AI教母李飞飞最新访谈预测十年后仅剩两类工作者

AI成本归零？李飞飞直言：这是最大的谎言

近日，被誉为“AI教母”的李飞飞与MasterClass创始人David Rogier进行了一场深度播客对话，直击一个尖锐问题：AI正在重塑职场结构，十年之后，可能仅剩两类工作者能立足。

围绕这一判断，我们来拆解其中的核心观点与深层逻辑。

一、智能成本从未真正归零

行业里流传一句话：智能的成本正在趋近于零。但这句话真的靠谱吗？

先追问一句：这种说法，是不是第一次出现？互联网时代也有类似论调——流量成本会归零。但事实是，流量从未真正免费过。带宽、算力、传输，每一层都需要资金投入，到今天依然是一笔实打实的支出。同一个“成本归零”的叙事，换了个技术名词又讲了一遍，但从第一次提出至今，从未兑现过。

再追问：现实场景中真的便宜吗？很多情况下，调用一个足够强大的模型去完成复杂任务，实际花费未必比雇一个实习生低，有时甚至超过正式员工的成本。价格确实在下降，但“已经归零”和“正在下降”完全是两个概念。

最后追问：这句话建立在什么基础之上？李飞飞指出，它建立在“人类智能的深度和边界是已知的”这一假设上。但事实恰恰相反。体力劳动、认知劳动、情感劳动——人类的活动始终与人类智能深度交织，而人类智能对自然界而言，至今仍是一个未解之谜。连边界都没摸清楚，就断言成本要归零，等于给一个未知量下了确定结论。

即便只看目前AI确实很强的部分——大语言模型在语言智能上的进展真实且强大，能辅助商业分析、软件工程、逻辑推理。但语言智能只是人类智能的一个子集。除此之外，还有感知智能、空间智能、身体智能、情感智能，创造力从何而来，人类自己都尚未搞清。用一个子集的进展去证明整体已被解决，范畴上就出了错。

李飞飞的结论非常直接：任何声称“智能成本趋近于零”的人，都是不负责任的。人类的复杂性，不该被一句话轻易打发。

二、两种做法，暴露了对AI的误判

如果一个组织真的相信“智能成本归零”，接下来会发生什么？

第一种，把AI当成裁员的理由。

李飞飞以产品经理岗位为例。如今很多产品经理自己写代码，借助AI进行vibe coding，一个人就能完成原型，开发周期被大幅压缩。而十年前，标准的产品经理更像指挥，不需要写代码，要原型找设计师，要开发等工程师，一条产品管理生命周期在典型公司可能要花费数月。

然而，自动化思维的管理者看到的是：以后可以少招两个工程师。李飞飞看到的则是：设计师和工程师从“执行者”变成了“专攻最难问题的人”。AI没有替代任何人，它把每个人向上进阶了一个台阶，让大家能去做更复杂的事情。

第二种，把能用AI做一件事等同于能把这件事做好。

她特别提到自己不喜欢“vibe coding一个仪表盘”这种做法，因为那样做出来的东西只停留在前端，从未真正接入后端实际数据。一小时看起来挺好看，但之后就会因没接底层数据而失效。能用AI做一件事，和能把这件事做好，是两回事。很多人把“用上工具”这一步直接当成了终点，高估了“能做”本身的价值。

三、10年后，职场只剩2类人

David提出一个判断：职场会出现杠铃效应——两头变强，中间被挤掉。

他以文案撰稿为例。一个水平一般的文案，现在任何人用大语言模型都能达到差不多的水平。但如果你是世界顶尖的文案，前1%的那种，没人能轻易替代你。

第一类，就是这种顶尖专家。

第二类，David拿自己举例。他现在使用的大多数应用，都是自己用Claude Code或Codex搭建的，包括他整套CEO工具栈。他的待办清单App也是自建的，规则是：一件事如果停留超过一天半就必须被移除，逼着自己当场做决定。做一个应用的成本，已经从几个月缩短到一个周末。这类人能同时做很多事，自己上手、自己造工具、自己定义工作方式。

中间那些“还凑合”的人，两头都靠不上，生存空间正在被挤压。

李飞飞同意这个判断，但补充了一层：这两类人看起来做的事不同，驱动它们的却是同一种东西——主动性。专家靠主动性把自己最擅长的事钻研到别人追不上，通才靠主动性给自己造工具、定义工作流。

读到这，很多人会冒出一个想法：David是硅谷CEO，他当然能自己造工具，这跟普通人有什么关系？李飞飞恰恰在回应这个想法。很多人把David这类人称为“创业者”，但她觉得这个词被用窄了。硅谷常把它理解为“注册了一家公司、拿了融资”，她不同意。创业者这个词，很大程度上就是主动性的同义词。你可以是专科医生、K12老师、设计师，都可以具备这种主动性。

中间层的问题也不是缺天赋。从“等着被安排怎么用AI”切换到“我自己上手看看能干什么”，这一步跨出去，就有机会往两类人的方向靠拢。跨不出去会怎样？回到前面的例子：还凑合的水平，AI现在就能免费提供。没有人会再为这种水平的产出付钱，中间层不是被淘汰，而是这份工作本身不再需要人来做。

四、人还有大把AI追不上的东西

有人会问：万一技术再往前走，人类的判断力、创造力、情感智能，全都被自动化了呢？

李飞飞在访谈中花了一大段讲她自己的研究方向——空间智能。空间智能拆开是四件事：理解、推理、生成、交互。她举了投篮的例子：一个运动员投篮的瞬间，语言推理在参与其中——你会敏锐意识到球进没进、对比赛意味着什么；同时要看到整个球场、看到其他球员的位置、瞄准篮筐，这是深度空间性的；然后调整身体做出动作，这是深度物理性的。语言、空间、身体三种智能在投篮的一瞬间同时工作，不是排队进行的流水线。

而这几种智能成熟的时间，差得很远。进化花了超过5亿年才让空间智能成熟起来，语言智能花的时间比这短得多。今天AI真正加速的，只是人类演化史上最浅的那一层语言技能。大自然耗费五亿年沉淀下来的空间与身体智能，还远未被追上。

她给出了一个时间判断：这段差距不会用一百年才补上，可能连五十年都不用，但也绝不是一年之内的事。人还有大把AI追不上的东西。增强不是一种愿望，而是技术发展到这个阶段的一个科学判断。

五、第一步，找一个25岁以下的年轻人

李飞飞的建议很朴素：去找一个25岁以下的年轻人——你的孩子、侄子侄女，随便谁都行。他们中的大多数，已经在用AI了。带着纯粹的好奇心，请他们给你看看平时是怎么用的，用AI在做些什么。不需要懂计算机科学，也不需要知道该打开哪个App。让这个你已经信任的年轻人，花一个周末或者一次交流的时间，牵着你的手走一遍。等你真正了解了它是什么，那个世界就没那么可怕了。

写在最后

回到开头David的问题：工业革命自动化了体力劳动，AI要自动化智力劳动了，怎么办？

李飞飞的回答是：这个问题的前提就是错的。工业革命没有自动化劳动，AI也不会。10年后剩下的两类工作者，不是天赋分出来的，而是同一道分叉走出来的两条路。是被动接受，还是主动介入？人们需要重新设计自己和AI的关系。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI教母李飞飞最新访谈预测十年后仅剩两类工作者要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题