没有一键生成，AI或许不是来伺候我们的，而是来筛选我们的。

春节开工第一周，我朋友圈的风向变了，画风突然很“硬核”： 有人在分享Openclaw的部署心得，各个群里在讨论Token的消耗速度，一些从未写过一行代码的朋友，发来了自己用AI编程做的小工具。AI正加速从开发者转向普通人，包括没有技术背景的人。

我问了身边很多朋友：“你现在怎么用AI？” 答案出奇一致：用得比一年前深多了，但也累多了。一年前，大家以为AI可以替我们写报告、设计海报、分析数据，是我们的减负神器；如今，大家发觉，它确实能帮我们跨越专业壁垒去编程、去搞量化交易，但代价是——你必须追得上昼夜不停的技术迭代，必须驾驭更多工具，必须忍受与它磨合中的脑力和心力。

AI没能让我们更轻松。它是在让我们“更累”的状态下，压榨出自己的潜能，去触碰以前想都不敢想的天花板。

我们认真聊了五位“痛并快乐着”的普通人。他们都不是程序员，也没有AI从业背景，但在AI的大浪中，摸着石头过河，没人可能退回岸上。AI时代，唯一的出路，或许就是一路向前，与AI一起，进化成更强的物种。

01 我在大厂用AI乘风破浪，自己也变成了“老板的AI”

2024年底，40岁的人力资源总监关越做了一个大胆决定：离开正处于转型期的传统龙头企业，通过猎头，一头扎进节奏飞快的科技大厂。

40岁转身科技赛道，听起来像是顶着天花板逆行，但关越不仅平稳落地，还如鱼得水。这离不开他多年的积累，也得益于他对新事物的敏锐和拥抱——早在2023年大模型兴起，他就自费报班学习，并要求团队率先在文档处理中应用AI。

即便早有心理准备，新东家的AI环境还是让他大开眼界：从OA系统、办公文档到招聘面试，AI已渗透各环节，员工可免费调用各种顶尖大模型。

招聘是企业中与AI结合最早的岗位环节之一。尤其在校招季，AI辅助的简历筛选和人才匹配已大批量应用，部分公司初面的AI接管率已高达75%。关越的招聘工作中，AI也已全程介入。尤其一场面试刚结束后，AI就会立刻生成分析评估报告，供他参考，提供有价值的辅助。

但关越也发现在与AI的协作中，“人”是不可替代的。“AI更多考察的，是对方回答过程中的专业性。而面试者的语气、语态、性格特征这些对人性的洞察，AI目前还读不出来。”

每次面试仍是一场高强度脑力聚焦。他不仅要判断一个人的专业能力，更要观察对方的能量场高低、沟通成本、边界感和协同能力，这些关键的“软性素质”目前仍只能靠人的经验去判断。他也尤其关注对方的表达能力。“在大厂，专业能力能发挥70%就已经很牛了，多数人只能发挥四五成，剩下拼的全是沟通与协同——这恰恰也是AI的盲区。”

有趣的是，现在面试中关越也要与AI“博弈”。部分候选人外挂了AI，关越要在面试中关注对方的眼神，看他是不是在瞄屏幕上的提示词。为了反作弊，他的策略也越来越犀利：尽量不问开放性问题，直接挖与个人相关的真实业务经历。这些是AI“编”不出来的。

AI会大规模替代人吗？关越有个锐利的观察：这取决于老板对工作"颗粒度"的要求。 传统企业老板习惯"雕花"式人工服务，仍需大量人力；而效率成本优先的老板，会主动降低精细度要求，倒逼员工自己用AI解决。

然而在同一栋大楼的另一个团队，前媒体人冯薇感受到的，是截然不同的一面。

刚入职，文笔出众的冯薇接到一个“看似荒唐”的任务：5天内写出几十位优秀员工的故事。冯薇察觉到，这类稿件与媒体的要求很不同，主要传递企业价值观，有固定的“八股”模板，领导偏爱渲染和金句。这恰好是AI擅长的。她观察AI生成的文字略带夸张，容易吐出一些金句。“如果没有AI，我绝对会崩溃。”她把素材喂给大模型，迅速生成符合企业审美的文章。

但任务完成得更快，冯薇却没有早下班，工作的KPI反而更重了。

以前可能几个人干的活，现在全压给她一个人。本来该设计师干的海报，现在变成了她用AI提Idea、做Demo。更要命的是一种更深的异化感：“很多时候，我觉得自己变成了老板的AI。老板下一句指令，我转身输入给大模型；老板反馈，我再用AI调优，反复调教AI的工作量也不小。感觉自己更‘牛马’了。”

这种疲惫，不仅是体力上的，也是一种被工具化的疲劳感。

在大厂，AI为你提效、挡住重复劳动的苦役、弥补短板，但也抬高了生存底线。工具抹平了基础技能差异，现在能倚仗的，只剩下那些最古老的东西：对人性的洞察，对未知的拥抱，以及能保持独立思考的脑子。

02 崩就崩吧，一位中年女性和AI死磕的这一年

这个春节，夏宁没有走亲访友。她把自己关在家里，继续死磕一件事：用AI处理服装设计。

夏宁原本在传统能源企业做市场，近几年处于人生十字路口：中年、女性、没有强悍资源，在这个行业中的处境，就像电影《逆行人生》刻画的，职场“断崖”近在眼前。2025年，她辞职，从一线城市搬回省会老家，把赌注押在朝阳的AI上。虽然不是技术出身，“但大家都是一个脑袋，人家能学，我也能摸一摸”。

第一次押注并不顺利。她非常热爱原创，试过用海内外各大AI工具做短视频，但现实中很快“碰壁”：AIGC通用工具还满足不了专业级要求，而且她缺乏对接市场的资源。试错之后，她做了两个决定：紧贴市场，尽可能往底层技术下探。

秋天，她陆续接到真实需求，其中一个是用AI将爆款服装拆解为模板布料，供设计师二次创作。为此，她开始全心钻研开源平台ComfyUI。这个平台可自定义工作流，达到更复杂精准的生成控制，实现更专业的需求。但问题来了，当下AI生态还极不完善，没有适配她显卡的现成安装包，她必须从Github下载源码，自己搭建底层架构。

被迫成了架构师，这件事几乎没人支持她。有人说“你犯得着吗”，有人说“写代码是00后和程序员的事，你‘一把年纪’干嘛去干这个”。身边没有技术大牛，AI成了她唯一的导师和战友。搭建过程也较为破折，系统会经常报错，几次，她按照AI建议改错了代码，系统直接崩了。

但在最初的难过和挫败感后，她决定推倒重来。“崩就崩吧，哪出问题就解决哪。”这个过程中，她没有寻求周边认同，“因为只有我自己清楚，这些问题是必须要解决的——底层架构搭得扎实，上面的应用才能跑通、跑得更好。”她认为，现在快餐文化严重，大家都愿意吃喂到嘴边的，不愿意去扎根技术。”你去解释，很多人也不太能理解。“

几个月下来，她最大的变化是“胆子变大了”——大到敢直接改源码。她不只是照着AI的指令改代码，还能自己找出源码里的bug，在AI的帮助下修改跑通。再后来，她学会了用Python写代码。她搭建了自己较满意的架构，与朋友分享自己的喜悦，“现在底层如果出了问题，我大概能判断出一二三。”

当朋友表示自己也想学，但如果赚不到钱怎么办时，夏宁感受到两种思维的碰撞。“如果一开始我就盯着能不能赚钱，到现在什么都干不成。”她说，“重点是能不能沉下心，解决那个让你撞墙都想搞定的问题。”

现在的夏宁，工作时间比上班还长，没有周末，从早晨不知不觉干到深夜11点。项目已进入测试阶段，各种调试很复杂烧脑，她更要沉下心来。而她和AI之间也建立了一种羁绊——“能干到‘冒火’状态，但停不下来。”为了让模型干得更好，她甚至对豆包屏蔽了与ComfyUI无关的信息，她称这是对模型进行专属训练。

对于“AI取代人类”，夏宁这一年的切身感受是：你既是跟AI学，其实AI也在跟你学。“机器并没有那么绝对聪明，它只能取代了一部分通用需求。面对专业要求，必须是你告诉它该怎么干。最终，一切依然要回归到人的本质。”

03 “我没用过AI，但愿意探索”，她赌赢了

春节前，靳思澄用AI为一家知名机构制作的一支视频宣传片上线，传播极广。这是她从事视频制作近10年来，第一次大规模拥抱AI，耗时3个月，从零到交付。

机会来得很莽撞。靳思澄听说了这个项目，直接找到甲方自荐：“我还没大规模用过AI，但超级感兴趣，愿意一起探索。”为此，她甚至自降报价，甲方赌了，她进入候选者名单，用一个月狂试国内外主流AI视频工具，生成特定镜头，Demo得到认可，最终拿下订单。

AI迭代速度之快，让她在项目中经历了剧烈冲击：前脚积累的经验、制定的流程，后脚就被新模型推翻。 刚开始制作时，Nano Banana生图不支持4K，这意味着她要额外做七八千张图片的高清化处理；Pro版上线后，直接支持4K，那些处理步骤全部省掉。最近字节Seedance上线，连分镜都自动生成。“一个新模型，就能推翻所有实验！”

项目成功交付后，她总结出核心的方法：别报班，紧追最新模型。 模型迭代太猛，报班学的东西，新模型一出来就全被吊打。多刷小红书、抖音和视频模型集合站，比上任何课都管用。

快速上手试验也很关键。去年11月试验让她发现，Nano Banana Pro生图无敌，视频则首选VEO3.1（Seedance2.0还未上线），但VEO3.1锐化过多、成本高，需要搭配即梦，并采用海螺AI弥补运镜短板。提示词经验也是在实操中掌握的。起初她也像身边朋友一样，一句简单的指令让模型生成，发现效果不可控。后来精细到“景深如何、背景建筑、花草布局、人从左往右走、指天空的表情动作”。

靳思澄感受到，视频行业到了转折点。2024年她曾尝试过AI，还很难用，最终想办法弄了几个镜头。2025年11月底谷歌Nano Banana Pro上线，她在论坛刷到用它做的片子。“大家明显感知到，AI视频已经可以商业化。”过去实拍不了的科幻场景、需要耗时建模才能实现的动画，现在都能通过AI搞定。春节前，Seedance2.0上线，再添了一把火。

“今年市场变化会更快。”春节假期出游结束后，她要马上上手试验新模型了。处在这个行业，真是一刻都停不下来。

虽然市场上有“AI替代视频制作”的说法，但靳思澄感受到，创作底子和通过阅片积累的判断力，是AI替不走的。导演是那个最适合用AI来制作片子的人。而靳思澄近10年的剪辑和导演思维，也为她打下基础，她能创作，能判断一个镜头好不好，知道该往哪个方向调。“在‘生成什么’这件事上，有积累的人更知道从哪里开口。”

“站在当下这个节点，我是兴奋的，可以探索几年前连想都不敢想的事。”她说，“别多想，动手去做。能火的，还是想做的人。”

04 裸辞后，他用AI搭了个炒股系统，"目前没亏"

罗征在科技大厂摸爬滚打了10多年。与大厂里充斥的严重内卷不同，他身上透着一种从容淡定。

这两年，罗征所在的大厂业务处于转型期，他所在的业务被边缘化，人事动荡，他纠结了一段时间，最终决定裸辞，“要在好的年纪，做点自己真正想做的事”。

外人觉得他应该赶紧找工作——顶着大厂光环，而这段时间科技市场的招聘也在升温。但罗征想清楚了一件事：“面对AI浪潮，如果不沉下心学AI，即便找到新工作，也可能几年内被淘汰。”他决定边学边找方向——而且，现在AI门槛越来越低，为什么不先尝试自己做点事情呢？

他订阅了ChatGPT，开始每天和大模型“聊天”、鼓捣东西。几周后，他搭出了一个炒股系统。

“AI最擅长数学和逻辑，炒股天然契合。”罗征发现，市场上大模型普遍缺乏长期记忆能力，但他巧妙利用ChatGPT“Project”功能，解决这个问题。他把自己的投资风格、从社媒搜集并与大模型一起优化的选股指标、大模型推演出的股票涨跌计算公式，全部喂给“Project”，让系统推荐20只股票，进行日复盘和周复盘。为了让系统获取实时数据，他在AI的指导下，找到了开源社区的数据API接口，更新股市数据。

这一步步的工作，都是他用极其严密的逻辑，与AI互动，逼AI吐出的。这是一种高脑力劳动。一度他的睡眠并不好，因为与AI互动得太晚，“看起来是AI在处理，其实每件事自己都要去过一遍。每天都过载，要多线程处理很多事情”。

目前，他根据系统推荐的股票小试牛刀，“表现稳健、没亏”。他想验证的，是“普通人能不能靠AI搭出一套可运行的系统”。

除了炒股，他用纯自然语言让AI帮他搭一个培训创业项目的框架。大学学过编程，但十几年未做过实际开发。他完全靠说话，让AI写代码、选平台。

“你会发现ChatGPT知道市面上每个产品的优劣，能帮你挑选。”比如，它建议罗征把培训内容、规则放在飞书多维表格里，因为“这是低成本、易上手的数据库”；同时建议运行在阿里云上，因为域名申请、函数计算和对象存储“放在那里体验更优”。就这样，罗征几乎零成本搭起一个跨平台技术架构。

大模型甚至还教他如何使用Github，来调用别人打包好的开源技能库（Skills）。这些是罗征从未接触过的，“但你不怕从零开始”。 

罗征把与AI的合作比作“老员工带新同事”：你把业务要求交代得越清楚，它的产出水平就越高，这可不是一个简单的工作。比如让AI写一份《AI For Science年度报告》，如果你只扔一句指令，它给出的绝对是水货；但如果你明确告诉它“重点在生物医药和新材料、要关注中英德法日指定的权威信源、社区信息需三方验证、报告需包含哪些板块”，大模型给出的深度就会发生质变。

罗征感受到AI的突飞猛进。他总结出一套方法，“80%原理”——集中精力，先把最先进、最成熟的AI技术玩透。而且绝对不能纸上谈兵，在实操中摸索AI的能力边界。

他也有一个判断：“真正愿意钻研AI的人，本来就是有极强学习欲的人。AI不会自动唤醒那些不想学的人。短期内，AI会加剧人与人之间的鸿沟，而不是实现普惠。”

05 他是个搬数据的职场新人，但他不想一直搬下去

刘景然，00后，大数据专科毕业，在一家研究机构做了三年数据处理。

他每天的工作是提取数据、整理表格、核对字段、进行基础性数据分析。上学时那些复杂的处理逻辑与高阶工具极少用得上，曾系统学习的Python也因实践需求过少而逐渐陌生。只有一次，同事提出一个复杂多维度数据分析需求，他瞬间燃起热情，熬夜打磨好几套方案——但方案落地之后，西西弗斯的石头滚回来，一切照旧。

转折发生在公司人员优化后。身边工位越来越空，但各部门抛来的数据需求越来越多。有同事提议：干脆做一套自动化数据提取系统吧。刘景然陷入矛盾：他迫切想摆脱这种重复劳动，可一旦自动化了，自己还能保住这份“搬砖”工作吗？

刘景然是个挺上进的小伙子，不打游戏、连刷抖音都在看教学视频。他不是没想过破局，曾动过“专升本”读AI专业的念头，但时间与经济成本，再加上身边升本的朋友“毕业即失业”的现实，他打消了这个想法。但看着身边好友为结婚攒首付而焦虑不堪，他心里也打鼓：如果只会这点搬砖的活儿，未来拿什么去抗风险？

前辈的一句话点醒了他：“AI淘汰的是重复劳动者，你要做AI的驾驭者。” 刘景然下决心利用AI谋求“在岗转型”。

身边的码农朋友中开始流行Cursor，个人版一年需要1000多元订阅费。在确定工具能为自己创造真金白银前，他不愿盲目氪金。他先尝试在腾讯元宝中用大白话描述需求来生成代码，再复制到PyCharm里运行，但频繁的软件切换让效率提升大打折扣，也打击了积极性。直到遇见免费AI编程工具Trae，有Python基础打底，直接上手。过去要写数十行代码才能完成的数据提取，现在对话描述需求，AI自动生成脚本、调试Bug。他开始主动探索更复杂的场景，把常用代码整理成“个人操作手册”。

他还把Trae分享给了编程零基础的人文博士朋友小安。小安斗志昂扬，要用AI开发一款科研软件，折腾了两天，弄出来一个花架子界面，怒评“AI编程是垃圾”。身边一位Cursor资深用户一语道破：“AI不是万能的，它只是聪明的执行者。你得先自己懂逻辑、能调试，它才能替你干活。”

最近各种新AI不断涌现，Claude code、Openclaw……刘景然清楚，技术迭代速度远超个人学习节奏，今天赖以立足的工具，只延缓了被替代的时间，并非构建了不可替代的壁垒。是深耕垂直领域成为复合型数据人才，还是横向拓展适配更多岗位？他还在找答案。

在AI重构职场的浪潮中，AI没有让人更轻松，它让一些人干得更多，让一些人焦虑得更深，让一些人学不过来，它给了那些有问题意识、不愿停在原地的人一根更快的杆子，但每往前一步，都要付出更密集的脑力和心力。

这一圈聊下来，我们看到了AI滤镜后的世界。没有一键生成，我们被迫跳出了舒适区，去理解代码，去构建系统，去和算法博弈。AI不是来伺候我们的，它是来筛选我们的。它把基线拉得极高，或许也给进取者留了一扇从未有过的门。