--- author: Best Partners TV date: '2026-06-29' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=xd5pKqJm6cU speaker: Best Partners TV tags: - spatial-intelligence - future-of-work - ai-education - human-agency title: 李飞飞最新访谈：智能成本真的在趋近于零吗？如何守住人的“主动性”与应对职场变革 summary: AI教母李飞飞与MasterClass联合创始人David Rogier深度对话，反思当前社会对AI乌托邦与恐惧的两极分化叙事。她们强调智能成本并未趋零，未来职场将呈现由顶尖专家与高能力通才组成的杠铃结构，并指出以空间智能为核心的具身智能将是通往完整AI的关键，而保持个人“主动性”是应对技术转型的核心解药。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: - 李飞飞 - David Rogier companies_orgs: - World Labs - MasterClass products_models: - Claude Code - Cursor - Dividify - ChatGPT - Gemini - Claude media_books: [] status: evergreen --- ### AI认知的两极分化与工具的主动性 **大飞**: 大家好，这里是最佳拍档，我是**大飞**。智能的成本正在趋近于零吗？答案可能是不一定。最近，**李飞飞**和**MasterClass**的CEO**大卫·罗吉尔（David Rogier）**在**《硅谷女孩(Silicon Valley Girl)》**的播客节目中直接表态，说这句话是不负责任的。这场访谈还起了个很抓眼球的标题，叫做**《AI教母李飞飞：10年后，只会剩下两类工作者》**。其实这个两类工作者的说法是罗吉尔先提出来的，不过李飞飞表示了认同，并且把这个话题往更深的方向做了延伸：AI到底是什么，它能帮人做成什么事，它会制造哪些新的分化，而人又该怎么保住自己的主动性。今天我们就来给大家分享一下这期访谈的核心内容。 **大卫·罗吉尔**: 我在自己公司里看到了一个正在持续拉大的差距。**如果员工已经开始主动用AI了，他们能完成的工作量是很惊人的**，而且能在工作里获得以前从来没有过的掌控感和主动性。但如果有人还在对AI抱有抵触，或者从来没接受过相关的训练，那两者之间的差距会被越拉越大。我觉得现在整个社会对AI的认知都处在一种两极分化的状态里：一半人把AI当成神，觉得它能拯救世界，以后所有人都不用干活了；另一半人把它当成魔鬼，觉得它会取代所有工作，毁掉人类的主观能动性。 这种极度两极化的心态其实不太健康，也不是我们面对技术最好的思路。与其站在两边站队，不如实实在在去搞清楚这个工具最好的一面是什么，怎么用它来真正帮到人，把两边的价值都拿过来。我个人就是AI工具的深度实践者。要是几个月前问我平时用什么AI工具，我能列出来一串，**ChatGPT**、**Gemini**、**Claude**这些都算。但现在我发现，自己日常用的多数应用，都是我自己用**Claude Code**或者**Cursor**这些工具构建出来的。对我来说，这是一件特别有价值的事。现在我作为CEO的整套工具栈，全都是自己量身定做的应用。 比如有个叫**Dividify**的工具，输入我自己写过的邮件、说过的话，就能用我自己的语气生成文字内容。甚至连我的效率应用、待办清单应用，都是自己搭的。我还给自己定了条规则：如果一个待办事项在清单上停留超过一天半，就必须处理掉，要么立刻做完，要么直接放弃，因为它其实没那么重要，或者就交给团队里合适的人去做。也就是说，你完全可以根据自己的思维习惯和工作方式，打造所有你需要的应用。这其实又绕回了主动性这个话题。现在你有能力创造出任何你想要的工作流程和工具，剩下的问题只是你有没有去做的动力，以及去做的基础技能。而今天做一个可用的应用，成本已经从以前的几个月，缩短到一个周末就能搞定。 **大飞**: 如果一个员工过来跟老板说，他想开始学用AI，该从哪起步呢？ **大卫·罗吉尔**: 我的做法其实挺实在的。我不太推崇所谓的给仪表盘做**“vibe coding”**（氛围编程）——就是只做个好看的前端界面，从来没接上真实的数据，看起来像模像样，用一小时就不行了，因为背后的系统根本没打通。我发现很多来问“怎么学AI”的人，其实自己还没下定决心，心里还在犹豫，有什么东西在拦着他们。 所以，我不会直接扔一堆教程过去，而是会坐下来，带着他们两三个人一组，演示一个最基础的实际任务，比如怎么用AI做深度研究，一步一步带着走一遍。我也想过，其实看个YouTube教程可能比我亲自带效率更高，但实际情况是，只要陪着走过这么一次流程，好像有什么东西就被打开了，之后这些人就能自己摸索着往前走，还能拓展出更多用法。我也说不清到底是因为有人亲自指导降低了心理门槛，还是因为CEO亲自推动带来的重视感，但只要走完这个过程，人就像被解锁了一样，能自己主动去用了。 ### 智能成本趋零是伪命题吗？ **李飞飞**: 我很认可这个观察，这恰恰反映了现实的复杂性，这也是我一直担心的一件事。公众讨论AI的时候，观点总是极端两极化。我们当然需要看到AI好的一面，也必须警惕它坏的一面，但现在的公共讨论根本不是这样。要么就是彻底的乌托邦叙事，说AI会拯救世界，以后大家都不用工作，躺着领钱就行；要么就是彻底的恐惧叙事，说AI太糟糕了，会取代所有工作，夺走人类所有的主观能动性。这两种极端其实都相当危险。 我始终相信，AI就是一种技术，换句话说，它只是一个工具，一个极其强大的工具，但这个工具是人类可以掌握、可以用来让事情变得更好的。当然，怎么使用这个工具，我们也必须保持足够的警惕，就像我们教孩子怎么用火、用刀，再到后来怎么用互联网一样。现在作为一个物种、一个社会，我们必须学会怎么和AI这个级别的工具相处。而现在真正最重要、也最缺失的讨论，恰恰就在中间地带，那种足够细致、立足现实的讨论：这个工具到底是什么，我们怎么用它做更多有益的事，怎么避开那些已知的坑，以及作为一个文明，我们怎么和这个文明量级的工具一起往前走。 **大卫·罗吉尔**: 我从飞飞这里学到的很重要的一点就是，现在大家聊AI，聊的其实主要都是语言智能。用飞飞的话说，这种理解本身是“有损的”，你没办法光靠语言学会开车，也没办法光靠语言学会投篮。所以我们现在其实还处在AI的1.0版本，整个领域也存在过度炒作的成分。AI本身没有自己的价值观，所有的价值观都是人类赋予的，这也就意味着我们有机会去设计它、塑造它。 **李飞飞**: 我接着补充我自己的看法。首先我觉得，**工业革命其实并没有自动化劳动，它只是让劳动更高效，扩大了劳动的规模**，也确实改变了劳动力市场，但它从来没有真正的“自动化”掉劳动。而且我们不能默认劳动里是没有智能的，这个假设错得非常离谱。体力劳动、认知劳动、情感劳动，人类所有的活动都和人类智能深刻地交织在一起。人类智能对大自然来说，到今天都是一个未解之谜，我们根本没有真正搞清楚人类智能的深度和细微之处。 所以，任何在外面声称**“智能成本趋近于零”的言论都是不负责任的说法**，因为人类智能的深度远超我们现在的想象。正如罗吉尔说的，除了我们比较熟悉的语言智能，我们还有感知智能、空间智能、身体智能、情感智能，甚至我们到现在都没搞明白人的创造力到底是从哪里来的。每个人的创造力来自大脑的不同部位，也来自整个人生经历的不同部分，是非常复杂的集合。所以我们必须非常小心那些过于简化的说法。 我当然认同大语言模型和它的各类衍生产品非常强大，在商业智能、软件工程、逻辑推理这些领域都已经展现出了很强的能力，也正在帮人们完成更深入的工作，这些价值都非常重要。但这件事本身是细微的、复杂的，其中很大一部分是和人类智能形成强有力的协作，而不是取代。所以我不愿意用“自动化人类智能”或者“智能成本趋近于零”这种表述，我非常担心这类言论带来的误导。这些简化的言论，也正是很多人反感AI的原因，大家看到的全是大规模裁员的头条，都是“我们不再需要你了”的叙事，负面情绪自然就累积起来了。 ### 拥抱技术转型与教育重构 **大卫·罗吉尔**: 面对这种情况，答案从来不是躲着AI，或者干脆不去用它。正确的做法是拿起这个工具，去想清楚怎么更好地设计它、改进它、优化它。换个角度看，一份工作其实是一整套任务的集合，你工作里总有一些任务是你不喜欢做的。比如护士要写大量的护理记录，医生也要写病历，我从来没见过哪个护士说自己工作里最喜欢的部分就是做记录，这根本不是她们进入这个行业的初衷。AI恰恰可以把人从这类事务性工作里解放出来。 所以回避技术是错的。回头看任何一次技术转型，最终几乎都是净增就业的，问题只在于谁能拿到那些新工作，是那些主动适应变化的人。如果你不适应，结果会非常糟糕。比如当年计算机和电子表格普及的时候，**没有跟上变化的人，终生收入会下降超过五分之一，头一年的死亡率甚至会翻倍**。技术转型真的会实实在在损害人的健康，这个数据听着挺疯狂的，但它是真实存在的。所以答案不是躲起来，而是推着自己去探索、去适应、去改良工具。 **李飞飞**: 我完全同意这个说法。我觉得“主动性”这个词特别值得强调，还有协作、赋能这些概念，都是技术的核心意义。哪怕是AI这种被很多人吹得“像神一样”的技术，本质也应该是**以人为本**的。以人为本说起来很简单，但内涵很深。对我来讲，最核心的就是真正给人赋能，不管是个人、社群还是整个社会，这才是这项技术存在的意义。 这也就说到了变革期的本质：变革期注定会有失去的部分，你会失去旧的习惯，失去过去几十年熟悉的舒适感，失去稳定感。但它同样是充满机遇的时期，为所有即将到来的新事物提供了空间，让我们能做更好的事、创造更有价值的东西。作为个人，怎么从困惑和失去的阶段跨到抓住机遇的阶段，这条分界线到底在哪呢？其实答案就在我们每个人自己身上，取决于你愿不愿意去学习、去拥抱、去提升自己的技能，对新的机遇保持智识上的开放。这件事其实触及了每个人成长的核心，不管你是还在上学的学生，还是已经工作多年的专业人士，都得一起面对这个变化。变化的速度确实比以往任何一次技术革命都快，这也是大家焦虑的来源之一。 **大卫·罗吉尔**: 如果放到具体的领域里，比如教育，AI已经带来了巨大的改变。过去六十年的研究早就证明了，一个人学习的最佳方式是一对一教学，那为什么我们现在还坐在20人、300人的教室里？核心原因就是成本。给世界上每一个人配一位专属导师，成本实在太高了，尽管所有人都知道这是效果最好的方式。但是有了AI之后，情况变了。 从过去几年的实践来看，AI已经可以提供接近一对一教学水平的个性化指导，效果比在教室里听课、比单纯读一本书要好得多。这就带来了成本的断崖式下降。以前小学教育一年要花一万两千美元，本科教育一年要八万美元，现在用AI提供同等质量的教学，成本大概只要一百美元。那我们什么时候能在自己的教育体系里看到这种变化呢？我觉得最大的障碍不是技术，而是那些害怕变化的机构。 但趋势是挡不住的，我们已经知道，**用AI辅助学习，可以用少60%的时间学到同样的内容**。如果一所学校说要禁用AI，不准学生用，而另一所学校允许学生自由使用，那用AI的孩子会远远领先于不用的孩子。当然AI不能替代一切，你仍然需要面对面的互动，需要人和人之间的社交联结，但你会开始看到孩子之间的分化，对AI持开放态度的孩子，学习速度会比其他人快得多。这种分化的前景其实挺让人担忧的，但这不是技术本身的问题。我的判断是，**十年内还无法适应AI的学校，最终都会消失**，因为它们会落后得太远。 **李飞飞**: 这些学校要面对的未来世界本身也在因为AI快速变化，所以学校确实应该做出改变。我也坚信每所学校、每间教室都应该拥抱AI，每个学生都应该拥抱AI。但与此同时，我们也有集体的责任，要把教师和教育管理者纳入到AI的讨论里来，给他们展示可行的路径，这样我们才能守住教育真正的目标。 教育的目标从来不是用好一个工具，也不是纠结闭卷考试还是开卷考试，更不是标准化考试的分数，教育的目标是培养人，让每个人能成为自己社群和社会里有意义的贡献者，过上有意义的生活。AI不应该剥夺这些基本目标里的任何一个，反而应该帮助我们更好、更高效地达成这些目标。但现在我们的很多讨论还陷在那种两极化的二元对立里，比如AI是不是用来作弊的，考试要不要把AI拿走，这些根本不是我们该关注的重点。我们真正该讨论的，是怎么用AI赋能老师，怎么赋能学生，怎么重构课堂，怎么重新设计考试和标准化测试，怎么重新思考大学招生和资源分配。既然有技术能降低教育成本、提高可及性，那我们怎么给城市低收入社区、农村地区还有全球南方的人群提供更多资源？这些才是AI和教育里真正重要的话题，而我们现在正在错过它们。 ### 未来职场与“杠铃效应”的崛起 **大飞**: 聊完教育，很自然就延伸到了职场。很多人都会好奇，十年后的职场或者公司大概会是什么样？普通人该做什么准备？ **李飞飞**: 我的答案很明确，就是主动性。AI会给人更多的主动权，未来的工作很大一部分都会依赖那些知道怎么有效使用这些工具的人。我举了个很具体的例子，硅谷过去二十年里最抢手的工作之一就是产品经理，现在关于产品经理这个角色的变化，行业里已经有很多讨论了。十年前，一个标准的产品经理工作内容更像是用户、市场和工程师之间的连接器，更像一个指挥者。他们不用写代码，通常也不是软件工程师出身，如果要做一个产品原型，得去找设计师、找软件工程师，拿到原型之后再发给用户收集反馈，整合完反馈再迭代。这么一条产品管理的生命周期，在普通公司里可能要花上好几个月。 但现在不一样了，很多公司的产品经理工作方式都发生了根本性的变化。很多产品经理现在自己写代码，他们不用等整个团队来做原型，用AI就能设计出简单的原型，也就是大家常说的“氛围编程”，这一下子就把整个周期缩短了。当然这不意味着我们不需要设计师和软件工程师了，而是省下了大量基础工作的时间，让专业人员可以去做更复杂、更有价值的部分。用户端的反馈也在变，AI现在可以模拟用户行为，出现了更高效方式去接触用户、形成产品闭环。 所以现在我招年轻产品经理，找的就是那些正在驾驭这场变革的人，我不要那种还在跟我聊五年前教科书式工作流程的候选人。未来的公司到底会长什么样，不同行业肯定有不同的形态，有很大的想象空间。但可以确定的是，我们的劳动力会被AI这样强大的工具深度赋能，个人的主动性、创造力，还有一个人能力的边界，都会变得越来越模糊，做事的门槛也会越来越低。在我看来，这会从根本上改变企业的结构，今天的每一个学生，都应该试着去想象，自己想在新结构里成为什么样的角色。这种工作状态，其实很像在岗位上像创业者一样做事，不管你本身就是创始人，还是组织内部有创业精神的员工，这意味着你要同时处理很多事情，对很多方面的结果负责。 **大卫·罗吉尔**: 根据我自己公司的观察，我提出了一个“杠铃效应”的判断。未来的职场会出现一批真正的顶尖专家。以前上学的时候总有人告诉你，选一个领域深深扎进去，就能建立长久的职业生涯，但现在这种方式正在被侵蚀，除非你是那前1%、真正最顶尖的那批人。比如一个普通的、水平还凑合的文案撰稿人，现在任何人用大语言模型都能做到差不多的水平，但如果你是世界上最好的文案，或者排在前1%，那AI就没法轻易取代你。 所以我们会看到专家的崛起，那些在自己领域里做到极致顶尖的人，会越来越有价值，这个规律能延伸到很多靠手艺吃饭的领域。而杠铃的另一端，是高主动性的通才，他们能做很多不同的事情，在判断力和主动性上有非常强的能力。当这些通才和顶尖的专业人才配合的时候，会产生很有意思的化学反应，双方都会觉得对方做的事我真的做不来。所以我的猜测是，未来会是顶尖专家和高能力通才并存的二分局面。 **李飞飞**: 我很认同这个观点。不管你在专家那一侧，还是通才那一侧，都需要有主动性，都得能用独特的、有创造力的、深入的方式去使用工具。我已经在很多行业看到这种情况了，比如设计师，他们本身就带着大量属于人类的创造力，但有些设计师能用我完全想象不到的方式去使用各类AI工具，这就是他们的手艺和价值所在。 还有一点我特别想澄清，“创业者”这个词在硅谷几乎就等同于注册一家特拉华州的公司，好像只有开公司才叫创业者，我并不同意这个定义。在我看来，**“创业者”这个词很大程度上就是“主动性”的同义词**。你可以是一名专科医生，也可以是一位老师，都可以有创业者的心态，主动性才是最关键的。面对认知能力这么先进的技术，要勇敢，要守住你作为人的主动性，去掌控技术，去使用它、熟悉它，不要害怕，不要回避，因为这就是历史车轮前进的方向。不一定非要成为硅谷的创始人，每个人都可以为自己从事的手艺、为自己想做的事，做一个创业者。 **大卫·罗吉尔**: 说到用工具，很多人会好奇，像你这样的AI领域领军人物，平时都用哪些AI工具？哪些工具真正给你的工作带来了变革性的影响？ **李飞飞**: 最基础的就是大家都熟悉的那些，从ChatGPT到Gemini再到Claude，我的使用场景非常多，从帮我深入研究某个话题，到直接围绕一个主题展开对话，用途很广。我还举了个很生活化的例子，我在家里是负责洗衣服的人，每个周末都要处理一堆又一堆的衣服，以前叠衣服的时候我会听有声书，但有时候听书也会觉得腻。就在几个月前，我突然想到，叠衣服的时候可以跟AI就一个很深的话题聊天，这件事变得特别有意思，甚至让我更有动力去叠衣服了，因为可以借着这段时间跟着AI学自己想学的东西，完全是属于自己的时间。 当然在软件工程领域，AI带来的改变已经是天翻地覆的了。在艺术和设计领域，我的公司**World Labs**也在做相关的模型，帮助创作者想象3D世界，创意领域也在发生深刻的变化。不过我也特意强调，创意领域现在的争议也非常大，有些公司把AI创意工具定位成人类创作者的替代品，我对此非常反对。人类的创造力，哪怕只是视觉层面的，都太广阔了。哪怕只看视觉设计，它也和我们的情感智能、我们想讲的故事、每个创作者承载的价值观深刻地交织在一起。AI是帮助人们表达创造力的强大工具，绝对不是用来替代创造力的。 ### 空间智能与通往具身智能的路径 **大卫·罗吉尔**: 我问一个很核心的技术问题，如果AI没搞定空间智能，是不是就永远不可能变得真正聪明呢？ **李飞飞**: 我的答案是肯定的，这也正是我们现在在World Labs全力投入的方向。很多人可能对**空间智能**这个概念不太熟悉，它其实涵盖了我们人类在三维环境里展现出来的好几种能力： 1. **理解**：我们能看懂周围正在发生什么，能认出眼前的人、设备、环境。 2. **推理**：比如你想去冰箱拿瓶水，你得判断冰箱在哪，规划自己的移动路径，避开路上的障碍物。 3. **生成**：我们在脑子里就能想象出一个客厅的样子，画画好的人还能把它画出来，不管是2D、3D的内容，人类天生就能在脑子里生成空间画面。 4. **交互**：就是我们怎么和空间里的事物互动，比如叠衣服，怎么折叠每一件，怎么放进衣柜。 所以空间智能就是这四件事：理解、推理、生成、交互。现在整个行业在这方面已经取得了很大的进展。整体来看，现在的AI图像工具已经能生成很多2D图像，也能帮你识别不认识的花花草草，理解能力已经相当先进了，也能做一部分推理工作，我们已经可以在AI工具里完成基础的图形绘制。生成这一块，2D层面已经有很成熟的产品了，而World Labs在攻克的是3D层面的生成。3D技术对于真正的机器人交互、对于设计、建筑、游戏开发、视觉特效这些创造性的工作都非常重要，这也是我们现在的核心方向。 **大卫·罗吉尔**: 那空间智能和我们现在常说的大语言模型，是两套完全分开的技术吗？是不是大语言模型有自己的边界，世界模型是另外一套，再接进来呢？ **李飞飞**: 是，也不是。它们更多是互补的关系。你想想我们人类自己，就拿投篮来说，整个动作发生得很快，你不会站在那儿用语言在脑子里念叨“我现在要投篮了”，但投篮这件事本身又是一个高度复杂的智能时刻，语言推理其实是参与其中的。作为运动员，你会敏锐地意识到这球进没进，它对比赛、对当下这个时刻意味着什么，这些过程有一部分就是以语言的方式运行的。但与此同时，看清整个球场、判断其他球员的位置、瞄准篮筐，这是深度的空间智能；调整身体姿态、控制动作发力，这又是深度的身体智能。 所以我们生活里做的绝大多数事情，其实都是语言智能、空间智能和身体智能的混合体。对我来说，它们是高度互补、协同工作的，而空间智能是其中非常大的一块。你想想生物进化就知道，空间智能花了超过5亿年才演化成熟，而语言智能的演化时间比这短得多。所以这是一种非常深层、古老、根本性的智能能力，动物和人类都具备。 **大卫·罗吉尔**: 那我们距离完全掌握空间智能还有多远呢？比如达到100%的人类水平？ **李飞飞**: 作为一个科学家，我其实不知道“100%”是什么概念，因为科学本身就是在不断推动未知的边界。如果我们的目标是对标人类智能，那最大的问题是我们甚至不知道人类智能的边界在哪里，从来都看不清它的全貌。但如果把目标定得现实一点，对标人类的日常能力、平均水平的能力，比如叠衣服、做煎蛋、打打篮球，我们离做到这些还有多远？答案是还远没到。 但会要花上100年吗？我不这么认为。我的目标是在我有生之年能够看到实现，现在有非常多的人在为之努力，所以大概的时间范围是，不会花100年，很可能甚至用不了50年，但也绝对不会只花1年。像叠衣服这种事，不仅涉及智能，还涉及物理具身、传感器技术和硬件，所以会更复杂一些。但我希望我们能在自己的生活里看到这一天。 **大卫·罗吉尔**: 我知道你因为很多原因一直避开不用AGI这个词，但我觉得任何接近AGI的系统，如果没有空间智能，都是不可能实现的，因为它涉及到理解人、在真实世界里和人与环境互动。 **李飞飞**: 我不会去跟这个词的流行程度较劲，只是作为学者，学术界一直就叫它人工智能，这个“通用”的G到底指什么，在科学上并没有严格清晰的定义。但不管怎么说，它也就是个词，当个昵称就好。智能本身是非常复杂的，一个缺少了空间智能的AI图景，在我看来是不够完整的。 ### 培养主动性与AI的简单入门方式 **大飞**: 聊了这么多技术和趋势，最后落到了每个人都关心的问题上，怎么培养主动性？ **大卫·罗吉尔**: 我运营着一家教育公司，对这个问题有很多研究和观察。我坦言，翻过很多相关研究，目前还没有完全成熟的结论，没法很确定地告诉你第一步做什么、第二步做什么。但把主动性拆开来看，确实有一些已经被验证的线索。比如，一个人得先有安全感，才敢真正去冒险，这是主动性很重要的基础。能够经历失败并且从中学到东西，也就是韧性，也是主动性的重要组成部分。对世界保持好奇心，同样非常重要。 还有一些很原始的驱动力，比如你特别想解决一个问题，或者想达成某个目标，不一定是什么了不起的特质，但它确实能推着你往前走。当你心里有“必须解决这件事”的念头，就会逼自己拿出主动性。不过现在的研究，更多还停留在描述“什么在驱动主动性”的阶段，证据不算特别扎实。还有一个挺有意思的发现，你得把自己放到那些让你觉得困难、觉得陌生的环境里去。这件事从小时候就开始了。你需要成长在一个基本需求被满足的环境里，爱、食物、睡眠、心理安全感，这些先要到位，然后主动性是可以被激励的，比如做某件事给你额外的报酬，确实能让人行动起来。 但主动性本身，从实际经验来看，远比这要复杂。我们的社会在太多地方教我们去寻求表扬，小时候要爸爸妈妈的表扬，上学要老师的表扬，工作了要老板的表扬。但拥有主动性，拥有这种不限于创业者的创业精神，几乎就是在拒绝这一整套寻求表扬的活法。我当年创立MasterClass的时候，所有人都告诉我这个想法不可能实现，是个糟糕的主意。那时候对我来说非常难，因为我这辈子大部分时间也是很在意别人表扬的人。但我后来不得不意识到，也不得不做出改变。如果一个想法所有人都觉得好，那它很可能就不是一个好想法。想要有主动性，想做一个创业者，你就得去追那些别人认为不可能的事情。现在我的心态已经完全变了，作为创业者，当有人跟我说“这件事不可能”的时候，我脑子里的反应是：哦，那正是我想做的，我想再往深里探一探。所以这是一种根本性的心态转变，不是学会几个技巧就能拥有的，远比大家想象的复杂。 **李飞飞**: 很多人都会有共鸣，从小被教导要听话、要在意别人的看法。如果你的观点和大多数朋友相反，说出来大家都不同意，坚持自己的勇气到底怎么培养？这对培养主动性也特别重要。我觉得这个问题其实问到了家庭价值观的核心。我自己怎么培养孩子、怎么引导学生？其实就是罗吉尔刚才说的那些，鼓励，甚至简单到一句话：不要偷懒。 我们这代人经常感叹，说互联网太多了，社交媒体太多了，AI太多了，好像都是负面影响。但我有一个相反的看法，我甚至有点羡慕年轻一代，我觉得年轻人生长的世界要多元得多。你刷Twitter、刷Ins、刷TikTok，慢慢就会意识到，这个世界充满了各种各样的声音。在我们那代人小时候，世界更小、更窄，可能就只有一个老师或者一个家长的声音，代表着绝对的权威。但现在的年轻人，一出生就被扔进了一个充满各种观点、充满可能性的世界里。这当然可能让人害怕，社交媒体也确实有它的问题，但这同样可以成为巨大的机会。 你可以利用这个现实提醒年轻人，告诉他们：**你看，你的声音才是真正重要的，因为这个世界没有唯一的权威声音，也不是少数拿着大喇叭的人说了算**。这完全可以用来鼓励年轻人，让他们重新审视自己生活的时代：这是一个有太多工具可以赋予你主动性的时代，这是一个你的声音比任何其他人的声音都更重要的时代，只要你真的相信它。这一点和上一代人的成长环境太不一样了。 **大飞**: 最后，对于那些完全不知道从哪里开始的普通人，最简单的AI入门方式是什么？有没有一个简单的“解锁”步骤呢？ **李飞飞**: 我的建议特别朴素。我坦言，自己公司里的年轻员工用AI可能比我用得还多，所以这个建议，我更想讲给那些不在科技圈的人听，比如老师、护士、会计师等等。我知道现在关于AI的讨论两极分化太严重，大家除了焦虑，真的不知道该从哪里接触它。 我的建议特别简单，去找一个年轻人，比如你的孩子、侄子侄女，只要是25岁以下的，他们当中绝大部分人已经在用AI了。带着一份纯粹的好奇，请他们给你看看，平时是怎么用的，用AI在做些什么。关键是换个心态，不要把这件事想成“天哪，我要去学一项可怕的新技术了”，你只是在了解你关心的人——你的孩子、你的学生，他们即将生活的那个未来世界。那个世界，不管你愿不愿意，你都会走进去的，让他们做你的向导就好。你不需要有任何心理负担，不用纠结自己没学过计算机，也不用烦恼该下载哪个App。就让你信任 of 年轻人带着你，花一个周末，或者一个下午，看一看。等你真的了解了它是什么，那个世界就没那么可怕了。它可以是赋能你的东西。而且就算你发现了它的问题，发现了它的不完美，也正因为你了解了它，知道了问题在哪里，你的声音反而能被更好地听见。 **大飞**: 整场对话到这里也就接近尾声了。其实你会发现，聊了这么多AI技术、未来趋势、职场变化，最核心的落脚点从来不是技术本身，而是人，是人的主动性。技术越强大，人越不能把主动权交出去。保持好奇，主动去了解、去使用、去驾驭工具，才是穿越技术周期最稳妥的方式。不知道大家最近有没有用AI解决什么实际的工作或者生活问题呢？欢迎在评论区分享。感谢收看，我们下期再见！