AI Agent 对普通人其实没什么用。 AI Agent 的主要价值在于自动化流程、提升效率。但如果没有任务需要处理、没有流程需要优化，那它自然英雄无用武之地。比方说一个人的生活主要是上班、消费、娱乐，没有做项目、创业、创作或处理复杂事务的需求，那么 AI Agent 并不会为其生活带来实质的改变——虽然有了一个随时待命、二十四小时工作的个人助理，但你并没有那么多的任务给它处理。所以，对以消费为主、没有生产、经营、创作等需求的人来说，AI Agent的意义极其有限。 也许有人认为，随着AI Agent的发展，各种需求自然会涌现。我个人对此观点是不认同的。 如果说AI Agent像强大到能够撬动地球的杠杆，拥有了这样强大杠杆的人，他们会尝试撬动地球吗？只有极小比例的人会，大部分的人还是该干嘛干嘛，比如刷短视频、玩游戏、看电视剧……就像大部分的人根本不读书，就算拥有了免费访问全世界任何一个图书馆的权限，也不会因此多读一页书，更不用说养成读书的习惯。 可以这么说，AI Agent是给极小一部分主动探索这个世界的人——我称之为生产者——的效率工具，让这个世界进步得更快。绝大部分被动地活在这个世界上的人——我称之为消费者——用不到这些工具，但能够享受时代的红利，成为间接的受益者。 相关回答： 你如何看待人工智能？AI 都能写代码了，还要学计算机吗？ 知乎讨论：普通人要 OpenClaw 有什么用？

正常现象。这种只能算是小打小闹，如水面的微波，海啸还没来到。 AI对IT行业的冲击是革命性的——我认为IT行业可以在裁员百分之九十以上的基础上，生产力依然持续高速增长。 相关回答： 35岁大厂程序员，花了3周写的核心算法，AI用10分钟复现了更优版本，我10年的经验到底值多少钱？ 知乎讨论：如何评价 Tailwind 因 AI 冲击而裁员求生，当产品核心功能被AI平替，技术公司该如何生存？

一个人看了一百本书或者一千个小时的书，知识一定很丰富吗？思想一定很深刻吗？未必——得深入了解一下才知道。同样地，有十年工作经验的员工，有用的信息仅仅是工作了十年。同样工作了十年的员工，累积的经验可能相差甚远，因此不同员工十年工作经验的价值，也可能有天渊之别。 根据我的了解，在大厂里需要花三周写算法的问题——高难度——不会超过5%。也就是说，至少95%的问题都属于中等难度和低难度。从理论上讲，需要三周的开发时间意味着算法难度非常高、几乎接近研究性质，而这种任务在常规业务中非常少见。如果AI能用十分钟把这个算法写出来，说明这个问题是已有算法问题的变异或重组，不属于那5%的高难度算法。AI能在短时间内给出算法的问题一般具有以下特征： 有成熟解 非创新算法 代码结构常见 AI 见过大量例子 工程调试量较小 换成人写，需要的时间取决于开发者的算法知识储备、模式识别、实现效率和调试优化能力的综合水平。 对于算法岗的工程师，AI十分钟完成的算法，参考开发时间如下： 高级算法工程师 → 不超过3天 中级算法工程师 → 3~7 天 初级算法工程师 → 1~2 周 不同于算法岗的工程师要求快速实现以及高质量代码，非算法岗的软件工程师更侧重业务实现和工程能力。如果是非算法岗的工程师来写，参考开发时间如下： 高级软件工程师 → 不超过5天 中级软件工程师 → 5~10 天 初级软件工程师 → 10 天~2 周 以上只是一个粗略的参考，对于不同的具体问题，需要的时间也会变化。总的来讲，对于非算法岗的开发人员，哪怕时间稍长，完成算法已经算是及格。 工作能力和工作经验是两回事。一个人一年工作经验的价值可能超过另外一个人十年工作经验的价值。而且每个人开始工作的时候，能力就不一样，所以有两年工作经验的人有可能通过 Google的技术面试，而有二十年工作经验的人可能一轮都过不了。在此无意贬低任何人，只是想说，x年的工作经验极具迷惑性。因此，最好的做法是不要赋予“工作经验”太高的权重，而是诚实面对自己的真实水平。 在我看来，x年的工作经验具有多大价值，是一个意义不大的命题。比如说搞算法的，目前你默认的竞争对手是精通《TAOCP》的人甚至高德纳本人，他不但免费，而且可以24小时工作、精通行业知识以及不断进步，你有多少年的工作经验已经不太重要了。在AI时代每个人都应该思考：我在干的事情，AI能干得多好？如果 AI 目前已经能把一个人擅长的事做得又快又好，那么他过去投入在这些技能上的时间，的确大概率已经转化为沉没成本。你的leader让你以后把“这类工作先用AI试试”，如果AI每次都是几分钟就完成而“那类工作”是你的主要工作内容，你可以认为你目前的职位（你）已经在“组织优化”（裁员）的目标清单上。 马斯克最近又用Grok取代了x的一部分员工。据说受影响的团队，在马斯克刚收购Twitter的时候，有超过100人。在这次裁员之前已经剩下不到20人，现在进一步减少到10人以下。从Twitter到今天的x——员工从高峰时期的七千多到今天的两千多，而且还在不断减少中——就是我眼中AI对IT行业冲击的具象化（当然，我明白裁员并不全都是因为AI）。所有能被抽象成模式、能被量化评估的任务，最终都会被 AI 取代。在AI时代，我们对自己的定位是什么？应该学什么？这些是每个人都应该大量思考的问题。 相关回答： AI 都能写代码了，还要学计算机吗？ 知乎讨论：35岁大厂程序员，花了3周写的核心算法，AI用10分钟复现了更优版本，我10年的经验到底值多少钱？

要不要系统地学习计算机科学，取决于你的职业目标。如果你将来主要是一个计算机的应用者，你可以不学计算机专业，但如果你打算做一个计算机科学领域的“推动者”，那你必须学习。  我们判断要不要做一件事情，永远不能够脱离我们的最终目的。所以我们也可以反过来问，如果我学计算机，那我的目的是什么呢？大致来说无非是两个方向，一个是发展，一个是应用。如果你的目标是“推动计算机科学的发展”，那肯定要系统地学习计算机的。如果你的目标是用计算机来处理各种问题，几乎不需要，尤其在AI蓬勃发展的时代。 如果说知道计算机底层工作原理的人，是具备"工程师视角"的人，需要用到这种工程师视角的需求越来越少。比如说一个人可以从零开始实现所有排序算法，而另外一个不能从零实现但十分了解他们的复杂度，以及可以随意调用各种排序算法，他们对工作的胜任程度可能是完全一样的。举个极端点的例子，把一个工程师“下放”到流水装配线上，起到的作用和普通工人是一样的。如果用数字来表示一个人对计算机的了解程度，0代表完全不懂计算机，10表示计算机专业毕业生的水平，大部分计算机相关的职业只需要4~5的水平。 举些例子（只是大致的分类，作为参考）： 初级 IT Support / Helpdesk：1–2 初级网页制作 / Web 开发（小型项目、低代码量）：1–2 普通 Web 开发（中小型项目）：3–4 企业应用开发（低复杂度）：3–4 系统运维 / 网络运维：5–6 移动端应用开发（中等复杂度）：5–6 高性能 Web / 企业系统开发：7–8 高级移动端开发 / 跨平台框架开发：7–8 算法工程师 / AI 系统开发：9–10 系统底层开发 / 编译器 / 操作系统开发：9–10 IT行业就是一条巨大的流水生产线。在前AI时代，随着互联网的发展和学习计算机课程门槛的降低，这条流水线上的工人越来越不依赖于专业出身。在AI时代，这条流水线需要的工人（真正的人）越来越少。我的一个判断是，IT行业90%以上的职位都可以被AI取代，只是时间长短而已。虽然今天仍然存在大量 AI不能完美解决的技术问题，但是看看Nano Banana Pro能做的事情以及能做到什么程度，我对我的判断还是很有信心的。 总而言之，从就业角度看，如果目标是应用AI和计算机工具完成工作，大部分岗位不需要掌握完整的计算机科学理论，学计算机专业不是必需；而从推动学科发展的角度，如果希望深化各个领域的发展（包括AI）或开拓新的领域，就必须学习计算机专业，掌握学科核心知识。 知乎讨论：AI 都能写代码了，还要学计算机吗？

会。至于时间，估计十年以内吧，应该不超过二十年。 人工智能可能在各方面都远超人类的平均水平，但它并不具备“智能”。换句话说，人工智能可以在各方面都干得比普通人好，但它并不知道自己在干什么。 参考回答： 你如何看待人工智能？ 知乎讨论：你认为强人工智能会实现吗？

前段时间回答过一个问题：心理咨询师会不会被人工智能取代？我认为人工智能在功能上完全可以取代很多职业。日后随着仿生机器人的发展，AI能在很多场景里替代人类。但这种“功能性的替代”，在我眼里不是真正的智能。AI既不理解问题（这体现在各种问题在它那里只存在文本的区别），也不知道自己说的是什么。比方说人类的医生，病人说症状，他们知道病人说的是什么，也知道为什么给出这个治疗方案。而AI就是一个“察言观色”的搬运工，“搬运”一个数学答案，还是某种疾病的治疗方案，没有本质的区别。脱离了人类——首先AI就不会存在——AI在人类眼里就是一个随机的混乱的系统。就算AI会继续运行（甚至升级）下去，从人类的角度，只是一个可以不断输出各种结果的物体，只有偶尔出现一些人类能理解的符号的时候，我们才会觉得“有点意思”，其余时间，就是一个“不知所谓”的存在。 我认为意识的根源在于感官——在一个能“感受”的世界里，对外部刺激产生主观体验。比如痛、冷、渴、悲伤，这些都是身体与世界互动后留下的真实感受。正是这些感受，推动我们去理解世界、去解决具体的问题，在本能的推动下去改造世界。 而AI不一样。它虽然能模拟语言、模仿推理，但它没有“感受”——它不疼、不饿、不怕，也不会因为一句话而心动。它所有的反应，都是计算结果，不是经验或情绪的回应。离开了人类，AI连进化的动力都没有，因为它没有任何本能驱动的具体问题需要解决。沿用前面的例子，就算离开人类，AI会继续运行（甚至升级）下去，像Matrix一样，人类就是AI的创世纪——它的世界里发生的一切，都源于“上帝”（人类）给出的终极意义（指令）。 所以在我看来，AI只是依附于人类的工具。它的一切目标、训练数据、优化方向，最终都来自人。它可以像镜子一样映照人类的思维，但镜子里的影像，并不会自己思考。 对各种问题的看法，归根到底还是个人对各种哲学层面问题的回答。我在AI哲学问题上的基本立场是人本主义及工具论： AI是人类的产物与延伸，它的存在、目标和价值完全依附于人类。 AI没有真正的意识，因为它没有感官经验，也没有内在的感受与需求。 AI的所谓“智能”只是模拟行为的结果，并不具备自我理解或创造意义的能力。 因此，无论技术多先进，AI的本质依然是工具，而非主体。 在“强AI”与“弱AI”的划分上，我的立场偏向后者。我认为AI的“智能”仅限于任务层面，是算法与数据的结果，而非意识或理解的体现。它可以模拟人类的思维路径，却无法真正“思考”；可以复现语言的形式，却无法体会语言背后的意义。从根本上说，AI不是一个会觉察、会体验的存在，而是一种高维度的计算工具。 知乎讨论：你如何看待人工智能？

计算机科学几乎可以与所有学科交叉合作，这正是它研究价值的体现。 那么，计算机科学究竟研究什么？ 研究“计算”本身：什么问题可以被计算？哪些问题根本无法计算？哪些问题虽能计算，但代价极高？（如图灵机、不可判定性、NP完全问题等） 研究如何更高效地计算：设计更快、更节省资源的算法和数据结构，提升解决实际问题的效率。 研究如何构造和优化计算工具：包括编程语言、操作系统、计算机体系结构、分布式系统等，增强软硬件系统的性能与稳定性。 研究如何将计算能力应用于现实世界：例如图像识别、自然语言处理、人工智能等领域，使计算机能理解、生成并参与现实问题的处理。 这些研究让计算机成为一个强大的通用工具，能被广泛应用于各个学科，帮助人类解决许多过去难以处理的问题。例如： 在生物学中，用算法分析基因序列 在物理学中，仿真模拟复杂实验 在社会科学中，分析大规模行为数据 在经济学中，建模市场与博弈 在艺术领域中，生成音乐、绘画、文本 总之，计算机科学是一门“独立发展、广泛辐射”的学科。它的研究并非以应用为直接目的，但其成果会不断衍生出解决各领域重要问题的关键工具。 知乎讨论：计算机科学好像可以和任何学科交叉，计算机在学科研究方面有什么价值？

不知道会不会，但我认为人工智能完全可以取代心理咨询师甚至心理医生。应不应该是另一个问题。就像克隆，技术不是主要问题，技术以外的一些考量如伦理才是真正的限制。 假设有一个没有专业背景的演员，完全根据人工智能的提示来提供心理咨询服务，他（她）能否取代受过专业训练的咨询师？我的答案是完全可以。 如果一个咨询师，内心完全没有共情，也不关心来访者，但是他（她）总能演出那种情绪，并给出相应的互动，能让来访者信任，最重要的是他（她）总能“治愈”来访者，哪怕是在最优秀的督导眼里（不透露内心想法的情况下），都是最顶尖的咨询师，那么该咨询师算是一个优秀的咨询师吗？对这个问题的回答，很大程度上决定你对人工智能能否取代咨询师的答案。如果坚持咨询师的内在的心理活动是咨询必不可少的一部分，那么人工智能永远无法取代咨询师。如果完全是结果导向，毫无疑问人工智能可以取代咨询师甚至心理医生。 回到一开始的情景，如果当前的演员表现是60分，那么随着人工智能的进步，他 （她）完全可以进步到90分以上（假设由全世界最优秀的督导来训练人工智能），成为一名优秀的咨询师（不考虑专业资格，仅考虑表现出来的专业水平）。随着工程技术的进步，人类的演员可以进一步被仿生机器人取代。 知乎讨论：心理咨询师会被人工智能取代吗？