一档视频对话里，主持人把读者最常在饭桌上抛出的那句问题原封不动地丢了出来——「我现在该选什么书、去哪所大学、学什么技能，今天创业该从哪儿入手，哪怕只是抓住一段短期顺风也可以接受」。Anthropic CEO Dario Amodei 没有给一个万能答案，而是把判断拆成了 5 个相互独立的维度，本文把这套判断原样整理出来，再补上 3 类具体读者 + 3 条边界，并对 Dario 反复强调的「门槛产品 Cowork」和「教育部」这一对入门动作给一点实操意见。
主讲人 Dario Amodei 是 Anthropic 的 CEO，视频由 Jaynit Makwana 在 X 发布，全长约 8 分 41 秒。Dario 本人在开场先讲清楚了一件事：他和他的团队每天都在写代码，所以他们对自己的工具、对「怎么用 AI 模型写代码」这件事有切身的判断。本文保留原作者归属与原文顺序，不外推视频之外的 Dario 观点，也不补视频之外的统计数据。
01 Anthropic CEO 为什么关心「学不学编程」这件事
Dario 的开场不是从「编程值不值得学」开始的，而是从 Anthropic 自己为什么要做 Claude Code 开始——一家在前沿模型公司做 CEO 的人，最自然的位置是讨论模型本身，但他开场就反复讲的是「我们自己也写代码、做出来一个给内部用的工具，这让我们对怎么用 AI 写代码有着特殊而深入的洞察」。这句话本身就挑明了一件事：他给出的判断不是从旁观者立场做的，而是从一线写代码的视角做的。
这件事改变了后面所有判断的可信度。一个完全不做编程的人讲「AI 时代该不该学编程」很容易讲空话——既可能低估编程的工程门槛，也可能高估自己被替代的速度。Dario 自己就站在写代码那一侧，所以他对「纯写代码先被吃掉」「更广义的软件工程晚一点被吃掉」这种判断，后面都被他自己的开发经验托着。
所以第一个不是判断维度的判断是这样一条：学编程这件事的判断，最该听哪一种来源——是坐在一旁看的人给出的预测，还是自己仍在写代码的人给出的判断。Anthropic 做的 Claude Code 本身就是对「AI 写代码能力」最直接的量化，Dario 一边做这个工具一边在节目里告诉你「编码先消失、工程后消失」，这个判断的分量与普通人给出的判断不在一个量级。
顺着这条线索往下看，他对「学什么」「为谁学」「什么时候学」「怎么学」这几个具体问题的回答，才有了一条贯穿的线索：先把「我们自己在做的工具」摆出来，再讨论「你要不要做这件事」。本文也按这条逻辑展开。
02 AI 最先吃掉的，是编码还是软件工程
Dario 给出的第一条具体判断是把「编码」和「软件工程」拆开看——这两个词在日常用法里经常被混在一起，但它们的消失速度不一样。
编码这件事已经被 AI 模型接住了。纯写代码的工作，也就是把一个明确规格的需求翻译成一段语法正确的代码，这是 AI 现在已经能做得很快的事。在他看来，能写出能跑的代码，不意味着这份代码在完整工程里就是合格的——后者还涉及了解用户到底要什么、设计一个架构、把多个 AI 模型的输出对齐、管理整条交付流程。这些环节上，人类在相当长时间里仍有明显价值。
Dario 顺手抛出了一个非常具体的杠杆数字——比较优势的放大效应。他用的例子是：哪怕你只做整个任务的 5%，AI 做剩下的 95%，你的产出也能被放大到 20 倍左右；一直到 AI 占 99% 之前，人类那部分贡献都是被放大而不是被淹没的。这条对还在学编程的读者来说是个明确的提醒——问题不是「我会不会被 100% 替代」，而是「我那 5% 的人类贡献能不能被 AI 放大到 20 倍」。
这段判断反过来也修正了一个常见的焦虑：现在学编程是不是晚了？比较优势的杠杆说明，即便晚入场几年，只要 AI 还在扩展能力边界、而你还能在某个细分维度上贡献那 5%，你仍然是被放大的对象，而不是被替代的对象。
把这两件事放在一起，第二条判断可以这样表述：值得学的不是「写代码这件事」，而是「让 AI 写出来的代码在完整工程里有意义」所需的那一整套动作——设计、需求判断、管理 AI 模型、协调多个模块。
03 5 个判断维度：你该不该学编程
Dario 在这段对话里把判断分散在好几个问题上，没有给一份现成的清单。本文把他的话梳理成 5 个互相独立的维度，每一个都对应一个「学不学」「学什么」「怎么学」的具体决策。
维度 1：学什么。 不要把「编程」当成一块整体的东西去学。在 Dario 的拆分里，至少要分三块看待——纯编码（最早消失）、代码之上的架构与工程设计（晚一点消失）、对 AI 模型本身的管理与对齐（持续有价值）。其中第三块是他放在 Anthropic 内部反复讲的事，管理一组 AI 模型做交付这件事，前几年不存在、未来却很可能成为一个独立的职能岗位。
维度 2：为谁学。 Dario 给了一句带否定意味的提醒——「如果你是为了工作安全感才学编程，那你学错了东西」。编程的工作安全感正在快速变化，押注到「学完编程就有安稳工作」的预期已经不稳。学编程更稳的动机是与 AI 协作的杠杆——让 AI 完成重复性的 95%，你专注在那 5% 上。
维度 3：搭上什么顺风车。 对「今天要不要选一个专业、要不要转行」这类问题，Dario 的统一答案是去关注那些正在被 AI 放大的环节——不是被替代、是搭在 AI 之上。具体选择他强调了三条：以人为本（仍要跟人打交道的）、涉及物理世界（不容易纯软件解决）、能用分析能力把前两条捏在一起。最后这条他自己反复用的例子是放射科医生——能读片的人很多，但同时理解影像结果、患者处境、临床背景的医生长期更有价值。
维度 4：未来十年最重要的硬能力。 Dario 给的判断是批判性思维——在 AI 能生成一切的世界里，能辨别真实与伪造、不被虚假信息误导、不持有错误信念，是稀缺且高价值的能力。这条和能力 1 学编程无关，但它是个反向提醒——如果编程学完了，批判性思维反而变弱了，那这份学习是亏的。
维度 5：怎么用 AI 才不学废。 这条 Dario 反复强调——AI 用法不同，对能力的侵蚀程度不同。Anthropic 内部做过研究：让模型替你做关键决策会让你丧失那部分决策能力，让模型只做重复性 95% 你保留判断 5%，能力反而保住甚至被放大。这条直接回答「学习的时候该让 AI 帮到什么程度」——只让 AI 干重复的，留判断给人。
读者可以用这 5 个维度给自己的生活画一张表——每个维度对应一行，自己目前的判断是什么、想成为的判断是什么、还需要补的是哪一栏——这样比一句「我要不要学编程」要落地得多。
04 3 类人 + 3 种场景：学不学、学什么、什么时候学
把 5 个维度落到具体场景，这里把对话里的两类具体读者挑出来，再补一类 Dario 没明说但潜台词里覆盖到的人群。
A 类：25 岁、想搭上 AI 顺风。 Dario 给的现成答案是——任何搭在 AI 供应链上的环节都值得考虑。他具体点出了半导体——既有物理世界属性，又是相对传统的工程领域，直接吃 AI 红利。半导体只是他能点出的一个例子，类似的还有电力、冷却、芯片制造设备、机器人本体等环节。这条的取舍是：要进 AI 这条供应链，但不必冲进「软件」这条已经卷得最厉害的赛道。
B 类：在校学生、考虑要不要选 CS 专业 / 选编程入门。 Dario 没在视频里直接回答这条，但潜台词已经清楚——「先消失的是编码、后消失的是软件工程」+「批判性思维比编程更重要」。对应到在校生的取舍是：继续选 CS 不亏，但要重选修课结构。少上一些纯语法训练、多上一些架构设计、需求分析、AI 模型管理（这一类目前往往在交叉学科院里）。上面这条取舍按「按可独立查用任务切分」的 hotmp B2 标准——把单一专业课程结构的选择权，交给具体的可调结构。
C 类：已经工作、考虑要不要让 AI 替自己编程 / 转岗到编程。 Dario 给的是反向答案——「为工作安全感而学是最差的动机」。已经是「转行到编程」这种重投资的学习，更应该被比较优势的判断替换：要么在你现有岗位里让 AI 接管那 95% 的重复工作、自己只做那 5% 的判断，要么把编程作为「让你现有岗位杠杆放大」的工具，而不是作为转行目标。
这 3 类人不必分先后——先用维度 5 看看「让 AI 替我现在做的事我能放手到什么程度」，再用维度 3 看看「我在哪个环节、哪个供应链上」。很多时候方向就自然清楚了，不必非等到「学 / 不学」这一刀切完再决定。
05 最有窗口期的方向：以人为本 + 物理世界 + 分析能力
第三段已经点过 Dario 那三条要素，这一节把它更具体地展开。读者最容易踩的坑是把「以人为本」当成一句口号——以人为本的工作很多，但其中大多数并不稀缺。Dario 强调的是「以人为本 + 物理世界 + 分析能力」三者捏在一起——单纯「以人为本」的工作（比如纯沟通类）容易被 AI 工具替代一部分；单纯「物理世界」的工作（比如基础装配）又缺乏杠杆；只有把它们和分析能力结合起来，才同时具备稀缺性、抗替代性和可议价的产出。
他反复拿来当样板的放射科医生案例，可以拆开来看——「读片」这件事可以被 AI 完成 90% 以上，但「结合患者处境和临床背景解读影像」这件事不能纯靠软件完成；「介入手术」是物理动作，AI 不能替代，但「决定该不该介入、什么时候介入、用什么方案介入」这件事又需要前面的分析能力。这三块一旦组合起来，就是 AI 暂时拿不走的复合岗位。
对读者来说这条判断的实操意义是不要按学科选方向、按行业选方向：按学科选会让 CS 之内卷到极致，按行业选会让大多数人低估「交叉点」的价值。Dario 自己用的就是交叉点——半导体（物理世界）+ AI 供应链（技术红利）+ 配套工程传统（既有方法论）三者的交集。
06 未来十年最重要的能力：批判性思维
Dario 在这一段几乎是把批判性思维单列为未来的核心能力，而不是作为「某种软技能」顺带提一下。这条值得被读者单独拎出来对待——它不是另一种能力，是几乎所有其他能力背后的能力。
具体场景他举了两个——一是 AI 能生成的图像和视频，让「什么是真的」这件事越来越难辨认；二是稍微抽象一点的——希望监管能打击伪造内容，但假设监管不到位，那么批判性思维就变成每个人自己得守住的一条防线。
这条对学习编程的读者特别直接——Dario 的隐含建议是：学编程时千万不要让 AI 替你判断「这段代码对不对」「这个方案行不行」「这个需求值不值得做」。这三条判断是批判性思维最具体的载体，AI 替你判断的次数越多，你自己这部分的肌肉就越萎缩。这条等价于维度 5 的延伸，但放在批判性思维这一节里再讲一次，是因为它太容易被低估。
他的措辞很直白：「你不想被虚假的东西骗到，你不想持有错误的信念，你不想被骗」。这条建议不是针对某个职业——是针对所有需要持续做判断的人。学编程的人如果只会写代码、不会分辨「这段代码解决的问题是不是真问题」，那他即便写出再多的代码也都可能跑偏。
07 技能退化会不会发生：取决于你怎么部署 AI
这段 Dario 给出了他自己最看重的一条保留——人类会不会整体变笨，答案不是必然的，也不是不可能的，取决于怎么部署 AI。
他用了一个非常具体的对照——Anthropic 内部研究已经测得出来：同样是用 AI 写代码，用法不同、对写代码能力的损耗程度不同。让 AI 做重复性 95%、自己保留判断 5% 的用法，能力不退；让 AI 写完整方案、自己只审一下的用法，能力会退。这两件事都得到了实测支持，所以「用 AI 会不会学废」这件事是可以通过调整用法去掉的。
这条直接对应到读者——在学习的语境里，让 AI 帮你搜资料、帮你写模板、帮你跑测试，都是低风险的；让 AI 替你决定要学什么、替你判断方案对错、替你做需求取舍，那就高风险了。两类动作看起来都在「用 AI 学习」，但对能力的塑造方向完全相反。
Dario 在节目里还顺带做了一个反驳——别人问他「计算器是不是把人类心算能力干掉了」，他的回答是「我还在用心算，因为它融入我的思维闭环——估算每位用户付费、总收入多少」这件事他愿意在脑内跑一遍，而不愿意丢给计算器。这条心得其实就是维度 5 的具体案例——把 AI 当工具，不把 AI 当裁决。
08 现在能不能用上 Claude Code：从 Cowork 到「教育部」
视频后半段主持人具体问了一个非常实操的问题——一个完全没有编程背景的人，要怎么开始使用 Claude Code。Dario 给了三层建议，每一层都对应到上面 5 个维度里的某个具体位置。
第一层是降低门槛的产品——Claude Cowork。Anthropic 注意到很多非技术背景的人非常想用 Claude Code，但命令行终端对他们来说是一道无谓的门槛——程序员的日常工具，对非程序员就是不必要地复杂。所以他们做了 Cowork，底层仍是 Claude Code 引擎，前端做得更友好。这条直接服务于「学以致用」那一类人——维度 2「不为工作安全感而学」的具体落点，就是 Cowork。判断 5% 人类贡献的价值，工具是 Cowork；让 AI 做 95% 的事，自己做 5% 的判断。
第二层是经验式学习。Dario 的原话是「这非常依赖实践，主要靠动手来学」。这条是维度 4 的延伸——批判性思维不是从书里学来的，是从一次次「判断对不对、方案行不行」的具体决策里练出来的。不让 AI 替你判断的最好办法，就是让自己保持每天做几次判断的习惯。
第三层是 Anthropic 内部的「教育部」：他们会持续发布如何运行有效代理、如何对模型进行提示的视频教程，未来会加大投入，因为 Dario 真希望每个人都能学会。这条对应的是维度 5 的「不让 AI 偷走能力」的另一面——好的教程会让你更快地把 AI 用得对、用得安全。
把这三层叠起来看，今天能跑的第一步就很具体——装上 Cowork，挑一个你日常用得上的小活儿（写一封邮件、整理一周会议纪要、把一份 PDF 提炼成要点）让 AI 起步，自己保留每一次判断（这封邮件语气对不对、哪几条要点值得保留、哪几个问题没被点出来）。把这件小事跑通，下一次再考虑让 Cowork 替你做一件更大的事。
今天就能跑的第一步：用 Cowork 跑一次你日常的小活儿——比如整理一周会议纪要——具体操作是「让 AI 出摘要，你自己一行一行核：这段话是会议原意还是 AI 加的演绎？」。这是「不让 AI 偷走判断力」最简单的练法。第二步：把维度 3 套到自己的现状上——你现在做的事搭在 AI 供应链上了吗？搭在哪一段？要不要换一个环节试试？第三步：把维度 4 显式练起来——接下来两周内，每天独立做一次判断（不管大小），不让 AI 替你想出。
最后一条边界：本文 5 个判断维度全部按 Dario 在原视频里的发言拆出来。具体的数字（5% 放大 20 倍、AI 占 99% 时更难、批判性思维是未来十年第一能力）按视频原文表述，不外推视频之外的官方数据。不为「该/不该学编程」二选一下结论。本文只给 5 个判断维度 + 3 类人 + 3 条边界，把判断交给读者。
3 条边界：
- Dario 的判断来自前沿模型公司的 CEO、同时本人仍在写代码——读者不该把他的话当成中立观察者的预测。他是利益相关方，但也是最有资格说这话的人。
- 5 个判断维度不是 5 个必答题：读者可以只看其中 1-2 个与自己最相关的维度，不必逼自己 5 个都答完。
- 本文不外推视频之外的 Dario 观点：Dario 在其他采访里讲过 AI 安全、AI 监管、AI 替代白领工作等更多内容，本文全部不引用，仅按本视频 8 分 41 秒内容整理。
3 条启动动作：
- 装 Cowork 跑一次日常小活儿（会议纪要 / 邮件起草 / PDF 摘要），自己一行一行核 AI 的产出。
- 用维度 3 套自己的现状——现在做的事搭在 AI 供应链的哪一段？要不要换一个环节？
- 接下来两周每天独立做 1 次判断，让 AI 的角色只停留在「替你搜资料 / 跑测试 / 出模板」。
原作者：Dario Amodei（Anthropic CEO）；视频由 Jaynit Makwana 在 X 发布（约 8 分 41 秒，原帖 https://x.com/jaynitmakwana/status/2065014853107097825?s=46）。本文按视频原文整理 5 个判断维度 + 3 类人 + 3 条边界，所有具体数字与判断均按视频原值取，不外推视频之外的 Dario 观点。