隨著AI技術的飛速發展，尤其是大模型的廣泛應用，許多普通人開始感到焦慮和不安。AI是否會取代人類的工作？我們應如何應對AI帶來的不確定性？本文將深入探討AI帶來的焦慮根源，分析AI變革引發的不確定性以及資訊爆炸導致的掌控感缺失，並提出破解焦慮的方法，幫助大家從底層認知AI的價值，瞭解其影響邊界，並採取積極的應對措施。
———— / BEGIN / ————
2022 年 11 月 30 日，OpenAI 釋出的 ChatGPT 如同扔進數字世界的一顆原子彈。這個能與人類流暢對話的 AI 系統，在全球引發了一場史無前例的科技軍備競賽。
僅僅兩年時間，大模型生態已呈現出令人驚歎的 “寒武紀大爆發”。
2025年初，隨著DeepSeek的出圈，讓更多普通人發現原來大模型已經可以做到像人一樣“思考”。
接著，基於GJ競爭的角度（瞎猜），DeepSeek迅速被鎖死到了“基建”的位置。
很快，無數公司，無論本身是否是同行，一股腦全都快速接入了DeepSeek。
車輪滾滾向前，各種應用被“催熟”，也終於開始切實影響到了我們每一個普通人。
除了DeepSeek的破圈，杭州的機器人、AR眼鏡等方面也都有了質的突破。
宏觀層面，基於國家競爭，我們民族自豪感油然而生。但對微觀個體，AI對我們自己的影響、對從事行業的影響、甚至對人類未來生存的影響，又不得不讓我們陷入焦慮的情緒。
作為普通人，日子還是要過的呀，我們還是要正視焦慮，知其原因，做好應對。
本文從我個人的視角，做一些焦慮分析和應對建議，希望可以對大家有所啟發。
焦慮的原因
焦慮的來源，我認為主要來自於以下2個維度，相輔相成，綜合影響。
1. AI變革帶來不確定性
近幾年時間，宏觀經濟不太好，有些行業發展見頂，就業環境極差，大家對未來本來就充滿了悲觀。
很多公司基於降本提效出發，不斷裁員最佳化，也更沒有新增招人的需求。不少人處於失業的邊緣，至少也是生活的壓力變大。
AI時代的到來，大模型天然且強大的“提效”屬性，就進一步加深了這個矛盾。
可想而知，從企業的立場出發，一定會擁抱AI，為了更好看的財務報表。
同樣一個崗位，原來需要10個人，未來可能就需要5個人（每個人都使用AI作為助手輔助），在某些行業可能更慘。
回到個體角度，我們會不會成為被AI取代的那些人，這個也許是大家最惶恐的。
2. AI資訊爆炸，自己沒有掌控感
隨著AI的不斷發展，從晶片到大模型，再到應用，每天都有無數的產品更新出來。
這些資訊，疊加上自媒體的加工傳播，就形成了近似於無窮多的資訊海洋。
想要擁抱AI，發現知識點太多了，不知從何入手；再加上技術的更新迭代太快，有時候學著學著發現知識已經老化了。
人都想要有掌控感，尤其對於AI這一可能對未來影響極大的東西，誰都不想因此錯過未來的紅利。
但是，面向繁雜的知識和資訊，大部分人真的是無法做到有效掌控，這種矛盾也會給人帶來巨大的焦慮。
如何破解焦慮
1. 認知AI的價值（增量價值）
認知AI的價值，我們需要從最底層的原理和能力開始，不然就非常容易被一些眼花繚亂的內容所幹擾。
——本段不必要看懂——
當前主流大模型的最核心，其實就是“文字預測生成”。
核心原理：將海量資料集向量化，然後再透過機率大小來迭進式生成文字。這個過程，一般稱之為預訓練，如果需要適配特定領域或任務，還需要進行進一步的微調。
最終效果：你輸入一段文字，大模型給你返回一段文字，輸入的內容就是常說的prompt。
隨著大模型的迭代（獎勵推理過程），進而演化出了更高階的輸入理解能力和輸出表現能力。
大模型內在的邏輯，我們大部分人不需要搞明白，其實也沒有很多人能真正搞明白。
把大模型類比發動機，你不需要知道發動機的內部構造，只需要知道發動機可以做什麼就行。
這裡，大模型本身衍生了2類能力（生成能力、推理能力[依託生成能力]），核心分為4個場景：
① “對話”場景
對話是大模型最基礎也最重要的一種能力，也是從ChatGPT開始，大家才實現普通意義上的“用自然語言和機器互動”的能力。
它既能“聽懂”你輸入的文字，也能輸出你能理解且符合你預期的文字。
各類chat類應用（背後有各自大模型），如ChatGPT、豆包、DeepSeek，都能滿足你的對話需求。
“對話”這個能力，直接將人機互動的效率提升了N多倍。想想之前的siri、小度、小愛，沒有大模型時候，非常地不“智慧”。
當然“對話”場景更多伴隨著“求知”的場景出現。
② “求知”場景
對話場景下，一般都不會閒聊，基本上都會帶著“求知”的目的，你要解惑特定的內容。
在沒有大模型的時候，求知基本分為2種方式：一種是搜尋（如 百度、小紅書）看別人過去輸出的內容，另一種是透過問答交流（如 知乎問答、各類im）的方式得到答案。
搜尋帶有資訊時效性和個案的侷限性，但是成本較低；問答諮詢具備及時、全面的優勢，但是成本（供給資源、時間併發）卻很高。
當大模型出現後，我們發現它完美解決了以上2個問題。
你會發現AI可以化身一個個領域的專家（數學、物理、醫學、計算機……），你隨時隨地都可以和TA產生交流，TA的知識和經驗又是全體人類的結晶，超過了大部分的優秀個體。
人類從來沒有像今天一樣，在獲取知識方面如此簡單，你唯一需要做的就是提出你的問題。
③ “生成”場景
與AI對話是最基本的“文生文”的應用場景。
大模型既然能在文字方面做到海量資料形成生成性，那圖片、影片也不會有問題。
一樣的原理，近似的方式，大模型逐漸具備了多模態的能力。
於是乎，文字、聲音、圖片、影片相互之間都可以進行相互生成。
當然，再結合一些特定應用，也不會是問題。例如 幫你做個PPT，生成一些音樂創造，幫你擴充套件下圖片或影片……
市面上類似的應用，不勝列舉。
④ “任務”場景
如果說以上3個場景，還都是大模型基於海量資料的特徵學習產生的跟隨模仿能力。
那直到大模型“推理”效果初顯，尤其伴隨著DeepSeek的出圈，更多人看到了TA面對一個問題背後的邏輯性。
這一刻，大家意識到AI真的像一個會思考的人類。
你的複雜指令，TA也能理解並分步拆解，於是“任務”場景便出現了。
Agent屬於現在比較火的應用形態。最近一個AR眼鏡廠商出了一個宣傳影片：帶著AR眼鏡，朝向對面一家咖啡店，你只需要語音說：“我要點杯9.9的咖啡”，然後你就可以到店自提了。
也許未來“智慧硬體”+“任務”場景，能很大程度上改變我們的生活和工作方式。
2. AI的影響邊界（衝擊&機會）
以上介紹了大模型的很多新能力，我想大家對這一新技術有了大概的瞭解。
接下來，我們就看看AI會影響什麼東西，哪些是衝擊，哪些是機會？
1）對大部分行業沒太大沖擊，但對人有衝擊的
這裡以我所在的網際網路行業為例，做一些推論。大家其他行業也可以按邏輯自行代入評估影響。
——以下內容，純屬個人觀點預測，僅供參考——
① 生產履約類：以實物和服務為核心的事情，基本沒有太多影響（不考慮機器人的影響）；
② 業務類：業務是使用者和商業的核心紐帶，衝擊很小，一些點上可以提升效率，也可以在C端做一些產品結合；
③ 客服類：對客服來講，除情緒價值之外，更多是諮詢和解決問題，長期來看能被AI代替較多，衝擊不小；
④ 技術類：對設計、技術來講，尤其是編碼童鞋，藉助生成和任務場景的能力，長線肯定是衝擊最大的；部分的產品工作，也可能會受到一定衝擊；
⑤ 後臺類：對內部諮詢答疑、基礎重複性工作屬性的崗位，衝擊應該也是比較大的；
大家會發現，AI更多是工具的作用，核心還是提效。有些是基於應用層的提效，有些是深層次的提效。
這些提效的部分，人被AI取代的可能性會較大，其他的非相關領域本質上並不會受AI很大的影響。
2）對部分行業可能存在較大沖擊（當然也可能是機會）
① 以知識、經驗輸出（非實體操作技能）的工種。因為大模型的“求知”應答能力，長期來看會強過大部分的人體。例如 律師、醫生等垂直經驗專家。
② 各類垂直細分的工具類產品。大模型的基礎能力會逐漸內化絕大部分的工具能力，再結合“對話”和“任務”能力，大家可能不需要再逐個訪問它們。例如 天氣預報、翻譯軟體等。
③ 部分的平臺，也可能存在較大的衝擊風險。因為“任務”場景下，使用者的行為路徑可能會產生重大變化，進而就會影響到一些流量的分配機制。例如一些電商、本地生活、搜尋等。
這裡，還拿上文那個點咖啡的例子來講。
“你帶著AR眼鏡，你只需要語音說：“我要點杯9.9的咖啡”，然後你就可以到店自提/坐等外賣了。”
我們分析下使用者行為路徑的變化以及可能的流量路徑：
你覺得未來，一切成熟了，使用者還有必要直接訪問美團app去點餐嗎？
當然，你可以把上圖中的美團平臺換成百度搜索，可能更有體感。
3）大模型帶來的增量機會
這波兒大模型生態上下游，一定會誕生很多超牛的公司，像今天大火了的DeepSeek。
現在很多軟體層的創業，基本集中在大模型和應用2個層面。
① 模型層
隨著DeepSeek的開源和出圈，各家基本上都已經接入，現在DeepSeek基本處於“最底層”的模型。
一些大廠會保留自己的模型，進而將能力逐漸都拉齊到終極水平。
當後續模型能力差不多時候，可能就會變為卷價格的競爭階段。
模型層的開發，就業崗位少，對人的能力要求高，不太適合普通人的選擇。
② Chat類應用
現在市面上常見的chat類應用有很多，如DeepSeek、豆包、kimi、元寶等等。
但是隨著行業的發展，最終能存活下來的，也一定不會這麼多。
作為工具，大模型底層能力趨同，互動體驗很容易拉齊，最終可能就會變為流量的博弈。
有沒有可能不需要一個單獨的chat應用？微信如果把各種功能整合得很好，是不是本身就是AI的超級應用。
總之，chat應用的創業，在未來也會面臨很大的不確定性。
③ 創新應用（重度依賴大模型能力）
重度依賴大模型能力進行的創新應用，以各種“生成”能力為代表的工具。
可能會跑出來一些比較好的個體，但是最終我覺得大機率會被整合到超級AI應用，也許被收編。
原因如下：大模型能力越來越強，且是開放的；使用者不可能裝一大堆的各種工具應用；應用層的產品很容易被“模仿”。
這部分創業機會，面試的風險也是巨大的，但肯定會有很多的嘗試。畢竟大部分公司搞不了大模型，只能在應用層發力。
④ 傳統應用
傳統應用就是指大模型沒有出來之前，市面上存量的一切商業應用。
自研的業務系統，以及各類商業saas系統，這些應用本身解決的都是特定領域的專業問題。
AI時代的到來，可以預見這些應用都會直接或間接地接入大模型。
大部分系統，都可以藉助大模型的能力重塑一遍，進而提升效率。
當然，也有一些系統，會在大模型的暴力運算加持下，取得一些質的飛躍，例如醫療、科學研究等。
傳統應用本來就是歷史存量的市場，你我大家都在其中，我們都可以抓住這個機會。
3. 個體如何應對AI的影響
以上，我們講了AI的能力，以及AI可能的影響範圍。
顯而易見，AI在接下來的工作和生活中，一定會和大家密切相關。
作為個體，面向AI，我們如何應對呢？我認為可以從以下3個方面做準備：
① 積極擁抱，熟練掌握
上邊簡單講了AI的底層能力和影響邊界，大家應該知曉AI擅長做什麼。
作為一項新質生產力，我們肯定是要積極擁抱TA，並熟練掌握的。
但具體到日常使用，我們還有很多的路要走。面向眼花繚亂的各類資訊，我們得想想哪些真的是自己需要的？自己和AI的交集到底有哪些？
我自己分析下來，普通人（除了創業者）主要的需求點主要有3類：
-
感興趣/從業者，瞭解大模型底層原理（現在自媒體很發達，大家有心的話，很容易就能瞭解；不要為了一些亂七八糟的東西付費，防止被割韭菜）
-
掌握AI相關應用工具（習慣使用DeepSeek、豆包app，並結合到日常工作和生活中進行提效，鍛鍊自己提問題的能力）
-
從業者，把AI功能融入到自己工作中，瞭解大模型的一些上下游（思考自己工作中的各個環節，結合AI的能力特性進行改造）
② 面向影響，錯位競爭
大家最擔心，是AI搶了自己的飯碗，但其實本質上是別人搶了你的飯碗，AI只是加劇了你們的競爭程序。
兩個人同時被老虎追，你不需要跑得過老虎，你只需要比另一個人跑得快就行。
面對AI的影響，我們需要做的也是如此，錯位競爭，比別人優勢多一些即可。
同樣崗位的人，會AI的就比不會的人競爭力強；
都用AI的情況下，你要提升你的綜合素養，例如技術懂產品，產品懂業務，越靠近商業和使用者就越安全；
提前看看哪些是AI無法取代的技能，可以提前學習和儲備，作為以後的planB；
如果是一些學生，未來選擇職業發展道路，就提前規避AI滲透率高的賽道，例如學學藝術類；
③ 平和心態，長期思維
AI是對一個時代的影響，我們沒必要產生巨大的焦慮和絕望。
凡事都有兩面性，AI可能給我們帶來就業風險，但我們也應該想想AI正向的作用，例如 知識的平權、交通不擁擠、醫療未來突破會加快、機器人幹活人類享受生活 等等。
未來有太多的不確定性，我們只能把握確定性的事情，個人的身體和心態是最重要的。
讓我們保持長期思維，投資自己，積極面對未來的各種可能性。
當時，長期思維還可以投資股票基金（如果你對AI看好的話），畢竟能否從事AI這一行靠機緣，但如何投錢還可以靠自己的眼光。
———— / E N D / ————
本文來自微信公眾號：產品雜談，作者：產品雜談
👇 掃碼加入AI共學交流群，獲取最新AI動態、實用工具和行業報告，不讓資訊差拉開距離。
———— / 推薦閱讀 / ————