上周参加了 AIE（AI Engineer）上海大会，本以为是奔着前沿技术去的，但两天听下来，真正戳中我的，是一个反直觉的结论：AI 越强，反而越暴露它的边界------凡是「模糊」的东西，AI 都无能为力。 决策是模糊的，软性知识是模糊的，连工厂里一个「出货」的「口径」都是模糊的。而这些，才真正决定了 AI 能在我们身上走多远。
「当我们什么都能做，还知道自己想做什么吗？」
第一天让我感受最深的是 Cursor 前设计师 Ryo 的分享。说来有意思，在一个技术大会上，为什么会冒出这么一个形而上学的开场？
Ryo 作为 Cursor 的前设计师，对 AI 能力的理解是相当到位的。他以自己做的日记 App 为切入点，抛出了这个话题：「当我们什么都能做，还知道自己想做什么吗？」
当 AI 越来越强、什么都能做的时候，我们是不是也在变得越来越焦虑？生怕慢了一拍，生怕丢了位置。
老实说，我会。面对每天冒出来的新知识、以及不断被推翻的旧知识（比如 Harness、Subagent 这类新工具和新概念），越是身在其中，反而越容易焦虑。
但 Ryo 却让我们先放下这些，回头问一问自己：当初是为了什么才选择这一行、才选择手上正在做的这件事？是的，其实我们「不必证明自己做得比谁好，才有资格继续做喜欢的东西」。
AI 很强，强到能马上给出答案。但「答案完成了，不代表思考完成了」。作为人，我们可以只把 AI 的答案当成选项之一；我们仍然可以坚持自己那个「不完美」的答案。
这一点让我很有共鸣。我习惯把 AI 比作一把电动螺丝刀：想偷懒时，可以用它提速；想自己动手时，也能亲手去拧。AI 能加快我们创作的速度，却不能替我们去创作。
有同行的朋友会后在网上评价，说这段「仿佛是在广告里看了一集电视剧」。
「我不只想要一个更会 回应 我的世界，我也想保留一个能让我 改变 的世界。」
当我们被 AI 裹挟得喘不过气时，不妨停下来回味一下这句话，或许能给自己留出一丝喘息。
非常期待后续的会议视频，这段分享值得反复看。
AGI 是解码器，「软性知识」才是护城河
杨滢博士这一场内容非常干。开场就抛出了一个结论：「AGI 是人类有史以来最强大的解码器」。
这个结论带来的，是如何切入「垂直领域」的角度------对一人公司（OPC）还是初创团队，都有很大的启发。
如今 AI 的能力很强，尤其体现在「编码清晰」的领域。所谓「编码清晰」，指的是文献多、数据多、数字与现实之间联系多的领域，比如编程、数学、文学。甚至 OpenAI 解数学题的能力之强，已经引发了数学家的抗议。
与「编码清晰」相反，那些「软性知识 / 灰色知识」密集的垂直领域，通用 AI 就显得无力。这些「模糊」地带，反而成了 AI 时代的「护城河」。
以杨滢博士所在的美妆赛道为例，这个领域有两处典型的「模糊」：
- 大量经验沉淀在从业者脑子里，没有被数字化。真正的知识嵌在供应链上下游，外行人看不见、也摸不着，信息门槛本身就高；一旦有人把这些经验固化成自己的方法和数据，壁垒就更难被攻破。
- 对消费者来说，美妆「所见非所得」------看图和真正上手是两回事，决策成本极高。
杨滢博士自己就是这个领域的专家，能把「软性知识」固化成私有的「能力」。通用的 AGI，加上私有的软性知识，才合力搭出一道带壁垒的垂直领域。
这一场给我最大的感受，是对「入局的角度」有了新的认识：
结合自身能力，去找那些存在「软性知识」的领域，用 AI 提效，帮用户做「判断 」，而不是替用户做「决定」。
无论是要自己入局，还是要加入某个行业，都可以从这个角度想一想。
制造业的 AI 转型
这一场来自传统制造业的 AI 转型，让我听出了数字背后的另一层意味。
AI 确实能提效，但真正能被提效的，往往是「数据清晰、可量化」的那部分------而这一部分，恰恰很少是工厂真正的瓶颈。最容易被量化的岗位，也最容易被替代；于是「提效」和「恐慌」，成了同一件事的两面。
全篇让我印象最深的，是一个词：「口径」。
AI 要的是清晰、确定的输入。但同样一个「出货」，在车间、财务和高层嘴里，指的很可能根本不是同一个东西。口径不统一，AI 就只能瞎猜；可口径一旦统一，那些原本藏在模糊地带里的「空间」，也就被摊到了明面上。
所以统一口径，既是 AI 转型的第一步，也是阻力最大的地方：向上，它挤压了「模糊空间」；向下，它带来了替代恐慌。分享者列了一串漂亮的提效数字，但我在数字后面，读到的是一丝窘迫。
这种窘迫，其实不是 AI 时代才有的。早年的数字化转型就踩过同一个坑：有朋友吐槽，某制造商上了 CRM 之后，因为系统挤压了「灰色地带」，最后沦为摆设，没人真用。一个必须靠「自上而下强制推动」才能落地的变革，本身就说明它的阻力，从来不只在技术。
串联：理想的 AI 变革是什么？
两天的三个主题，看似无关，其实都在印证开头那句「AI 无法处理模糊」。
AI 处理不了的模糊，其实藏在三个地方：
- 在「决策」上：AI 只能帮我们判断，不能替我们决定；
- 在「知识」上：无法数字化的软性知识，成了垂直领域的护城河；
- 在「口径」上：连「出货」两个字都没统一，AI 连像样的输入都收不到。
AI 能提效，这没人否认。但真正的问题不在供给侧------当产能被 AI 成倍放大，消费端能不能跟上、社会分工要不要重排，才是更棘手的那一环。到这里，问题就已经不只是技术，而是整个社会要一起回答的。
那么，理想的 AI 变革是什么？不是让所有人更快地内卷，而是把重复劳动交出去，把人腾出来。AI 该是解放人的工具，也是拓展能力边界的工具；被解放出来的时间和精力，应该拿去关注自己，而不是拿去互相消耗。
这大概也算是对开场那个问题------「当我们什么都能做，还知道自己想做什么吗」------的一个回答：与其被 AI 推着往前跑，不如借它腾出手来，去做自己真正想做的事。