AI 时代，什么样的人不会被AI替代？

未来世界的三种人与你的选择

Dan Koe 把未来的人分成三类。它们更适合作为三种行为模式，而非固定的人口分类；同一个人在不同任务中也可能来回切换。

第一类是纯粹主义者。他们拒绝 AI，转向自然、简单和无屏幕生活。离线生活本身没有问题。当“拒绝技术”变成身份以后，任务是否适合使用工具已经不再重要，维护阵营纯洁性取代了现实判断。身体、工作或财务问题需要外部工具解决时，这种身份会把可用选择一并挡在门外。

第二类是机器人化的人。他们追求无摩擦和持续优化，把搜索、写作、安排甚至选择目标都交给模型。效率可能上升，判断能力却因缺少练习而退化。没有 AI 时无法开始，不知道什么算好，也分不清自己的决定和模型的默认答案。

第三类是数字文艺复兴人。他使用 AI 扩大行动能力，又保留目标、取舍、品味和责任；工作时调动技术，离开工作后仍能回到运动、阅读、自然和真实关系。他不以使用多少 AI 判断先进程度，而是按任务决定工具该进入哪里、退出哪里。

点击下面四个视图，可以分别聚焦三种模式，同时保留另外两类作为参照。

三种模式的分界线是主体性：纯粹主义者让阵营身份替自己做决定，机器人化的人让模型默认替自己做决定，数字文艺复兴人亲自设定目标和标准，再选择工具。

这条分界还连接着四个相互牵动的维度：心智、身体、精神和金钱。只发展内在世界，现实能力可能塌陷；只追求金钱、效率和进步，生活会被持续优化吞没。多维发展不要求四项平均用力，它要求人能看见一个维度的增长正在给其他维度带来什么后果。

为什么“多面手”会统治 AI 时代？

Dan Koe 用工业化解释专才模式的形成。复杂生产被拆成岗位，教育和雇佣体系再把人训练成一个环节的熟练执行者。一个人因此很容易知道怎样完成分内任务，却看不到一件作品如何从问题、方案、制作、分发走到价值交换。

文艺复兴式工坊提供了另一种能力结构。达·芬奇进入 Verrocchio 的工作室学习绘画，同时接触解剖、工程、光学和青铜铸造。这些知识围绕真实作品发生联系，没有被分隔成互不相干的证书。工匠既是思考者也是制作者，理解的是完整操作，而非孤立步骤。

这段历史叙事过于整齐。前工业社会同样有专业分工、贫困和身份限制，现代专业教育也创造了大量可靠知识。它指向的当代变化仍然成立：AI 降低了跨环节尝试的门槛，一个人能够更快进入过去陌生的环节。

Dan Koe 把第二次文艺复兴概括成三个变化：作品证明逐渐取代简历，受众逐渐取代雇主，品味逐渐取代证书。一个人的能力越来越多地通过作品被看见，互联网让作品直接抵达受众，AI 则帮助个人覆盖研究、设计、代码、页面和运营。

机械执行变便宜以后，人的责任开始向上移动。

工具操作会从职业价值的终点变成基础。人仍要理解工具和领域知识，否则连错误都看不出来；更稀缺的部分转向跨域组装、质量判断、方向选择和结果责任。AI 可以生成一个页面，人仍要判断页面为谁服务、信息是否可信、体验是否有效，以及失败后由谁负责。

现有研究支持特定任务上的提效。哈佛商学院与 BCG 对 758 名咨询人员的实验发现，在 AI 能力边界内，工作速度提高超过 25%，完成任务数量提高超过 12%，人工评分表现提高超过 40%；模型能力边界之外的任务并没有同样收益。HBS 的研究说明

另一项覆盖 5,172 名客服人员的研究发现，AI 辅助使平均生产率提高 15%，主要收益集中在经验较少和技能较低的员工；最熟练员工只有较小的速度收益，并出现轻微质量下降。Generative AI at Work

多面手的优势来自多个环节能够在同一个人手中快速闭环。研究、制作、发布和反馈之间减少了交接，个人也更容易让一个环节的发现立即改变另一个环节。能力组合并非越多越好；只有围绕同一个作品或事业相互增益时，广度才会形成复利。

这种结构最终落到“一人企业”。这里的创作者不等于网红，而是能够发现问题、做出解决方案、帮助别人并完成价值交换的人。持续公开作品会积累受众对其判断的了解，了解逐渐形成信任，信任再降低产品、服务和合作的沟通成本。这解释了“受众取代雇主”为什么不只是拥有一个分发账号。

一人企业获得的是对完整价值链更大的控制范围。领域知识决定解决什么问题，内容负责抵达受众，反馈帮助校正需求，产品或服务固定解决方案，收入支持下一轮投入。模型、社交平台、支付、云服务和专业伙伴仍然构成外部基础设施。

Dan Koe 认为，一个人现在可能完成过去 10—50 人团队的工作，并用 James Clear 的新闻邮件、图书和内容说明个人品牌如何为长期作品提供分发。这种倍数只可能出现在部分低协调、强数字化任务中，现有证据无法推出一个人普遍替代几十人。原文末尾也把这套逻辑引向作者自己的 Creator Bootcamp；它既是作者相信的方法，也是其产品对应的需求。

打造“不可替代能力栈”的三个层次

通才不等于同时追逐所有兴趣。Dan Koe 要求把写作、设计、营销、编程、健身或哲学汇入一个核心载体：一项产品、一门课程、一种咨询服务、一套研究，或者一个长期内容主题。

核心技艺需要同时满足三个约束：你愿意长期关心，你能形成不同于他人的组合，别人愿意为结果付出金钱、时间或注意力。缺少长期关心，很难积累；缺少独特组合，容易陷入同质竞争；缺少价值交换，兴趣难以成为可持续事业。

第一层是理解人性与商业本质。写作、表达、营销、销售、心理和注意力机制，决定你能否看见需求、说明价值并让别人采取行动。这些能力不依附某款软件，迁移性最高。

第二层是个人兴趣与直接经验的交叉。哲学、健身、设计、教育、编程或营养单独看都不稀缺，组合方式会形成不同的问题意识。“懂哲学的健身者”比只在书房讨论身体的人多了一层现实检验；“懂设计的程序员”也更容易同时处理功能与体验。

第三层是具体工具和技术。邮件软件、Photoshop、无代码工具、社交媒体管理和代码语法都属于这一层。它们仍要学到足以提出要求、发现错误和修改结果，职业身份却不能只押在某个工具界面上。机械部分被自动化后，人的角色会从操作员上移到编辑、导演和系统负责人。

能力栈还需要一种形成品味的方法。项目式学习负责暴露问题，学徒制负责建立质量感。先选择一个值得模仿的高手样本，观察其结构、取舍和标准，再在真实项目中复现；模仿失败的地方会暴露知识缺口，外部结果又会迫使人修正理解。经过多轮比较和制作，判断才逐渐从“像不像高手”变成“为什么这样更好”。

学习因此从真实交付开始。先做网页、文章、产品或自动化流程，让第一次尝试暴露具体障碍；随后只学习跨过当前障碍所需的内容，把新知识放回项目，再用运行结果、读者理解、用户使用或付费行为验收。书、导师、YouTube 和 AI 都可以提供建议，建议仍要经过试验和复查。

AI 的实战使用心法

AI 的价值远超搜索和一次性生成。它可以帮助人拆解一个陌生领域、规划页面或软件、搭建初稿、执行重复步骤，并在反馈之后继续修改。有效使用依赖四个连续动作。

第一，用 AI 发现自己还不知道什么。刚进入一个领域时，人往往连正确问题都提不出来。可以先让模型列出典型流程、必备能力、成功案例、失败模式和验收方式，再对照真实作品与可靠资料校正。AI 在这里承担探索工具，不能直接充当最终裁判。

第二，明确目标和“好成果”的标准。写清为谁解决什么问题、最终交付物、最低质量标准、必须核验的事实以及失败条件。Dan Koe 把 AI 比作一袋需要塑形的水；方向模糊时，模型只能根据常见模式猜测，输出会停留在平均水平。

第三，拒绝把初稿当终稿。页面、软件、文案和自动化的第一版通常都很粗糙。高手持续修改设计、功能、结构、事实和语言，每轮解决一类明确问题，并保留可以观察的前后差异。AI 缩短的是执行时间，市场理解、品味和信任仍然需要长期积累。

第四，尝试自动化自己的日常任务。选择一件高频工作，把输入、步骤、输出和检查条件写出来，再让 AI 判断它适合变成 prompt、skill、tool 还是 software。实际运行后记录错误，修改流程，再运行。自动化系统本身也是第一稿；第一次失败只能说明当前流程不够好，不能直接证明整个任务无法自动化。

任务最终会落入不同的人机分工：重复且错误代价低的工作可以优先自动化；重复但错误代价高的工作需要确定性检查；判断多但结果可逆的工作适合让 AI 提供备选；涉及身份表达、重要关系或高风险责任的工作由人主导。

Dan Koe 自己让 AI 扫描大量信息和趋势，却保留亲自写作。一方面，他享受写作过程；另一方面，文章价值取决于词句、节奏和读者感受，需要细微控制。自动化边界同时由任务能力和个人希望保留的生活组成。

高产出的生活节奏：向达尔文学习“反差式生活”

数字文艺复兴人生活在两种强度之间：工作时使用最先进的工具，集中处理困难问题；离开工作后停止优化和输入，回到运动、自然、阅读、关系与休息。持续半工作、半刷屏、半焦虑只会把两种状态都削弱。

Dan Koe 把意义感放在这种反差中。困难让完成后的满足有分量，投入让休息重新变得完整。高产出来自高强度专注与充分恢复的交替，而非让每一分钟都保持繁忙。

这种节律还允许工作服从任务和精力。固定八小时只是工业化组织工作的方式之一。对以作品和问题为中心的人，更实用的安排是把清醒时段交给最难的判断，任务完成后停止，把恢复视为下一轮工作的条件。AI 节省的时间若立刻被更多通知和生成任务填满，杠杆只提高了吞吐量，没有改善生活。

Dan Koe 用达尔文说明这种节律：早上 8:00—9:30进行第一段工作，处理信件和家庭事务后，从 10:30工作到中午，随后散步、阅读和休息。官方 Darwin Correspondence Project 基本支持两段上午工作和多次散步，也记录了下午 4:30—5:30处理当天事务。达尔文作息档案

这个案例可以支持“把最清醒的时间交给核心工作，并用散步和休息帮助思考”。它无法证明每天只工作三小时就能复制达尔文的产出；通信、阅读、观察和下午工作同样构成他的劳动。

哪些可以直接采用，哪些仍是预测

可以直接采用的方法包括：让多种能力服务一个核心事业；用真实项目和高手样本形成品味；先定义质量再让 AI 执行；把日常任务做成可重复流程；主动划分深度工作和完整休息。

需要继续验证的是作者对规模和历史的推演。

“一个人替代 10—50 人”目前只适合描述部分数字任务。“作品取代简历、品味取代证书”在写作、设计、软件和营销中越来越常见，医学、法律、航空和结构工程仍然依赖资质、同行审查与机构责任。

“现代工作只有约 250 年”也属于过度整齐的历史概括。工业革命确实把农业与手工业经济推向机械制造和工厂体系，重组了大量工作；它没有创造人类历史上第一份专业工作，也不能独自解释教育、自由和品味的全部变化。Britannica 的工业革命概述

原文引用 Naval Ravikant 关于“接近 70 亿人、未来接近 70 亿家公司”的愿景，人口数字已经过时。联合国记录显示，世界人口在 2022 年 11 月已经达到 80 亿。联合国人口资料 这不影响“更多人拥有独立生产能力”的愿景，只说明它仍是方向判断，不是已经发生的普遍现实。

AI 时代更难替代的人，不靠拒绝工具证明纯粹，也不靠外包思考追求效率。他能够选择值得解决的问题，调动不同能力完成结果，把机械执行交给系统，再亲自判断、验证并承担责任。