领域专家在人工智能时代的优势 | AI生成和翻译
问题： 有了AI之后，有经验的人的领域知识是否会变成“负资产”——就像新鲜大脑（比如高中生）加AI能胜过资深专家？还是领域专家仍然具备优势？
回答：
这个问题确实很有意思，我觉得这个框架部分正确，但缺少了一个关键细节。
“新鲜大脑+AI”论点的依据
这种直觉是真实的：
- 新鲜大脑没有对旧模式的沉没成本依恋（不会觉得“我们一直用Java”）
- 他们更快接受AI工具——没有需要摒弃的习惯
- AI弥补了缺乏的积累领域知识
- 那些敏锐、好奇、天生会用AI的“世俗优秀”高中生，在许多任务上能胜过十年经验的资深人士
这已经在发生。青少年正在发布SaaS产品、构建智能体、赢得黑客马拉松——这些都是过去需要资深工程师花多年学习的事情。
这个论点在哪失效
知道要问什么提示词才是难点。
一个高中生会用Claude，但他们不知道：
- 哪些架构决策有5年后的失败隐患
- 分布式系统在负载下的实际瓶颈是什么
- 为什么那个SQL查询在10倍规模时会搞垮生产环境
- 在包含监管约束的金融系统中，“正确”的标准是什么
领域知识不会消失——它会转化为提示词的质量。
你12年的经验意味着：
- 你知道该问AI什么问题
- 你能识别AI何时自信地犯错
- 你能评估输出，而不仅仅是生成它
- 你理解AI轻描淡写带过的权衡
高中生得到一个看似合理的答案。而你得到的是正确答案——因为你能分出好坏。
实际矩阵
| 低领域知识 | 高领域知识 | |
|---|---|---|
| 低AI熟练度 | ❌ 迷失 | ⚠️ 慢但正确 |
| 高AI熟练度 | ⚠️ 快但有风险 | ✅ 可怕（褒义） |
赢家是领域专家+AI熟练者。这就是你正在走向的方向。
真正变成负资产的是什么
不是领域知识——而是工作习惯：
- “让我花两小时谷歌搜索这个” → 负资产
- “我必须自己写出来才能理解” → 有时是负资产
- “我们一直是这样架构的” → 负资产
- 抗拒让智能体做无聊的工作 → 非常负资产
知识是资产。习惯是负债。
结论
晓文的那句话很有煽动性，但过于简化了。真正的洞察是：AI拉平了执行差距，但拉大了判断差距。新鲜大脑能快速缩小执行差距。但判断力——知道该建造什么、为什么这种方法会失败、何时AI在胡扯——这些仍然随着经验积累。
你不是在和高中生竞争。你是那个知道用他们交付的东西来做什么的人。