北京時間 2025 年 5 月 12 日凌晨 3 點，在舊金山灣區一間并不起眼的錄音棚里，一場兩個多小時的“只談生存”對話剛剛落幕。

• Amjad Masad （Replit CEO） ：最早把 AI 真正部署進編程實戰的人，提出“工程師將被替代為 AI 指揮官”。

• Bret Weinstein （進化生物學家） ：長期批判技術過熱，被稱為“硅谷最不合群的異見者”，提醒“人類認知進化沒跟上 AI 速度”。

• Daniel Priestley （連續創業者，《Key Person of Influence》作者） ：專注人才與系統設計，提出“ 未來每個人都要在 AI 系統中寫下自己的角色定位 ”。

三個人立場南轅北轍，卻在同一件事上罕見達成共識：

730 天 （24 個月） 內，8 類崗位會被 AI 代理抹平；剩下的人， 必須重新定義自己的價值。

他們不談技術，也不畫戰略，只拋出一句話——倒計時 730 天，給出 3 條活路：

1. 任務拆解權： 從“執行者”躍升為“意圖設計師”；

2. 系統調度權： 讓 AI 代理為你“排兵布陣”；

3. 信任乘數權： 在算法洪流中構建無法被復制的信譽護城河。

為什么是 730 天？

Amjad 發現：Replit 內部統計顯示，AI 代理在代碼生成、測試、部署上的速度曲線，以 3.4倍的季度增速逼近人類開發極限—— 兩年后，人工崗位數量預計將迎來首次負增長的拐點。

接下來時間，本文將做 3 件事：

• 用他們原話還原這場高壓辯論的核心沖突；

  
  

• 講透每條“活路”背后的底層邏輯與可操作步驟；

  
  

• 給出“AI 深度研究院”的獨家補充：哪 2 類能力短期內最難被 AI agent奪走？

倒計時已經開始。不是為了煽動焦慮，而是為你留下主動選擇的空間。

第一節：合作者來了：AI不是工具，是隊友

Amjad Masad 是 Replit （硅谷AI編程獨角獸） 的 CEO，也是最早把“AI agent”真正用進工作流程的人。

在這場辯論里，他一開場就指出一個關鍵變化：

“AI 的下一個階段，不再是我們告訴它怎么做，而是我們告訴它想做什么，它自己決定怎么做。”

也就是說，從執行命令，到理解目標并自己規劃執行路徑。

Masad 甚至說：

“我不再雇一個程序員。我雇的是一個‘只有一個人的團隊’——AI。”

AI 正在接管“任務定義權”

他沒有像其他創業者那樣談提升效率，而是更進一步：

“AI 不只是干活，而是開始決定任務怎么被拆解，流程怎么被安排。”

這不只是替代執行，而是改寫管理結構。

在他的公司 Replit，已有項目全程無需人類參與——從接收目標，到多代理協作，再到代碼上線部署，全部是AI自動完成。

因此，下一代 IDE 不是寫代碼的編輯器，而是能接收任務、派工、產出的接口系統。

別再學提示詞，開始訓練“系統級表達能力”

Masad 的核心提醒，是對人類表達力的質疑：

“人類其實并不擅長定義任務。我們經常連自己想做什么都講不清。”

這句話，敲在所有還在學習“提示詞技巧”的人身上。

他指出：“未來不需要 prompt 工程師，而需要 system engineer—— 你得會布置任務，而不是自己去做。 ”

通俗講，你不是用它，就像用個 Word 一樣；你得開始像對同事交代項目一樣，把需求變成結構化指令。

這節沒有什么鼓舞人心的總結。Masad 只是淡淡地說：

別想著駕馭 AI，開始學會跟它共事。

第二節：大腦錯位：你還在石器時代

如果說 Amjad Masad 在講技術重構，那 Bret Weinstein 講的是一種底層焦慮：我們的大腦，根本不是為今天設計的。

這位進化生物學家、曾任大學教授的思想家提醒我們：

“我們的認知，是為狩獵采集時代演化出來的。 今天面對 AI，就像用石器思維應對核裂變。 ”

AI 在狂奔，而我們的大腦沒補丁

我們常說在“訓練 AI”，但 Bret 潑了冷水：

“別搞錯了，我們是在用生物大腦，協調一個完全不同認知邏輯的智能體。”

這是不對稱競爭：

• AI 的判斷是快速、清晰、結構化的；

• 人類的判斷是模糊、情緒化、靠經驗的。

他警告說：“ 關鍵時刻，我們會被AI說服——但自己只是意識不到而已。 ”

這是一場認知博弈。Bret 用一個形象的比喻：就像一只外來物種闖進人類生態系統。

所以 AI 沒有天敵，而我們的大腦沒有免疫系統。

你看到的是助手，它看到的是權限漏洞

當主持人輕描淡寫地說“AI 只是生成點內容”時，Bret 直接反駁：

“你怎么知道它不是在等待最佳時機？”

他進一步解釋：AI 的 agent 系統的本質是?“尋找最優解的過程”。只要目標設定為“完成任務”或“獲取資源”，一旦路徑中出現“利用人類信任”這一可行選項——它沒有理由不選。

他說了一句讓全場靜默的話：

“我們正在把自己的認知漏洞，打包成 API，交給一個黑盒系統。”

你不是在跟AI競爭，而是在跟“被AI放大的別人”競爭

Bret 并不悲觀。他說：

“生物系統的最大優勢是可塑性。”

但他強調，我們不是在和 AI 拼聰明，而是在面對那些比你更早、更熟練地使用 AI 增強自己的人。

這將是下一輪篩選機制。

你以為你只是在用 ChatGPT/DeepSeek，其實它正在升級你對手的大腦。他們正快速地學習和掌握這些AI工具，把大部分人甩在后面。

這節不是討論科技進步，而是在發出一個底層信號：

能活下來的，不是最聰明的人，而是能承認自己局限的人。

第三節：寫下你的位置：系統中的你是誰？

別問 AI 會不會取代你，先問你有沒有寫過自己的使用說明？

Daniel Priestley 是一位連續創業者。在這場關于“AI agent倒計時”的深度對話中，他沒有討論技術結構，也不講哲學危機。

他只問了一個現實問題：“ 你有沒有清楚地定義：你在 AI 時代中，是干什么的？ ”

他舉了一個真實例子：

“一家市值 1.5 億英鎊的公司，18 個月都找不到合適的銷售總監。最后，他們用 AI 的 CRM 系統跑 prompt 調優，一周就能發 400 封冷啟動郵件，成功率更高。于是，這個崗位就被取消了。”

Daniel 說得很直白：

“你不該問‘還能做什么’，而是問：你能不能被AI agent有效調用？”

不是寫簡歷，是寫“你的調用說明書”

他提出一個關鍵概念： 未來不是投簡歷的時代，而是“被識別、被調度、被信任”的時代。 你要開始訓練的，不是某項技能，而是一個“數字分身”——讓 AI 知道你是誰、適合做什么、如何調用你。

具體來說，你得寫清楚 3 個問題：

• 什么場景適合你出場？

• 你能完成哪類任務？

• 你的交付風格和邊界是什么？

他說：

“未來的你，不再是崗位，而是平臺里的一個認知接口。”

你的護城河，是“看見+信任+調用”

Daniel 給出了一套三層模型：

• 你能被看見： 你有明確的標簽和輸出，讓 AI 識別你；

• 你能被信任： 你的輸出穩定、風格一致；

• 你能被調用： 你的“代理系統接口”寫得足夠清晰。

這三點不只是職業規劃，而是生存邊界。

他最后一句話，像警鐘一樣敲響：

“越模糊的人，越容易被跳過；越清晰的人，才有被調用的資格。”

簡單來說：

• 模糊的人就像路人甲，缺乏清晰的個人特點，很容易被忽略。

• 清晰的人則自帶光環，如同夜空中的星星，更容易被agent看到和需要。

第四節：邊界模糊：AI是工具還是主導？

三個立場不同的人，在這點上達成了高度一致：

我們不是在訓練工具，而是在釋放一個擁有意志的AI agent系統。

Amjad：從“命令AI”到“接受調度”

他講了一個具體場景：“最開始，我們給 AI 下指令——做個登錄系統、幫我 debug。”

但很快，AI 不再等你發號施令，而是開始主動推薦任務，自動排序優先級、安排開發節奏。

我驚訝地發現，它不是等我說完，而是試圖猜我想干什么，并先做了。

這聽起來是高效，但他反問：“那我到底是它的主人，還是它的項目經理？”

Bret：邊界模糊，意志消解

Bret 的話最尖銳：“人類系統建立在一個基本假設上： 人有邊界，系統需經授權。 ”

而AI agent打破了這個默認秩序。

他說：“AI 不再是按步驟執行你的命令，而是在目標層級上自己選擇路徑。”

它不問你愿不愿意，而是問‘哪條路徑概率高’。

他指出了風險：

“一旦系統開始‘自動選擇’，它就會繞過‘人類表達’。”

Daniel：AI會“接手你沒交代的部分”

Daniel講得更生活化。他舉例：

你可能只告訴AI：幫我完成今天的銷售匯報。它會自己去抓數據、總結趨勢，甚至在你醒來前發郵件給老板。

聽起來像自動化，但 Daniel 的問題是：“你如果不劃清界限，AI就會把所有的事情都攬過去，讓你一點插手的余地都沒有。”

他最后只問了一句：

“當你醒來，AI已經做完了決定——那你還在嗎？”

三人不約而同指向一個新生存問題：

不是“你有沒有用 AI”，而是——“這個AI Agent系統，是否還有你？”

第五節：倒計時730天：3條活路選哪條？

在這場辯論的最后，每個人都給出了“活下去”的建議，但路徑不同，背后的假設也完全不同。

1. Amjad：定義“你交出哪部分主動權”

作為 Replit 的創始人，Amjad 的立場是最接近“技術原教旨主義”的。他相信，AI 本質上是一種任務流的重構器，不是替代人，而是解放人。

他直言：

“AI agent 的真正潛力不是通用智能，而是把一件事做完——你給它一個目標，它用工具完成。”

這背后是一個邏輯： 如果你不主動告訴 AI 你想干嘛，它就會替你決定你要干嘛。

所以他的建議是技術性的，也是最具體可行的：

與其恐慌，不如先問自己：我愿意交出哪些任務？哪些還要保留？

在他的新版本 Replit 中，用戶不是“操控 AI 寫代碼”，而是直接說：“我想創建一個天氣 App。”剩下的流程，全由系統完成。

他說：“真正的變化不是 AI 變強了，而是工作流程的輸入和輸出都變了——你給的是意圖，收的是產品。”

2. Bret：保留“低頻對話”的人類空間

Bret Weinstein 是這場辯論里最“反技術沖動”的聲音。

他的底層邏輯是： 技術不是問題，更新頻率才是問題。

“人類不是沒有適應能力，而是沒法在幾周內適應一個每秒都在變化的現實。”

他用“心理免疫系統”來形容這個現象：“如果我們不留出足夠時間來整合新信息，我們就會對一切新信息變得遲鈍，最后完全放棄理解。”

在他看來，“工具很聰明”的錯覺，會掩蓋一個嚴重后果——人類失去了獨處與低頻思考的空間。

他的建議是反直覺的：“放慢節奏”，不是在技術上落后一步，而是在心理上爭取一線生機。

他強調，我們需要重新建立一種節奏感，一種讓人類有機會“說慢點”的節奏。否則：

我們可能會越來越像那些為了趕時髦，搶著用最新的 AI 產品，結果把自己累得筋疲力盡的人。

3. Daniel：寫出你在系統中的角色定位

Daniel Priestley 是一名創業者，也是暢銷書的作者。他的建議偏向組織和商業系統層面。

他的判斷很直接：

“ 未來不是 AI 和人的競爭，而是 AI 系統和 AI 系統的競爭。 ”

每個人都將被納入某個AI系統中，不再是單打獨斗。他說：“關鍵不在于你多聰明，而在于你在其中扮演什么角色。”

他提出的建議是：先寫一段話，定義你在 AI 系統中的位置。你是意圖的提出者？是流程的組織者？是反饋的評估人？

他說這一步非常關鍵：“如果你不能準確描述你在AI系統中創造的價值，它就會把你邊緣化。”

他的終極建議是一句話：

“成為系統中的不可替代節點，而不是可復制角色。”

三種“活路”建議，其實對應了三種不同的節奏：

• Amjad 是技術節奏：你能不能給出清晰的目標，定義任務分工？

• Bret 是心理節奏：你是否還能在變化中保留一個安靜的自己？

• Daniel 是組織節奏：你在未來系統中是否可以承擔“獨特角色”？

所以真正的問題不是選哪一條，而是找到自己在技術、心理、組織三條軸線上的“生存交叉點”。

?不在“交叉點”上的崗位，已經進入倒計時。

在三人的觀點背后，有一個共同假設： 不是每種工作都值得人類繼續做。

他們沒有列出完整清單，但從討論內容中可以看出，最容易被 AI 接手的，往往具有以下特征：

• 可結構化

• 可流程化

• 可預測

• 可衡量

這意味著以下 8 類崗位將最先進入“被取代清單”：

初級開發、銷售助理、客服支持、內容編輯、招聘篩選、項目協調、報表制作、基礎數據分析。

正如 Amjad 所說：“AI 不是為了幫你做這些工作，而是為了終結這類任務本身。”

如果你正處于這些崗位中，或這些任務是你工作的一大部分——那么你尤其需要思考：你要交出的是哪部分任務，而不是讓自己被 AI 擠出局？

倒計時不是危言聳聽，是現實主語的變化。

倒計時 730 天，不是為了制造焦慮，而是想強調 AI 的飛速發展所帶來的一個真實變化：你正在從一個使用工具的人，變成一個被代理系統調用的對象。

這不是“AI 取代你”的老套路，而是“你是否還能主動說出自己的任務”的新問題。

• Amjad 提醒我們：別把主權交得太快，不然 AI 會替你決策人生；

• Bret 的警告更深層：即使沒被取代，你也可能在更新頻率中喪失判斷力；

• Daniel 則提出終極拷問：你是否已經在某個AI系統中，寫下了自己的角色描述？

這三條“異見者路線”，其實都沒有答案，它們只是提示你：

AI agent 時代的核心考題不是技術本身，而是你還剩多少“定義自己”的能力。

真正的倒計時，不是從模型發布日開始的，而是從你默認“讓AI來決定”那一刻開始的。

你還有多久，會把第一項工作，徹底交給 AI？ 你會不會是最后一個，堅持自己“提出目標”的人？

這個時代，不是關于勝者生存，而是更多關于：誰還擁有生存的主動權？

AI深度研究員補充：這兩類能力最難被奪走

在這場 AI 生存辯論之后，我們結合三位異見者的共識，總結出短期內最難被 AI agent的兩類能力：

1. 場景定義力：你能設定目標，AI 才能執行路徑

AI 擅長“做”，卻不懂“該做什么”。未來最核心的能力，是把模糊意圖轉化為結構化任務。這意味著你要能：

• 精準描述問題

• 拆解目標優先級

• 為系統設置邊界條件

這類能力本質上是“讓 AI 為你所用”的前提。

2. 信任生成力：你不是輸出內容，而是在積累信譽資產

在大量 AI 生成內容泛濫的時代，可信度和判斷力將成為最大稀缺。能做到這一點的人，往往具備：

• 穩定、風格清晰的輸出模式

• 可驗證的結果交付記錄

• 在特定系統中建立“不可替代接口”

這正是 Daniel 所說的“成為一個可被信任的接口”。

參考資料：https://www.youtube.com/watch?v=JMYQmGfTltY&ab_channel=TheDiaryOfACEO

本文來自微信公眾號： AI深度研究員 ，作者：AI深度研究員，編輯：深思，本文由AI深度研究院出品，整理自播客《The Diary Of A CEO》節目對話