每天早上打开手机，又是一个新模型发布，又是一个"改变一切"的框架，又是某人在朋友圈或 X 上淡定地讲述他们如何已经把 AI 融入了工作流的每一个角落，仿佛我们其他人还在研究怎么建文件夹。
这种疲惫很难形容。不是普通的累——而是还没开始，就已经感觉落后了。打开浏览器想学点什么，却感觉自己是在派对结束三年后才抵达现场。
我在这种感觉里待了很久。我想诚实地聊聊这件事，因为我觉得很少有人真的说出来。大多数人要么假装没事，要么悄悄放弃了。
机器人在跟机器人说话，你只是在旁边看
《搏击俱乐部》里泰勒·德顿说过："你不是你穿的衣服。"但最近在我脑子里住着的，是另一句话——叙述者在复印机前描述自己："我是杰克的一份复印件的复印件的复印件。"
2026年的互联网，就是这样。
大型语言模型用更早的大型语言模型生成的内容来训练自己。图像生成器抓取其他图像生成器的输出。社交媒体上的帖子由 AI 写成，被机器人转发，被另一个 AI 改写，再被推送给你，作为"每个人都比你走得更快"的证明。每一代都比上一代更扁平，每一轮都更自信，却与任何真实的东西越来越远。
真正深度理解某件事的人？他们只是噪音中极小的一部分。其余的，都是高保真度的"专业感"模拟，在循环播放，感觉完全是人造的。
到 2026 年，网上几乎所有的内容都可能是合成生成的。想一下这意味着什么：你刷到的每十条内容里，可能有九条根本没有人类参与。超过一半的 LinkedIn 长文很可能是 AI 写的——那些关于"我如何把 AI 融入日常工作"的精心排版的帖子，说到底只是为了博眼球，内容本身平庸又陈腐，你大概早就见过或者知道了。
"AI 垃圾（AI slop）"这个词在 2025 年被某些机构评为年度词汇，这让人想起 2016 年的"死亡互联网理论"——而那个理论正在我们眼皮底下加速成真。
那种无处不在的、令人窒息的"专家感"，是彻底制造出来的。它来自机器人，来自那些转发自己都没读懂的内容的人，来自包裹着权威语气、实际上只是为了卖东西的账号。
这就是这篇文章的核心论点：让你感觉落后的那项技术，正是制造出"所有人都领先于你"这个幻觉的同一项技术。这就是那个完美的游戏——设置在我们共同生活的这个现实模拟器里。
那些关于"所有人都在用 AI"的数据呢？2025年底，全球大约每6个人里只有1个人在真正主动使用生成式 AI 工具——不是偶尔试一下，不是让自动补全帮你写了句话，而是真的在用。"所有人都已经是专家"这种感觉，只是算法放大 + 合成内容制造出来的谎言而已。
如果你曾经感觉哪里不对，感觉那些自信背后是空的——你是对的。这种直觉值得信任。
互联网蓄意损坏了你的大脑
我不想用临床名词来描述这件事，因为这不是重点。但我想说：如果你感到瘫痪，那不是因为你软弱，而是因为这个环境本来就不理性。
你坐下来想学一件事，还没学明白，三个更新的东西已经取代了它。那种不断吸收、适应、构建的压力——同时还要完成你真实的工作、过你真实的生活——是一种悄悄叠加的重量。制造这种压力的人，自己并不承受它，因为他们大多数是机器人，或者是学会了表演确定性的人，而那种确定性他们自己根本没有。
那些看起来毫不受影响的人？要么他们已经深入其中，早过了最初的手忙脚乱阶段；要么他们已经不再真正参与，只是在表演参与。这两种都不值得羡慕。你感到不舒服，恰恰说明你在认真对待这件事——而不是说明你来晚了。
走在你前面的人，也在迷路
是的，有人比你先开始。是的，这确实有影响。我不打算假装差距是不存在的。
但是——AI 相关岗位所需的技能，正在以远超其他工作的速度更新换代。这意味着那些"早起"的人，也在不停地重新学习。他们三个月前掌握的模型，现在已经部分过时了。
我每天都能看到这种情况：有人还在用 2023 年的方式用 ChatGPT，从那时起就没怎么变过，因为"用得顺手"。但当你跟他们坐下来，展示一下 Claude Code 配上 Claude Opus 4.6 能做什么的时候，他们的眼睛会亮起来——那是一种"我从来没想过还能这样"的震惊。
我理解那种惰性。坚持用熟悉的工具，感觉很合理。但在一个工具本身都在变化的领域，待在舒适区是一种慢慢落后的方式。这是我吃过亏才学到的，我宁愿说出来，而不是假装自己一直都想清楚了。
没有人安定下来了，没有人做完了。
起跑线没有归零——但它在移动。现在入场，依然领先于那些永远不踏进来的人。机会没有关闭：2025年，AI 人才需求同比呈指数级增长。这个领域在扩张，至少在 2026 年，它并没有设门槛拦着你。
我要先提醒你一件事
"开始用 AI"有一个版本是陷阱，我想在你踩进去之前说清楚。有人会告诉你：直接让 AI 做就行了。把整个项目交给它生成。不用理解底层的代码或逻辑——AI 会处理的。
想象这个场景：你让 AI 用一门你不懂的语言，在一个你从没碰过的代码库里构建了某个东西。它跑起来了。你上线了。三周后，一个用户报告了一个严重的 Bug。AI 不可用了——可能服务挂了，可能你用尽了额度，可能模型更新后不再产生同样的输出。不管什么原因，它不在了。而你站在一堆你读不懂的代码前，面对一个你无法排查的问题，以及一个不高兴的用户。
这不是假设。这是很多人正在自信地走向的悬崖。
我的原则：始终在你理解的语言里工作。始终知道代码在做什么。让 AI 帮你在你已经掌握的事情上变得更快——而不是用它跳过"掌握"这个步骤本身。如果你自己能做并且理解，再让 AI 处理那些你不喜欢的部分。把繁琐的事情外包出去，不要把关键的事情外包出去。
AI 是助手，一个很强大的助手。但如果它变成你自己理解力的替代品，你建立的不是杠杆——你建立的是依赖。而在这个如此不稳定的领域里，依赖是你能建立的最危险的东西。
大家都在挤同一扇门
主流的 AI 讨论痴迷于一套非常狭窄的东西——同样的工具，同样的语言，同样的问题，被同样的人追着跑。但真正有意思的工作不在中心，它在边缘——在 AI 靠自身力量无法理解某件事的地方。
一个懂 AI 的护士，胜过一个对医疗一无所知的 AI 工程师。一个能用 AI 重新思考学生学习方式的教师，拥有任何提示词工程师都复制不了的东西。领域专业知识 + AI 素养，比单纯的 AI 技术能力更有价值——而主流讨论里的几乎所有人都在追后者，忽视前者。
还有一个大多数人没意识到的角度：随着 AI 生成内容泛滥一切，真正的人类视角变得更稀缺，而不是更廉价。互联网越是充斥合成文字和流水线观点，一个真实的声音——带着真实经历、真实的不确定感、真实的质地——就越是显眼。你作为一个人，带着你特定的历史和视角，正在以两年前不存在的方式成为一种资产。
我还不完全清楚自己的切入点在哪里。但我在找。如果你在看这篇文章，你大概也是。
不管怎样，开始吧
不是因为一切都会好起来。不是因为那种不知所措的感觉会消失。而是因为你问的那个问题——"还有我的位置吗？"——只能靠踏进去、自己找答案来回答。
噪音明天还在。大多数都是假的。差距比看起来要小，这个领域比感觉上更开放。你在这里这件事——坐在这种不舒服里，而不是刷过去——是有意义的。
以一个想要理解的人的姿态开始。然后知道，不管你从哪里出发，你都不是最差的那个。