我要投稿

AI时代，必将没落的know-how护城河

发布日期：2025-06-05 07:59:59 浏览次数： 2000

作者：一公斤的纯金

微信搜一搜，关注“一公斤的纯金”

之前和一个做设计的朋友聊天，他说现在每天都在用AI做图，效率提升了好几倍，工作轻松了很多，但心情却越来越复杂。

一方面确实爽，以前要花一整天调色彩、排版面的工作，现在几分钟就能出好几个版本任君选择；但另一方面又很焦虑，那老板到底还请他干嘛，自己那些辛苦学来的PS技巧、色彩理论什么的还有什么用，对未来越来越没有安全感了。

他问我：是不是要应该赶紧再去充充电，学点更高级的技术，比如3D建模、动效设计什么的，增加自己的含金量免得很快就没饭吃了？

这个问题很像前几天一个AI大V的文章里对于自己现在痛苦的刨析——他坦然承认，觉得自己只是个名不副实投机取巧的“假货”，虽然每天都在追AI的热点写些业界最新信息来获得流量，但是实际上自己根本不擅长用AI。

相比于那些真正用AI做出卓越作品的高手，他自己完全做不出什么独特像样的好东西，所以只好自己卷自己，去靠不睡觉压榨自己来维持所谓“出消息最快”这样一个“优势”，于是越来越疲倦也越来越恐慌。

为什么我觉得这两个问题很像，因为本质上，它们都是停留在比拼“怎么做”的思维模式上。

的确，有了AI这个神器，自己好像马上多了很多能力让自己惊喜和兴奋。但是反过来，也意识到另一个残酷的现实，那就是，总会有比你更会利用AI“怎么做”的高手让自己望尘莫及。甚至说AI本身，就是个“怎么做”的顶尖存在(且还在每时每刻每分每秒飞速成长)。

这就像是在一场游戏规则已经彻底改变的比赛中，还在拼命练习旧规则下的技巧——可能更重要的是，要读懂新的比赛中，到底在比什么了？

所以，那个正确的问题应该是：当AI，包括有AI加持的他人，越来越擅长"怎么做"的时候，我们真正的价值到底在哪里，怎么才不会被这个世界淘汰？

过去几十年，我们被训练出了一套关于"竞争优势"的固化思维：掌握别人不会的技能，学会怎么做(投资里叫Konw-how)，就能获得某种不可替代的价值。

比如学会Excel的高级函数，就比只会基础操作的同事更有竞争力；掌握一门编程语言，就比不会编程的人更值钱；精通某个专业软件，就能在行业里站稳脚跟。

这套逻辑在过去确实管用。技能是稀缺的，学习成本是高昂的，而且一旦掌握就相对稳定——你花三年学会精通的Photoshop，可以吃十年。所以我们习惯了把know-how当作最可靠的护城河。

但AI正在让这种稀缺性快速消失。不是说这些技能变得毫无价值，而是它们的门槛价值在急剧下降。就像我那个设计师朋友，他的PS技巧依然有用，但已经不再是他独有的优势了——任何人都可以通过AI获得类似的输出结果。

于是很多人的第一反应是“逃”向更高的技术壁垒。学更复杂的软件，掌握更前沿的技术，希望在别人还没看到和AI还没攻破的领域里重新建立优势。但你的学习速度能比得上AI吗——只要人能学的能懂的，AI都能学都能懂，被全盘赶超，很可能只是一个时间问题。

AI最擅长的就是know-how——怎么调色彩，怎么写代码，怎么做表格，怎么分析数据。只要是有明确步骤、可以标准化逻辑化的操作流程。而且AI不仅学得快，还能同时掌握成千上万种技能，永不疲倦，永不出错。It could do this all day。

这怎么比？所以真正的答案从来都不在于我们学习的速度和卷的强度，而在于我们选择的方向。

因为有两样东西，AI暂时还做不好，甚至可能永远都无法好到超过我们：know-what和know-why。

嗯，让我换成更容易理解的人话就是，你到底要做什么，你为什么要这么做？

Know-what是判断力——知道在什么情况下应该做什么。比如，AI可以帮你做出一百种设计方案，但它不知道哪一种最适合你的客户；AI可以写出完美的代码，但它不知道这个功能到底该不该开发；AI可以分析出各种数据趋势，但它不知道哪些趋势真正重要。

Know-why是洞察力——理解事物背后的逻辑和原因。为什么这个设计会打动人？为什么这个产品会成功？为什么这个决策是对的？这些"为什么"往往没有标准答案，需要对人性、对市场、对世界有深刻的理解和灵感，甚至说，直觉。

这两种能力的共同特点是：它们都充满了不确定性。没有标准流程，没有固定答案，需要在模糊中做判断，在复杂中找方向。

而正因为它没有“标准答案”，所以我们把棘手的皮球踢回给了AI——它该怎么比？这里没有绝对的胜负规则了，所以它当然“赢不了”了。

这是个有趣的“反人性”悖论：我们一直觉得确定性的技能更"高级"——就像乔峰的降龙十八掌，因为它们看起来更专业，更难学，更有技术含量，更靠谱。

但在AI时代，恰恰相反，那些充满不确定性的，让人觉得有点不靠谱的，类似段誉的六脉神剑，才是真正"高级"的——因为它无法预测，所以AI也捉摸不透。

所以确定性反而意味着可以被规则化、标准化、程序化，被AI青出于蓝，教会徒弟饿死师父。反倒是那些模糊的、复杂的、需要在不确定中做判断的能力，才是AI暂时或者永远都无法替代的人类独有价值。

换句话说，我们需要的不是逃避不确定性，而是拥抱不确定性。这才是AI时代人类真正的护城河。

但说起来容易，做起来难。

大多数人听到"拥抱不确定性"这种话，第一反应往往是抗拒的。这很正常——我们人类的大脑天生就渴望确定性，因为确定性意味着安全感。知道自己会什么技能，就知道自己能找到什么工作，能赚多少钱，能过什么样的生活。这种可预测性让人安心。

人类就是追求“掌控感”的动物(即使往往这也只是种一厢情愿的错觉)，所以天生就会执迷于know-how。

所以很多人明知道技能壁垒在被AI攻破，还是会选择继续学习更多的技能——至少这样做的时候，心里是踏实的，感觉自己在"进步"。(这也是很多知识付费真正在提供的“服务”)

但这种安心是虚假的。因为know-how从来都只是工具，而不是目标。就像一个木匠，无论他的锯子多么锋利，锤子多么趁手，如果他不知道要做什么家具，不明白为什么要做这件家具，就只会麻木地继续陷入不断磨锯子和挥锤子的无用循环(或者换一个词：内卷)。

所以那些一直沉迷于"怎么做"的人，最后就会陷入一种"手段即目的"的迷思。他们把掌握技能本身当作成功，把优化流程当作进步，把效率提升当作价值创造，沉醉于"卷"。但实际上，他们可能只是在用越来越高效的方式，做着越来越没有意义的事情。

这就是为什么很多现代人会感到迷茫的原因——虽然他们的技能越来越强所得越来越多，但内心却越来越空虚。因为他们从来没有停下来问过自己：我到底想要什么？我为什么要这么做？

尼采几百年前说过这么一句话：He who has a why to live can bear almost any how.（知道为什么而活的人，自然就知道该怎样活。）

其实不只这个AI时代，这个世界一直如此——那些想清楚了自己要做什么，为什么要这么做的人，“怎么做”对他们来讲从来都不是什么问题。

这是一个很浅显的道理，不是"怎么做"决定了"做什么"，而是"为什么做"和"做什么"决定了"怎么做"。

不是你拿着锤子，所以要满世界找钉子，而是因为要钉钉子，才需要找到一把趁手的锤子。

所以当你真正想清楚自己要什么，明白自己为什么要这么做的时候，你就会想方设法找到解决方案，学习需要的技能，利用一切可用的工具——包括AI。

反过来，如果你不知道自己要什么，不明白自己为什么要这么做，那么无论你掌握多少技能，无论你的效率多么高，无论你多了解AI，无论你每天学习多少最新信息，都只是在原地打转——带着不知道到底要往哪里去的焦虑。

这就是为什么那些真正杰出的人，往往不是技能最强的人，而是方向最清晰的人。他们知道自己要去哪里，知道自己为什么要去那里，所以他们总能找到到达目的地的方法。

所以，当AI成为解决"怎么做"的最强工具时，我们真正需要做的，不是去和AI比拼卷的能力，而是去思考那些AI无法回答的问题：

我真正想要的是什么？

这件事为什么值得做？

这个方向为什么是对的？

这个选择背后的价值是什么？

这些问题没有标准答案，需要你结合自己的经历、价值观、对世界的理解来回答。这是AI无法替代的，因为这些答案本身就是你作为一个独特个体的体现。

甚至越是在AI普及的时代，这种思考能力就越珍贵。因为当你想清楚了这些问题，AI就不再是让人坐立不安的威胁，而是最好的助手——它可以帮你更高效地实现目标，但目标本身，永远是你来定义的。

这才是AI时代人类真正的竞争力：不是比AI更会"怎么做"，而是比AI更清楚"做什么"和"为什么做"。

所以，与其担心被AI替代，不如感谢AI帮我们解放了双手，让我们可以专注于做人类最擅长的事情——在不确定中寻找确定，在复杂中发现简单，在变化中把握不变，找到自己生活的意义和方向。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-03-05

从生成到交付：AI 做游戏，关键在「边界、地图、循环」

2026-02-28

Nano Banana 2 实测：8 大落地场景 + 全部 Prompt，AI 绘画 SOTA 到底逆天在哪？

2026-02-15

memU bot X 🦐 虾聊：让你的 memU bot 开启“硅基社交”

2026-02-11

98.4K Star！OpenCode+Agent Browser 重构自动化测试流程

2026-02-09

软件没有死，但“通用软件”已死

2026-02-07

AI内容工程化：为什么你的团队用了AI，内容还是做不出来?

2026-02-07

Qoder+Skills，一个人一周完成开源官网重构

2026-01-29

OpenAI发布的新科研工具Prism，相比起Overleaf如何？值得入手吗？

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

终于找到可以一键做 AI 漫剧的方法了

2025-12-11

发现了 4 个好玩 SKills，已经在 GitHub 上开源了。

2026-01-23

AI对全球白领就业冲击有多大？

2026-01-06

NotebookLM: 不就做个PPT，有什么难的

2025-12-15

万字长文讲解：团队落地 AI 辅助编程和 Specs 实战

2026-01-12

我做了个Claude Skill：一键复刻任意公众号的排版

2025-12-25

OpenAI发布的新科研工具Prism，相比起Overleaf如何？值得入手吗？

2026-01-29

YouMind：一款懂输入、思考、输出闭环的 AI 创作工具

2025-12-16

左手NovelCrafter，右手Claude Code，作为码字人，我从没这么痛快过

2025-12-14

字流 2.0 发布：我把 14 个平台的发布流程压到 10 分钟

2026-01-18

大家都在问

Nano Banana 2 实测：8 大落地场景 + 全部 Prompt，AI 绘画 SOTA 到底逆天在哪？

2026-02-28

AI内容工程化：为什么你的团队用了AI，内容还是做不出来?

2026-02-07

OpenAI发布的新科研工具Prism，相比起Overleaf如何？值得入手吗？

2026-01-29

当A++成为新的“紧箍咒”：我们是否忘记了测试的初衷？

2026-01-21

AI对全球白领就业冲击有多大？

2026-01-06

警惕！AI创业的三重“陷阱”你避开了吗？

2025-12-22

NotebookLM+Nano Banana Pro：你的下一个PPT，何必是PPT？

2025-12-15

你用AI做的应用，是在挠自己的痒痒吗？

2025-12-09

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw