AI正在成为拉开人与人之间差距的关键变量

1
00:00:00,060 --> 00:00:00,800
各位好

2
00:00:00,800 --> 00:00:02,879
今天我们聊一个很现实

3
00:00:02,879 --> 00:00:05,040
也可能有点扎心的话题

4
00:00:05,040 --> 00:00:07,620
AI杠杆下的认知分化

5
00:00:07,620 --> 00:00:11,080
很多人以为AI会让所有人受益

6
00:00:11,080 --> 00:00:12,460
但我想说的是

7
00:00:12,460 --> 00:00:15,669
AI不一定会让所有人共同受益

8
00:00:15,669 --> 00:00:17,570
它更可能像一根杠杆

9
00:00:17,570 --> 00:00:20,969
把人与人之间原本就存在的认知差距

10
00:00:20,969 --> 00:00:22,579
进一步放大

11
00:00:22,579 --> 00:00:25,820
这也是今天这场分享的核心问题

12
00:00:25,820 --> 00:00:28,719
为什么AI不会让所有人收益

13
00:00:28,719 --> 00:00:30,850
而是会拉开差距

14
00:00:30,850 --> 00:00:34,030
先把今天最重要的观点放在前面

15
00:00:34,030 --> 00:00:37,060
AI不是一场简单的平权运动

16
00:00:37,060 --> 00:00:40,619
他不是说只要人人都能打开一个AI工具

17
00:00:40,619 --> 00:00:42,950
只是差距就会自动消失

18
00:00:42,950 --> 00:00:44,189
恰恰相反

19
00:00:44,189 --> 00:00:46,049
AI更像一根杠杆

20
00:00:46,049 --> 00:00:47,530
你认知有多高

21
00:00:47,530 --> 00:00:49,229
他就把你翘多高

22
00:00:49,229 --> 00:00:50,829
你判断力有多弱

23
00:00:50,829 --> 00:00:53,729
他也会把你的错误放大多少倍

24
00:00:53,729 --> 00:00:56,770
如果一个人本来就有清晰的问题意识

25
00:00:56,770 --> 00:00:57,950
有专业基础

26
00:00:57,950 --> 00:00:59,210
有验证习惯

27
00:00:59,210 --> 00:01:00,789
再配合强模型

28
00:01:00,789 --> 00:01:03,670
他获得的是数量级的效率提升

29
00:01:03,670 --> 00:01:06,370
但如果一个人本来就缺乏判断力

30
00:01:06,370 --> 00:01:07,969
只会被动接收答案

31
00:01:07,969 --> 00:01:09,689
在使用免费的能力

32
00:01:09,689 --> 00:01:10,569
有限的AI

33
00:01:10,569 --> 00:01:12,329
他很可能不是变聪明

34
00:01:12,329 --> 00:01:14,590
而是被AI的幻觉淹没

35
00:01:14,590 --> 00:01:18,769
所以今天我们要讲的不只是AI工具本身

36
00:01:18,769 --> 00:01:22,700
而是AI背后正在发生的认知分化

37
00:01:22,700 --> 00:01:24,760
我们先进入第一部分

38
00:01:24,760 --> 00:01:29,709
我把AI时代人与人之间的差距拆成三道门槛

39
00:01:29,709 --> 00:01:31,829
第一道门槛是钱

40
00:01:31,829 --> 00:01:34,650
第二道门槛是信息通道

41
00:01:34,650 --> 00:01:37,319
第三道门槛是判断力

42
00:01:37,319 --> 00:01:38,400
表面上看

43
00:01:38,400 --> 00:01:40,680
AI工具正在快速普及

44
00:01:40,680 --> 00:01:43,090
越来越多人都能用上AI

45
00:01:43,090 --> 00:01:44,969
但真正决定一个人

46
00:01:44,969 --> 00:01:47,950
能不能从AI里获得高质量回报的

47
00:01:47,950 --> 00:01:50,670
并不是有没有打开过一个聊天框

48
00:01:50,670 --> 00:01:53,609
而是他能不能跨过这三道门槛

49
00:01:53,609 --> 00:01:57,049
接下来我们一页一页来看

50
00:01:57,049 --> 00:01:58,890
先看一组数据

51
00:01:58,890 --> 00:02:01,030
截至2025年12月

52
00:02:01,030 --> 00:02:04,469
中国网民规模已经达到11.25亿

53
00:02:04,469 --> 00:02:07,799
互联网普及率达到80.1%

54
00:02:07,799 --> 00:02:11,379
生成式AI用户规模达到6.02亿

55
00:02:11,379 --> 00:02:14,349
同比增长141.7%

56
00:02:14,349 --> 00:02:17,710
AI用户普及率达到42.8%

57
00:02:17,710 --> 00:02:20,829
一年提升了25.2个百分点

58
00:02:20,829 --> 00:02:23,588
这些数字看上去非常振奋

59
00:02:23,588 --> 00:02:27,289
它说明AI确实已经走进了千家万户

60
00:02:27,289 --> 00:02:29,469
很多人开始用AI写文案

61
00:02:29,469 --> 00:02:30,349
做图片

62
00:02:30,349 --> 00:02:31,210
查资料

63
00:02:31,210 --> 00:02:32,009
写代码

64
00:02:32,009 --> 00:02:33,899
甚至做投资分析

65
00:02:33,899 --> 00:02:37,060
但是魔鬼往往藏在细节里

66
00:02:37,060 --> 00:02:37,979
会打开

67
00:02:37,979 --> 00:02:41,659
AI不等于会用AI能得到一个答案

68
00:02:41,659 --> 00:02:44,240
也不等于能得到一个正确答案

69
00:02:44,240 --> 00:02:46,560
AI的普及只是第一步

70
00:02:46,560 --> 00:02:50,629
真正的差距藏在后面三道门槛里

71
00:02:50,629 --> 00:02:52,849
第一道门槛是钱

72
00:02:52,849 --> 00:02:54,750
以ChatGPT pro为例

73
00:02:54,750 --> 00:02:57,669
它的订阅价格是每月200美元

74
00:02:57,669 --> 00:02:58,930
折合人民币

75
00:02:58,930 --> 00:03:01,289
大约每月1400多元

76
00:03:01,289 --> 00:03:03,530
一年就是2400美元

77
00:03:03,530 --> 00:03:06,329
约等于1万7200元人民币

78
00:03:06,329 --> 00:03:08,528
这不是一个小额消费

79
00:03:08,528 --> 00:03:12,719
它更像是一笔教育投资或者生产力投资

80
00:03:12,719 --> 00:03:14,979
再看中国居民收入

81
00:03:14,979 --> 00:03:16,180
2025年

82
00:03:16,180 --> 00:03:18,080
全国居民人均可支配收入

83
00:03:18,080 --> 00:03:20,849
是4万3377元

84
00:03:20,849 --> 00:03:24,389
城镇居民是5万6502元

85
00:03:24,389 --> 00:03:28,129
农村居民是2万4456元

86
00:03:28,129 --> 00:03:29,129
也就是说

87
00:03:29,129 --> 00:03:33,069
如果一个农村居民订阅一年最贵的AI服务

88
00:03:33,069 --> 00:03:36,849
这笔钱大约相当于他接近九个月的可支配收入

89
00:03:36,849 --> 00:03:38,889
所以对很多人来说

90
00:03:38,889 --> 00:03:42,129
高性能AI并不是一杯奶茶钱

91
00:03:42,129 --> 00:03:45,039
它是一笔需要认真考虑的开支

92
00:03:45,039 --> 00:03:47,280
这就导致一个结果

93
00:03:47,280 --> 00:03:50,460
真正能长期使用顶级AI工具的人

94
00:03:50,460 --> 00:03:52,819
天然就会更集中在高收入

95
00:03:52,819 --> 00:03:53,539
高教育

96
00:03:53,539 --> 00:03:55,789
高生产力的人群里

97
00:03:55,789 --> 00:03:58,650
第二道门槛是信息通道

98
00:03:58,650 --> 00:04:01,789
今天很多人可以使用国内AI

99
00:04:01,789 --> 00:04:03,909
这当然是一件好事

100
00:04:03,909 --> 00:04:07,090
但能不能稳定接触海外顶级模型

101
00:04:07,090 --> 00:04:09,360
能不能阅读英文一手论文

102
00:04:09,360 --> 00:04:11,819
能不能进入全球开发者社区

103
00:04:11,819 --> 00:04:14,259
能不能看到最新的技术讨论

104
00:04:14,259 --> 00:04:16,740
这仍然是一个更高的门槛

105
00:04:16,740 --> 00:04:19,399
这里不是说国内AI不好

106
00:04:19,399 --> 00:04:23,918
豆包KIMI通译deep sick都在快速进步

107
00:04:23,918 --> 00:04:25,038
问题在于

108
00:04:25,038 --> 00:04:26,819
当你只有一种信息源

109
00:04:26,819 --> 00:04:29,139
你就只能看到一种世界

110
00:04:29,139 --> 00:04:31,810
第三道门槛是判断力

111
00:04:31,810 --> 00:04:35,430
这是最隐蔽也是最致命的一道门槛

112
00:04:35,430 --> 00:04:36,550
研究显示

113
00:04:36,550 --> 00:04:39,949
通用聊天机器人在法律研究类问题上

114
00:04:39,949 --> 00:04:43,779
幻觉率可能高达58%到82%

115
00:04:43,779 --> 00:04:46,560
即使是专门做法律的AI工具

116
00:04:46,560 --> 00:04:48,879
也仍然会出现明显的错误

117
00:04:48,879 --> 00:04:50,139
更麻烦的是

118
00:04:50,139 --> 00:04:52,759
很多用户判断AI是否可信

119
00:04:52,759 --> 00:04:54,639
并不是看他有没有证据

120
00:04:54,639 --> 00:04:56,439
而是看他说的顺不顺

121
00:04:56,439 --> 00:04:58,079
语气自不自信

122
00:04:58,079 --> 00:05:00,759
也就是说AI错的越流畅

123
00:05:00,759 --> 00:05:02,060
越像那么回事

124
00:05:02,060 --> 00:05:04,689
低认知用户就越容易相信

125
00:05:04,689 --> 00:05:07,490
这才是最危险的地方

126
00:05:07,490 --> 00:05:09,689
接下来进入第二部分

127
00:05:09,689 --> 00:05:12,189
我们讲一个反直觉的问题

128
00:05:12,189 --> 00:05:15,329
为什么低性能AI反而更危险

129
00:05:15,329 --> 00:05:19,529
很多人会觉得免费的AI差一点也没关系

130
00:05:19,529 --> 00:05:21,560
反正总比没有强

131
00:05:21,560 --> 00:05:22,839
但在我看来

132
00:05:22,839 --> 00:05:25,160
这个判断只对了一半

133
00:05:25,160 --> 00:05:29,199
低性能AI最大的问题不是它不能回答

134
00:05:29,199 --> 00:05:31,019
而是他会用很流畅

135
00:05:31,019 --> 00:05:34,759
很自信的语言给出可能并不可靠的答案

136
00:05:34,759 --> 00:05:38,339
这时候真正承担风险的人不是AI

137
00:05:38,339 --> 00:05:40,470
而是使用它的人

138
00:05:40,470 --> 00:05:43,350
这里有一个非常反直觉的结论

139
00:05:43,350 --> 00:05:47,310
越是低性能的AAR越要求用户有高认知

140
00:05:47,310 --> 00:05:48,519
为什么

141
00:05:48,519 --> 00:05:50,300
因为能力越弱的AI

142
00:05:50,300 --> 00:05:53,139
越容易在复杂问题上编造遗漏

143
00:05:53,139 --> 00:05:54,199
偷换概念

144
00:05:54,199 --> 00:05:57,769
或者给出看似合理但经不起验证的答案

145
00:05:57,769 --> 00:05:59,910
如果你想安全地使用它

146
00:05:59,910 --> 00:06:02,389
你自己必须具备四种能力

147
00:06:02,389 --> 00:06:05,480
第一识别它在编造的能力

148
00:06:05,480 --> 00:06:08,220
第二交叉验证的习惯

149
00:06:08,220 --> 00:06:12,360
第三找到原始数据源进行对照的能力

150
00:06:12,360 --> 00:06:15,800
第四知道他可能不懂什么的元认知

151
00:06:15,800 --> 00:06:16,879
但问题是

152
00:06:16,879 --> 00:06:21,199
这四种能力恰恰是低认知用户最缺的东西

153
00:06:21,199 --> 00:06:24,199
所以低性能AI并不会自动

154
00:06:24,199 --> 00:06:26,470
帮助低认知用户变聪明

155
00:06:26,470 --> 00:06:29,370
相反他可能会用更低的成本

156
00:06:29,370 --> 00:06:32,430
把错误答案包装的更像真相

157
00:06:32,430 --> 00:06:35,949
于是我们就看到了一个残酷的悖论

158
00:06:35,949 --> 00:06:39,790
高认知的人使用最强的AR错误更少

159
00:06:39,790 --> 00:06:41,029
效率更高

160
00:06:41,029 --> 00:06:42,790
他们会用深度推理

161
00:06:42,790 --> 00:06:44,050
会多元验证

162
00:06:44,050 --> 00:06:46,709
会把AI接入真实生产场景

163
00:06:46,709 --> 00:06:49,149
还会不断迭代自己的方法

164
00:06:49,149 --> 00:06:52,310
低认知的人使用能力较弱的AI

165
00:06:52,310 --> 00:06:53,250
错误更多

166
00:06:53,250 --> 00:06:54,629
却陷得更深

167
00:06:54,629 --> 00:06:57,870
他们很容易被流畅自信地输出误导

168
00:06:57,870 --> 00:06:59,589
他们没有验证习惯

169
00:06:59,589 --> 00:07:01,189
把AI当成权威

170
00:07:01,189 --> 00:07:03,060
也缺乏反政意识

171
00:07:03,060 --> 00:07:06,379
我把这个现象称为AI的马太效应

172
00:07:06,379 --> 00:07:07,420
也就是说

173
00:07:07,420 --> 00:07:11,279
AI的红利并不会自动平均分配给每一个人

174
00:07:11,279 --> 00:07:14,139
他更可能流向那些本来就有资源

175
00:07:14,139 --> 00:07:14,939
有算力

176
00:07:14,939 --> 00:07:15,740
有技能

177
00:07:15,740 --> 00:07:17,439
有判断力的人

178
00:07:17,439 --> 00:07:20,160
而那些缺乏资源和判断力的人

179
00:07:20,160 --> 00:07:23,730
反而可能在AI时代被进一步甩开

180
00:07:23,730 --> 00:07:26,050
接下来进入第三部分

181
00:07:26,050 --> 00:07:28,509
我们换一个角度理解AI

182
00:07:28,509 --> 00:07:30,250
AI不是答案机

183
00:07:30,250 --> 00:07:31,779
AI是杠杆

184
00:07:31,779 --> 00:07:34,600
答案机的意思是你问他一个问题

185
00:07:34,600 --> 00:07:35,839
他给你一个答案

186
00:07:35,839 --> 00:07:37,639
然后你直接照做

187
00:07:37,639 --> 00:07:39,360
但杠杆的意思是

188
00:07:39,360 --> 00:07:40,920
你本来有什么能力

189
00:07:40,920 --> 00:07:42,769
他就放大什么能力

190
00:07:42,769 --> 00:07:44,250
你有问题意识

191
00:07:44,250 --> 00:07:46,360
他放大你的研究能力

192
00:07:46,360 --> 00:07:47,980
你有判断框架

193
00:07:47,980 --> 00:07:50,139
它放大你的决策效率

194
00:07:50,139 --> 00:07:51,560
你有表达能力

195
00:07:51,560 --> 00:07:53,720
他放大你的内容生产

196
00:07:53,720 --> 00:07:56,019
但如果你只有模糊的问题

197
00:07:56,019 --> 00:07:58,519
错误的前提和盲目的信任

198
00:07:58,519 --> 00:08:01,139
他也会把这些东西一起放大

199
00:08:01,139 --> 00:08:05,000
所以同一个AI工具落在不同的人手里

200
00:08:05,000 --> 00:08:07,720
会产生完全不同的结果

201
00:08:07,720 --> 00:08:10,420
我们用一个投资问题来举例

202
00:08:10,420 --> 00:08:13,269
第一认知用户可能会这样问

203
00:08:13,269 --> 00:08:15,329
这只股票能买吗

204
00:08:15,329 --> 00:08:17,329
AI看到这个问题后

205
00:08:17,329 --> 00:08:20,829
可能会给出一段看起来很完整的回答

206
00:08:20,829 --> 00:08:22,850
比如行业前景不错

207
00:08:22,850 --> 00:08:24,610
公司具备增长潜力

208
00:08:24,610 --> 00:08:26,329
但也要注意风险

209
00:08:26,329 --> 00:08:28,209
听起来很有道理

210
00:08:28,209 --> 00:08:32,059
但这类回答往往没有真正的研究价值

211
00:08:32,059 --> 00:08:34,120
如果用户直接抄作业

212
00:08:34,120 --> 00:08:35,759
风险就非常高

213
00:08:35,759 --> 00:08:38,179
高认知用户会怎么问

214
00:08:38,179 --> 00:08:39,679
他可能会说

215
00:08:39,679 --> 00:08:43,740
请列出这家公司未来3年的核心增长假设

216
00:08:43,740 --> 00:08:45,839
请给我反方观点

217
00:08:45,839 --> 00:08:49,658
请告诉我哪些数据点可以证伪你的结论

218
00:08:49,658 --> 00:08:52,639
最后请用三种不同的估值方法

219
00:08:52,639 --> 00:08:54,649
给出一个合理区间

220
00:08:54,649 --> 00:08:58,649
这时候AI输出的就不再是一个简单答案

221
00:08:58,649 --> 00:09:00,789
而是一套研究框架

222
00:09:00,789 --> 00:09:02,090
更重要的是

223
00:09:02,090 --> 00:09:05,309
高认知用户不会只问一个模型

224
00:09:05,309 --> 00:09:07,350
他会同时问几个模型

225
00:09:07,350 --> 00:09:08,789
对比他们的分歧

226
00:09:08,789 --> 00:09:11,769
再回到自己的研究框架里验证

227
00:09:11,769 --> 00:09:15,990
所以AI的输出本质上是你输入的镜像

228
00:09:15,990 --> 00:09:17,929
你给他低质量的问题

229
00:09:17,929 --> 00:09:20,559
他给你包装精美的低质量答案

230
00:09:20,559 --> 00:09:22,419
你给他高质量的问题

231
00:09:22,419 --> 00:09:25,590
他才可能给你高杠杆的回报

232
00:09:25,590 --> 00:09:30,090
所以AI时代最危险的不一定是最穷的人

233
00:09:30,090 --> 00:09:33,940
真正容易被甩开的是下面这几类人

234
00:09:33,940 --> 00:09:36,159
第一类只刷短视频

235
00:09:36,159 --> 00:09:38,700
从不主动搜索和验证的人

236
00:09:38,700 --> 00:09:40,919
第二类把AI当权威

237
00:09:40,919 --> 00:09:42,909
而不是当时牺牲的人

238
00:09:42,909 --> 00:09:45,330
第三类没有英文信息源

239
00:09:45,330 --> 00:09:47,440
也没有专业圈层的人

240
00:09:47,440 --> 00:09:50,139
第四类没有实际生产场景

241
00:09:50,139 --> 00:09:52,710
只把AAR当聊天玩具的人

242
00:09:52,710 --> 00:09:55,450
第五类被各种AI财富课

243
00:09:55,450 --> 00:09:58,289
AI报复博主反复喂养的人

244
00:09:58,289 --> 00:10:01,720
这些人的共同点不是没有接触AI

245
00:10:01,720 --> 00:10:02,940
恰恰相反

246
00:10:02,940 --> 00:10:05,379
他们可能每天都在接触AI

247
00:10:05,379 --> 00:10:09,139
但他们没有把AI变成自己的生产工具

248
00:10:09,139 --> 00:10:13,519
他们只是把AI当成一个更会说话的信息投喂器

249
00:10:13,519 --> 00:10:16,870
这就是差距真正拉开的地方

250
00:10:16,870 --> 00:10:17,990
讲到这里

251
00:10:17,990 --> 00:10:20,330
可能有人会觉得有点悲观

252
00:10:20,330 --> 00:10:23,110
难道普通人没有机会了吗

253
00:10:23,110 --> 00:10:24,480
当然不是

254
00:10:24,480 --> 00:10:25,279
普通人

255
00:10:25,279 --> 00:10:26,480
真正的破局点

256
00:10:26,480 --> 00:10:28,679
并不是一上来就咬牙订阅

257
00:10:28,679 --> 00:10:30,879
每月200美元的高价AI

258
00:10:30,879 --> 00:10:34,860
而是建立一套低成本高认知的AI用法

259
00:10:34,860 --> 00:10:35,980
换句话说

260
00:10:35,980 --> 00:10:38,779
关键不是你有没有最贵的工具

261
00:10:38,779 --> 00:10:41,679
关键是你有没有正确的使用方法

262
00:10:41,679 --> 00:10:43,200
把认知当杠杆

263
00:10:43,200 --> 00:10:46,179
比单纯追逐工具更重要

264
00:10:46,179 --> 00:10:48,970
这里给大家三条可执行路径

265
00:10:48,970 --> 00:10:52,490
第一使用80比20的多模型策略

266
00:10:52,490 --> 00:10:57,230
80%的日常任务可以用国内免费AI解决

267
00:10:57,230 --> 00:11:01,990
比如豆包kimi deep seek通译都可以处理大量写作

268
00:11:01,990 --> 00:11:05,519
整理提纲翻译和初步分析任务

269
00:11:05,519 --> 00:11:07,799
但20%的关键问题

270
00:11:07,799 --> 00:11:09,460
尤其是投资决策

271
00:11:09,460 --> 00:11:10,440
职业选择

272
00:11:10,440 --> 00:11:14,360
重大判断一定要做多模型交叉验证

273
00:11:14,360 --> 00:11:16,759
几个模型回答不一致的地方

274
00:11:16,759 --> 00:11:20,179
往往就是你最应该重点核查的地方

275
00:11:20,179 --> 00:11:23,980
第二永远保留原始资料和反证习惯

276
00:11:23,980 --> 00:11:25,620
AI报一个数字

277
00:11:25,620 --> 00:11:27,429
你要去查官方来源

278
00:11:27,429 --> 00:11:28,929
AI下一个结论

279
00:11:28,929 --> 00:11:30,450
你要主动问他

280
00:11:30,450 --> 00:11:32,519
反方观点是什么

281
00:11:32,519 --> 00:11:35,299
什么证据可以推翻这个结论

282
00:11:35,299 --> 00:11:37,320
把AI当成一个聪明

283
00:11:37,320 --> 00:11:38,940
但会犯错的实习生

284
00:11:38,940 --> 00:11:41,580
而不是一个永远正确的教授

285
00:11:41,580 --> 00:11:45,139
第三把AI接入真实生产场景

286
00:11:45,139 --> 00:11:47,720
写作编程销售文案

287
00:11:47,720 --> 00:11:48,740
数据分析

288
00:11:48,740 --> 00:11:50,000
自动化脚本

289
00:11:50,000 --> 00:11:53,330
这些才是AI真正能放大你的地方

290
00:11:53,330 --> 00:11:56,710
AI可以把很多原本需要中产教育资源

291
00:11:56,710 --> 00:11:59,600
才能获得的能力降价到接近零

292
00:11:59,600 --> 00:12:03,149
但前提是你得有真实的事情让他干

293
00:12:03,149 --> 00:12:05,230
最后记住一个原则

294
00:12:05,230 --> 00:12:07,129
AI负责扩展思路

295
00:12:07,129 --> 00:12:09,350
人负责判断真伪

296
00:12:09,470 --> 00:12:11,889
最后留一句话给大家

297
00:12:11,889 --> 00:12:13,870
恋爱时代最大的机会

298
00:12:13,870 --> 00:12:15,649
不是他替你变聪明

299
00:12:15,649 --> 00:12:20,110
AI时代最大的风险也不是你买不起最贵的模型

300
00:12:20,110 --> 00:12:21,899
真正关键的是

301
00:12:21,899 --> 00:12:24,320
当所有人都在用AI的时候

302
00:12:24,320 --> 00:12:27,139
你有没有能力判断他到底对不对

303
00:12:27,139 --> 00:12:30,090
这个能力的名字叫认知

304
00:12:30,090 --> 00:12:33,600
而认知从来不是靠订阅买来的

305
00:12:33,600 --> 00:12:35,600
他是靠读书思考

306
00:12:35,600 --> 00:12:39,820
试错验证以及长期面对真实问题练出来的

307
00:12:39,820 --> 00:12:41,889
A2会继续进化

308
00:12:41,889 --> 00:12:43,889
工具会越来越强

309
00:12:43,889 --> 00:12:48,460
但人与人之间真正的分水岭仍然是判断力

共 1 条，按点赞数排序。

采集完成，该视频无弹幕