如果你已经在用 AI、却说不出 AI 帮你解决了哪一类问题——日常工作被工具淹掉一层、被新工具盖上另一层，又被不断刷到的「我们要取代人」「我们要重新定义工作」标题反复拉扯——本文不是要回答「AI 强不强」，而是要回答一个更具体的问题：在 AI 工具到处都在的这十年里，你的位置站在哪一边？
这场约 49 分钟的对话发生在「Silicon Valley Girl」节目，主讲李飞飞——斯坦福教授、ImageNet 创始人、World Labs 创始人，最近一年常被读者拿去和 Geoffrey Hinton、黄仁勋并列引用；主持人是 Silicon Valley Girl 节目本身（采访与节目制作方），嘉宾 David Rogier，MasterClass 联合创始人兼 CEO。节目对谈可被转写为 15 节，本文保留作者十年来的积累和主张主线，不补她与 David 在节目之外的工作年份、不外推 World Labs 与 MasterClass 的产品更新。李飞飞在节目里反复回到同一句话：未来只剩两类人——顶尖 1% 的「专精者」与「高能动性的通才」；两者共同的关键词只有一个：能动性（agency）。这一句既是她对自身经历的总结，也是她对下一代人的判断标准。
全文按 10 章节顺序走：AI 拉大的新鸿沟是什么、中庸之道怎么用、David 的 CEO 工具栈带给普通人的启示、为什么别再说「智能成本归零」、AI 把学费拉到 100 美元一年、十年后的杠铃地图、她自己的工作工具与空间智能、agency 的五个组成要素、对新一代的期待、给职场人士的最小入口——每节对应一个你今天就能回答的判断题。
01 AI 正在拉大一条新的鸿沟——这一次不是数字，而是行动
李飞飞开场就把这场对话的底色亮了出来：当下 AI 浪潮是她在硅谷十七年所见技术、产品与商业领域从未有过的「海啸」——三个领域同时被重构能量叠加，是她以前没有见过的情形。她提醒大家，这种「差距正在持续扩大」的鸿沟并不取决于谁更早买到工具，而取决于「使用 AI 的人能完成过去做不到的事、获得前所未有的主观能动性；不熟悉的人则被进一步甩开」。
她在开场补充说，agency 不等于技术熟练度，——agency 的中文常被翻译成「主动性」，但她在节目里更愿意把它理解为「面对一项在认知能力上如此先进的技术，要主动去熟悉它、不要回避」。换句话说，她想给读者的不是 prompt 模板，而是面对变化的态度，——这与她在节目里多次重复的那句话同义：「主动权（agency）、协作、赋能才是包括 AI 在内的技术的核心含义。」
这种态度和 Action 并非同一种东西——前者是行动，后者是判断。下面会拆。
李飞飞把自己放进这场海啸的位置是张成立场——她不站「AI 救世」一端，也不站「AI 末日」一端。她在节目里点出：「变革时代可能也是失去的时代」——失去旧习惯与稳定感。但失去的另一面是机遇：这是一个让原本模糊边界变得可以跨越的时代。对所有人，从 K-12 学生到已经身在职场的专业人士，这都是一个共同的、必须共同跨越的过渡。
02 别只听「我们不再需要你」——李飞飞的中庸之道
李飞飞对当前 AI 公共讨论的判断，是她整场里反复回到的话题。她直白地说：「社会对 AI 极度两极化——一半视若神明，一半视若恶魔——这不是健康的设计思路」。她指出这两种极端叙事各有具体形态：乌托邦（人不用工作、被付费「躺平」）与末日（AGI / FAI 取代所有岗位、剥夺人类能动性）。两者都不健康。
她给出的中庸之道是：AI 本质是工具，强大但中性。她用了三个比喻层层递进：从小教孩子用火、教孩子用刀，到教孩子用互联网——全社会现在必须学会驾驭 AI。缺失的关键讨论是「中庸之道」：明确工具性质、如何善用、如何规避陷阱、文明如何与之共进。
她对「我们不再需要你了」这类裁员头条话语有直接判断：这类话语是引发公众反 AI 情绪的根源，正确做法不是回避 AI，而是主动掌握工具。她列举了一项已被历史数据反复验证的代价——「未适应计算机与电子表格的人终生收入下降超过五分之一，且失业后第一年死亡率翻倍」。数据来自长期追踪研究（李飞飞在节目里直接援引），不是当代的新观察。
因此她的立场是：主动权、协作、赋能才是包括 AI 在内的技术的核心含义，「以人为本」不应只是口号，而应落实为对个人、社区与社会的赋能。这是她第二段里就立下、在整场反复回到的判断。
03 David 的 CEO 工具栈：自己做 App 是新基础设施
David Rogier 在节目里给出了一组实证——他自己工作中使用的大多数 App，已经是自己用 Claude Code 或 Codex 搭建的。他举了一个具体例子：一个名为「Davidfy」的写作风格助手，用于统一他对外沟通的语调；还举了一个「待办事项 App」：列在上面的事项如果停留超过一天半就自动下架，强迫他立即执行、判定不重要并丢弃，或指派给团队成员。
David 把这条经验总结为一句可迁移的话：「做 App 的成本从数月骤降到一周末，每个人都能按自己的思维与工作流创建工具，问题只剩动机和技能」。这个判断不是说「人人应当做 App」，而是说——过去靠 SaaS 产品填补的「个人工作流」缝隙，现在可以用一个周末写出来。这是 David 给「个人基础设施」立下的最直觉判断。
李飞飞对 David 的实证做了两件事——她既给出了赞同，也给了一条边界。赞同的部分：David 用一周末建一个 App 的能力，与她 World Labs 里工程师用 AI 重写内部工具的能力，是同一类能力；边界的部分：她不认同「vibe coding 搭仪表盘」这条路径，——她认为仅前端可用、未与真实数据 / 输入打通，几小时后便失效。
她补充了带员工上手 AI 的具体方法。她处理「有人主动表示想开始用 AI」的步骤是从一个具体任务（演示墙、计算墙）开始迈出第一步。她认为，亲手带着走一遍这件事能帮他们解开某种心结——之后他们就能独立大量探索。她也承认 YouTube 自学效率可能更高——但「人类的陪伴式引导能解锁某些东西」是她多次回到的一句话。这不是她对平台的偏好，而是她对个体差异的判断。
04 别再说「智能成本归零」——李飞飞的反简化叙事论
李飞飞对「智能成本将归零」这一流行叙事给出了直接判断：这是不负责任的说法。她自己的论据是这样展开的——「工业革命并没有『自动化』劳动，它提高了劳动的效率、扩大了劳动的规模，确实引发了劳动力市场的结构性转变，但它并没有消灭劳动本身。此外，我们也不能默认劳动是不包含智力的。」
她对「智力」与「劳动」的关系边界给出了一个反常识判断：体力劳动、认知劳动、情绪劳动——人类的所有活动都深度交织着人类智能，而人类智能至今仍然是大自然中远未解开的谜题。她明确点出「我们尚不清楚人类智能究竟有多深、多细」。
接着她给出了一组可被独立切换的智能清单，——除语言智能外，人类还拥有感知智能、空间智能、身体智能、情绪智能；创造力不仅源自大脑，也源自完整的人生经历。当前语言模型及其衍生品确实正在助力商业智能、软件工程、演绎推理等深层任务，应用正在扩大——但她对「简化叙事」的警惕仍然清晰——「不应使用『自动化人类智能』或『智能归零』之类简化叙事」。这是她在节目里反复回到的话术。
她给出的另一条替代说法是：任何一份工作都由一组任务组成，其中总有令人厌烦的部分（如护士、医生的病历记录），这些正是 AI 可减轻的负担，——这与「AI 取代人」是完全不同的方向。回看历史，任何技术变革——总的结果都是净就业岗位增加。问题在于，谁能获得这些新的岗位？她的判断很直接——适应者获得岗位，不适应者失去机会——而这不只是经济问题，它直接关系到健康与寿命。
05 AI 把教育拉到了 100 美元一年——这是一项 5 项对比
李飞飞把这一节的判断给了教育。她援引了过去 60 年一对一教学效果最佳的研究证据——「一对一辅导是过去 60 年研究证明最有效的学习方式，但因成本过高，只能采用 20 人乃至 300 人课堂或依赖书本」。
她给出了一组可被独立切换的实证——最近几年研究表明，AI 已能提供接近一对一、远优于课堂和书本的个性化教学。对应的成本替代是：小学年费 1.2 万美元、本科年费 8 万美元的教育，AI 可将成本降至约 100 美元。
她从教条价值变化给出了一个具体判断——用 AI 学习，可用减少 60% 的时间掌握同等内容。她警告：如果学校禁用 AI，而其他学校以规范方式让学生使用 AI，使用 AI 的学生将大幅领先，造成孩子之间的发展分化——这是不好的。她补充：不愿适应 AI 的学校，10 年内将因严重落后而被淘汰。
她对教育的目标做了功能边界上的总结：教育的目标不是工具、开闭卷考试或标准化分数，而是培养完整的人，使每个人成为社区和社会的有意义贡献者，过上充实人生，——AI 不应削弱这些根本，而应更好、更高效地实现它们。
她用一段话为这一节收尾——应跳出「AI 等于作弊」「闭卷拒用 AI」这类极化二元讨论，转而思考如何赋能教师与学生、重构课堂、重思考试、标准化测试、大学录取与资源分配。AI 正在降低教育成本和门槛，应借此改善中心城市贫民区、农村及全球南方等资源匮乏地区的教育状况。
06 十年后只剩两类人——专精者 vs 通才的杠铃地图
李飞飞在节目里用了一段长判断把「两类人」地图推到了工具，——AI 是这一段最重要的实证。她以产品经理为例——过去是硅谷最受追捧的职位，充当用户、市场与工程师的「指挥」，无需写代码，做原型要协调设计师与工程师，整个周期通常需数月。
她给出的实证是——如今很多产品经理自己写代码，借助 AI 设计简单原型并生成代码，周期大幅缩短，工程师和设计师得以专注更复杂的工作。用户端也在变：AI 可模拟用户行为，更高效地完成用户反馈闭环。
她从杠铃价值判断给出了一个长结论，——招聘产品经理时，她看重「驾驭变化浪潮」的人，而非仍照搬五年前工作流程的人。各行各业都会被强大工具赋能，个人能力边界被打破，自主性与创造力得到释放，这将从根本上改变美国公司的组织结构。
主持人接住这个判断补充了一句——这相当于「组织内的创业者」，需身兼多职并对多件事负责。李飞飞于是提出杠铃效应假设——一类人成为顶尖专家，另一类则是组织内的多面手创业者。她用一句话给这道坎下结论：「选一个方向做深」这一传统职业建议正在被侵蚀，除非你是该领域全球最顶尖的人。
她给的实证边界是——普通文案被 LLM 取代，但世界顶级文案仍有价值，两极分化加剧。未来劳动力将分化为两类：顶尖 1% 的「专精者」，在其手艺或专业上无可替代；以及「高能动性的通才」，具备跨领域判断力与行动力，能与顶尖专精者协作互补。
她补充了一句话作为这一节的结论——无论专精还是通才，关键都在「agency」。设计师等创意工作者正以令人意想不到的方式使用各类 AI 工具，将其作为放大自身工艺与创造力的杠杆。「Entrepreneurial」本质就是 agency 的同义词；医生、K–12 教师等任何职业都可以拥有。
07 AI 不是替代品——李飞飞的工具栈与空间智能
李飞飞对自己工作工具的判断要具体。她常用 ChatGPT、Gemini、Claude 等工具——用于研读深度课题、对话交流等。她分享了一个个人趣例：过去周末做家务时听有声书，几月前发现可边叠衣服边与 AI 深入讨论任一话题，反而让做家务变成期待的学习时间。
她对软件工程被 AI 改变做了一个长判断——软件工程已被 AI 彻底改变；艺术与设计领域同样在变革，她所在的 World Labs 正在构建模型，帮助创作者构思 3D 世界。
她对「替代 vs 增强」这一立场的判断，——反对将 AI 创意工具定位为「替代人类创作」的叙事。她点出：人类创造力（尤其视觉设计）深深交织着情商、个人故事与价值观，AI 应是激发并表达这些创造力的工具，而非取代。这是她从立场上立下的清晰边界。
她把判断延伸到了她目前所在的实验室——World Labs 主攻空间智能与 3D 生成。她点出：空间智能涵盖人类在 3D / 4D 环境中的多项能力——能感知场景中的人、物、设备（即「理解」），也能在空间中推理行动（如去冰箱拿水）。
她给出了空间智能的四个组成部分——理解、推理、生成、交互。她用投篮作为例子展开：日常任务都是语言智能、空间智能、身体智能的混合，三者协同工作，——空间智能是动物与人类古老而根本的能力，演化用了 5 亿年以上才成熟。
她对「距离彻底攻克空间智能还有多远」给出一个坦诚判断——我们永远不会确知人类智能的极限所在。但以人类日常展现的能力为例（烹饪、叠衣服、打篮球），我们现在距离那个水平还有距离。她的目标是在有生之年能够实现这一目标，——不会需要 100 年、也不会是 50 年、但也绝非一两年。
她对「AGI」这一用词给出了一个学术判断——「AGI」的「G」含义尚不清晰，「AI」一词更准确。但她认同这一观点：不做空间智能（spatial intelligence），就无法接近 AGI，——空间智能关乎识人、交互世界，是 AI 图景中不可或缺的部分。
08 agency 是怎么养出来的——5 个组成要素 + 1 个反面
李飞飞把关于 agency 的判断给了观众。她坦言：关于 agency 的研究尚未成熟，多停留在定性层面，证据偏弱。她直接给出了五个组成要素——安全感以承受风险、失败与复盘的能力、跌倒后重新站起的韧性、对世界的好奇心，以及想解决问题或给人留下印象的内驱力。
她对培养起点给出了一个具体判断——agency 培养起点是童年，基本需求（爱、食物、睡眠、心理健康）需被满足，再主动把自己置于困难且陌生的环境。她补充说，外部激励（薪酬、奖励）也能推动行动，但需结合 agency 本身。
她从社会功能给出了一个反思性判断——社会长期教导人们寻求赞美（来自父母、老师、上级），而拥有 agency 近乎是对这种价值取向的拒绝。她举了 David 的具体经验——David 创办 MasterClass 时被众人视为「不可能、坏主意」——对一个一生追求赞美的人而言极为艰难。
她把 agency 培养的转折点给了一个直接判断——人人都觉得好的点子往往其实不好；要具备 agency、成为创业者，必须追逐他人认为「不可能」的事。David 自己接住这个判断——「现在听到『不可能』反而兴奋想深入挖掘；agency 是从骨子里转变的，不能靠简单教四条原则速成」。
李飞飞补充了 agency 的另一个组件——独立思考与敢于逆共识。她坦言，长期被训练回应赞美后，提出与朋友相反的观点会让人害怕——这种「敢于逆共识」的心理肌肉需要训练。
她对新一代给出了一个判断——这条结论是她最接近「自豪」的一句话，——在家长与教育角色上，她个人的核心价值观是「鼓励」，最简单的方式就是「不要懒惰」。她反而对新一代有「羡慕」，——成长于 Twitter / X、Instagram、TikTok 等平台的年轻人天然意识到世界充满各种声音，不再局限于单一的老师或家长。
09 对新世代的期待 + 给职场人士的最小入口
李飞飞把对新一代的判断延伸到普通职场人士。她明确说：对 World Labs 这样的 AI 创业公司来说，不使用 AI 的员工不会在那工作；她更想对已在职场上的教师、护士、会计等专业人士说话。当前公共讨论两极化，多数非技术从业者除了焦虑，不知如何接触 AI。
她给出的最具体启动动作是——找一个 25 岁以下的孩子、侄子或侄女，他们几乎都在用 AI。保持好奇，请他们展示如何使用 AI；不必把它当成抽象技术，而应好奇他们未来将生活的世界。
她把这一节的边界点出来——不用担心自己没学过计算机或不会选 App，让身边信任的年轻人带你体验一个周末，他们的指引会让你发现这个世界没那么可怕，反而可以赋能。
她对这条判断补了一个长结论——亲身了解后，你的声音也能被更好地听见，即便你觉得 AI 有问题。主持人把这句话收尾——「保持好奇、发展自主性并付诸实践」。这是她整场对「两类人」立场所说的最后一组落地话。
10 编者按：边界 + 口径 + 判断 + 今天就能跑的第一步
边界先摆三条——其一，这场对谈是现场跑的（约 49 分钟），所有具体的实证——医疗病历、$2.75 亿美元公司估值、$100 美元一年教育成本、6 个共享的 agency 组成要素、5 年研究承诺——都以节目里的实证呈现为准，不是编者的复盘。其二，李飞飞对当下 AI 能力的判断偏 V1 阶段，——恐惧被高估、AI 仍是「有损的」基于语言的工具，所有评估与未来时间表都受她个人立场影响，不应视为已验证的事实。其三，本文主体保留李飞飞第一人称主张，——她作为 ImageNet 之母、World Labs 创始人、Stanford 教授的身份以她在节目里自我描述为准，未外推她在节目之外的工作年份、未外推 World Labs 与 MasterClass 的产品更新。
素材口径也要交代——本文事实只取自这场 49 分钟的对谈（视频全长 00:49:04.000），视频由 Silicon Valley Girl 节目发布；David Rogier 的发言按他在节目里自述为准（MasterClass CEO、创办时被众人视为「不可能」），未外引素材外的事实——不补 MasterClass 估值、不补 David 个人履历、不外推 World Labs 与 MasterClass 的产品更新。本次对谈的脉络可被转写为 15 节——本文按 10 章节顺序展开，不覆盖全部细节但保留了核心机制与可操作落点。
编者判断说一句。李飞飞真正想传递给读者的不是某条 AI 工具栈清单，而是agency 才是把模型从困境中解放出来的关键变量。她反复回到同一个动作：把对人这一变量的重视、而不是把模型当工具这件事置于核心位置。真正能带走的不是某个具体 skill、是把能动性这件事置于自己的优先级，——这条建议适用于一切角色的读者，比起默认依赖「被教什么都不重要」，agency 才是真正能跨场景迁移的能力。
若只带走一个动作：今天晚上找一个 25 岁以下的孩子、侄子或侄女，请他们给你演示一下他们平时是怎么用 AI 的——亲手过一遍「让身边信任的年轻人带你体验一个周末」的最小验证。然后在 notebook 上写下五个"对你重要"的判断题——安全感、失败与复盘、韧性、好奇心、内驱力——用这五项作为你自己的 agency 自评表。这就是李飞飞在节目里给「agency 怎么养出来的」那道题留下的最小可执行起步。
原作者：李飞飞（Stanford 教授 / ImageNet 与 World Labs 创始人）；本文观点出自 Silicon Valley Girl 节目对她的约 49 分钟对谈（视频全长 00:49:04.000，嘉宾 David Rogier，MasterClass 联合创始人兼 CEO），视频原帖由 Silicon Valley Girl 节目发布。