劉潤沒說透的：AI時代，你要遷徙的不是產品，是能力

劉潤的年度演講昨天刷屏了。

"進化的力量",2個半小時,講了4種大遷徙:角馬穿越馬拉河,烤匠從產品卷到情緒,京都紋付從和服染到T恤染,還有那個把嬰兒車改成狗車的日本公司。

看完我一直在想一個問題:

他講的這些,本質上都是"企業怎么活下去"。

角馬、烤匠、京都紋付,都是企業。

但對我們這些寫代碼的、做內容的、搞副業的普通人來說,還有一種更關鍵的遷徙,他沒講。

能力遷徙。

你自己的能力，正在經歷一場比角馬遷徙更殘酷的"生態位干旱化"。

有些能力的水草，正在快速枯竭。

而你可能還在那片干旱的草原上，拼命卷。

停下筆：哪些能力正在"干旱化"？

劉潤講了一個"品類僵化"的概念。

說的是企業對舊需求用力過猛，對新需求反應遲鈍。

床忘了人會坐著，餐桌忘了電器要電。

但我發現，個人的能力也在"僵化"。

純執行類的能力，正在快速貶值。

舉幾個例子。

編程。以前會寫Python、會寫React,就能拿20K。現在呢？

我這兩周用Claude Code做了幾個項目。B站自動回復評論、批量翻譯Paul Graham的文章、自動化寫作agent。

以前這些項目,我得寫好幾天代碼。現在?一個下午。

但我發現,我的時間沒花在寫代碼上,而是花在"想清楚要做什么"上。

AI可以寫代碼,但它不知道該做什么。

寫作。我最近用Claude Code搭了個自動化寫作工作流。

效果好到讓我自己都開始懷疑：如果AI能寫出3000字的文章，我的寫作能力還值錢嗎？

后來我想明白了：

AI可以替我寫，但不能替我想。

會碼字，不再是核心能力。會思考、會提煉觀點、會審校，才是。

這就是能力的"干旱化"。

那些曾經很值錢的"純執行類能力"，在AI時代，正在快速貶值。

就像劉潤說的角馬一樣：你什么都沒做錯，但雨季結束了。

換卷子：AI時代的新能力是什么?

MIT今年做了個研究,分析了2900項工作技能。

結論很有意思:

AI"很可能"完全替代的技能,只有19項。占比0.7%。

但有46%的技能,會被AI"增強"。

什么意思?就是AI能干大部分活,但你得盯著,得判斷,得最后拍板。

這個數據說明什么?

AI不是來搶你飯碗的,是來重新定義誰是高手的。

我之前在即刻上說過：

AI提供的生產力加成是不平均的。

什么意思？

同樣用AI，有人能做出產品，有人只能做出玩具。

差距在哪？

不在"會不會用AI"，在你有沒有這些新能力：

1. 判斷力

AI可以給你10個方案，但哪個對，你得自己判斷。

我用Claude Code的時候,經常遇到一個情況:

它給我生成3個方案。看起來都對。但哪個好?

有個方案功能全,但太重了,加載慢。有個方案輕量,但功能不夠。還有個方案平衡,但代碼復雜。

這時候,AI不會告訴你選哪個。它等你拍板。

"這個太重了,換個輕量的"——你得說。

"這個邏輯有問題,重新想"——你得判斷。

這就是判斷力。AI做不了這個。

2. 提問力

劉潤的演講里提到一個細節：AI智能鎖的創始人說，"我們用海量的照片訓練，教門鎖學會了看"。

但在這之前，他得先問對一個問題："門鎖的新需求是什么？"

不是"怎么做一把更安全的鎖"，而是"用戶在門口遇到了什么新問題"。

好的問題，決定了AI能給你什么答案。

我做自動化寫作agent的時候,最難的不是讓AI寫文章。

最難的是設計這9步流程:什么時候搜索信息?什么時候用個人素材庫?什么時候審校降AI味?

這些問題,AI回答不了。

它不知道"什么時候該干什么"。你得告訴它。

這就是提問力。你問得越準,AI干得越好。

3. 審校力

AI生成的內容，永遠需要人來審校。

不只是改錯別字，而是：

• 刪掉AI味很重的套話

• 加入真實的細節和經歷

• 調整邏輯和節奏

• 把"正確但無聊"變成"準確且有趣"

我寫過一篇關于AI寫作的文章,里面說：

AI幫我突破空白頁,但改的過程,仍然是我在思考。

審校,就是你的思考在起作用。

這個能力,AI永遠替代不了。

答新題：3個領域的能力重構

說了這么多理論,來點實際的。

我自己在3個領域,正在經歷能力遷徙:

編程：從"會寫代碼"到"會提需求+會審代碼"

以前我學編程,就是學語法、學框架、學設計模式。

現在不一樣了。

我用Claude Code做了幾個項目：B站+YouTube自動回復評論、批量翻譯Paul Graham的文章、自動化寫作agent。

我發現,我花時間最多的不是寫代碼,而是:

1. 想清楚要做什么

不是"我要做個爬蟲"。

而是"我要讓AI每天自動回復B站和YouTube的評論,但要過濾掉垃圾評論,還要保持我的語言風格"。

需求越清晰,AI寫出來的代碼越靠譜。

2. 審代碼

AI寫的代碼,不一定對。

有時候邏輯有問題,有時候性能不行,有時候沒考慮邊界情況。

你得會看、會改、會優化。

這和"會寫代碼"不一樣。

會寫,是從0到1。會審,是從60分改到90分。

后者在AI時代,更重要。

寫作：從"會碼字"到"會搭框架+會審校"

我做自媒體2年多了。

以前寫文章,最痛苦的是什么？空白頁。

你坐在電腦前,不知道第一句話怎么寫。

現在不一樣了。

AI可以幫我生成初稿,讓我有東西可以改。

但我發現,我花時間最多的,變成了兩件事:

1. 搭框架

文章要講什么?分幾個部分?每部分的核心觀點是什么?

這個框架,必須我自己搭。

因為只有我知道:我想表達什么,想說給誰聽,想達到什么效果。

AI做不了這個決定。

2. 審校降AI味

AI生成的文章,太標準了。

標準到像"三好學生作文"——正確,但無聊。

我得把那些"在當今時代"、"值得注意的是"、"綜上所述"全刪掉,換成真實的經歷、真實的觀察、真實的吐槽。

這個過程,就是在注入"人味"。

MIT的研究提出了一個EPOCH框架,說的就是人類獨有的能力:

• Empathy (共情)

• Pattern recognition (模式識別)

• Options/Creativity (創造力)

• Connectedness (連接)

• Hope, Vision, and Leadership (愿景和領導力)

AI做不了這些。但這些,恰恰是讓內容有溫度的關鍵。

其他領域的能力遷徙

不只是編程和寫作。

設計：從"會PS"到"會prompt+會審美"

以前做設計,要會PS、會AI。現在?豆包、Midjourney,輸個prompt就能生成圖。

但生成出來的10張圖,哪張好?這個審美,AI沒有。

你得知道,這個風格對不對、這個構圖行不行、這個色調符不符合品牌調性。

審美,成了核心能力。

數據分析：從"會SQL"到"會提問+會解讀"

AI可以幫你寫SQL、做可視化。

但它不知道,應該分析什么數據、從什么角度分析、分析出來的結果意味著什么。

這需要你對業務的理解。

項目管理：從"會排甘特圖"到"會拆解任務+會做決策"

AI可以幫你做項目規劃、排工期、分配資源。

但它做不了決策:這個需求要不要做?優先級怎么排?資源沖突怎么辦?

這需要判斷力。

你看,所有領域的能力遷徙,都指向同一個方向:

從"執行者"到"判斷者"。

劉潤說的對,也不對

回到開頭。

劉潤講的"大遷徙"理論,對企業沒錯。

烤匠從產品卷到情緒,京都紋付從和服染到T恤染,這些都是企業的遷徙。

但對我們這些普通人來說,他沒說透的是:

你自己的能力,也在經歷一場大遷徙。

而且這場遷徙,可能比企業的更殘酷。

那些曾經很值錢的"純執行類能力",在AI時代,正在快速貶值。

而那些"判斷力、提問力、審校力",正在變得越來越值錢。

這不是說執行不重要了,而是說:

AI時代的高手,是會用AI的判斷者,而不是會執行的工具人。

劉潤的演講里,有個細節我很喜歡。

他講智能吉他的時候,說了一句話:

我們真正的需求,從來都不是"學會一件樂器",而是"享受到創造音樂的美好"。

我想說:

AI時代,我們真正的需求,從來都不是"學會一項技能",而是"擁有解決問題的能力"。

技能會過時,能力不會。

AI會替代技能,但替代不了能力。

所以,別再問"AI會不會替代我"。

問問自己:

我現在的能力,是在喂飽AI,還是在駕馭AI?

如果是前者,那你正在一片正在干旱化的草原上,和一群角馬卷。

如果是后者,那恭喜你,你已經開啟了自己的能力大遷徙。

你的能力遷徙,從哪里開始?

劉潤的演講里,講了一個"品類大遷徙三步法":

停下筆、換卷子、答新題。

我覺得,能力遷徙也可以用這個框架:

停下筆：看看你現在最拿手的能力,有多少是"純執行類"的?這些能力,在AI時代還值錢嗎?

換卷子：AI時代需要什么新能力?判斷力、提問力、審校力,你有哪些?還缺哪些?

答新題：選一個領域,開始你的能力遷徙。從"會執行"變成"會判斷",從"會做"變成"會審"。

最后分享一個我在即刻上寫的觀點:

AI加成是不平均的。有幾種可能: 1、你比別人更懂AI工具 2、你比別人更懂平臺規則 3、你比別人更懂某個行業的領域知識

同樣用AI,有人做出10萬+閱讀,有人只能做出100閱讀的垃圾。

差距在哪?不在AI,在你。

在你會不會判斷、會不會提問、會不會審校。

所以,別抱怨AI搶飯碗。

它搶的,是那些本來就該被淘汰的"純執行"。

會寫Python但不會想需求的程序員,會碼字但不會搭框架的寫手,會翻譯但不懂領域的譯者。

而你要做的,是開啟自己的能力大遷徙:

從角馬,變成獅子。

從被AI增強,變成駕馭AI。

你的能力遷徙開始了嗎?歡迎在評論區聊聊你的想法。

參考資料:

• 劉潤年度演講2025:進化的力量

• MIT Sloan研究:AI更可能增強而非替代人類工作者(2025)

• 個人實踐:Claude Code自動化寫作工作流、AI編程經驗