与其焦虑“我做什么AI做不了”，不如思考“我+AI能做什么别人做不了”。

现实已经决定了，我们不是训练AI的人，大多数人是使用或消费的人，打个比喻，就像我们不是驯马的人，而是骑马的人。

作为普通人，连顶尖的大脑都不知道AI会最发展成什么样，加上未来不可预测，

所以，我们应该考虑如何骑马，有什么样的“马”就学会骑什么样的“马”。

01

焦虑是真的，但方向错了

德银最新调查：近四分之一18-34岁的年轻人担心未来两年内会因AI失业。

斯坦福和哈佛的研究更残酷：高AI暴露度职业中，22-25岁劳动者就业率下降6%，软件开发领域年轻从业者就业率较峰值下滑近20%。

数据不会说谎。如果你也在焦虑“我还有什么价值”，你不是一个人。

但问题是：市面上流行的解法——“找到AI无法替代的能力”——真的对吗？

“找不可替代性”本身就是工业时代的思维陷阱——它预设了“人要和机器赛跑”。但历史证明，在效率赛道上，人永远跑不过机器。

两百年前的马车夫，如果他整天琢磨“马有什么做不到的”——结局会不同吗？不会。因为当汽车出现，赛道本身被换掉了。

今天也一样。你还在琢磨“写作AI写得好不好”“编程AI写得对不对”，本质上是在用工业时代的思维，解信息时代的问题。

这个思维的深层，藏着我们人性的“贪嗔痴”：总想找到一个安全角落，一劳永逸。

但理想汽车的李想点破了真相：AI时代，专业差距不会消失，只会从100倍放大到10000倍。

为什么？

02

人才竞争力的终极公式

李想有一个核心观点：

最终价值 = 专业能力 × AI/Agent杠杆

辉哥自己花了整整一年，全身心投入到AI迁移应用中，亲身验证了这个公式。

但这里有一个关键问题：专业能力到底是什么？

经过大量实践，辉哥把它拆解成三个核心要素：

专业能力 = 判断力 × 经验 × 视野

判断力：抓重点、做决策、少犯错

经验：踩过坑、见过事、能落地

视野：看全局、懂趋势、知边界

缺一，专业能力直接断崖式下跌。

只靠判断力：容易飘，不落地

只靠经验：容易固执，跟不上时代

只靠视野：容易空想，无法执行任何一个短板，都会被另外两项放大弱点。

所以，AI时代的人才竞争力终极公式就是：

最终价值 = (判断力 × 经验 × 视野) × AI杠杆

非AI时代，专业能力的差距是100倍很正常。

AI时代，杠杆一上，差距直接拉到10000倍完全合理。

AI不抹平差距，它只负责把差距算到极致。

03

那怎么办？H型人才是答案

理解了公式，下一个问题就是：人应该长成什么样，才能在这个公式里得分？

最近清华大学调整了人才培养策略，转向培养“H型人才”。这个方向，恰恰点破了AI时代的成长路径。

先理清几个概念的演变：

T型人才：一专多能的基础型复合人才。一个领域纵深，多个领域有本科级通识。工业时代够用，因为那时候分工明确。

π型人才：双专多能的抗风险型人才。两个领域纵深，有一定的跨领域整合能力。互联网时代流行，因为不知道竞争对手来自哪个方向，需要双重保险。

H型人才：两个领域有很深的知识，而在两个领域的交界处，有非常广泛的认知，使得两个领域打通了交叉，能处理更复杂的问题。

H型的核心是：双领域纵深 + 中间地带打通。

比如：

AI + 医疗

能源 + AI

新闻 + 计算机

法学 + 外语

脑机接口 + 认知脑科学

为什么AI时代必须走向H型？

因为中间地带，就是意图产生的地方，也是人类最后的护城河。

04

H型如何放大公式的三个因子

把H型结构代入竞争力公式，你会发现一个惊人的事实：

H型不是简单的“会两样”，而是让判断力、经验、视野这三个因子，在中间地带产生化学反应。

判断力_H：中间地带的决策能力

举个例子：AI医疗产品经理。

光懂AI，你不知道哪个临床问题值得解。

光懂医疗，你不知道AI能解到哪一步。判断力_H，就是在“AI如何辅助临床决策”这个中间地带，知道：

医生在什么场景下真正需要AI

什么时机切入最自然

什么功能会触发医生的抵触

这种判断力，来自对两个领域的深度理解，更来自对交叉地带的长期浸泡。

经验_H：双领域踩坑的复利

踩过技术的坑：数据脏了、模型偏了、算力不够了。

踩过业务的坑：用户不买账、流程推不动、合规过不了。经验_H，是这些坑在中间地带叠加产生的复利效应。

你见过AI怎么翻车，也见过业务怎么死掉——当别人还在试错时，你已经知道哪条路走不通。

视野_H：看两个领域+交叉点的趋势

懂AI的人，知道技术往哪个方向演进。

懂医疗的人，知道政策往哪个方向收紧。视野_H，是同时看到两个领域的趋势，并在中间地带找到机会：

技术能做什么

业务需要什么

交叉点在哪里爆发

05

为什么要骑马，而不是与马赛跑

回到开头的比喻。

T型人才，是在一个领域里和马赛跑的人。他们拼命强化“马做不到的”，但跑得再快，也跑不过汽车。

π型人才，是养了两匹马的人。抗风险能力确实强了，但如果还在赛跑思维里，两匹马也跑不过汽车。

H型人才，是骑马的人。

他们不研究“人跑多快”，而是研究：

马适合什么路况

怎么喂马更听话

马和骑手怎么配合才能最快到达目的地

AI是马，人是骑手。

马越来越快，但骑马的人永远不会消失——只会越来越精。

因为：

Agent管“怎么做”，人管“为什么做”

Agent执行，人定方向

Agent优化，人定标准

Agent运算，人定伦理

06

行动建议：怎么成为H型人才

如果你认同这个方向，以下是可操作的路径：

第一，选对两个领域

不是随便选两个。原则是：

存量技能 + 增量技能

存量：你已经有积累的领域（吃饭的本事）

增量：AI时代必须补的领域（技术的、数据的、AI的）

纵深领域 + 应用领域

纵深：你能挖到多深（判断力×经验×视野的来源）

应用：这个深度在哪儿能变现

第二，刻意打通中间地带

别满足于“两个都会”。要主动问：

这两个领域打架的地方，怎么协调？

这两个领域结合的地方，能长出什么新东西？

这个交叉点，别人看不见，我看得见什么？

每天花30分钟，只看两个领域的交叉信息。

第三，用AI杠杆放大自己

把AI当实习生带：

教它：告诉它“为什么要这么做”

练它：让它试错，你复盘

用它：重复的、流程化的，全扔给它

你省下来的时间，全部投入到中间地带的深耕。

第四，死磕“人味儿”

所有能被规则化的、流程化的、数据化的，AI都会做得比你好。

但你独有的：

你在菜市场闻到的烟火气

你在深夜感受到的孤独

你在孩子笑脸上看到的纯粹

你在失败中长出的智慧

这些，AI永远只能是“模拟理解”。

这不是鸡汤，这是数据时代最稀缺的资源。

07

最后的话

二十年后回头看，今天这场AI焦虑，会像当年马车夫的恐慌一样，成为历史的一页。

区别在于：

有些人焦虑完，开始学骑马。

有些人焦虑完，继续和马赛跑，直到累死。H型人才，就是那个最懂马、也最懂路的人。

他们知道：

马会越来越快（AI杠杆持续放大）

但马永远需要骑手（人定方向、标准、伦理）

骑手的价值，不在跑得多快，而在看得多远、定得准、骑得稳

AI时代，只有H型人才配骑马。

而你准备在哪个领域，当一个精明的骑马人？