2025復盤時刻：AI智能涌現，人類靈光乍現

站在2025年的尾巴上眺望2026，面對AI所帶來的外部挑戰，最近越來越感受到一種群體性的復雜情緒正在出現。

在ChatGPT、DeepSeek接連炸場之后，人們對震驚體疲憊的同時，錯失恐懼癥（FOMO）也正在從硅谷蔓延到全球，甚至每一個普通人。

這種錯失的焦慮不再局限于程序員擔心代碼被接管，或者最早的畫師擔心風格被模仿，它已經滲透進我們工作生活的毛細血管：從學習和教育到工作和設計，從企業管理到內容營銷……千行百業都在被AI重塑。

從大洋彼岸的谷歌更新一系列AI工具，到杭州類似螞蟻靈光這一類全模態、低代碼AI產品大爆發，AI技術已經不再是模型大戰，而是像水和電一樣，無差別地流向了所有人。

這兩年，相信許多人都問過自己同一個問題：面對AI，我會不會被取代？

當AI不僅能執行指令，還能進行多模態創作、邏輯推理甚至自主決策時，人類的“護城河”究竟還剩多寬？

先說結論。

在巨變的前夜，我們依然可以相信，AI絕對不會取代人，但“人”的定義標準，此刻正在被暴力拉升。

未來的世界，可能只會分為會用AI的人和不會用AI的人。那些曾經被視為金飯碗的硬技能，可能在2026年變得一文不值。

而那些曾經被忽視的人類的隱性素質，比如提問力、決策力、想象力，正在成為相比專業知識更為重要的技能點。

從對話到工具

專業壁壘，在很長一段時間影響著職業和工作的方向。

最明顯的，其實也同樣在互聯網領域。以前如果你想開發一個APP、制作一段數據可視化視頻，或者構建一個復雜的業務分析模型，你需要掌握Python、Java，或者精通PR、AE等復雜軟件。這種“工具理性”構成了過去二十年職場人的核心壁壘。

過去多年我們看到的專業人士和程序員們的高薪，正來源于此。但現在，這道壁壘正在崩塌。

以近期引發行業熱議的現象級產品“靈光”為例，它最令人記憶深刻的功能其實并不是模型參數的大小，而是徹底打破了“想”與“做”之間的隔閡。

其“靈光閃應用”功能，讓一個完全不懂代碼的文科生，甚至是一個五歲的孩子，只需用自然語言描述需求，就能在30秒內生成一個可交互、可編輯的APP。

數據最能說明問題。

靈光上線僅僅兩周，用戶就創建了330萬個“閃應用”。這330萬個應用的背后，不是程序員的徹夜加班，而是330萬個普通人正在開始用AI解決自己工作生活中的碎片化需求。

從“新手爸媽起名神器”到“小學生口算練習器”，從“聚會真心話大冒險”到“個人記賬工具”，有了AI之后，搭建程序已經不再求人了。

這是真正意義上“人人都是產品經理”的時代，也是2026年我們將面臨的第一個現實：工具的易用性將達到歷史巔峰，技術不再是阻礙創意的門檻。

在這種背景下，“會用工具”將不再是一項加分項，而是一項像呼吸般自然的基礎生存能力。

但差別會被徹底抹平嗎？其實也不是，未來真正的分水嶺在于能不能“用好”。

當生成一個APP變得像發一條朋友圈一樣簡單時，應用本身的開發價值就無限趨近于零，而定義應用邏輯的能力價值千金。當AI能瞬間寫出一篇邏輯通順的公文時，文字的堆砌不再重要，對復雜局面的洞察和策略判斷成為關鍵。

站在2025年的收尾來看，從2026年開始，真正意義上的白領，將會是那些懂得將AI作為“外掛大腦”嵌入工作流的人。

舉個例子，一位優秀的分析師不再將時間耗費在數據清洗和圖表繪制上。因為“靈光對話”已經能做到查詢資料時直接生成圖文并茂的時間軸和調研攻略。

現在，他可以完全將精力集中在數據背后的商業邏輯推演上。

更直接點說，未來的工作，可能會不再區分“技術崗”和“非技術崗”，而是區分“AI駕馭者”和“AI被動接受者”。

前者將利用AI極大地延展自己的能力邊界，而后者則將在與機器的低維競爭中，逐漸失去位置。而這才是所有人需要警惕的。

不是取代，是重新定義

隨著AI接管了越來越多的執行層面的任務，人能干什么的問題，正在被日益凸顯出來。

被稱為“AI教父”的杰弗里·辛頓（Geoffrey Hinton）可能是想得最早的那個人。他的問題是，如果機器擁有了比人類更淵博的知識庫，比人類更嚴密的邏輯，甚至比人類更快的執行效率，那么人類還剩下什么？

他最近一段時間在很多的場合都在表達他的憂慮，比如他認為，現代AI在知識整合與邏輯推理層面，已經展現出了超越人類的跡象。

在2025年的歲末，不只是辛頓，可能大多數人，確實已經到了迫切需要思考這個問題的時刻了。

對于這一點，我所思考的答案是：放棄那些機器擅長的，擁抱那些機器做不到的。

首先，“提問”的能力將遠重于“解題”的能力。

傳統的教育和職場體系培養的是“解題者”。比如老板給任務，我們執行；老師給試卷，我們填空。但在2026年，AI將是那個擁有完美答案的解題者。無論是寫代碼、查典故，還是做醫療診斷建議，AI都能給出80分以上的標準答案。

但對于人來說，機會和窗口期在于，現在AI無法定義“什么是值得解決的問題”。

同樣以在應用層面做得最好的靈光為例，其中涌現的數百萬個應用中，真正有生命力的，其實不在于生成的代碼，而在于用戶最初輸入的那個Prompt。

這個提示詞本身，才是對用戶真實痛點的表達。

比如，到底為什么要在靈光生成一個“彈簧振子動畫”？因為老師敏銳地捕捉到了學生理解物理概念的難點。為什么要做“讀藥瓶”應用？因為有人共情到了視力衰退老人的無助。

AI可以提供一萬個解決方案，但只有人類才能提出問題。從這個角度來說，人類未來的核心競爭力，是批判性思維與問題發現力。

除此之外，2026年的人的能力光譜中，必須包含一種“脫離AI也能運作”的底線能力。

技術的便利往往伴隨著能力的退化。當AI能代勞一切時，人類很容易陷入思維的懶惰。我們必須警惕：如果不刻意訓練，我們的某些核心認知能力可能會像不運動的肌肉一樣萎縮。

比如長邏輯鏈的思考能力。

如果我們習慣了把復雜問題丟給AI，只等著接收簡單結論，我們的大腦將失去處理復雜局面的韌性。

這就是飛行員的基本素養，雖然現代飛機可以全自動駕駛，但機長必須具備手動降落的能力，這才是他在危急時刻不可替代的理由。

而且，AI可以基于概率計算出最優解，但它不懂“責任”，更不懂“價值觀”。在復雜的商業與社會治理中，決策往往關乎道德、情感與無數個體的命運。

激活人類的“靈光時刻”

值得我們慶幸的是，目前的生成式AI，本質上是基于概率的預測機器。它的“創造”，本質上是存量知識的重新排列組合，而不是創意的想象。

從這個角度來說，螞蟻集團將旗下的AI產品命名為“靈光”，或許是此刻站在轉換節點上的最好隱喻：工具越是強大，人類那一點點微弱的“靈光”就越顯珍貴。

在“靈光”APP里，目前已經能夠看到超330萬個閃應用。其中有很多是標準化的工具，但也有很多是充滿了人類奇思妙想的“無用之用”。

有人做了一個應用，專門用來隨機生成“今天中午吃什么”的決定，以此來對抗選擇困難癥；有人做了一個應用，模擬寵物貓的心理活動，只為了博女友一笑。

這些應用在傳統的軟件工程視角下，可能因為市場規模太小而不具備開發價值，但在個體的生命體驗中，它們是鮮活的、有趣的、獨一無二的。

這就是技術帶來的人性化的一面。

從好的方向來說，AI時代的到來，實際上是把人類從繁重的重復性勞動中解放出來了。我們再也不需要再去死記硬背枯燥的代碼語法，不需要去耗費大量時間做格式化的排版。

那么，節省下來的時間去哪了？其實正是應該去往那些需要“靈光”的地方。

2026年，世界對人的要求變了。不再需要你像機器一樣精準、穩定，成為不知疲倦的牛馬。相反，活人感會變得越來越重要。

舉個例子，當“靈光對話”能生成排版優美的圖文時，你需要知道什么是美，什么是丑，什么樣的視覺語言能打動人心。審美，將成為一種核心生產力。

AI通常在垂直領域表現出色，但人類擅長觸類旁通。將生物學的原理應用到建筑設計中，將音樂的節奏融入到管理哲學里，這種跨域的“亂連線”，往往是顛覆性創新的源頭。

更直接點說，未來的競爭，不是比誰記得多，不是比誰算得快，而是比誰的腦海里有更多的“靈光時刻”。

圣塔菲研究所關于復雜系統有一段經典論述，在他們看來，在混亂與秩序的邊緣，當大量個體基于簡單規則互動時，會發生奇妙的“涌現”（Emergence）。而這，也是這一輪生成式AI的技術內核。

如果說AI的涌現是為了消除不確定性，那么人類靈光的涌現，往往是為了擁抱不確定性，并在其中開辟出新的道路。

未來真正重要的，不是要試圖去和AI比拼它擅長的事情，而是需要盡快去擁抱那些AI做不到的事情。去感受，去發現美，去建立深度的關系，去在混亂中尋找秩序，去在平庸中發現獨特。

而再回到產業層面，圍繞縮放定律（Scaling Law）正在可能失效的討論不絕于耳。所謂縮放定律，簡單說就是指大模型的能力可以通過堆更多的算力、搞更多的參數，喂更多的數據得到大幅提升。

但現在，OpenAI和谷歌的新模型，都正在面臨類似的困境——在大幅增加資源投入后，模型性能卻未達到預期。

也就是說，無論是從技術上還是從商業規律上來看，未來人工智能之間的競爭，已經必然不再是比誰算得快、模型更優越，而是比哪一款AI，能夠更好地激發人類腦海里的“靈光時刻”。

2026年，人類的靈光涌現，才剛剛開始。