2023 年年底，我参加了一个 AI 应用的分享会。两位设计师分享了他们使用 Midjourney 的经验，形成了鲜明的对比。
第一位设计师说：“Midjourney 改变了我的工作流程。过去我一天最多做 3 个设计方案，现在我一天能生成 100 个方向，然后从中选出最好的深度打磨。我的产出质量反而提升了，因为我有更大的选择空间。”
第二位设计师说：“我也在用 Midjourney，但我感觉自己越来越焦虑。AI 生成的图已经很好了，我不知道自己还能做什么。我感觉自己的价值在被稀释。”
同样的工具，完全相反的感受。一个被赋能，一个被焦虑。
会后我和这两位设计师深聊，发现了关键差异：第一位设计师把 Midjourney 当作“扩大探索空间的工具”，他的核心能力是“判断哪个方向值得深入”；第二位设计师把 Midjourney 当作“替代执行的工具”，他的核心能力是“画得好看”。当 AI 能画得更好看时，第一位设计师的价值被放大了，第二位设计师的价值被稀释了。
这不是工具的问题，是思维方式的问题。AI 不是为所有人设计的放大器，它只放大特定的思维模式。如果你的思维方式和 AI 的逻辑匹配，AI 会让你如虎添翼；如果不匹配，AI 可能让你更加迷失。
五种被放大的思维#
过去一年，我观察了数百个 AI 应用的案例，发现那些被 AI 显著赋能的人，都具备某些共同的思维特征。我把这些特征总结为五种思维模式。
模型型思维——善于抽象和结构化#
什么是模型型思维？就是能够把复杂问题抽象成结构化模型的能力。这种人不会被细节淹没，而是能快速看到问题的骨架，找到关键变量和它们之间的关系。
为什么这种思维被 AI 放大？因为 AI 本质上就是一个模型系统，它需要结构化的输入才能给出有效的输出。当你能把一个模糊的问题转化为清晰的模型，AI 就能发挥最大价值。
我见过一个咨询顾问，他用 ChatGPT 做行业分析的方式很特别。他不是直接问“某某行业的现状如何”，而是先建立一个分析框架：行业的价值链有哪几个环节？每个环节的关键驱动因素是什么？然后他让 AI 按照这个框架去搜集和组织信息。这种方法的效果远好于直接提问，因为他把自己的思维模型“注入”到了 AI 的工作流程中。
相反，那些思维混沌、习惯于“想到哪说到哪”的人，用 AI 的效果往往很差。他们的提问是发散的、碎片的，AI 给出的答案自然也是混乱的。AI 不会替你建立思维结构，它只会放大你已有的结构。
系统型思维——看得见整体和关联#
什么是系统型思维？就是能够看到事物之间的关联，理解局部变化如何影响整体的能力。这种人不会孤立地看待问题，而是能够在更大的系统中理解每个部分的角色。
为什么这种思维被 AI 放大？因为 AI 擅长处理海量数据和复杂关联，但它需要人类告诉它“从哪个系统视角看”。
我见过一个供应链负责人，他用 AI 优化库存的方式很巧妙。他没有简单地让 AI“预测需求”，而是把库存优化理解为一个系统问题：需求预测、生产计划、物流调度、成本控制是一个联动系统。他让 AI 同时考虑这四个维度，找到系统最优解，而不是单点最优解。
结果是，虽然某些单品的库存预测准确率下降了，但整体的资金占用和缺货率都大幅改善。这就是系统思维的威力——它让 AI 的优化不是局部的，而是全局的。
相反，那些习惯于“头痛医头、脚痛医脚”的人，即使用了 AI，也只是在单点上提升效率，看不到系统性的价值。
目标导向型思维——清楚要什么#
什么是目标导向型思维？就是在行动之前，先明确“我到底要达到什么结果”的能力。这种人不会被过程和手段吸引，而是始终锚定目标。
为什么这种思维被 AI 放大？因为 AI 是一个强大的执行引擎，但它需要人类给它明确的目标。目标越清晰，AI 的价值越大；目标模糊，AI 只能陪你在迷雾中打转。
2024 年初，我见过两个内容创作者用 AI 的方式对比很明显。第一个人每次用 AI 写文章，都会先明确：“这篇文章的目标读者是谁？我希望读者读完后做什么？核心观点是什么？”然后他让 AI 围绕这个目标展开。第二个人只是告诉 AI“写一篇关于某某的文章”，结果 AI 写出来的内容四平八稳、没有灵魂。
AI 会严格执行你的指令，但它不会替你思考“为什么要这么做”。第一个人因为目标清晰，AI 成了他的放大器；第二个人因为目标模糊，AI 只是个文字生成器。
迁移型思维——会举一反三#
什么是迁移型思维？就是能够把在一个领域学到的经验、方法、模式，迁移到另一个领域的能力。这种人不会被具体场景束缚，而是能够提取抽象的“元知识”。
为什么这种思维被 AI 放大？因为 AI 拥有跨领域的海量知识，但它需要人类告诉它“哪些知识可以组合”。
我见过一个产品经理，他在设计一个教育产品时，让 AI 分析“游戏设计中的成就系统”和“健身 APP 中的打卡机制”，然后把这些模式迁移到教育场景中。AI 能够快速提供各个领域的案例和数据，但“这些领域的经验可以相互借鉴”这个洞察，是他提出的。
这种迁移能力，让他能够站在更高的视角使用 AI——AI 成了他的跨界知识库，而他是那个知道“如何组合这些知识”的架构师。
相反，那些思维固化、只在自己专业领域打转的人，即使 AI 能提供跨领域的信息，他们也看不到迁移的可能性。
实验型思维——快速试错和迭代#
什么是实验型思维？就是不追求“一次做对”，而是习惯于“快速试错、持续迭代”的能力。这种人不怕失败，因为他们知道每次失败都是一次数据积累。
为什么这种思维被 AI 放大？因为 AI 让试错的成本大幅降低，让迭代的速度大幅提升。过去你做一个方案需要一周，现在 AI 可以帮你一天生成十个方案。但这个优势只有具备实验型思维的人才能充分利用。
我见过一个营销负责人，他用 AI 做广告投放的方式很独特。他不是让 AI“给出最佳方案”，而是让 AI 生成 50 个不同的广告文案和视觉方向，然后小规模测试，看哪个效果最好，再深度优化。他把 AI 变成了一个“高速实验引擎”。
相反，那些习惯于“谋定而后动”、追求“完美方案”的人，即使有了 AI，还是在用“一次做对”的思维，错过了 AI 带来的“快速迭代”的红利。
被放大 vs 被遗忘#
读到这里，你可能已经发现一个规律：被 AI 放大的，都是那些“元能力”——建模能力、系统思维、目标设定、知识迁移、实验迭代。而那些被 AI 边缘化的，往往是“执行能力”——画得快、写得多、算得准。
为什么？因为 AI 本质上是一个“超级执行器”。它能够以人类无法企及的速度和规模执行任务，但它不能定义“什么任务值得执行”。AI 放大的是“定义问题、设定方向、判断价值”的能力，而不是“解决问题、执行任务、完成工作”的能力。
这带来一个残酷的分化：
被放大的人，用 AI 扩展了自己的能力边界。他们让 AI 做执行，自己专注于判断。他们的价值不在于“做得多快”，而在于“判断得准不准”“方向对不对”。AI 让他们从“单兵作战”变成了“千军统帅”。
被边缘化的人，发现自己的核心能力被 AI 快速取代。他们的价值在于“执行得好”，但 AI 执行得更好。他们试图和 AI 比速度、比数量、比准确性，结果是越比越焦虑，越比越没有价值感。
这个分化，不是由技术水平决定的，而是由思维方式决定的。
一个深刻的不平等#
这里有一个更深层的问题：五种被 AI 放大的思维，本身就是不平等分布的。
模型型思维、系统型思维，往往需要良好的教育背景和长期的训练。目标导向型思维、迁移型思维，往往需要见过更大的世界、经历过更多的场景。实验型思维，往往需要一定的资源和试错的空间。
这意味着，AI 不是一个平等的放大器，它会加剧现有的认知不平等。那些本来就具备这些思维能力的人，被 AI 放大得更强；那些本来就缺乏这些能力的人，被 AI 边缘化得更快。
这不是 AI 的错，但这是 AI 时代必须面对的现实。当我们说“AI 会提升生产力”时，我们往往忽略了一个问题：这种提升是不均匀的。它让强者更强，让弱者相对更弱。
你在哪里？#
读到这里，建议你停下来问自己几个问题：
关于模型型思维：当我面对一个复杂问题时，我是习惯于抓住细节，还是能够抽象出结构？
关于系统型思维：我是习惯于单点思考，还是能够看到事物之间的关联？
关于目标导向型思维：在行动之前，我是否清楚自己到底要什么？
关于迁移型思维：我是否能够从其他领域借鉴经验和方法？
关于实验型思维：我是追求“一次做对”，还是习惯于“快速试错”？
你不需要五种思维都具备，但至少要有一两种是你的优势。因为这些，才是 AI 无法替代、反而会被 AI 放大的能力。
下一个问题#
到这里，我们已经理解了 AI 的本质、人机思维的差异、什么样的人能和 AI 协作得好。但这还不够。因为我们还没有回答一个关键问题：AI 会如何逐步改变这个世界？它会先影响哪些行业、哪些岗位、哪些人？
理解这个问题，不只是为了预判未来，更是为了找到自己的位置——你是在 AI 浪潮的前排，还是后排？你是冲浪者，还是被浪拍在沙滩上的人？
这就是下一讲要解决的问题：渗透的物理——AI 如何逐层改变世界。当你理解了这个渗透的规律，你就能判断自己还有多少时间，以及应该如何准备。