和落雪聊完AI后，我更确定：普通人真正的差距，才刚刚开始

今天和落雪聊了很久，聊 AI，也聊人。

聊完我有一个很强烈的感受：我们以为 AI 已经“全民普及”了，但真正把 AI 嵌进工作流的人，还是少数。大多数人用 AI 的方式，依然是“有事问一句”，本质上还是把它当搜索框。再往前一步，愿意为 AI 付费、愿意长期打磨流程的人，更少。

这个判断不来自数据报告，而是来自这三年不断碰撞出来的体感。越是和不同职业、不同年龄的人聊，越能发现一个现实：

同样都在“用AI”，结果差距会越来越大。

我们看到的“主流”，很多时候只是圈层幻觉

在内容圈、技术圈、创业圈，Claude Code、Codex、OpenClaw 这些词看起来像日常词汇。但走出这个圈层，很多人甚至还没完成第一次高质量的人机协作。

这并不奇怪。任何技术扩散，早期都不是线性的。第一批人先尝鲜，第二批人先观望，第三批人等到“不得不用”才会进场。

问题是，AI 这次变化太快了。它不是一年一个小升级，而是按季度重写能力边界。很多人以为自己只是慢半拍，实际上可能已经错过了最关键的行为习惯窗口：当别人开始沉淀模板、自动化和个人系统时，你还在比较哪个回答更像“标准答案”。

我现在越来越认同一句话：

未来已来，但分布极不均匀。

这三年，我自己的路径也变了三次

回头看这三年，我不是一开始就“会用 AI”。我也经历了典型的三个阶段。

第一阶段是尝鲜。

把 AI 当问答工具，偶尔惊艳，偶尔失望。那时候最容易犯的错，是把低质量输出当成 AI 的天花板。用过几次一般模型，就觉得“不过如此”。

第二阶段是提效。

开始愿意花钱用更强模型，也开始把它用到真实任务里：写作提纲、资料整理、数据处理、业务复盘。这个阶段的关键词是“省时间”。

第三阶段是系统化。

也是最近一年最重要的变化：不再追求单次回答，而是追求稳定交付。把素材库、任务拆解、模板、自动化脚本连起来，让 AI 不只是“会说”，而是“能做完”。

落雪这两周持续用 OpenClaw，给我的触动很大。你能明显感受到那种状态：不是工具新鲜感，而是“我真的把事情做成了”的成就感。到了我们这个年龄，持续做事的内驱力，通常就两个来源：压力和兴趣。AI 把“新技术带来的可能性”直接变成反馈，这种正反馈会反过来拉动学习和行动。

所以我现在更坚定一件事：

边学边用边感受，不是建议，而是适应这个时代的唯一办法。

真正拉开差距的，不是会不会问，而是有没有工作流

为什么同样用 AI，结果差别这么大？

因为很多人停在“搜索思维”，少数人已经进入“协作思维”。

搜索思维是：我提一个问题，你给一个答案，结束。

协作思维是：我给你背景、目标、约束、输出格式，你帮我一起推进一个任务，直到交付。

前者追求“知道”，后者追求“做到”。

这也是为什么我会说这次产业变革“可怕”：前两次工业革命，主要替代体力劳动；这一次，脑力密集型工作正在被快速重估。咨询、软件、运营、内容、分析，这些过去被认为“替代难”的岗位，已经出现了明显的效率断层。

我不认为这是“人会被机器彻底取代”的简单叙事，但我确信一件事：会用 AI 构建工作流的人，会快速拉开与只把 AI 当聊天工具的人之间的距离。这种距离，可能不亚于马车和汽车的差别。

给普通人的30天建议：先别求最强，先求闭环

如果你也感到焦虑，我的建议很具体：别再囤工具，先跑一个 30 天闭环。

• 第1步：选一个主场景。只选一个，比如写作、电商运营、数据整理。
• 第2步：选一个主工具。Gemini、GPT、Claude，都行。对于大部分人，我推荐Gemini，请一定付费使用。先连续用，不要三天两头换。
• 第3步：固定输入输出。输入统一进素材库，输出统一进草稿/任务目录。
• 第4步：每周自动化一个重复动作。哪怕只是“周报初稿自动生成”。
• 第5步：每天记录三个数：产出量、返工次数、完成时长。

30天后你会得到最真实的答案：你不是不会用 AI，你只是过去没有把它放进系统。

最后留一句我这两年反复验证的话：

AI时代最危险的，不是你起步慢，而是你一直停在“知道很多、做到很少”。

这里是英文版。