當「智能成本歸零」的尖銳問題拋向MasterClass創始人與「AI教母」李飛飛時，這場對話揭示了頂級從業者面對技術顛覆的真正思考方式。從工業革命的历史參照到人類智能的精细化拆解，李飛飛展現的四步判斷法，為產品經理提供了應對AI焦慮的實戰框架——不是簡單判斷替代與否，而是精準劃分AI與人類的協作邊界。

Marina Mogilko是科技播客Silicon Valley Girl的主持人，這期對談請了兩位嘉賓：David Rogier，在線教育公司MasterClass的創始人，公司現在估值27.5億美元；還有李飛飛，業內一直叫她」AI教母」——她主導構建的ImageNet，是現代深度學習的基礎數據集之一，現在她在創業做World Labs，剛拿到10億美元融資，方向是讓AI理解三維物理空間。

聊到一半，Marina把一個很尖的問題甩了出來。

她說，現在很多人怕AI，是因為以前大家相信上大學是一條通往職業的確定路徑，而這條路徑正在被AI搖動。」如果智能的成本歸零了呢？」她問，」你們怎麼看？」

這是那種典型的、能瞬間把整場對話情緒拉滿的問題——往左能滑向「我們再也不用工作了」的烏托邦，往右能滑向「我們都要被取代了」的恐懼。兩種回答都很好講，也都很危險。

先接話的是David。他的回應是，語言本身是有損的——你不可能靠文字學會開車，也不可能靠文字學會投籃，所以現在的AI，本質上還停在很初期的階段，被高估了，因為它沒有一套自己的價值體系。講完，他把話頭讓給了身邊的人：「你要不要分享你那個東西？」

接話的人是李飛飛。她開口第一句話是：「我同意David。」

作為一個天天和「AI能不能做到X」這類判斷打交道的產品經理，我把這段對話反覆看了幾遍，發現真正值得拿來講的，不是她說了什麼結論，而是她接過這個問題之後，按順序做的四件具體的事。

1. 先找一個歷史參照物，不直接判斷這句話對不對

李飛飛沒有正面回答「會不會歸零」。她先講了一個類比：工業革命沒有讓勞動「自動化」，它只是讓勞動變得更高效、把勞動規模放大了，勞動力市場確實發生了轉移，但勞動本身沒有被自動化——而「暗示勞動不智能」，本來就是一個錯誤的前提。

這是個挺值得借用的習慣。我自己開會的時候，經常遇到類似場景——有人拋出一個聽起來很有衝擊力的判斷，第一反應往往是去想「這件事該怎麼辦」，而不是先問「歷史上有沒有類似的事情發生過，那次的结果是什麼」。李飛飛這裡做的，是把一個面向未來的猜測，先放回一個已經發生過的真實案例裡去檢驗。

2. 把這句話定性為不負責任，但不針對說這句話的人

講完歷史類比，她才正式給出判斷——”智能成本歸零”這句話本身是不負責任的，因為人類智能太深了。但她在說這句話之前，特別加了一句澄清：”我知道你（主持人）不是在這麼主張，但外面確實有人在這麼主張。”

這個澄清動作我覺得比判斷本身更值得注意。她拆的是說法，不是拆提問的人。這跟很多人在工作裡反駁一個觀點時的本能反應剛好相反——大部分人反駁一個說法的時候，很容 易順帶把提出這個說法的人也一起否定了，結果討論從”這個判斷對不對”變成了”你是不是不懂”，氣氛就壞了。

3. 把”人類智能”這個大詞，拆成幾塊具體的東西

她沒有停在「人類智能很複雜」這句空話上。她具體列出來：除了大家熟悉的語言智能，還有感知智能、空間智能、身體智能、情感智能，甚至創造力——而創造力從哪裡來，現在都還沒完全搞清楚。所以她说，得對這類「還原式的簡化判斷」保持警惕。

這個拆解動作，搬到產品經理的日常工作中幾乎是現成的方法論。」用戶調研」、「客服」、「做原型」這類詞，聽起來都是一件事，拆開看實際上是好幾個性質完全不同的子任務——AI可能已經接住了其中一兩個子任務，不代表它接住了這件事的全部。混淆「接住了一部分」和「接住了全部」，是很多AI項目立項時就走偏的起點。

4. 承認它很強，但強大和完整是兩件事

她接著說，語言智能、LLM確實非常強大——幫助商業分析、幫助軟體工程、幫助邏輯推理，都做得很好。但她馬上補了一句很關鍵的話：這些都重要，但也很微妙，很複雜。所以她不會用”讓人類智能自動化”或者”智能成本歸零”這類詞，她對這種說法很擔心——因為這類話傳出去，很容易變成”裁員頭條”和”我們不再需要你了”，製造的是真實的恐慌，而不是準確的認知。

寫在後面

這四件事——找歷史參照物、定性說法本身而不針對人、拆解大詞、區分強大與完整——拼在一起，其實不需要”AI教母”這個身份才能用。它更像一套誰都能照著做的判斷習慣。

下次審核會上，如果有人說”這個流程/這個崗位完全可以交給AI”，不妨試著接過這句話，按這四步問下去：歷史上有没有相似的技术变革替代過這類事，結果是什麼；這句話本身經不經得起推敲；它說的”這件事”到底是哪幾件子任務拼起來的；AI現在做到的，是其中哪一塊，還是全部。

問完這四步，大多數時候你得到的不會是一個乾脆的"能"或"不能"，而是一張更清楚的地圖——這件事裡哪兩三個子任務已被AI接住了，剩下哪幾個還得靠人判斷。最後要做的決定往往不是"用AI"還是"不用AI"，是把接得住的那幾塊交出去，把接不住的留在自己手裡。