活用AI技能：在费米能级职场中突围的关键策略

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

田渊栋的年终总结，这两天在圈子里传得挺广。

很多人转发的时候，关注点都放在了他被裁这件事上。

毕竟他在Meta干了十多年，是做强化学习的知名华人科学家，年初还被调去给Llama4救火，结果忙活大半年，10月份人被裁了。

但最近，我把他的这份年终总结反复读了几遍，看到他在总结里提出了一个大多数人会很陌生，但非常关键的概念——费米能级。

他说，AI时代的人才价值分布，会越来越像物理学里的费米能级。

先给不熟悉的朋友简单介绍一下田渊栋。

本科交大，博士CMU，毕业后先加入了Google无人驾驶团队。

后转入了Facebook的AI研究院，一待就是十多年。

他主要做的是强化学习方向，发过很多篇重要的论文。

这样的履历，让田渊栋前半段职业生涯过得很舒服。

他自己也说，在公司待久了，最近一两年做事说话都抱着一种让公司赶紧把我开了吧的心态，反而越来越放得开。

2024年底休长假的时候差点就走了，但最后没签离职的字。

但转折发生在2025年1月底，他被调去给Llama4救火。

作为一个做强化学习的老手，他在去之前还专门画了一个2乘2的回报矩阵，把各种可能性都算了一遍。

去帮忙，项目成了，皆大欢喜。

去帮忙，项目没成，至少问心无愧。

他算来算去，觉得去是最稳妥的选择。

结果最后发生的是他完全没算到的第五种可能：去帮忙，人被裁了。

一夜之间，他从大厂的首席科学家，变成了失业人员。

现在我们回到他写的年终总结。

其实他几乎没花什么篇幅在被裁员的情绪上，反而用大量的文字，写了一个他观察到的现象。

他说，以前我们理解职场，基本是这样一个模型：工作经验越多，能力越强，回报越大，是个单调递增的曲线。

所以大厂有职级，职级随年限晋升，越老越香。

但现在，情况变了。

现在评估一个人的价值，不再是看你本人能产出多少，而是看你能不能提高AI的能力。

「你加上AI的产出，要大于AI单独的产出，这样你才有存在的价值。」

AI的供给只会越来越便宜。

在很长一段成长期内，大多数人的能力是比不过AI的，所以这段时间里，人本身是没有价值的。

只有当人的能力强到一定程度，能够辅助AI变得更强，才开始有价值。

而且跨过这个门槛之后，厉害的人对AI的加成，会远远高于普通人。

因为普通人只会对AI的具体产出修修补补，而厉害的人能提出系统性的解决方案，让AI变得更强，这种效应会被几何级数放大。

这就像物理学里电子在材料中的分布：低于某个能级的电子遍地都是，高于这个能级的电子指数级减少。

这个能级，就是AI洪水的水位线。

田渊栋把它叫做「人类社会的费米能级」。

他看到AI时代的底层逻辑是：低于费米能级的职业，可能在一夜之间被颠覆。就像地震一样，前一天还是岁月静好，后一天整个行业被端掉了。

而且这条水位线还会一直往上涨。

他举了自己的例子。

他说，以前做项目，招人是很重要的一环。

但现在脑子里的第一个问题是：还需不需要人？

几个Codex进程一开，给它们下各种指令，它们就可以24小时不间断干活，速度远超任何人类。

而且随便PUA，永远听话，毫无怨言。

和AI工作，他现在最担心的是工作量有没有给够，有没有用完每天的剩余token数目。

然后他说：这每个月交给OpenAI的20块钱，一定要榨干它的价值。我突然意识到，就因为这区区20块钱，我已经成为了每个毛孔里都滴着血的肮脏资本家。

他能这么想，全世界最聪明和最富有的头脑，也一定会这么想。

所以他说：请大家丢掉幻想，准备战斗吧。

那在这种情况下，普通人应该怎么办？

田渊栋用了一个很有画面感的说法。

他说，未来的世界不再是传统故事里描绘的那样，人们为了争夺稀缺的武功秘籍或者寻找唯一的阿拉丁神灯而展开冒险。

相反，这将是一个遍地神灯的时代。

每一个AI都像是一个神灯，能力超群，渴望实现别人的愿望。

「在这种环境下，真正稀缺的不再是实现愿望的能力，而是愿望本身。」

大模型提供了极其廉价的思考结果，这种便利会让很多人逐渐失去思考的动力，久而久之丧失原创能力，思想被生成式内容绑架和同化。

最终变成一具空壳，连许愿的能力都失去了。

这就是新时代对懒人的定义：不是体力上的懒惰，而是精神上没有空闲去思考，没有能力去构思独特的东西。

他在总结的最后写下了一段话。

「如果将来的孩子立志要去土卫六开演唱会，或者想在黑洞边缘探险，千万不要打压这样看似荒诞的志向。因为这份宏大的愿望，或许正是他们一辈子主动思考的根本源泉，也是让他们始终屹立于费米能级之上的关键。」

田渊栋这篇年终总结想说的或许是：只要你还在主动思考，你就没有真正被淘汰。

用思考对抗同化，用目标对抗迷茫。

这或许才是AI时代，一个人最深的护城河。

延伸阅读：

田渊栋的年终总结：离开Meta后的去向以及关于AI的思考