谷歌新 AI 炸場，設計師/前端又失業？AI淘汰的是不會提問的人

這兩天，大伙兒的朋友圈、視頻號、X 上，應該都被谷歌刷屏了。

Gemini 3，史上最強多模態模型；Nano Banana Pro，4K 級 AI 畫圖神器；

再加上一堆“吊打”“逆襲”“炸裂”的標題，仿佛只要點點按鈕，我們馬上就能一鍵變身：

設計師圈的，海報、PPT、LOGO 信手拈來；

程序員圈的，代碼一行不敲，項目自動上線。

我們也上手測試一番，必須承認 AI 這次把各種技能的門檻再度拉低。

然而，門檻并沒有消失，只是悄悄挪了個位置。

過去的門檻，是“你會不會做”； 現在的門檻，變成了“你會不會問、會不會審、會不會改”。

這就是今天我們想跟你聊的：在 Gemini 3 + Nano Banana Pro 時代，AI 放大的，不只是生產力，還有人與人之間的差距。

媒體口中的“全民專家時代”

先把時間撥回過去兩天。

Gemini 3 發布，Nano Banana Pro 跟著亮相，媒體們的興奮程度，幾乎可以用“嗓子都喊啞了”來形容。

官方給出的宣傳點，大概是這樣的：

Gemini 3 Pro： 多模態推理更強，能看視頻、讀長文、寫代碼，還能一步步展示“Deep Think”推理過程；

基準測試： 在復雜推理、定理證明、新一代 ARC-AGI 測試上，分數很漂亮；

Nano Banana Pro： 基于 Gemini 3 Pro 打底，不只是“畫得好看”，還能生成信息圖、數據可視化，號稱 4K 級圖像生成與編輯。

以下是Tina使用Gemini 3制作的【漢字筆畫生成器】

完整應用已上線：https://hanzi.tina-ai.xyz/

面對這樣驚艷的效果，國內外社交媒體基本分兩撥。

一撥是興奮派：“這下真是人人都是設計師了！” “Gemini 3 這推理能力，感覺已經是‘會思考的同事’了。”

另一撥是焦慮派：“那我這種剛學完 PS、剛入門數據分析的，是不是直接畢業了？” “前端用 AI 就能搞定了，前端程序員要失業了？”

不管你屬于哪一撥，這些想象，非常符合人性：

我們希望工具能幫我們跳過枯燥的訓練，直接抵達“出結果”的那一刻；

我們也本能地害怕：如果人人都拿到了同一把“神器”，那我還有什么優勢？

看似矛盾的看法，背后都有同樣的假設：只要把 AI 工具升級到足夠強大，門檻就會被徹底抹平。

真的如此嗎？

谷歌AI這次很強，但大家的期待可能有點離譜

不妨先看幾個比較“扎心”的現場案例。

The Verge 的編輯拿到 Nano Banana Pro，做了幾組很接地氣的測試： 把一張節日家庭合照，背景從室內換成海灘；給人物換套衣服；調整光源方向。

聽上去都不難，是吧？這可是號稱 4K 圖像、專業級編輯能力的模型。

結果呢？

有的圖片里，人物衣服被莫名其妙“減料”，多出了一些尷尬的裸露細節；

有的畫面，手腳比例怪異、腳趾數量不對、陰影方向和光源完全對不上；

有些場景，你讓它加一句文字，它給你加了，但字體、位置、對比度，怎么看怎么別扭。

你要說它不行嗎？也不至于。 光影的大致方向，它能理解；大場景切換，它也能完成。

問題在于：它給出的結果，從“60 分能用”到“95 分驚艷”，取決于誰在用、怎么用。

同一套工具： 在專業設計師手里，它是“加速器”； 在完全不懂構圖、色彩、信息密度的人手里，它是“放大器”——放大的是混亂和審美災難。

再看 Gemini 3 本體。 雖然官方成績單耀眼，但在真實開發者手里，同樣不是簡單的遙遙領先。

前端生成效果非常強大，但在不同場景仍然沒有那么完美。

有人在 GitHub 吐槽，如果不先把需求拆解清楚，直接一句話丟給它，輸出質量依然不穩定。Deep Think 模式雖然厲害，但并不適合所有任務。

Reddit用戶吐槽

總結一下就是——AI 沒辜負你，但你對“神器”的期待，可能有點離譜。

這就像你給一個剛學會騎電動車的人，塞了一輛 F1 賽車鑰匙： 車確實更快、操控確實更強；但如果不懂路線、不懂規則、不會控制油門，再好的車也只會把你送進護欄。

真正的問題，根本不在“工具有沒有變強”，而在另外一件事： 工具變強之后，門檻到底遷移到了哪里？

門檻遷移與普通人的機會

咱們換個角度看。 在 Gemini 3 + Nano Banana Pro 之前，做一份像樣的內容，大概是這樣：

1.想清楚要表達什么；

2.查資料、做分析、寫大綱；

3.打開 PPT/PS，從空白頁開始排版；

4.一版版改，靠自己審或同事提意見。

過去的門檻，是“你會不會做”，現在工具變強了，流程變成了：

1.依然要想清楚要表達什么（甚至要更清楚，因為 AI 需要結構化輸入）；

2.依然要做資料與邏輯梳理；

3.把需求翻譯成機器能懂的提示詞：目標、對象、限制、示例；

4.審 AI 給出的版本：邏輯對不對？重點有沒有淹沒？哪里怪怪的？

你會發現，AI 并沒有讓你省掉“腦力勞動”，而是把重心從“你會不會做”遷移到了“你會不會問、會不會審、會不會改”。

會問： 能不能把模糊想法拆成明確要求？

會審： 能不能看出圖表或文本的邏輯問題？

會改： 能否精準告訴 AI 哪里需要優化？

過去這些能力是“隱性的”，大家默認做事要從軟件技能開始。現在有了 AI，這些反而成了體現差距的關鍵。

同樣用 Gemini 3： 有結構化思維的人能從 70 分提升到 95； 不具備這套能力的人也許從 40 分提升到 60，但差距反而被拉大。

對了寫到這，你有沒有發現這篇文章的配圖全部都是Nano Banana生成的？

普通人怎么破局？

AI時代，最危險的不是“你不會用哪個模型”，而是你依然把自己當成“工具的操作者”。

這不僅僅是我們這一代職場人的突圍戰，更是下一代教育的分水嶺。

如果說我們現在學習“AI 協作”是為了不被淘汰，那對于 8-16 歲的孩子來說，這已經是他們未來的生存出廠設置。

在這個寒假，與其讓孩子沉迷于做一個被動消費的“玩家”，不如帶他跨過那個新門檻，成為定義規則的“造物主”。

前哨AI冬令營沒有死記硬背，只有管理AI的實操方法； 不只要會使用AI，更要能指揮 AI 造成屬于小朋友的第一個AI產品。

通往未來的門票，就在這張海報里：