如果回到 2020 年，当 ChatGPT 刚刚问世的时候，大概很少有人能想象，到 2026 年年初，会出现一种线下上门服务：帮人安装、部署 AI Agent。

在互联网出现之后，我们经历了许多轮风口：从电商、自媒体、加密货币，一路来到今天的 AI。乍一看，AI 似乎也只是众多新事物中的一员，但在我看来，它和前面几次浪潮有着本质的不同。

电商解决的是购物的需求，自媒体解决的是信息传播与表达的需求，加密货币则针对的是金融去中心化的需求。这些技术切切实实改变了我们的生活方式，却并没有直接改变“我们这个人本身”。而 AI 要解决的，是我们对“知识”的需求。

在这个时代，我们似乎不再需要按部就班读很多年书，才有机会遇到一位好老师。一个问答式 ChatBot，就像一位几乎无所不知的博学导师；通过自然语言就能生成精美画作的 AI 生图工具；已经难以分辨真伪的文生视频（例如 Seeddance 2.0）；再到用一句话就能生成网站、应用的一整套代码能力——这些都在直接改写我们获取知识、运用知识的方式。

这意味着，过去那种“用二十年苦学，换取某一领域一点点知识优势”的路径，正在被重写。我们曾经依靠知识的稀缺性来赚钱：回想一下过去那些高收入职业——医生、律师、程序员，无一不是对专业知识要求极高的岗位。然而现在，有了 AI 之后，似乎普通人也能在某种程度上“借来”这部分能力：程序员的技术门槛被降低到“一句话做个网站”；律师的专业咨询可以先和 AI 来一轮深度对话。

那么，这是不是就意味着我们不需要再学习了？在这样的时代里，什么才是真正重要的？

这正是我接下来想讨论的问题。

在我看来，时间、决策和成长，是这个时代最重要的三件事。

时间

在没有 AI 的年代，人和人之间最大的差距在于教育带来的知识鸿沟。但传统教育系统是低效的：大学里学到的大部分内容，与真正工作中需要的能力往往相去甚远。最终，你还是得在工作中重新学习，学历更多只是一个“敲门砖”，证明你具备学习和适应新知识的能力。

但现在已经完全不一样了。想象两个在同一时代开始上一年级的小学生：一个每天放学回家就抱着 iPad 刷短视频；另一个在父母的引导下，用 AI 辅助学习、探索世界、发展自己的兴趣爱好，相当于身边一直有一位耐心且顶尖的私人老师。十年之后，当他们长大成人，这两个人之间的差距会有多大？AI 不仅不会抹平人与人之间的差异，反而因为单位时间内效率的极大提升，会让差距被无限放大。会持续熟练使用 AI 的人，和只会刷短视频的人之间，未来的区别，很可能就像智人与猴子之间的差别。

所以，在这个时代，如何“花时间”变得尤为关键：你是不是在用时间为自己“积累体积”。

很多人意识到了这种变化，随之而来的就是焦虑，也就是所谓的 FOMO（Fear of Missing Out，害怕错过）。最近“小龙虾”这个东西爆火，许多人纷纷入手 Mac mini 来搭自己的“小龙虾”。但现实是，大部分人连命令行都不会用，却幻想这个东西能立刻提升自己的生产效率。互联网上充斥着类似的内容：装上某个 skill 效率就能提升 100 倍，或者安装一个量化交易 skill 一周赚 40 万美元。仿佛只要把“小龙虾”部署好，再抄一抄别人的 skill，就能一夜暴富。

这类内容的收藏量极高，恰恰反映了当下普遍的浮躁和焦虑：好像今天不装上这个“小龙虾”、不赶紧跟着装某个 skill，明天就要被整个时代抛下。但他们完全没有意识到——我们整体的效率，远没到“随便点几下就翻 100 倍”的程度。

多数人对时间的理解，仍停留在“一条线”的层面：从出生到死亡，是一维的、像一条射线。所以面对新事物时，他们的思维是：只要我在这条时间线上参与一次，在某个节点做过一件事，就该收获回报。于是，花 500 块请人上门安装“小龙虾”，再打开收藏夹里某个量化交易 skill，甚至连怎么安装都不懂，又花钱请人帮忙安装，然后匆匆投点钱进去，亏光了就大骂AI 是“骗局”。这是一种典型的一维生物视角：只关注时间线上某一个瞬间的“操作”，而不是整个时间维度的“投入结构”。

但时间更接近一个“管道”，它有横截面积，也有体积。回想你的人生经历：是不是有一段时间格外拼命（比如高三冲刺高考），也有一段时间特别荒废（比如相对松散的大学时光）？这就是时间“粗细”的区别：高中的那段时间，管道的截面更粗；大学那段时间，管道则细得多。再把“截面积”乘以时间长度（高中三年、大学四年），你就会发现不同阶段的“时间体积”其实完全不同。

在这样的视角下再看那些行为：你妄图用一天时间，花 500 块钱请人远程装一个“小龙虾”，再随便装上一个你根本看不懂的 skill，就想要改变整个人生轨迹，这件事本身就显得十分可笑。

过去很长一段时间里，人们在“单位时间”的效率差距并不算大，也就是说，时间管道的横截面积差异有限。更多的差距来自于时间长度与持续投入，所以很多人会觉得“大家最后也都差不多”，于是才有了“世界是个大草台班子”之类的戏谑。

但 AI 出现之后，单位时间上的差距被重新拉大到了“天与地”的程度：一边是拿着手机刷短视频，时间管道的截面几乎可以看作一个点；另一边是在用同样的一小时，与世界最顶尖的知识和工具进行高密度互动。

真正重要的，不是你今天有没有跟风装上“小龙虾”，而是你在用 AI 把自己的时间管道变粗、变长，还是把它压扁成一个个被短视频切碎的“时间碎片”。

决策

第二个我认为同样关键的，是“决策”。

无论是当下的社会局势，还是科技演进的速度，我们已经身处一个高度动荡、变化极快的时代：每天都有新事件发生，每天都有新技术出现。在这样的环境里，如何辨别方向、做出相对正确的选择，变成了影响人生走向的核心能力。可以说，决策的质量，很大程度上决定了人生的质量。

举一个身边的例子：一位同事和她的丈夫，在去年年底随口定了一个“计划”——圣诞节尝试一下，如果怀上就顺其自然要二胎，如果没怀上就继续维持一个小孩的状态。且不论有没有科学备孕，这样一件足以彻底改变人生轨迹的大事，居然是以一种近乎打赌式的心态敲定的。结果不出意外，怀上了。如今她每天孕吐、焦虑，一边上班一边感叹：现在赚的钱根本不够养两个小孩。这就是决策质量，直接反馈到命运质量的一个缩影。

我们每天都在思考：大的，比如世界会走向哪里；小的，比如晚上吃什么。思考结束，紧接着就是决策；决策带来行动，行动一点点累积成我们的命运。所以，如何做出更好的决策，绝不是一个“鸡汤问题”，而是非常现实的生存问题。

这里我推荐一本书：《决策的艺术》。这本书提供了一个相对完整、可操作的决策框架，不是那种看完就放在书架上吃灰的理论，而是可以立刻拿来用的流程。看完之后，选一件你正在纠结的事，照着书中的步骤做一次完整的决策过程，再反复练习，你会发现错误决策的概率会明显下降。至少，你是在“权衡之后做选择”，而不是完全依赖当下情绪和直觉。

那在这个 AI 时代，我们还能多做些什么？

我们其实多了一个前所未有的决策搭档——一个“世界上最勤奋、最不知疲倦的智囊团”。它可以帮你整理信息、罗列选项、估计风险、给出建议。如果你把《决策的艺术》里的决策框架提炼出来，喂给 AI，让它按照这个结构来帮你思考问题，你就可以搭建一条属于自己的“决策工作流”：每一次重要决策，都严格按照这套流程走一遍。

但前提是，你必须先自己理解这本书、理解这个框架——否则你连“向 AI 提问”都提不好。AI 可以极大提升“输出端”的效率，但“输入端”的理解与判断，依然掌握在人手里。

做完决策，其实事情还没结束。真正拉开差距的，是“复盘 + 提炼原则”这一环。

比如我在 2020 年买车时，出于“能省就省”的心态，没有买全险。2024 年底，车出了严重事故，基本宣告报废。事故之后，我又做了一系列同样欠考虑的决定：想省钱，就找便宜的修车工，花了 3000 澳币修理；结果一周后发现发动机有重大问题，需要至少 5000 澳币更换。到最后，这辆车只能按残值处理，回收给了 2000 澳币——从事故到报废，是一连串糟糕决策叠加的结果。

事后复盘，这里面至少有几层问题：

一开始为了省下全险保费，把自己暴露在高风险区间里。表面看，我“幸运地”开了 5 年车才出事故，按这次结果回头算，好像买不买全险都差不多。但如果事故发生在第一年，那就是整辆车的价值瞬间归零。那时的我只盯着每年能省下多少钱，没有意识到自己承担的是“尾部风险”——一旦发生就是致命打击。

出事后依旧在用同一套糟糕心态做选择：继续“贪便宜”，找最便宜的修车方案，却没有在决策前认真评估：如果修到一半发现问题更大，我还能不能承受更高的修理成本？这辆车值不值得我继续往里砸钱？理性一点的做法，可能是早早止损，把全险或补贴、残值和未来风险一起算清楚。

整个过程几乎没有任何预案和边界条件：什么情况下必须认亏止损？什么情况下才值得继续投入？全部都是临场凭感觉拍脑袋。

这就是“不做决策复盘”的代价：同样的错误，会在不同场景里一次次重演。

因此，做完一个关键决策之后，最重要的是坐下来复盘，提炼出几条可以写进自己“人生操作手册”的原则，把它们记录下来。下一次遇到类似情况时，你不再是“临场随缘”，而是有一套逐渐打磨出来的、属于自己的决策系统在背后托着你。

AI 可以帮我们收集信息、搭建框架、甚至提醒我们复盘，但真正要对决策负责的，永远还是那个人——屏幕另一端的你自己。

成长

既然 AI 已经这么强大了，那我们还需要自己认真学习吗？

如果你把前面“时间”和“决策”那两部分仔细读完，其实答案已经呼之欲出了：我的思考并不是只靠和 AI 对话得来的，我仍然持续把大量精力投入在读书上，用系统性的知识来升级自己的底层能力。只有当你自己的认知水平被不断拉高，你才能提出更好的问题，下达更清晰、更有约束的指令，AI 才有机会给出真正有价值的回答。

我对“时间”的那套理解，来自《财富的真相》；我使用的决策框架，则来自《决策的艺术》。换句话说，是先有高质量输入，再叠加和 AI 的高质量互动，而不是把一切都直接甩给 AI。

这里我想引入一个概念：阅读效率。

可以粗略理解为：在相同的时间里，你从文字中获得的知识增量和认知提升有多大。如果同样是花 30 分钟，有的人在刷短平快的信息碎片，有的人在读一本好书的一个章节，最后两个人的“阅读产出”完全不同，这背后就是阅读效率的差异。

书籍，尤其是好书，往往是作者用几年甚至十几年的经验、研究和反思，浓缩出来的几十万字。你用几小时就能“下载”别人多年的所见所思，本身就是一种极高杠杆。而一条微博、一条推特，往往只是作者几分钟写下的一句感受。你在两者上花同样的阅读时间，能够获得的结构化认知、体系化观点，显然是完全不在一个量级上的。

所以，从“单位时间的回报率”这个角度看，系统阅读带来的阅读效率，几乎一定是远高于碎片内容的。

这也是为什么，在 AI 时代，我们反而更需要读书。阅读不是为了和 AI 争“谁更懂”，而是为了让自己有能力把 AI 用到一个更高的层次。你理解得越多，提问就越具体，约束就越清晰，场景就越真实，AI 的回答也就越深入、越贴合现实。而如果你自己的理解停留在表层，你的提问也只能是“我有个问题，你帮我解决一下”这种模糊的一句话，那 AI 的回答大概率也只能停留在泛泛而谈的建议。

可以做一个简单对比：

一个人看完《决策的艺术》，把里面的框架吃透，整理成清晰的步骤，再发给 AI，让它严格按照这个框架辅助自己做决策；

另一个人什么都没看，只会对着 AI 说一句：“我有个事，你帮我分析一下该怎么选。”

两个人都在用 AI，但能获得的帮助质量，几乎是两个世界。

对我来说，AI 更像是一面镜子，也是一个放大器：你的水平在哪里，它就会把那个水平成倍放大出来；你的基础越扎实，它能帮你走得越远。学习，从来不是因为 AI 还不够强，而是因为如果你不成长，永远用不出 AI 的真正上限。

而谈到“成长”，最后还是要落回到“时间”上。

时间，才是我们最根本的生产资料。我们用时间去学习知识，再用知识和工具向大自然、向世界索取，满足他人的需求，完成生产；生产出的商品或服务，最终再被兑换成金钱和机会。所有这些过程，本质上都是一种“时间的再加工”。

所以，请记住：时间不是一条一维的线，而是一个“管道”，既有“截面”，也有“长度”。所谓成长，就是一边提升效率，让管道的“截面积”变大；一边保持迭代，让管道在时间维度上不断延长。

这里用两个词来解释这种迭代更直观：迭代，甚至更准确地说，是“递归”。

在计算机里，递归的意思是：把上一次的输出，作为下一次的输入，周而复始，逐层叠加。放在人生里也是一样——我们每一次刻意练习、每一次复盘后的调整，都是在为下一次行动提供更好的“输入”。

比如，每天早晨去跑步，就是一种最简单的递归：

第一天，你的身体状态是“输入”，经过一次跑步训练，得到一个“输出”；第二天，你在这个基础上继续跑步，把前一天的输出当成新的输入；日复一日，身体素质、耐力和精神状态，就在这种递归中不断被叠加、被放大，最后表现为非常直观的成长。

学习也是如此。读一本书、做一份笔记、和 AI 深聊一次、写一篇小结，这一整套过程就是一个递归单元。你可以选择让时间变成一条被动流逝的“线”，也可以让时间变成一个会不断自我增强的“管道”。区别只在于：你有没有意识到自己每天的“输入”和“输出”，是不是在形成正向的递归。

当你真正开始这样使用时间、使用 AI、使用阅读，你就会发现：所谓成长，不再是一个抽象的大词，而是每天都能看得见、算得清、感受得到的东西。

总结

我大概算是 ChatGPT 最早一批付费用户之一，从 AI 浪潮刚起步一路走到现在，花了好几年，我才慢慢想清楚：在这个时代，我们真正需要的是什么。

这是一个在人类历史上从未出现过的时代——人人都有机会放大自己的能力，人人都可以几乎无门槛地获取知识。那些曾经只属于少数人的资源，如今就静静地躺在那儿：模型、工具、课程、书籍、案例、榜样，全都触手可及。

区别从来不在于“有没有机会”，而在于：有的人主动伸手去拿，用时间和行动把它们变成自己的能力；而有的人选择视而不见，让这个时代的红利从身边一阵风似地吹过去。

AI 把“机会”这件事，第一次摆在了几乎所有人面前。接下来的人生差距，则取决于你愿意如何使用自己的时间，如何做出一个又一个具体的选择，以及你有没有决心，让自己持续地、递归地成长下去。