與其焦慮“我做什么AI做不了”，不如思考“我+AI能做什么別人做不了”。

現(xiàn)實已經(jīng)決定了，我們不是訓練AI的人，大多數(shù)人是使用或消費的人，打個比喻，就像我們不是馴馬的人，而是騎馬的人。

作為普通人，連頂尖的大腦都不知道AI會最發(fā)展成什么樣，加上未來不可預測，

所以，我們應該考慮如何騎馬，有什么樣的“馬”就學會騎什么樣的“馬”。

01

焦慮是真的，但方向錯了

德銀最新調(diào)查：近四分之一18-34歲的年輕人擔心未來兩年內(nèi)會因AI失業(yè)。

斯坦福和哈佛的研究更殘酷：高AI暴露度職業(yè)中，22-25歲勞動者就業(yè)率下降6%，軟件開發(fā)領域年輕從業(yè)者就業(yè)率較峰值下滑近20%。

數(shù)據(jù)不會說謊。如果你也在焦慮“我還有什么價值”，你不是一個人。

但問題是：市面上流行的解法——“找到AI無法替代的能力”——真的對嗎？

“找不可替代性”本身就是工業(yè)時代的思維陷阱——它預設了“人要和機器賽跑”。但歷史證明，在效率賽道上，人永遠跑不過機器。

兩百年前的馬車夫，如果他整天琢磨“馬有什么做不到的”——結(jié)局會不同嗎？不會。因為當汽車出現(xiàn)，賽道本身被換掉了。

今天也一樣。你還在琢磨“寫作AI寫得好不好”“編程AI寫得對不對”，本質(zhì)上是在用工業(yè)時代的思維，解信息時代的問題。

這個思維的深層，藏著我們?nèi)诵缘摹柏澿涟V”：總想找到一個安全角落，一勞永逸。

但理想汽車的李想點破了真相：AI時代，專業(yè)差距不會消失，只會從100倍放大到10000倍。

為什么？

02

人才競爭力的終極公式

李想有一個核心觀點：

最終價值 = 專業(yè)能力 × AI/Agent杠桿

輝哥自己花了整整一年，全身心投入到AI遷移應用中，親身驗證了這個公式。

但這里有一個關鍵問題：專業(yè)能力到底是什么？

經(jīng)過大量實踐，輝哥把它拆解成三個核心要素：

專業(yè)能力 = 判斷力 × 經(jīng)驗 × 視野

判斷力：抓重點、做決策、少犯錯

經(jīng)驗：踩過坑、見過事、能落地

視野：看全局、懂趨勢、知邊界

缺一，專業(yè)能力直接斷崖式下跌。

只靠判斷力：容易飄，不落地

只靠經(jīng)驗：容易固執(zhí)，跟不上時代

只靠視野：容易空想，無法執(zhí)行任何一個短板，都會被另外兩項放大弱點。

所以，AI時代的人才競爭力終極公式就是：

最終價值 = (判斷力 × 經(jīng)驗 × 視野) × AI杠桿

非AI時代，專業(yè)能力的差距是100倍很正常。

AI時代，杠桿一上，差距直接拉到10000倍完全合理。

AI不抹平差距，它只負責把差距算到極致。

03

那怎么辦？H型人才是答案

理解了公式，下一個問題就是：人應該長成什么樣，才能在這個公式里得分？

最近清華大學調(diào)整了人才培養(yǎng)策略，轉(zhuǎn)向培養(yǎng)“H型人才”。這個方向，恰恰點破了AI時代的成長路徑。

先理清幾個概念的演變：

T型人才：一專多能的基礎型復合人才。一個領域縱深，多個領域有本科級通識。工業(yè)時代夠用，因為那時候分工明確。

π型人才：雙專多能的抗風險型人才。兩個領域縱深，有一定的跨領域整合能力?；ヂ?lián)網(wǎng)時代流行，因為不知道競爭對手來自哪個方向，需要雙重保險。

H型人才：兩個領域有很深的知識，而在兩個領域的交界處，有非常廣泛的認知，使得兩個領域打通了交叉，能處理更復雜的問題。

H型的核心是：雙領域縱深 + 中間地帶打通。

比如：

AI + 醫(yī)療

能源 + AI

新聞 + 計算機

法學 + 外語

腦機接口 + 認知腦科學

為什么AI時代必須走向H型？

因為中間地帶，就是意圖產(chǎn)生的地方，也是人類最后的護城河。

04

H型如何放大公式的三個因子

把H型結(jié)構(gòu)代入競爭力公式，你會發(fā)現(xiàn)一個驚人的事實：

H型不是簡單的“會兩樣”，而是讓判斷力、經(jīng)驗、視野這三個因子，在中間地帶產(chǎn)生化學反應。

判斷力_H：中間地帶的決策能力

舉個例子：AI醫(yī)療產(chǎn)品經(jīng)理。

光懂AI，你不知道哪個臨床問題值得解。

光懂醫(yī)療，你不知道AI能解到哪一步。判斷力_H，就是在“AI如何輔助臨床決策”這個中間地帶，知道：

醫(yī)生在什么場景下真正需要AI

什么時機切入最自然

什么功能會觸發(fā)醫(yī)生的抵觸

這種判斷力，來自對兩個領域的深度理解，更來自對交叉地帶的長期浸泡。

經(jīng)驗_H：雙領域踩坑的復利

踩過技術(shù)的坑：數(shù)據(jù)臟了、模型偏了、算力不夠了。

踩過業(yè)務的坑：用戶不買賬、流程推不動、合規(guī)過不了。經(jīng)驗_H，是這些坑在中間地帶疊加產(chǎn)生的復利效應。

你見過AI怎么翻車，也見過業(yè)務怎么死掉——當別人還在試錯時，你已經(jīng)知道哪條路走不通。

視野_H：看兩個領域+交叉點的趨勢

懂AI的人，知道技術(shù)往哪個方向演進。

懂醫(yī)療的人，知道政策往哪個方向收緊。視野_H，是同時看到兩個領域的趨勢，并在中間地帶找到機會：

技術(shù)能做什么

業(yè)務需要什么

交叉點在哪里爆發(fā)

05

為什么要騎馬，而不是與馬賽跑

回到開頭的比喻。

T型人才，是在一個領域里和馬賽跑的人。他們拼命強化“馬做不到的”，但跑得再快，也跑不過汽車。

π型人才，是養(yǎng)了兩匹馬的人?？癸L險能力確實強了，但如果還在賽跑思維里，兩匹馬也跑不過汽車。

H型人才，是騎馬的人。

他們不研究“人跑多快”，而是研究：

馬適合什么路況

怎么喂馬更聽話

馬和騎手怎么配合才能最快到達目的地

AI是馬，人是騎手。

馬越來越快，但騎馬的人永遠不會消失——只會越來越精。

因為：

Agent管“怎么做”，人管“為什么做”

Agent執(zhí)行，人定方向

Agent優(yōu)化，人定標準

Agent運算，人定倫理

06

行動建議：怎么成為H型人才

如果你認同這個方向，以下是可操作的路徑：

第一，選對兩個領域

不是隨便選兩個。原則是：

存量技能 + 增量技能

存量：你已經(jīng)有積累的領域（吃飯的本事）

增量：AI時代必須補的領域（技術(shù)的、數(shù)據(jù)的、AI的）

縱深領域 + 應用領域

縱深：你能挖到多深（判斷力×經(jīng)驗×視野的來源）

應用：這個深度在哪兒能變現(xiàn)

第二，刻意打通中間地帶

別滿足于“兩個都會”。要主動問：

這兩個領域打架的地方，怎么協(xié)調(diào)？

這兩個領域結(jié)合的地方，能長出什么新東西？

這個交叉點，別人看不見，我看得見什么？

每天花30分鐘，只看兩個領域的交叉信息。

第三，用AI杠桿放大自己

把AI當實習生帶：

教它：告訴它“為什么要這么做”

練它：讓它試錯，你復盤

用它：重復的、流程化的，全扔給它

你省下來的時間，全部投入到中間地帶的深耕。

第四，死磕“人味兒”

所有能被規(guī)則化的、流程化的、數(shù)據(jù)化的，AI都會做得比你好。

但你獨有的：

你在菜市場聞到的煙火氣

你在深夜感受到的孤獨

你在孩子笑臉上看到的純粹

你在失敗中長出的智慧

這些，AI永遠只能是“模擬理解”。

這不是雞湯，這是數(shù)據(jù)時代最稀缺的資源。

07

最后的話

二十年后回頭看，今天這場AI焦慮，會像當年馬車夫的恐慌一樣，成為歷史的一頁。

區(qū)別在于：

有些人焦慮完，開始學騎馬。

有些人焦慮完，繼續(xù)和馬賽跑，直到累死。H型人才，就是那個最懂馬、也最懂路的人。

他們知道：

馬會越來越快（AI杠桿持續(xù)放大）

但馬永遠需要騎手（人定方向、標準、倫理）

騎手的價值，不在跑得多快，而在看得多遠、定得準、騎得穩(wěn)

AI時代，只有H型人才配騎馬。

而你準備在哪個領域，當一個精明的騎馬人？