[{"data":1,"prerenderedAt":213},["ShallowReactive",2],{"article-be-the-minority-in-ai-era":3},{"id":4,"title":5,"body":6,"cover":48,"date":174,"description":175,"draft":176,"extension":177,"faq":178,"featured":176,"meta":191,"navigation":192,"path":193,"readingTime":194,"seo":195,"seoKeywords":196,"stem":205,"summary":206,"tags":207,"type":210,"updated":211,"video":211,"__hash__":212},"articles\u002Farticles\u002Fbe-the-minority-in-ai-era.md","AI 干完了普通人能干的活，我们是时候去发展成少数派了",{"type":7,"value":8,"toc":165},"minimark",[9,16,21,24,31,42,49,55,59,62,68,71,75,83,94,97,100,104,107,113,116,119,122,125,153,156,162],[10,11,12],"blockquote",{},[13,14,15],"p",{},"当 AI 做完了所有人都能做的事，剩下的机会只属于少数派。",[17,18,20],"h2",{"id":19},"一个模型强到不敢公开","一个模型，强到不敢公开",[13,22,23],{},"2026 年 4 月，Anthropic 发布了一个新模型 Claude Mythos Preview，但没有面向公众开放。他们做了一件不寻常的事：通过一个叫 Project Glasswing 的计划，把模型优先提供给科技公司和开源维护者，让他们先修掉历史遗留的安全漏洞。",[13,25,26,27],{},"为什么不敢直接放出来？因为这个模型在安全领域的能力跳了一个台阶。上一代模型像一个认真的实习生，你指哪它查哪，偶尔能帮你挑出几个拼写错误。",[28,29,30],"strong",{},"而 Mythos 更像一个干了二十年的老师傅，你把代码丢给它，它自己翻完几千个文件，第二天早上递给你一份报告：这里有个洞，存在 27 年了，所有人都没发现，顺便我写好了修复方案。",[13,32,33,34,41],{},"这不是实验室数据。",[35,36,40],"a",{"href":37,"rel":38},"https:\u002F\u002Fred.anthropic.com\u002F2026\u002Fmythos-preview\u002F",[39],"nofollow","它在两周内发现"," 了 Firefox 浏览器 22 个漏洞，找到了 OpenBSD 一个存在 27 年的 TCP 协议漏洞，找到了 FFmpeg 一个存在 16 年的视频编解码漏洞。这些都是全球顶级安全研究员长年没发现的问题。",[13,43,44],{},[45,46],"img",{"alt":47,"src":48},"","\u002Fa\u002Fbe-the-minority-in-ai-era\u002FFRT-Blog-Chart-CMP-Firefox-exploit.png",[13,50,51,52],{},"这都指向了一个趋势：",[28,53,54],{},"至少在软件工程层面，AI 已经把「普通人能做到的」全部做到了，甚至开始侵入「专家才能做到的」领域。",[17,56,58],{"id":57},"不止软件各行业的普通工序正在被接管","不止软件：各行业的「普通工序」正在被接管",[13,60,61],{},"这不是只发生在程序员身上。麦肯锡的报告估计，生成式 AI 可把员工 60-70% 工作自动化掉，在客户运营、营销、软件工程和研发四个领域局势更加紧迫。法律行业的合同审阅、医疗的影像诊断、金融的报告生成、影视的剪辑和特效，都在被快速接管。",[13,63,64,65],{},"共性很明显：",[28,66,67],{},"凡是有标准流程、有历史数据可学、有「正确答案」可对照的工序，AI 都能学会，而且会越来越快。",[13,69,70],{},"问题来了，我们能怎么办？",[17,72,74],{"id":73},"回到模型的训练目标它到底在替代什么类型的人","回到模型的训练目标：它到底在替代什么类型的人？",[13,76,77,78,82],{},"两年前我写过一篇 ",[35,79,81],{"href":80},"\u002Farticles\u002Fhuman-with-llm","大模型下的生存之道","，从模型训练目标的角度分析过这个问题。核心逻辑今天依然成立，而且更紧迫了：",[13,84,85,86,89,90,93],{},"模型最核心的优化目标是预测准确性，减小与现实世界的误差，并且要足够通用、足够泛化，不要过拟合。翻译成白话：",[28,87,88],{},"模型要懂各行各业的共识和通用做法，不要钻牛角尖","。麦肯锡在谈不可替代的人类特质时也点到了类似的东西：",[28,91,92],{},"本能、直觉、想象力、正直、身份认同，这些全是「无法被大数据平均化」的能力","。",[13,95,96],{},"所以模型天然擅长替代的是通用型输出。而那些带有独特思考角度、独特审美判断、独特经历积淀的人，恰恰是模型不会也不可能替代的。因为要「拟合」一个少数派，模型需要针对你一个人的数据过拟合，这在训练逻辑上没有意义，在资源投入上也不划算。",[13,98,99],{},"\"异常数据\"对模型的通用性伤害是很大的，所以成为\"异常数据\"，或者说成为少数派，就是我们必要做的事情了。",[17,101,103],{"id":102},"少数派长什么样","少数派长什么样？",[13,105,106],{},"影视行业，AI 能剪辑、能做特效，但诺兰拍《星际穿越》，科幻只是外壳，内核是他自己对亲情和时间的理解，这种东西没有数据集能喂出来。",[13,108,109],{},[45,110],{"alt":111,"src":112},"诺兰与他独特的时间叙事","\u002Fa\u002Fbe-the-minority-in-ai-era\u002FNolan.webp",[13,114,115],{},"产品领域，竞品分析 AI 都能出，但能从细分人群的真实痛苦中定义新方向的产品经理，模型学不来。写作领域，通稿 AI 写得又快又好，但带着你亲身经历和价值立场的文章，无法被平均化。教育领域，知识传递 AI 全能干，但能激发学生找到自己路径的导师，是另一回事。",[13,117,118],{},"这些人的共性不是「比 AI 更聪明」，而是「输出里带着只有他们才有的东西」。",[17,120,121],{"id":121},"是时候行动了",[13,123,124],{},"如果你看到这里，不妨问自己三件事：",[126,127,128,135,141,147],"ol",{},[129,130,131,134],"li",{},[28,132,133],{},"我喜欢什么？"," - 了解你自己",[129,136,137,140],{},[28,138,139],{},"我擅长做什么？"," - 找到你和别人不同的点",[129,142,143,146],{},[28,144,145],{},"我经历过什么？"," - 回忆那些只有你走过的路，踩过的坑，它们就是模型没见过的训练数据",[129,148,149,152],{},[28,150,151],{},"我能把这些变成什么？"," - 把独特性转化成别人愿意买单的输出，而不是藏在心里",[13,154,155],{},"然后把这种「少数派」价值放大到极致。不是说不学通用技能，而是在通用技能被模型拉平之后，你拿出来的那个东西，必须是模型再强也没法模仿的。",[13,157,158,159],{},"这就是大模型时代的生存策略。两年前我用「反泛化」「反效率」来描述这件事，今天我想换一个更直接的词：",[28,160,161],{},"成为少数派。",[13,163,164],{},"你觉得自己的「少数派」特质是什么？欢迎留言聊聊。",{"title":47,"searchDepth":166,"depth":166,"links":167},3,[168,170,171,172,173],{"id":19,"depth":169,"text":20},2,{"id":57,"depth":169,"text":58},{"id":73,"depth":169,"text":74},{"id":102,"depth":169,"text":103},{"id":121,"depth":169,"text":121},"2026-04-10","当 AI 模型强到连安全专家的活都接了，普通人凭什么不被替？从模型训练目标出发，理解你的独特性为何不可被拟合。",false,"md",[179,182,185,188],{"q":180,"a":181},"为什么说 AI 已经干完了普通人能干的活？","以 Anthropic 最新发布的模型为例，它在两周内找到了安全专家可能花数年才能发现的软件漏洞，包括存在 27 年都没被人发现的问题。这说明在很多专业领域，AI 的能力已经越过了普通从业者甚至部分专家的门槛。",{"q":183,"a":184},"模型的训练目标和普通人被替代有什么关系？","模型的核心训练目标是预测准确、泛化性强、不过拟合。翻译成白话就是：学会多数人的共识和通用做法，不要钻牛角尖。所以模型天然擅长替代的是通用型工作，而非带有独特视角的判断。",{"q":186,"a":187},"什么样的人不容易被 AI 替代？","拥有独特经历、独特视角、独特判断的人。比如有深度审美表达的导演、能从细分人群真实痛苦中定义方向的产品经理、能在复杂病例中做出综合判断的临床医生。他们的共性是：输出无法被大数据平均化。",{"q":189,"a":190},"普通人现在应该怎么做？","问自己三个问题：我和多数同行到底有什么不同？我过往哪些经历是别人没有的？这些独特性能否变成我的核心输出？然后把这种少数派价值放大到极致，让模型再强也无法模仿你。",{},true,"\u002Farticles\u002Fbe-the-minority-in-ai-era",8,{"title":5,"description":175},[197,198,199,200,201,202,203,204],"AI 替代","少数派","模型泛化","独特性","职场生存","Claude Mythos","反泛化","人机共处","articles\u002Fbe-the-minority-in-ai-era","AI 的训练目标是最大公约数：足够通用、足够准确、覆盖多数人能做的事。当它真的做到了，剩下的机会只属于那些不在公约数里的人。成为少数派，不是口号，是生存策略。",[208,209],"AI 洞察","学习方法","article",null,"-rNFJimMfpyud8IuExfCzUrOaNjaGxhk6Wq9DF5IT_g",1775940824464]