AI时代正在加速经验贬值，Manus团队从"惊喜"到被Meta天价收购的案例揭示了一个残酷现实：过去赖以生存的经验正在成为负债。本文深度剖析了"参考系固化"的认知陷阱，提出快速建立新参考系的能力才是核心竞争力，并指出从"知识拥有者"向"能力调用者"转变的生存法则。
半年多前，我试用Manus，感觉有惊喜，但是结果谈不上惊艳，索性就没用了。
一个多月前，我又重新体验了下。这一次，我被震惊了，说比之前强大10倍不为过，于是我毫不犹豫的成为付费用户。
几天前，Meta宣布以数十亿美元收购Manus。
一个产品，可以在短短几个月内，从”惊喜”进化到”惊艳”，再到被巨头天价收购。
这个时代，唯一不变的，就是你不久前你以为正确的判断，都在以你无法理解的速度变化。
早年我做过前端开发，那时候还需要大量IE6兼容技巧。现在呢？这些知识一文不值。
但这不只是互联网的故事。一个经验丰富的会计师，他的大部分工作正在被财务软件自动化。一个顶尖的翻译，他的价值正在被日益强大的翻译引擎挑战。一个熟练的流水线工人，他的岗位正在被机器人取代。
我们都曾以为，经验是财富。但现实是，我们正在进入一个”经验选择性贬值”的时代。
当然，不是所有经验都会贬值。一个好老师的育人经验、一个好医生的临床经验，其核心价值——关于人性、情感和复杂决策的部分——很难被替代。但是，他们传递知识和执行诊断的工作方式，正在被AI改变。
为什么？
因为过去，我们的经验建立在相对稳定的参考系上。即使工具更新，基础逻辑是不变的。你学的东西，在相当长的时间内都有价值。
但在AI时代，不仅工具在变，工作本身的定义也在改变。
《三体》里说：”物理学，不存在了。”当基础被改变，过去所有的知识大厦都会瞬间坍塌。
我们现在面临的，就是一场工作定义层面的转变。当工作的执行方式都在改变时，你的经验可能会让你对新事物产生抗拒。
我们经常讨论”35岁危机”。很多人把它归结为体力下降、精力不济、新人竞争。
其实呢？
认知科学告诉我们，大脑为了节省能量，会把重复的经验和行为模式，固化成高效的”认知图式”。这在稳定的环境中是优势，但在快速变化的环境中，就成了枷锁。
一个在PC时代成长起来的互联网专家，他的整个知识体系、思维模型、商业直觉，都是围绕着PC互联网建立的。这是他过去成功的基石，也是他现在转型的最大障碍。
当移动互联网浪潮来临时，他不是不想学，而是他的大脑已经形成了强大的神经通路，潜意识里会抗拒任何与旧模式冲突的新信息。他需要做的，不是学习新知识，而是调整自己的思维方式。
这比学一门新语言要困难，因为它需要对抗你过去十几年建立起来的、被无数次成功所验证的思维本能。但这种困难是可以克服的，关键是你是否愿意放下过去的优越感，重新学习。
而年轻人为什么能快速崛起？不是因为他们更聪明，而是因为他们的大脑是一张白纸，没有历史包袱。他们可以像海绵一样，吸收新时代的规则，建立新的参考系。
AI时代的到来，正在让这种”参考系固化”的代价，变得前所未有的高昂。
但这里有个重要的转折：关键的分水岭，不是年龄，而是”是否能快速适应新的参考系”。
一个懂得利用AI的40多岁的行业专家，会比任何年轻人都更强大。他拥有深厚的行业知识，又掌握了新的工具和方法。
所以，真正的危机不是”35岁”，而是”你是否还在进化”。
那么，在一个参考系持续改变的时代，我们到底该怎么办？
答案只有一个：你必须掌握”快速建立新参考系”的能力。
但这个过程的第一步，不是学习，而是接纳——接纳你曾经最擅长的东西，现在可能完全失效了。
半年前，我开始负责临床试验的AI项目。我曾是互联网产品的”老人”，以为经验可以迁移到任何地方。
但现实并不是。会上反复出现CRF、DVP、Edit Check这些陌生的缩写。我坐在那里，感觉自己像个局外人。曾经可能引以为傲的用户洞察、产品sense，在这一刻，完全失效了。
那一刻，我清晰地意识到：面对完全新的领域，首先要勇于做一个需要被科普的小白，任务是倾听、观察、理解。”
对，先真正完成”清零”。
AI时代也如此，不停会有新事物的出现，真正稀缺的，除了学习能力，而是这种能够坦然接纳自己的经验和判断失效，并主动”清零”自己，重建参考系的勇气和能力。
第一步：找到本质- 忘掉术语，首先问”为什么存在？它解决了什么根本问题？
第二步：建立体感- 知识不是看来的，是干出来的。AI工具先去用，做一个垃圾的Demo出来先，新行业不懂的系统先去用，发现一堆问题出现先。当我看到设计不合理的CRF导致的后期痛苦时，我才真正理解了CRF的重要性。这种”看到真实后果”的体感，比任何文档都宝贵。
第三步：构建网络- 理解概念之间的因果关系和大的蓝图。同时理解工具的边界——AI的幻觉在临床领域是硬伤，我们要找到AI真正能帮助的地方。
第四步：问题驱动- 最高效的学习是”为了解决一个具体问题”而学习。我的目标不是”成为临床数据管理专家”，而是”用AI方式提升数据管理行业的效率和质量。
但是，是什么驱动我们去完成这艰难的四步呢？
是好奇心。
好奇心= 对信息的原始渴望，这种渴望被大脑的奖励系统（多巴胺）强化，因为信息提高了生存和适应的概率。
在一个快速变化的环境中，一个充满好奇心的生物，会比其他生物获得更多的信息，从而拥有更高的生存概率。
在AI时代，环境的变化速度被指数级放大。好奇心，已经从一个加分项，变成了一个必要条件。
那些失去好奇心的人，更容易被时代淘汰。
掌握了建立新参考系的方法，又拥有好奇心这个引擎，你已经具备了在AI时代生存的基础。但要想脱颖而出，你还需要一个终极杠杆。
前OpenAI创始科学家Andrej Karpathy说：“如果我在去年能调用所有可用的AI能力，我的个人能力将增强10倍”。
这揭示了AI时代个人价值的根本转变：从”我拥有什么知识”，到”我能调用什么能力”。
“模型是技术平权”。当大模型变成可调用的基础设施时，每个人都有机会获得相同的技术能力。真正的竞争，不再是”谁的模型更强”，而是”谁能更好地理解用户，把模型的能力转化成真正有用的产品”。
换句话说，未来属于那些既懂模型，又懂产品，还能把两者结合起来的人。
举个例子：
一个市场经理：过去，他依赖自己对市场的理解和经验来策划活动。现在，他可以调用一个AI能力，这个能力在5分钟内分析完上万份用户反馈和社交媒体数据，直接告诉他三个最可能成功的活动创意和目标人群画像。
一个律师：过去，他需要花费数天时间来阅读卷宗。现在，他可以调用一个AI能力，在半小时内完成所有案卷的阅读、摘要和关键证据链的梳理，海外有不错的做这个市场的智能体叫Harvey。
Claude最近推出的”Skills”功能，就是这个理念的完美体现。它允许你将自己的专业知识、工作流程、最佳实践，打包成一个可被AI随时调用的”技能包”。
这意味着什么？
个人经验，不再是一次性的、锁在你大脑里的东西。它可以被”编码”成一个AI能力，被无限次地、大规模地调用。你的知识、你的判断、你的品味，都可以被嵌入到AI系统中，成为一个可复用的能力。
一个拥有100个高质量Skills的普通人，其解决特定领域问题的能力，可能会轻松超过一个没有AI辅助的顶尖专家。这就是AI时代的杠杆。
但是，这里有一个矛盾。
一方面，AI的能力在飞速提升。Anthropic的CEO Dario Amodei预测，未来1-5年，AI可能消灭半数入门级白领岗位。
但另一方面，我们大多数人的实际工作，似乎并没有被AI彻底改变。
为什么？
博主Dwarkesh Patel提出了一个很有洞察的观察：
“模型变得更impressive（令人印象深刻）的速度，符合短时间线预测；但变得更useful（有用）的速度，符合长时间线预测。”
简单来说，AI在测试中表现得越来越好，但在实际工作中，进展没那么快。
这可能是AI时代最核心的挑战：能力和实用之间的巨大鸿沟。
而填补这个鸿沟的，正是那些既懂行业，又懂AI，还能把两者结合起来的人。
现在，我们再回过头看被与Meta收购的Manus团队。
他们就是一群填补鸿沟的人。
创始人肖弘说，他们招人的标准是”AI的狂热分子，没有学历要求”。但有趣的是，团队的核心成员，几乎都来自须尖院校，并且有丰富的实战经验。
张小珺在采访中提到，这个团队的特点是”对技术有信仰，对产品有体感，对用户有同理心”。
但肖弘的最深层洛见是：一个Founder应该用”博弈的方式”思考，而不是用”逻辑推理的方式”思考。
在一切都不稳固的状态下，大模型的能力在飞速提升，市场布局在不断改变。一个不能用”逻辑推理”来应对的创业者，必须学会用”博弈思维”——不是预测未来，而是成为未来的一个重要变量。肖弘说：”世界不是线性外推的，要让自己成为博弈中的重要变量。”
这种博弈思维，体现在Manus的每一个决策中。年初迁往新加坡，年底被Meta收购。在大模型应用爆发的窗口期，推出最符合市场需求的产品。
他们不是一群只会写代码的工程师。他们是一群：
能用”博弈思维”而不是”逻辑推理”来应对不确定性的人。不试图预测未来，而是让自己成为未来的一个重要变量。
他们是”AI狂热分子”，是那种能把AI的”impressive”转化成”useful”的人。
现在，让我们回到最初的问题：AI时代，到底什么是稀缺的？
答案已经很清晰了。
真正稀缺的，可能是这样一群人：
能填补AI”能力”和”实用”之间的鸿沟，把AI的潜力真正落地到具体的工作中。
这样的人，无论起点如何，无论年龄多大，都更有可能在AI时代脱颖而出。
试着去探索一个你完全不懂的领域，试着去解决一个你从未想过的问题。试着去享受那种从”专家”变回”小白”的、略带痛苦但充满可能性的感觉。
这，可能才是AI时代最好的生存方式。
本文由人人都是产品经理作者【麦时】，微信公众号：【麦时说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。