菲利普·詹姆斯·德·卢瑟堡 《卡尔布鲁克代尔之夜》1801年。象征英国什罗普郡铁桥峡谷工业革命的诞生

我对未来的五个基本判断：

第一，数字化吞噬世界。

本质在于零边际复制、网络效应、接口化与数据化度量带来的规模优势。

生产资料往线上迁移，任何行业都将进行数字化、智能化改造，信息产品规模化能力远超实体交付。

结果是：价值创造越来越依赖数字基础设施，实体行业也被迫按数字逻辑重组流程、渠道与成本结构。

数字化吞噬世界的表现之一就是平台化，像外卖骑手接单一样，每个人都可能在一个或多个平台上接单赚钱，打零工，灵活就业。平台会确保每个人有活干，有一点钱赚。

第二，AI基线论。

AI把大量认知劳动变成“可调用的能力”，把过去昂贵的智力环节变成低价供给。

当AI把某种能力变成廉价供给时，人只靠这项能力就很难获得溢价，甚至失去价值。

一个重要推论是，未来衡量人的价值，会更看重复合能力而非单点技能。

海外流行的一个概念“high-agency”，高能动性，说的就是这种能够超越单纯技术或知识技能的局限，主动创造、探索和实现目标的能力。

像自我驱动、自我迭代、跨领域整合、以愿景为导向，都是高能动性的体现。

第三，周期性失业而非摩擦性失业。

这一轮智能革命带来就业市场的变革，光靠学习技术改换行业已经很难解决就业问题。

现在容纳4000多万就业的外卖和滴滴行业，要换成无人配送、无人驾驶可以很快，但没有换，因为现在没有任何一个行业可以容纳这么大就业人口，所有线下的行业都在收到冲击。

未来，人的优势会集中到：定义问题、做决策、承担责任、处理高不确定性、在复杂协作中推进结果，以及建立信任与声誉。

第四，社会关系、经济关系重构。

社会与经济的运行方式会整体转向“以结果与记录为中心”。

工作不再长期绑定在单一岗位上，而是更常围绕具体目标与阶段性成果来安排，人能否拿出真实做成的东西、解决过的问题，会比头衔与工龄更关键；

公司在用人上也会减少对整理、汇总、传递信息这类环节的依赖，把更多资源集中到能判断方向、能在不确定中推进事情并交付结果的人身上。

交易与机会的入口会更多发生在线上，平台规则、推荐机制与评价体系决定谁更容易被看见，别人往往先看到你的作品、案例、成绩、口碑与持续输出的内容，再决定要不要与你建立合作与信任。

第五，自我教育比学历重要。

当机会与信任越来越依赖作品、案例、成绩与可验证记录，一个人就必须具备持续产出这些记录的能力；

而这些能力，很大一部分来自长期的自我训练与自我更新。

学历仍然有价值，它决定你进入哪些起点与筛选通道，但它越来越难单独解释一个人的真实水平，因为行业变化太快、工具更新太快、岗位要求也在快速重构。

自我教育将会兴起，同娱乐一样。

这就是新的时代。

问题越来越复杂，信息越来越过载，变化越来越不可预测。

我们被期待在模糊中决策，在不确定中行动，在有限时间内做出高质量判断。

于是，我们看到：

很多人转向AI——希望它能替自己思考、写作、分析、规划。

这本无可厚非。

AI确实强大。

但危险在于，我们输入一段模糊的指令，得到一段看似流畅的回答，然后心满意足地复制粘贴，仿佛自己已经完成了一次认知劳动。

接收答案不等于理解答案。提出问题不等于独立思考。

未来我们与AI的协作会越来越多、越来越紧密。

但协作的目的，从不是让AI代替我们思考，而是帮助我们更好地思考。

人必须为自己的人生负责。

这意味着，最终的判断、选择和行动，只能由你自己完成。

AI可以提供信息、视角甚至方案，但它无法替你权衡价值观，无法替你承担后果，更无法替你活出自己的人生。

AI的作用体现在，帮助你：

与AI协作的价值，不在于它说了什么，而在于你因此想清楚了什么。

以下是我与ChatGPT、千问、DeepSeek、元宝等长期对话后，思考的方法。

我将告诉你，与AI协作的过程中，我们该如何增强自身的认知。

01 强制清晰

我们常常觉得这个只是“我好像懂了”，但真要解释给别人听，却支支吾吾；

我们心里有个模糊的担忧，却说不清到底在怕什么；

我们对某个决策犹豫不决，但又讲不出具体的权衡标准。

这种“模糊感”在日常生活中或许无伤大雅，却会阻碍我们深度思考，做出良好的判断。

而现在的AI并不善于处理模糊。

你不能对它说：“帮我写点有深度的东西。”

你也不能说：“这个方案好像不太行，你看看？”

它会给你一个“看起来合理”的答案，但那往往只是语言模型的概率拼接，而非真正针对你问题的洞察。

要让AI成为你的认知伙伴，你必须先完成一项艰难的工作：把模糊的直觉转化为精确的语言。

这意味着你要回答四个问题：

1. 我要解决什么具体问题？（比如：“我如何在三个月内提升跨部门沟通效率”）

2. 我目前的判断或假设是什么？（比如：“我认为问题出在信息不同步，而非态度问题”）

3. 我缺哪块关键信息或视角？（比如：“我不清楚其他公司是如何设计协作流程的”）

4. 我会用什么标准判断一个答案是否有效？（比如：“方案的成本可控、且能被中层管理者接受”）

当你能清晰写出这四点，你其实已经完成了80%的思考。剩下的20%，才是AI可以帮你的部分。

这个过程，就是“输出倒逼输入”——你不是在向AI索取答案，而是逼自己理清逻辑。

数学家波利亚说：“如果你不能向一个聪明的外行解释清楚一个问题，说明你自己也没真正理解它。”

现在，AI就是那个永远认真听你说话、但从不假装听懂的“外行”。

02 多元视角

我们的认知，本质上是一个由经验、记忆和偏见编织成的网。

这张网能高效过滤信息，但也容易形成“确认偏误”——我们只看到自己相信的东西。

而AI，虽然没有意识，却拥有一个由海量文本训练出的“知识库”。

它可能不懂你所在行业的潜规则，但它知道各大学科的重要原理、知道各种故事案例。

我们要做的，就是让AI提供更多元的视角。

视野代表搜索空间。

如果你的视野局限在眼前的成败，你能做的就只是重复熟悉的动作。

但如果你的视野扩展到其他行业、历史周期或不同学科的逻辑，你就能看到新选项、发现隐藏模式、甚至重新定义问题。

比如，你认为“远程办公会降低团队凝聚力”，你可以这样问AI：

“我观察到我们团队远程后协作变少，我推测是因为缺乏非正式交流。但我担心这是归因错误。请提供三个可能反驳我这个假设的视角，最好来自组织行为学、社会心理学或管理实践。”

AI可能会告诉你：

• 有些研究发现，远程反而减少了办公室政治，提升了心理安全感；

• 凝聚力的关键不是‘见面频率’，而是‘共同目标感’和‘互信机制’；

• 某些科技公司通过‘虚拟咖啡时间+明确OKR’实现了高凝聚力远程团队。

有些信息你需要追根溯源，有些信息能补充我们的思维盲区。

更重要的是，我们要学会批判性审视AI的回答。

当AI引用“自控力像肌肉一样会疲劳”（即Baumeister的自我损耗理论），你就该警惕——因为近十年大量重复实验未能复现该结果，学界已普遍质疑其可靠性。

当AI提到“人类工作记忆容量是7±2个组块”，你也该知道，现代认知科学更倾向于认为这个数字在复杂任务中远低于此，且高度依赖情境。

纠正AI的过程，也是你在梳理自己知识体系的过程。

这是一种双向审视。

03 迭代反馈

传统搜索是“获取静态答案”，与AI协作是“对话打磨”。

但很多人浪费了这个优势。

他们问一次，不满意就换关键词再问一次，或者直接放弃。

他们没意识到：高质量的认知产出，往往诞生于第三轮甚至第五轮追问之后。

我有时候写文章，会让AI帮我搜集素材，但它每次给出的素材要么写的非常机械味，要么素材已经烂大街了。

所以我一般会考虑让AI多给出几个素材，然后我从中挑选。

挑选之后我会继续对话：这个例子不错，但能不能换个更具体的场景？”

或者：“你说的有道理，但有没有反面案例？有没有人试过却失败了？”

有时候它给的答案还是太泛，我就再问：“如果按这个思路，下一步该注意什么？”

来回几次，慢慢就从一堆模糊信息里，摸出一点真正能用的东西。

毕竟，创造性的任务往往是模糊的。

我很多时候都说不清自己想要什么，只有真看到了，才知道。

这就需要我们反复与AI对话。

对话的过程就是思考的过程。

不要期待一次提示语就得到完美答案。

04 主动内化

与AI对话的目的是为了自我的成长。

AI可以提供很多很多的信息和观点，但只有我们写下来，并认真去思考、加工信息，才能形成我们的概念、判断和模型。

很多人与AI聊了很多，感觉自己懂了更多，思路更顺了，甚至能写出更像样的文字。

但这种进步常常只是表面，离开对话框后，遇到同样的问题，依旧不知道该如何取舍，依旧无法独立给出结论。

这样的对话不是成长，只是依赖。

具体怎么做（简单上手版）？

1.带着意图提问。

每一次提问时，清晰表达自己的想法，最好自己有一个对话的目的，想弄清楚一个什么问题，提供充足的背景语料（context），之后用合适的prompt与AI开始对话。

2.保持开放与批判性。

在对话过程中，理解AI想表达的意思，指出AI信息中的漏洞和优点。比如不少AI仍会使用过时的科学结果，像“左脑理性、右脑感性”这种早已被神经科学界摒弃的流行迷思。纠正 AI 的过程，也是我们提炼知识体系的过程。

3,.完成认知闭环。

对话的终点不应停留在屏幕上，而应落实在你的思考中。根据双方的对话，将碎片化的启发整理成结构化的、更清晰的思考笔记。你可以将这份笔记发给 AI 请求反馈，也可以直接将其作为你的行动指南。关键在于：必须由你亲手写下结论，才算是将“外脑”的算力转化为“内脑”的认知。

4.留出整理时间。

如果你有一个小时，与AI对话的时间不应该超过30分钟。剩下30分钟都要用来整理信息和思维。

5.建立知识管理习惯。

不要让有价值的对话散落在聊天记录里，定期回顾那些曾帮你理清问题的问答，把核心洞见归档到你的笔记系统中。久而久之，这些积累会形成你独有的“思考脚手架”。毕竟AI提供的只是信息，要真正融入我们的大脑中，还需要我们反复内化。

我的微信：