養蝦盛行，AI焦慮癥蔓延，六個普通人和AI扛過的這一年

沒有一鍵生成，AI或許不是來伺候我們的，而是來篩選我們的。

文｜趙艷秋 王眾

編｜牛慧

春節開工第一周，我朋友圈的風向變了，畫風突然很“硬核”： 有人在分享Openclaw的部署心得，各個群里在討論Token的消耗速度，一些從未寫過一行代碼的朋友，發來了自己用AI編程做的小工具。AI正加速從開發者轉向普通人，包括沒有技術背景的人。

我問了身邊很多朋友：“你現在怎么用AI？” 答案出奇一致：用得比一年前深多了，但也累多了。一年前，大家以為AI可以替我們寫報告、設計海報、分析數據，是我們的減負神器；如今，大家發覺，它確實能幫我們跨越專業壁壘去編程、去搞量化交易，但代價是——你必須追得上晝夜不停的技術迭代，必須駕馭更多工具，必須忍受與它磨合中的腦力和心力。

AI沒能讓我們更輕松。它是在讓我們“更累”的狀態下，壓榨出自己的潛能，去觸碰以前想都不敢想的天花板。

我們認真聊了五位“痛并快樂著”的普通人。他們都不是程序員，也沒有AI從業背景，但在AI的大浪中，摸著石頭過河，沒人可能退回岸上。AI時代，唯一的出路，或許就是一路向前，與AI一起，進化成更強的物種。

01

我在大廠用AI乘風破浪，

自己也變成了“老板的AI”

2024年底，40歲的人力資源總監關越做了一個大膽決定：離開正處于轉型期的傳統龍頭企業，通過獵頭，一頭扎進節奏飛快的科技大廠。

40歲轉身科技賽道，聽起來像是頂著天花板逆行，但關越不僅平穩落地，還如魚得水。這離不開他多年的積累，也得益于他對新事物的敏銳和擁抱——早在2023年大模型興起，他就自費報班學習，并要求團隊率先在文檔處理中應用AI。

即便早有心理準備，新東家的AI環境還是讓他大開眼界：從OA系統、辦公文檔到招聘面試，AI已滲透各環節，員工可免費調用各種頂尖大模型。

招聘是企業中與AI結合最早的崗位環節之一。尤其在校招季，AI輔助的簡歷篩選和人才匹配已大批量應用，部分公司初面的AI接管率已高達75%。關越的招聘工作中，AI也已全程介入。尤其一場面試剛結束后，AI就會立刻生成分析評估報告，供他參考，提供有價值的輔助。

但關越也發現在與AI的協作中，“人”是不可替代的。“AI更多考察的，是對方回答過程中的專業性。而面試者的語氣、語態、性格特征這些對人性的洞察，AI目前還讀不出來。”

每次面試仍是一場高強度腦力聚焦。他不僅要判斷一個人的專業能力，更要觀察對方的能量場高低、溝通成本、邊界感和協同能力，這些關鍵的“軟性素質”目前仍只能靠人的經驗去判斷。他也尤其關注對方的表達能力。“在大廠，專業能力能發揮70%就已經很牛了，多數人只能發揮四五成，剩下拼的全是溝通與協同——這恰恰也是AI的盲區。”

有趣的是，現在面試中關越也要與AI“博弈”。部分候選人外掛了AI，關越要在面試中關注對方的眼神，看他是不是在瞄屏幕上的提示詞。為了反作弊，他的策略也越來越犀利：盡量不問開放性問題，直接挖與個人相關的真實業務經歷。這些是AI“編”不出來的。

AI會大規模替代人嗎？關越有個銳利的觀察：這取決于老板對工作"顆粒度"的要求。傳統企業老板習慣"雕花"式人工服務，仍需大量人力；而效率成本優先的老板，會主動降低精細度要求，倒逼員工自己用AI解決。

然而在同一棟大樓的另一個團隊，前媒體人馮薇感受到的，是截然不同的一面。

剛入職，文筆出眾的馮薇接到一個“看似荒唐”的任務：5天內寫出幾十位優秀員工的故事。馮薇察覺到，這類稿件與媒體的要求很不同，主要傳遞企業價值觀，有固定的“八股”模板，領導偏愛渲染和金句。這恰好是AI擅長的。她觀察AI生成的文字略帶夸張，容易吐出一些金句。“如果沒有AI，我絕對會崩潰。”她把素材喂給大模型，迅速生成符合企業審美的文章。

但任務完成得更快，馮薇卻沒有早下班，工作的KPI反而更重了。

以前可能幾個人干的活，現在全壓給她一個人。本來該設計師干的海報，現在變成了她用AI提Idea、做Demo。更要命的是一種更深的異化感：“很多時候，我覺得自己變成了老板的AI。老板下一句指令，我轉身輸入給大模型；老板反饋，我再用AI調優，反復調教AI的工作量也不小。感覺自己更‘牛馬’了。”

這種疲憊，不僅是體力上的，也是一種被工具化的疲勞感。

在大廠，AI為你提效、擋住重復勞動的苦役、彌補短板，但也抬高了生存底線。工具抹平了基礎技能差異，現在能倚仗的，只剩下那些最古老的東西：對人性的洞察，對未知的擁抱，以及能保持獨立思考的腦子。

02

崩就崩吧，

一位中年女性和AI死磕的這一年

這個春節，夏寧沒有走親訪友。她把自己關在家里，繼續死磕一件事：用AI處理服裝設計。

夏寧原本在傳統能源企業做市場，近幾年處于人生十字路口：中年、女性、沒有強悍資源，在這個行業中的處境，就像電影《逆行人生》刻畫的，職場“斷崖”近在眼前。2025年，她辭職，從一線城市搬回省會老家，把賭注押在朝陽的AI上。雖然不是技術出身，“但大家都是一個腦袋，人家能學，我也能摸一摸”。

第一次押注并不順利。她非常熱愛原創，試過用海內外各大AI工具做短視頻，但現實中很快“碰壁”：AIGC通用工具還滿足不了專業級要求，而且她缺乏對接市場的資源。試錯之后，她做了兩個決定：緊貼市場，盡可能往底層技術下探。

秋天，她陸續接到真實需求，其中一個是用AI將爆款服裝拆解為模板布料，供設計師二次創作。為此，她開始全心鉆研開源平臺ComfyUI。這個平臺可自定義工作流，達到更復雜精準的生成控制，實現更專業的需求。但問題來了，當下AI生態還極不完善，沒有適配她顯卡的現成安裝包，她必須從Github下載源碼，自己搭建底層架構。

被迫成了架構師，這件事幾乎沒人支持她。有人說“你犯得著嗎”，有人說“寫代碼是00后和程序員的事，你‘一把年紀’干嘛去干這個”。身邊沒有技術大牛，AI成了她唯一的導師和戰友。搭建過程也較為破折，系統會經常報錯，幾次，她按照AI建議改錯了代碼，系統直接崩了。

但在最初的難過和挫敗感后，她決定推倒重來。“崩就崩吧，哪出問題就解決哪。”這個過程中，她沒有尋求周邊認同，“因為只有我自己清楚，這些問題是必須要解決的——底層架構搭得扎實，上面的應用才能跑通、跑得更好。”她認為，現在快餐文化嚴重，大家都愿意吃喂到嘴邊的，不愿意去扎根技術。”你去解釋，很多人也不太能理解。“

幾個月下來，她最大的變化是“膽子變大了”——大到敢直接改源碼。她不只是照著AI的指令改代碼，還能自己找出源碼里的bug，在AI的幫助下修改跑通。再后來，她學會了用Python寫代碼。她搭建了自己較滿意的架構，與朋友分享自己的喜悅，“現在底層如果出了問題，我大概能判斷出一二三。”

當朋友表示自己也想學，但如果賺不到錢怎么辦時，夏寧感受到兩種思維的碰撞。“如果一開始我就盯著能不能賺錢，到現在什么都干不成。”她說，“重點是能不能沉下心，解決那個讓你撞墻都想搞定的問題。”

現在的夏寧，工作時間比上班還長，沒有周末，從早晨不知不覺干到深夜11點。項目已進入測試階段，各種調試很復雜燒腦，她更要沉下心來。而她和AI之間也建立了一種羈絆——“能干到‘冒火’狀態，但停不下來。”為了讓模型干得更好，她甚至對豆包屏蔽了與ComfyUI無關的信息，她稱這是對模型進行專屬訓練。

對于“AI取代人類”，夏寧這一年的切身感受是：你既是跟AI學，其實AI也在跟你學。“機器并沒有那么絕對聰明，它只能取代了一部分通用需求。面對專業要求，必須是你告訴它該怎么干。最終，一切依然要回歸到人的本質。”

03

“我沒用過AI，但愿意探索”，

她賭贏了

春節前，靳思澄用AI為一家知名機構制作的一支視頻宣傳片上線，傳播極廣。這是她從事視頻制作近10年來，第一次大規模擁抱AI，耗時3個月，從零到交付。

機會來得很莽撞。靳思澄聽說了這個項目，直接找到甲方自薦：“我還沒大規模用過AI，但超級感興趣，愿意一起探索。”為此，她甚至自降報價，甲方賭了，她進入候選者名單，用一個月狂試國內外主流AI視頻工具，生成特定鏡頭，Demo得到認可，最終拿下訂單。

AI迭代速度之快，讓她在項目中經歷了劇烈沖擊：前腳積累的經驗、制定的流程，后腳就被新模型推翻。 剛開始制作時，Nano Banana生圖不支持4K，這意味著她要額外做七八千張圖片的高清化處理；Pro版上線后，直接支持4K，那些處理步驟全部省掉。最近字節Seedance上線，連分鏡都自動生成。“一個新模型，就能推翻所有實驗！”

項目成功交付后，她總結出核心的方法：別報班，緊追最新模型。模型迭代太猛，報班學的東西，新模型一出來就全被吊打。多刷小紅書、抖音和視頻模型集合站，比上任何課都管用。

快速上手試驗也很關鍵。去年11月試驗讓她發現，Nano Banana Pro生圖無敵，視頻則首選VEO3.1（Seedance2.0還未上線），但VEO3.1銳化過多、成本高，需要搭配即夢，并采用海螺AI彌補運鏡短板。提示詞經驗也是在實操中掌握的。起初她也像身邊朋友一樣，一句簡單的指令讓模型生成，發現效果不可控。后來精細到“景深如何、背景建筑、花草布局、人從左往右走、指天空的表情動作”。

靳思澄感受到，視頻行業到了轉折點。2024年她曾嘗試過AI，還很難用，最終想辦法弄了幾個鏡頭。2025年11月底谷歌Nano Banana Pro上線，她在論壇刷到用它做的片子。“大家明顯感知到，AI視頻已經可以商業化。”過去實拍不了的科幻場景、需要耗時建模才能實現的動畫，現在都能通過AI搞定。春節前，Seedance2.0上線，再添了一把火。

“今年市場變化會更快。”春節假期出游結束后，她要馬上上手試驗新模型了。處在這個行業，真是一刻都停不下來。

雖然市場上有“AI替代視頻制作”的說法，但靳思澄感受到，創作底子和通過閱片積累的判斷力，是AI替不走的。導演是那個最適合用AI來制作片子的人。而靳思澄近10年的剪輯和導演思維，也為她打下基礎，她能創作，能判斷一個鏡頭好不好，知道該往哪個方向調。“在‘生成什么’這件事上，有積累的人更知道從哪里開口。”

“站在當下這個節點，我是興奮的，可以探索幾年前連想都不敢想的事。”她說，“別多想，動手去做。能火的，還是想做的人。”

04

裸辭后，他用AI搭了個炒股系統，

"目前沒虧"

羅征在科技大廠摸爬滾打了10多年。與大廠里充斥的嚴重內卷不同，他身上透著一種從容淡定。

這兩年，羅征所在的大廠業務處于轉型期，他所在的業務被邊緣化，人事動蕩，他糾結了一段時間，最終決定裸辭，“要在好的年紀，做點自己真正想做的事”。

外人覺得他應該趕緊找工作——頂著大廠光環，而這段時間科技市場的招聘也在升溫。但羅征想清楚了一件事：“面對AI浪潮，如果不沉下心學AI，即便找到新工作，也可能幾年內被淘汰。”他決定邊學邊找方向——而且，現在AI門檻越來越低，為什么不先嘗試自己做點事情呢？

他訂閱了ChatGPT，開始每天和大模型“聊天”、鼓搗東西。幾周后，他搭出了一個炒股系統。

“AI最擅長數學和邏輯，炒股天然契合。”羅征發現，市場上大模型普遍缺乏長期記憶能力，但他巧妙利用ChatGPT“Project”功能，解決這個問題。他把自己的投資風格、從社媒搜集并與大模型一起優化的選股指標、大模型推演出的股票漲跌計算公式，全部喂給“Project”，讓系統推薦20只股票，進行日復盤和周復盤。為了讓系統獲取實時數據，他在AI的指導下，找到了開源社區的數據API接口，更新股市數據。

這一步步的工作，都是他用極其嚴密的邏輯，與AI互動，逼AI吐出的。這是一種高腦力勞動。一度他的睡眠并不好，因為與AI互動得太晚，“看起來是AI在處理，其實每件事自己都要去過一遍。每天都過載，要多線程處理很多事情”。

目前，他根據系統推薦的股票小試牛刀，“表現穩健、沒虧”。他想驗證的，是“普通人能不能靠AI搭出一套可運行的系統”。

除了炒股，他用純自然語言讓AI幫他搭一個培訓創業項目的框架。大學學過編程，但十幾年未做過實際開發。他完全靠說話，讓AI寫代碼、選平臺。

“你會發現ChatGPT知道市面上每個產品的優劣，能幫你挑選。”比如，它建議羅征把培訓內容、規則放在飛書多維表格里，因為“這是低成本、易上手的數據庫”；同時建議運行在阿里云上，因為域名申請、函數計算和對象存儲“放在那里體驗更優”。就這樣，羅征幾乎零成本搭起一個跨平臺技術架構。

大模型甚至還教他如何使用Github，來調用別人打包好的開源技能庫（Skills）。這些是羅征從未接觸過的，“但你不怕從零開始”。

羅征把與AI的合作比作“老員工帶新同事”：你把業務要求交代得越清楚，它的產出水平就越高，這可不是一個簡單的工作。比如讓AI寫一份《AI For Science年度報告》，如果你只扔一句指令，它給出的絕對是水貨；但如果你明確告訴它“重點在生物醫藥和新材料、要關注中英德法日指定的權威信源、社區信息需三方驗證、報告需包含哪些板塊”，大模型給出的深度就會發生質變。

羅征感受到AI的突飛猛進。他總結出一套方法，“80%原理”——集中精力，先把最先進、最成熟的AI技術玩透。而且絕對不能紙上談兵，在實操中摸索AI的能力邊界。

他也有一個判斷：“真正愿意鉆研AI的人，本來就是有極強學習欲的人。AI不會自動喚醒那些不想學的人。短期內，AI會加劇人與人之間的鴻溝，而不是實現普惠。”

05

他是個搬數據的職場新人，

但他不想一直搬下去

劉景然，00后，大數據專科畢業，在一家研究機構做了三年數據處理。

他每天的工作是提取數據、整理表格、核對字段、進行基礎性數據分析。上學時那些復雜的處理邏輯與高階工具極少用得上，曾系統學習的Python也因實踐需求過少而逐漸陌生。只有一次，同事提出一個復雜多維度數據分析需求，他瞬間燃起熱情，熬夜打磨好幾套方案——但方案落地之后，西西弗斯的石頭滾回來，一切照舊。

轉折發生在公司人員優化后。身邊工位越來越空，但各部門拋來的數據需求越來越多。有同事提議：干脆做一套自動化數據提取系統吧。劉景然陷入矛盾：他迫切想擺脫這種重復勞動，可一旦自動化了，自己還能保住這份“搬磚”工作嗎？

劉景然是個挺上進的小伙子，不打游戲、連刷抖音都在看教學視頻。他不是沒想過破局，曾動過“專升本”讀AI專業的念頭，但時間與經濟成本，再加上身邊升本的朋友“畢業即失業”的現實，他打消了這個想法。但看著身邊好友為結婚攢首付而焦慮不堪，他心里也打鼓：如果只會這點搬磚的活兒，未來拿什么去抗風險？

前輩的一句話點醒了他：“AI淘汰的是重復勞動者，你要做AI的駕馭者。” 劉景然下決心利用AI謀求“在崗轉型”。

身邊的碼農朋友中開始流行Cursor，個人版一年需要1000多元訂閱費。在確定工具能為自己創造真金白銀前，他不愿盲目氪金。他先嘗試在騰訊元寶中用大白話描述需求來生成代碼，再復制到PyCharm里運行，但頻繁的軟件切換讓效率提升大打折扣，也打擊了積極性。直到遇見免費AI編程工具Trae，有Python基礎打底，直接上手。過去要寫數十行代碼才能完成的數據提取，現在對話描述需求，AI自動生成腳本、調試Bug。他開始主動探索更復雜的場景，把常用代碼整理成“個人操作手冊”。

他還把Trae分享給了編程零基礎的人文博士朋友小安。小安斗志昂揚，要用AI開發一款科研軟件，折騰了兩天，弄出來一個花架子界面，怒評“AI編程是垃圾”。身邊一位Cursor資深用戶一語道破：“AI不是萬能的，它只是聰明的執行者。你得先自己懂邏輯、能調試，它才能替你干活。”

最近各種新AI不斷涌現，Claude code、Openclaw……劉景然清楚，技術迭代速度遠超個人學習節奏，今天賴以立足的工具，只延緩了被替代的時間，并非構建了不可替代的壁壘。是深耕垂直領域成為復合型數據人才，還是橫向拓展適配更多崗位？他還在找答案。

在AI重構職場的浪潮中，AI沒有讓人更輕松，它讓一些人干得更多，讓一些人焦慮得更深，讓一些人學不過來，它給了那些有問題意識、不愿停在原地的人一根更快的桿子，但每往前一步，都要付出更密集的腦力和心力。

這一圈聊下來，我們看到了AI濾鏡后的世界。沒有一鍵生成，我們被迫跳出了舒適區，去理解代碼，去構建系統，去和算法博弈。AI不是來伺候我們的，它是來篩選我們的。它把基線拉得極高，或許也給進取者留了一扇從未有過的門。