮机

青山遮不住，毕竟东流去。——辛弃疾《菩萨蛮·书江西造口壁》

两百多年前的英国，一台叫珍妮机的纺纱机问世了，一个人能顶上从前好几个人的活。纱线便宜了下来，而那些靠一双手、一架旧纺车过日子的纺纱工，生计在很短的时间里就垮了。

后来，有人在夜里去砸毁机器，史称卢德运动。人们常把这些人当作仇视技术的蠢人，其实是误读——他们要砸的从来不是机器本身，而是自己在机器面前那个突然变得一文不值的位置。他们不是看不懂技术，恰恰相反，他们比谁都更早看懂了正在发生的事。

美团宣布裁员 30%-50% 的那一天，朋友微信问我怎么办，我回复了一句话：我们不应该成为被珍妮机取代的女工，而应该是那一批高效使用珍妮机的人。

这句话他可能记了很久。但今天我想对它做一个修正——它只说对了一半。

因为历史的下一页是这样写的：操作珍妮机的熟练工也没能安稳多久，更快的机器很快被造了出来，珍妮机连同它娴熟的操作工一起被送进了博物馆。每一台机器，都在等待下一台机器 —— “去学会使用新机器”，这种手段从来只是缓刑，不是赦免。

所以真正的问题不是”会不会用 AI”。今天会用 AI 的人，相对于不会用的人确实握有优势，但这个优势的半衰期，可能只有一两年，甚至在第一梯队最多只有 1-2 个月。因为模型的压制越来越强，留给我们探索和适应的窗口期越来越短，每次新一代模型放出来，必然又是一轮范式的刷新——你今天苦心搭建的工作流、总结的提示词技巧、沉淀的工程方案，都可能在一夜之间变成珍妮机。

对此，我的方法只有一个，我把它称为终态思维：即，不要在中间态的问题上消耗自己，直接以终局为前提去思考和行动。

举个例子，前段时间，我和几位同行认真争论过一个问题：AI 写的代码越来越多，工程师还需要逐行理解这些代码吗？这个问题有很多解法——更好的文档、更好的可视化、强制的代码讲解会。但在终态视角下，它根本不是核心问题：当意图可以直接而可靠地变成系统，“人逐行理解中间产物”这件事本身就会失去意义，就像今天没有人要求工程师逐行理解编译器生成的汇编。被一个注定消失的问题困住，是这个时代最隐蔽的浪费。

终态是什么样子？我的判断很简单，简单到只有一句话：PRD 即 Code，或者泛化些 —— 意图即实现。一份足够清晰的意图表达，直接落地为可运行的实现，中间所有的冗余环节——排期、联调、交叉评审、来回翻译——都会消失。从我的认知来看，这件事不在十年后，它在今年之内就完全可以实现。就如同前几天的 Fable 5，相信体验到的同学很了解它与 Opus 4.8 的差距，它自信且强大，甚至一度怀疑我跟他对话问的问题是不是太蠢了。

由此可以得出终态思维的第一条推论，它冷峻但诚实：凡是站在意图与实现之间的环节，都默认会消失。

剩下的问题是：人往哪里站？

二、瓶颈移到了人这里

取法于上，仅得为中；取法于中，故为其下。——李世民《帝范》

先讲我自己身上的变化。

过去这一年，我把工作里能交出去的环节，一段一段地交给了 AI：方案是它写的，代码是它写的，文档和评审意见的初稿，也是它写的。一个晚上能并行推进的事情，放在两年前要排上一个季度。按理说我应该闲下来了，但事实恰恰相反——我比以往任何时候都忙，只是忙的内容变了：我几乎不再亲手生产任何东西，我整天都在验收它生产的东西。

这就是终态流程的雏形。在那里，人需要做的事情只剩下两件：评审方案，验证结果。

请注意这两件事的共同点：它们都不是生产，它们是把关。

九十年前，《摩登时代》里的卓别林在传送带前拧螺丝，他跟不上传送带的速度，被卷进齿轮。那个画面之所以成为经典，是因为它精准地刻画了工业时代人的处境：机器定节奏，人追赶机器。九十年后，传送带换了一个方向——现在是机器在生产，人在质检。AI 的生产速度几乎是无限的，启动一个新任务的成本趋近于零；但验证它产出的成本一分没少，因为验证需要人介入。于是，人类历史上第一次，生产的瓶颈从机器一侧，整体移到了人这一侧。

这个转移带来一个安静而致命的推论：你可以并发 6-7 个 session，在不同的 worktree 里舞蹈，疯狂上下文切换，优雅地并发多任务。但你会发现，在这条新的流水线上，如果你想提高进一步自己的吞吐速度，只有一个办法——

降低你自己的标准。

少看一行代码，少推一步逻辑，少问一个为什么，在心里那个”算了，大概没问题”的声音出现时点头放行。这么推演的话，基本可以预言，未来几年里，几乎所有工程质量的滑坡都不是因为某个人偷懒，而是结构性的：当生产无限快，验证的标准就成了系统里唯一可压缩的变量，而压缩它的激励无处不在——老板的预期、同行的速度、绩效的鞭子，都在劝你松手。

但请想清楚松手意味着什么。你之所以还站在验证这个环节上没有被优化掉，恰恰是因为你的标准比机器高。一个不断降低标准的把关人，是在亲手论证自己的可替代性。在这件事上我的态度从来没有变过：效率慢一点，没有关系；标准，一寸都不能让。

三、消失的壁垒

无恃其不来，恃吾有以待也。——《孙子兵法·九变》

可问题还有更靠前的一层：并不是每个人，都有资格安稳地退守到把关这个位置。有些岗位，会比别的更早被水淹没——连退守的机会都没有。

在我们这个行业内部，最先感到水温变化的，我认为应该就是前端工程师。

这不是因为前端不重要，而是因为前端的处境特殊。前端是整条研发链路的枢纽：上游对接产品和设计，下游对接服务端，旁边还要交付给测试——它是连通岗位最多的那个岗位，像一台路由器。但与此同时，它的护城河最浅：单页面的技术复杂度有限；写坏了，影响面只有自己这一页，不会波及别的系统；哪怕烂到没法维护，推倒重写的成本也很低。

门槛相对较低（非基础架构，仅针对普通业务），影响面小，可重写——这三个特征叠加，意味着没有壁垒。于是整个行业都在眼睁睁看着所有人涌进这个门槛最低的房间：设计师不再交设计稿，直接 D2C 交 HTML，而且写得比一些工程师还好；测试工程师在成建制地转前端；服务端工程师顺手把页面写了；甚至完全不会写代码的人，靠着 AI 接下了人生第一单外包。

但请不要把这一节读成一个关于前端的故事。它是一个关于壁垒的故事，适用于任何行业、任何岗位。你只需要问自己两个问题：

你的工作中有多大比例，本质上是信息的搬运和格式的转换？把需求翻译成代码，把数据翻译成报表，把政策翻译成幻灯片，把甲方的话翻译给乙方——所有以”在两个领域之间传话”为生的位置，都站在水位上涨最快的滩涂上。因为大语言模型，恰恰就是为格式转换而生的机器。
你做砸了，代价有多大？代价越小的工作，越容易被允许交给机器试错；而一旦机器被允许试错，它的迭代速度就会碾压所有人类。反过来，那些做砸了代价巨大的领域——系统架构、高性能、影响千万用户的底层质量——机器暂时还进不去，不是因为它不够聪明，而是因为没有人敢让它试 —— 比如支付，比如交易，比如金融，比如大型客户端，比如基础架构容器等等。

想明白这两个问题，出路其实就显形了，方向有两个：

往深处走。 把自己从页面的作者变成系统的守护者，去那些做砸了代价巨大的地方：性能、架构、质量、稳定性。我在回信里给那几位前端朋友的建议是：去接一些服务端的需求，小的需求干脆一个人全栈做完——不是为了多学一门技术，而是为了把自己的认知从单点拉成纵深。岗位的边界正在碎裂，未来需要的不是某一端的工程师，而是能对整个系统负责的人。
往新处走。 去做那些还没有人做过的、能让别人的工作流依赖你的东西。这里我要说一条重要的戒律：不做烧 token 就能得到的东西。 任何一个别人已经做出来、你可以让 AI 照着抄一份的工程产品——再多做一个评审机器人、再造一个流程工具——都不值得投入你的精力，因为它的获取成本已经趋近于零。值得做的是范式层面的探索：那些做成之后，别人的工作方式会因此改变的事情。

最后说窗口期。一年前，大家的认知是”把 AI 当实习生用”还是一个稳妥的策略，即你定方向，它干粗活，你来把关。但模型升级的窗口一次比一次短，今天的 AI 在很多方面已经可以做导师而不是实习生了。把 AI 当实习生的人还能舒服一两年；一两年之后，真正的问题会变成：当它比你强的时候，你还能为这段协作贡献什么？

这个问题，下一节回答。

四、三样拿不走的东西

君子不器。——《论语·为政》

如果执行环节注定要交出去，我们还剩下什么？

我想先说清楚这个问题的性质，它听起来像一句哀叹，其实是一道提纯的工序。米开朗基罗说，雕像本来就在大理石里，他只是把多余的部分凿掉。AI 时代正在对每一个职业做同样的事情：它拿走的那些——重复的执行、格式的转换、熟练的搬运——其实从来都不是”我们”，只是我们用来交换薪水的时间。

当这些东西一层层剥落之后，剩下的那个拿不走的部分，才是一个人真正的轮廓。换句话说：剩下的，才弥足珍贵——而且越是剩到最后，越珍贵。

过去，它们被海量的执行工作所遮蔽，廉价得几乎无人在意；现在遮蔽物被整层撤走，它们第一次被整个儿摆到光线底下。

在三封回信里，我反复写的是同样三件东西。它们不是技能——技能是”器”，器会过时，珍妮机的操作技巧再娴熟，也跟着珍妮机一起进了博物馆。这三件东西在器之上，而且我有相当的把握说，它们不可替代的原因不是机器暂时不够强，而是由这一代 AI 的技术结构决定的。

第一件，判断力。

AI 是有史以来最强大的答题机器，但它不出题。你告诉它做什么，它就做什么——而”做什么”本身，是人的事。

很多人以为 AI 拉平了人与人的差距，我的看法恰好相反：它会放大差距。做一个思想实验：假设所有人的提示词水平都登峰造极，每个人都只需要一句话就能让 AI 把事情做成——人和人的产出依然天差地别，因为你们让 AI 做的事情不一样。选对问题的人，拿到的是十倍的产出；选错问题的人，只是以十倍的速度做着错的事。过去，执行能力可以掩盖判断力的平庸，因为执行本身就消耗掉了大部分时间；现在执行趋近于免费，判断力第一次被裸露在结果里，无处藏身。

判断力没有速成的办法，但有笨办法：把手上所有的事情摊开，亲手排一遍优先级，然后逼问自己为什么是这个顺序——这件事凭什么排在那件事前面？它对业务的价值是什么？不做它的代价是什么？这些问题的答案，来自你对业务的体感和对技术的认知，而这两样东西，恰好也都只能亲自获得。

第二件，品味。

AI 的输出是预训练的产物。不加调教，所有人从它那里拿到的都是同一个东西：一个 80 分的均值——功能正确，面目模糊，正确得千篇一律。

让结果从 80 分的均值，走向某个具体的、带着签名感的 95 分，是人注入的品味。

讲一件真事。一位完全不会写代码的朋友，靠 AI 接下了人生第一单外包。页面做出来了，能跑，客户也验收了——但我看了一眼她的技术方案，一塌糊涂：能运行，不可维护，没有结构，走一步算一步。我没有替她写一行代码，只对 AI 多说了两句话：服务端应该用什么方案，应该部署在哪里。就这两句，整个项目的方向立刻就正了，AI 顺着这两句话自己完成了重构。

功能是一样的功能，差别在哪里？差别就在那两句话里。那两句话，是品味。

哲学家波兰尼有一个著名的论断：“我们所知道的，多于我们所能言传的。“品味是典型的默会知识：它写不进提示词模板，没法被一次性转移给机器，因为它不是一组规则，而是在亲手做事的千百次反馈里、在无数次”这样不对、那样才对”的灼烧中长出来的东西。

《庄子》里的庖丁说：“臣之所好者道也，进乎技矣。“技，可以交给机器；道，暂时还不行——而且越是技被交出去，道的稀缺性越高。

第三件，推演。

AI 是概率的造物，因此它给你的材料永远丰盛、相关、看起来头头是道——但”看起来有逻辑”和”逻辑坚实”之间，隔着一条必须由人亲自走过的路。

AI 做加法，人必须做减法。它一秒钟能给你十个理由、二十条参考、五种方案，而人的工作是在这片丰盛的相关性里，找到那个最坚实的点，然后亲手把逻辑链一环一环重新推出来：如果走这条路，第一步会发生什么？卡点会出现在哪里？那个卡点是本质的，还是工程的？——在脑海里把这座逻辑大厦亲手搭一遍，搭不起来的方案，落地后一定塌。

来信的朋友里，有一位说自己习惯用纸和笔。在让 AI 出方案之前，她会先在纸上推演：如果上游直接给我们代码，我们怎么运行它？会遇到什么问题？这个问题是怎么产生的？我特别珍视这个习惯，因为推演的过程，就是知识所有权的来源。

AI 可以在一瞬间把整座大厦的图纸塞给你，但如果那条逻辑链不是你亲手搭的，那个知识就不是你的——它寄存在你的脑子里，却无法迁移到下一个问题上。下一次，换一个场景，你还是只能再去问 AI。

王阳明说：“未有知而不行者。知而不行，只是未知。“五百年前的这句话，在 AI 时代获得了一个意外精确的注脚：不经由你自己的推演和行动得来的认知，无论看起来多么完整，都只是寄存在你脑中的、别人的话。

说完这三件东西，我必须诚实地面对一个矛盾，因为其中一位来信的朋友，把它直白地写了出来：“如果以后我们更少写代码、只做评审，这些能力很难练出来，怎么办？”

她说得对，判断力、品味、推演，这三样东西全部来自亲手做事——而我们正在把”亲手做事”交给 AI。用进废退，这是一个真实的、结构性的矛盾，我不打算用漂亮话把它糊弄过去：这个矛盾，我没有完整的答案。

但她在信里说，自己已经摸索出了一个办法。我认为那是目前最好的局部解：不要立刻把问题丢给 AI。 先自己把逻辑链推一遍，哪怕粗糙，形成一个高层次的想法——我要什么、分几块、关键的依赖在哪里——然后再把这个想法交给 AI 去展开、细化、执行。这样既保住了思考的过程，又借到了机器的速度，而且因为你心里有图纸，验收反而更快。她说这是从我的《月刊（第31期）：基于 Claude 的阅读流》领悟出来的方法，虽然很慢，但不会丢掉自己。

慢一点，没有关系。被时代的浪推着走的时候，慢，有时候是一种纪律。

五、在场，或主体性

人是一根会思考的芦苇。——帕斯卡《思想录》

判断力、品味、推演，说到底仍是三种能力——是帮你把活干得更漂亮的”术”。但在这些能力的下面，还垫着一个更根本、也更容易被忽略的问题。它无关你能不能把活干好，而关乎你这个人，在整件事里究竟还在不在。

把视线从工程上抬起来一些。

柏拉图在《斐德罗篇》里记了一个埃及传说，传说里，发明文字的神——图特，把文字献给法老塔穆斯，并汇报说这项发明将让埃及人更有智慧、记忆更好。法老拒绝了，他说：“恰恰相反，这项发明会在学会它的人灵魂里种下遗忘——他们将依赖外在的刻痕，不再亲自记忆；他们将听闻许多事物，却没有真正学到；他们将显得无所不知，实则一无所知。”

两千四百年来，每一次认知技术的革命，塔穆斯的幽灵都会被重新唤起：文字会杀死记忆，印刷会杀死权威，搜索引擎会杀死学习。而每一次，这种担忧事后看都像是过虑 —— 我们外包了记忆，却腾出脑力长出了更复杂的思想；我们外包了检索，却在更高的地方建起了知识的体系。技术悲观主义者，似乎从来没有赢过。

那么这一次有什么不同？

不同在于外包之物的层级 —— 文字外包的是记忆，印刷外包的是复制，搜索外包的是检索 —— 它们交出去的，都是思考的原材料。而这一次，人类历史上第一次，我们可以把思考本身外包出去 ：推理、权衡、判断，那个塔穆斯所担心的灵魂里最后没有被让渡的部分。

前几次革命腾出的脑力，都流向了更高层的认知活动；这一次，更高层的上面是什么，没有人知道。

我见过主体性流失的样子，它一点也不戏剧化，甚至毫无声响：一个问题抛过来，人不再先想，而是顺手转发给 AI；AI 给出答案，人截图转发给提问者。一来一回，这个人在整条链路里的功能，是一根网线。线上出了 bug，上级问怎么回事，他说：不知道，是 AI 写的。

——在这一刻被取代的，不是他的岗位，而是他的在场（还有可能是他的工作）。他还坐在工位上，但他已经不在了。

马克思在分析异化劳动时说过，工人”在自己的劳动中不是肯定自己，而是否定自己”。 异化的可怕之处，从来不在于工人最终失去了工作，而在于早在失业之前，劳动就已经变成了与他无关的东西。

珍妮机时代的纺纱女工，先失去与劳动的关系，再失去劳动本身。

今天的版本，是认知的异化： 在被 AI 替代之前，人先把自己活成了不需要主体性的样子。

这才是真正的危险——福柯早就提醒过，规训从来不需要看守，我们会主动把自己修剪成流程需要的形状。海德格尔说得更冷：“技术真正的危险，从来不是机器伤害了人，而是人开始把自己也理解为一种待优化的资源。”

但我想说的，不是悲观的那一面。恰恰相反。

一件事情，在大多数时候是没有确定性答案的。认知不是从天上掉下来的，它是靠人不断推演、争论、交流，一点一点磨出来的——这个过程不能省略，因为这个过程就是人本身。如果认知直接由 AI 给到，且不论它是否全面、是否带着批判性，单是中间那段思考的缺席，就足以让主体性一寸一寸地退场，最后沦为珍妮机前面那个等待被淘汰的身影。

AI 无法替代人去感知和体会这个世界——这不是一句打气的话，它有结构上的根据。我曾在一篇谈 AI 心理疗愈的文章里写过：人类的认知不仅仅是信息的处理，而是一种通过感官与情感交织而成的体验；我们通过身体感知现实世界，通过情感去赋予事物意义。AI 在处理信息、生成文本上无与伦比，但它缺的恰恰是这个体验的维度——它能处理数据，却无法体验数据所代表的那个真实世界。一句话：AI 的理解是一种工具性的理解，而非存在性的理解。 它可以协助我们理解人类境遇的某些侧面，却无法替代我们经由亲身体验和内心反思所获得的洞察。正如一幅画可以模仿自然，却永远无法成为自然本身。

所以逻辑的推演、发散的联想、对业务的体感、对未知事物的探索欲——这些不是简历上的技能项，它们是主体性的器官。我的看法是：人的思维在 AI 时代不应该被消磨，反而应该被放大。 AI 接管的是确定性的部分，而人本来就应该住在不确定性里——那里才是判断力、品味和推演的居所，也是”何以为人”这个问题的答案所在。

帕斯卡说，人是一根会思考的芦苇，宇宙无需武装就能碾碎他；但人依然比碾碎他的东西高贵，因为人知道自己会死，而宇宙对此一无所知。在 AI 时代，这句话有了一个新的读法：模型可以在几乎一切任务上超过我们，但知道自己在做什么、为什么做、做成之后世界会有什么不同的，依然只有这根芦苇。

芦苇的全部尊严在于思想。请不要亲手把它交出去。

六、价值感的锚点

决定我们自己的，不是「航行本身」，而是我们「赋予航行的意义」。——《谈谈存在的价值与人生体验》

前文的推演是一条不断向内的路：从岗位，到能力，到主体性，一层比一层更深。现在，我们终于走到了最里面那间屋子——那里坐着所有焦虑真正的源头，我想这个问题我在多年前的《谈谈存在的价值与人生体验》已经回答过了。

岗位的危险、能力的修炼、主体性的存亡，所有这些焦虑收拢到一处，指向的都是同一件事：我们害怕失去价值感。 害怕有一天醒来，发现自己对这个世界不再有用。被裁员只是这种恐惧的外壳，内核是更古老的东西——一个人最深的恐惧，从来不是没有工作，而是怀疑自己不再值得。

但价值感这个东西，从来不是世界发给你的，是你自己锚定的。

很多年前，我写过一篇《谈谈存在的价值与人生体验》，那时 AI 还和我的生活毫无关系。我在里面写：人生本是没有目的的，我们偶然地来，偶然地离去，没有哪条法则规定我们必须做什么。纵然如此，我们也要载着这无意义的生命勇敢地驾船航行——“这次航行没有终点，但在茫茫大海中，我们不断地为这次航行锚定航标。“决定我们是谁的，从来不是航行本身，而是我们赋予航行的意义。存在先于本质，我们是先有了存在，再去探寻意义、给存在赋予意义。

我没有想到，多年之后，这段写给人生的话，会精确地命中一个技术问题。

因为意义是后赋予的，是你给自己锚定的航标，所以锚定就藏着一个古老的陷阱：如果你把全部的意义感，只系在一个外部的、单一的反馈上，那么一旦那个反馈断掉，整座意义大厦会在一夜之间坍塌成幻灭。我当年举的例子是工作狂——把意义感全押在绩效和老板的认可上，反馈一旦中断，热情熄灭，自我怀疑长驱直入。

AI 时代所做的，不过是把这个古老的脆弱性，以前所未有的规模和速度，兑现给了所有人看。

如果你的价值感，恰好锚定在”我能写代码""我能快速执行""我比别人交付得更多”上——那么请认清一件残酷的事：你把锚抛进了一片正在退潮的海。那个锚点本身没有错，它只是不再属于你了——它属于机器，而机器正以肉眼可见的速度把它收回去。我在那篇旧文里还写过一句话，今天读来几乎像预言：“越是事事都想做到最好，越是达不到完整，人生就变成了空洞的碎片。“——在每件事都标着 P0、疲于奔命的冲刺里，在”把省下来的时间再塞进更多需求”的惯性里，价值感不是在累积，是在被一点点稀释。

那么，价值感真正稳固的锚点，在哪里？就在 AI 拿不走的那个地方。

AI 能处理整个世界，却不能体验这个世界（推荐阅读我的旧文：《月刊（第28期）：AI 没有体验世界的能力》）；它能模拟一切意义，却不能真正赋予意义——因为赋予意义，需要一个真实地活着、真实地感受、真实地在乎的主体在场。这恰恰是价值感唯一靠得住的源头：它不来自”你有用”，而来自”你能感知、能在乎、能为你所做的事赋予一个只属于你的意义”。 前者是市场给你的报价，会随技术涨落；后者是你本身的价值，无人能够夺走——除非你自己先把这两者搞混。

很多年前在人生低谷里，我曾把这件事写成一句近乎固执的话送给自己：无论有没有外在的那些东西，都要相信自己是 100% 的珍贵，我永远拥有自己的价值，没有条件。今天，我想把这句话重新送给每一个在 AI 面前感到自己正在贬值的人。AI 拉低的是你的报价，动不了你的价值。

所以，当 AI 拿走一切之后，剩下的那个东西，根本不是退而求其次的避难所——它是价值感本来就该待的地方。AI 像一场退潮，把我们这些年随手抛下的、其实并不牢靠的外部锚点——职级、产出、被需要的感觉——一个个冲走，逼着我们游回那个唯一不会被冲走的圆心。

我在旧文里给过这个圆心一个定义：我们存在的价值就是确定了这个圆心，而活着的意义，就是为了扩大这个边界。 圆心是你之为你，边界是你用一生去体验、去感知、去赋予意义的那个世界。AI 可以无限逼近边界，却永远到不了那个圆心——因为圆心处坐着的，是一个会死、会爱、会在深夜里追问意义的人。

把价值感从被 AI 需要里赎回来。这是这个时代交给每个人的、最隐蔽也最要紧的功课。

七、风起于青蘋之末

夫风生于地，起于青蘋之末。——宋玉《风赋》

回到那三封来信，回到开头那个问题。

这一年，熟悉我的朋友都说我激进：方案交给 AI，编码交给 AI，评审的初稿交给 AI，下一步连测试也准备交出去。但很少有人理解，提效从来不是目的。如果 AI 的全部意义是让一个人顶四个人用，不停地堆工作量——那然后呢？那只是把自己改装成一台更便宜的珍妮机，在被取代之前替资产负债表多省两年钱。拼效率，人永远拼不过机器。 这条路的尽头清清楚楚地写着 5 个字：必然被取代。

激进的真正目的只有一个：在大趋势落地之前，不断为自己找到新的落脚点。 用 AI 省下来的所有时间，必须流向成长和探索，而不是更多的需求——这是我给自己立下的纪律，也是我在每一封回信里都会重复的话：效率的红利如果全部被工作量吃掉，那这场变革对个体而言就毫无意义。

在我设想的终态流程里，工程师的位置有两个，缺一不可。

一面是 Infra：去建造让 AI 工作的世界。知识如何沉淀、上下文如何流动、agent 如何协作、范式如何更新——这个世界不会自己长出来，它需要工程师去搭建。这是把工程师”理解系统、构建系统”的天赋，从业务代码迁移到更高的一层。

另一面是守门人：在意图奔向实现的洪流中，担任质量与大局的最后一道关口——以判断力选择值得做的问题，以品味设定结果的标准，以推演守住方案的逻辑。这是工程师特有的属性，我们要做的不是抛弃它，而是把它发挥到极致，然后适配进未来的流程里。

写到最后，我想再回到那些在夜里砸毁机器的卢德工人。

他们真正的悲剧，不是砸错了对象——机器确实碾过了他们的生计，他们的愤怒值得两百年后的我们尊重。真正的悲剧在于，站在那个时刻，他们能看见的唯一选项就是砸：他们看得见自己正在失去什么，却看不见自己可以去成为什么。这不怪他们，在那个年代，没有人看得见。

但我们和他们不同。这是这一代人独有的、近乎苛刻的幸运：变革以年为单位发生，快到足以让一个人在自己的职业生涯里亲眼看见终态，也快到不给任何人留下再等等看的余地。我们是历史上第一批可以带着终局感参与变革的普通人。

所以，该何去何从？

回到第一封信里的那个问题：“我们以后，全部都会交给 AI 做吗？”

会的。而且比大多数人预期的更快。

但这个问题的答案，其实不取决于 AI，而取决于那一天到来时，你站在哪里：是站在流水线的末端，用不断降低的标准为机器的产出盖章，等着连盖章也被优化掉；还是站到更上游去——出题的地方、定标准的地方、守逻辑的地方、建造世界的地方。

而无论你选择站在哪里，都请记住这场变革的另一面。它是一场盛大的减法，可它减去的，从来不是我们身上最珍贵的东西——只是那些长久以来遮蔽着珍贵之物的执行与重复。

潮水退去，沙滩上裸露出来的，是一直都在、只是从前被无尽的忙碌所淹没的东西： 你的判断，你的品味，你亲手推过的逻辑，你对这个世界的感知与好奇。

所以，“我们还剩下什么”这个问题，不必再用忧虑的语气去问了。剩下的，才弥足珍贵。剩下的，才是我们。

风起于青蘋之末。大势从来不是一个从天而降的庞然大物，它由无数个体此时此刻的选择汇聚而成。你今天决定先在纸上把逻辑链推一遍再打开对话框，决定不为速度降低自己的标准，决定把省下来的时间投进一次没有人做过的探索——这些微小的决定，本身就是大势的一部分。

我们不是被大势所趋的个体。

风起于青蘋之末，我们应该是大势本身。

向前跑，别回头。

谢谢那三位来信的朋友。这篇文章里的大部分思考，不是我一个人想出来的，是在和你们的来回通信中推演出来的——而这件事本身，恰好就是本文想说的全部。

愿你在机器的轰鸣里，始终听得见自己的声音。

于 2026 年 6 月 12 日深夜。