AI 之后什么值得做：培養品味和判斷力 積累真實世界的關系

當模型可以寫代碼、畫圖、做研究、剪視頻、答客戶，剩下什么是我們還值得親自下場的？

先誠實地承認 AI 已經拿下了什么

把話說在前面：過去三年里，AI 已經穩穩占領了幾塊陣地。

重復性的知識工作幾乎沒有懸念。翻譯、整理會議紀要、寫模板化的周報、做基礎數據分析、從 PDF 里提取信息、把一段話改成五種風格——這些任務在 2023 年還能撐起一個崗位，現在更適合直接交給模型。

中等復雜度的編程也在快速讓位。CRUD、樣板接口、腳手架、常見業務邏輯的填空——Opus 4.7 這一代模型在工程上的吞吐量，已經讓"一個人帶三個實習生"的模式變成"一個人同時管十個 Claude Code session"。

第一輪創作也被徹底改寫。文案初稿、logo 草圖、短視頻腳本、產品 demo 視頻——從零到一的阻力被拉到了歷史低位。

AI 不擅長的三件事

大模型再強，也有幾個結構性的短板，而這些短板決定了人還值得做什么。

第一，AI 不對結果負責。模型可以給你十個方案，但沒人能因為方案失敗而丟工作、賠錢、失去用戶的信任。"誰對結果負責"這件事不會被 AI 承擔，而這恰恰是商業世界里最貴的東西。

第二，AI 沒有世界中的位置。它不認識任何一個具體的人，沒進過任何一個具體的場子，沒在凌晨三點跟任何一個用戶聊過。所有關于"這個東西在真實世界里如何運作"的隱性知識，它只能通過你轉述二手得到。

第三，AI 沒有審美的主語。它能生成符合統計規律的"好看"，但沒有"我喜歡這個"的立場。品味是一種對無數選項做減法的能力，而減法需要一個承擔風險的主語。

理解了這三點，接下來說什么值得做就順理成章了。

值得做的事之一：培養品味和判斷力

過去十年，執行力是稀缺品。能把事做出來、做完整、做按時，就能吃到紅利。未來十年，執行會越來越便宜，稀缺的會是"到底做什么"。

當一個人可以用一小時生成二十個方案的時候，他的價值不在生成本身，而在于從二十個里挑出那一個會成的。這件事無法外包給 AI，因為 AI 沒有立場，它只能告訴你每個方案的概率分布，不能替你選出那個你愿意為之承擔后果的選項。

怎么培養品味？老辦法：大量看好東西，大量做具體的事，然后在每一次選擇里親自承擔后果。看一百個模型生成的方案，都不如自己做一個產品上線、被用戶真實地罵一次來得有用。

值得做的事之二：積累真實世界的關系

AI 能回答問題，但它不會在你創業失敗的時候借你錢，不會在你融資的時候幫你引薦投資人，不會在你出書的時候幫你寫推薦語。

真實世界的關系是一種極慢的資產。它需要你在多年里反復出現、反復交付、反復證明自己可信。這種資產不會因為模型變強而貶值，反而因為大家都忙著跟 AI 對話、疏于維護人際而更稀缺。

值得做的具體事：長期參加一個行業的線下活動；認真寫給具體的人看的郵件；在幫別人的時候不計較短期回報；跟比自己厲害的人保持聯系，目的不是索取，而是持續被更高的標準校準。

值得做的事之三：建立自己的分發渠道

這是一個容易被低估的判斷：在 AI 時代，內容變得極度便宜，而注意力變得極度昂貴。

過去你要花三個月才能寫出的分析，現在兩小時就能生成。但問題是，所有人都可以兩小時生成同樣質量的分析。供給爆炸之后，誰擁有直接觸達讀者的渠道，誰就擁有真正的資產。

X、公眾號、YouTube、播客、郵件列表——這些都是分發。它們的共同點是：粉絲通過信任關系跟著一個具體的人，而不是跟著平臺的某個賬號 ID。一個有一萬真實訂閱者的個人品牌，在 2026 年的價值往往高于一家做了百萬營收但沒有自己渠道的小公司。

這件事 AI 幫不了太多。模型可以幫你寫稿，但它不能替你在鏡頭前說話、不能替你積累三年、不能替你對一個觀點署名。

值得做的事之四：做長周期的事

AI 讓短周期的事全面通脹。一周能做的，大家都在做；一個月能做的，競爭立刻飽和。反過來，周期越長的事，競爭越稀薄。

一本認真寫三年的書，一個做了五年的品牌，一個經營了十年的社群，一段陪伴二十年的關系——這些東西在 AI 時代的稀缺程度不降反升。因為大多數人會被 AI 的即時反饋訓練得越來越不耐煩，坐得住冷板凳的人反而成了稀有物種。

判斷一件事是否值得做，有一個粗糙但好用的標準：一年之內能做完的事，三年后大概率已經被人用 AI 做完十遍了；三年以上才能做完的事，三年后你還在賽道上的人會很少。

值得做的事之五：真實世界里的體力與手藝

這一類容易被忽視。AI 再強，也沒法替你跑步、沒法替你做飯、沒法替你陪孩子、沒法替你站在一個真實的空間里感受它。

身體不能被外包。健康、體能、感官的敏銳度，這些是所有其他能力的基礎設施。一個每天坐十小時對著屏幕的人，很快會失去判斷真實世界的能力。模型生成得再快，判斷力跟不上也是白搭。

手藝同樣不能被外包。親手裝修過房子的人理解空間的方式跟沒裝過的人不一樣；親自帶過團隊的人理解管理的方式跟只讀過管理書的人不一樣；親自給父母做過一次完整晚餐的人理解家的方式跟天天點外賣的人不一樣。AI 能做出成品，但做的過程里對世界的體感只能由你自己長出來。

這一層是很多人容易跳過的。他們覺得 AI 既然能代勞，就不必再親自做。但親自做的價值從來不只在結果，還在過程里那個被塑造的人。

最后：回到一個具體的人

寫到這里需要收一下。"AI 之后什么值得做"這個問題，表面上問的是職業選擇，底下問的其實是：在一個機器越來越能干的世界里，我作為一個具體的人，還有什么獨特的價值？

答案可能比我們想的簡單：你有身體、有立場、有過往、有愿意對你好的人、有愿意陪你長期跑的事。這些東西加在一起，構成了一個 AI 沒法替代的主語。

所以不必焦慮"AI 之后我還能做什么"。該焦慮的是反過來的問題——這一年我有沒有在培養只有我能培養的東西。如果有，你不會被 AI 替掉；如果沒有，就算沒有 AI，你也遲早會被別人替掉。