AI时代最稀缺的不是算力，是「知道自己不知道什么」

AI时代最稀缺的不是算力，是"知道自己不知道什么"

昨天在Hacker News上看到一篇文章标题，差点把咖啡喷出来。

David Horn写的，叫《工程师们会不惜一切代价来避免从历史中吸取教训》。

他观察到一个现象。2026年了，工程师们开始意识到管理多个AI Agent和管理工程团队很像。于是大家兴冲冲地写博客、做分享、搞方法论。仿佛发现了新大陆。

问题在于，这片大陆叫项目管理。它已经被人类探索了七十年。

Horn举了三个例子。数据科学，十年前工程师花了好几年建立基线技术和诊断方法，觉得是激动人心的新领域。但它不是新领域，是换了个酷名字的统计学。Nate Silver说过，数据科学家就是被性感化了的统计学家。一堆人写了愤怒的博客回应他。加密货币，Matt Levine在彭博社观察到它以快进方式重演了整部金融史，人们在区块链上重新发明了银行、证券交易所、甚至庞氏骗局，然后发现监管框架早就存在。还有硅谷创业公司"重新发明了公交车站"，斯坦福日报2018年就写过。

现在轮到AI Agent了。

从来没认真写过PRD的工程师突然发现，必须提前定义好所有行为，不然AI会自作主张。从来嫌弃非技术EM不懂代码的工程师突然发现，自己也懒得看AI写出来的一万行PR。于是大家重新拥抱瀑布模型。

但他们不会叫它瀑布模型。他们会给它一个更性感的名字。因为叫旧名字等于承认那些经理们一直是对的。

Horn的文章里有一句话很毒。没人能靠"正确应用一门已被充分理解的学科"来融到一轮资。你得让它看起来新颖、未被发现，然后把自己包装成前沿人物。这就是为什么人们宁愿重新发明轮子也不肯翻翻《人月神话》。

---

同一天另一篇文章上了HN首页。Allen Bargi写的，《与AI协作更像领导而非编程》。

Bargi是个工程师，职业生涯大部分时间里，代码给他确定性。程序做指令告诉它做的事。如果同样的输入产生不同结果，那叫bug。人从来不是这样的。作为领导者，给同事解释一个任务，有时候得到他要的东西，有时候得到更好的东西。因为同事理解了请求背后的意图。有时候结果表明他自己表达得没有自以为的那么清楚。

和AI工作更接近后一种体验。

他写了一段话我觉得很精准。AI跑在软件上，但和它工作不是完全可预测的。同一个请求可能产生不同答案。它可能做出有用的连接，错过明显的要点，或者用一个你没想到的方法让你吃一惊。当你把AI当编译器对待时这很沮丧。当你把它当成协作对象时它就变得有用了。

好的领导者做的事情比下达指令多。他们分享上下文，解释期望的结果，设定边界，并对反馈做出回应。同样的习惯能改善你和AI的协作。

把这两篇放在一起看。Horn说工程师不读历史书。Bargi说工程师需要学会当领导。两个人在说同一件事。AI时代对人类的核心要求，正在从"能把事情做出来"转向"能把事情定义清楚"。

---

这让我想起一条推文。一位创业者花了一整周优化ComfyUI工作流。速度提升了20%。显存省了3个G。效果很好。

然后呢？那个工作流做出来的内容，没有一个真实用户看到过。

发推的人叫小北。他用了一个词叫"信息收益率"。你投入一周时间，换回了多少能改变决策的信息。如果答案是零，那你做的事情再精巧也只是最高级形式的拖延。

工具奖励勤奋。你优化了20%，工具给你正反馈，数据变好了，速度快了，一切指标在向好的方向走。但市场暴露无知。用户没看到你的内容这件事，没有任何仪表板会主动告诉你。

这个洞察击中了一个普遍困境。AI让"做事情"变得前所未有的容易。也让"做错事情"变得前所未有的隐蔽。以前做错方向，三个月就能发现，因为你根本做不出来。现在做错方向，可能三个月后才发现。因为你做出来了。很完美。但没人要。

---

斯坦福今年的AI Index报告有两个扎心的数字。88%的组织已经采用AI，但Agent部署在几乎所有业务功能中还是个位数。22到25岁软件开发者的就业率比2024年下降了近20%。

最年轻的一批，最熟悉AI工具的一批，反而是就业市场受冲击最大的群体。

这不矛盾。会用AI工具是一种生产能力。但当生产能力变得廉价，决定价值的就变成了知不知道该做什么。二十出头的开发者最擅长写代码。恰好是AI最擅长替代的。他们最缺的是对业务、用户、历史和组织的理解。恰好是AI替代不了的。

全球12所学术机构联合发布的68页报告也印证了这一点。Agentic AI正在重新组织工作方式。执行层面在被压缩，协调层面在被放大。人类需要做的越来越多是协调。定义任务，分配上下文，验证结果，做判断。

吴恩达在YC闭门分享里说，现在的核心技能是表达意图的能力。他见过PM和工程师比例2比1的配置。两个产品经理配一个工程师。放在三年前简直是个笑话。但逻辑很通顺。工程效率提升十倍，瓶颈自然就变成了"做什么"的决策速度。

---

所有箭头指向同一个方向。AI时代真正稀缺的资源，不是算力，不是数据，不是模型能力，甚至不是会用AI的技能。是知道该做什么。更准确地说，是知道自己不知道什么。

这话听起来像禅宗公案。但它有非常实际的含义。

一个知道自己不知道用户想要什么的人，会去做用户研究。一个知道自己不知道项目管理历史的人，会去读《人月神话》和《目标》。一个知道自己不知道该优化什么的人，会先验证方向再动手。

而一个不知道自己不知道什么的人，会花一周优化显存、写十篇Agent编排方法论、用AI写出完美的代码。然后困惑为什么一切看起来都很好但什么都没发生。

这就是元认知。知道自己的认知边界在哪里。

苏格拉底被德尔斐神谕认为是最有智慧的人。他唯一比别人强的地方，是他知道自己什么都不知道。两千四百年过去了。人类发明了能写十万行代码的AI。但这个洞察依然成立。知道自己不知道什么，是一切有效行动的起点。

AI放大了这一点。以前不知道自己不知道什么，顶多是做事慢一点。现在你会以极快的速度朝错误的方向狂奔。并且因为一路上的指标都在变好，你甚至享受这个过程。

Horn在文章最后推荐了几本书。《人月神话》讲的是为什么加人不能让项目更快。《目标》讲的是为什么局部优化不等于全局优化。都是几十年前的书。都还管用。因为它们讲的那些道理，不是技术问题。是人的问题。

所以如果有人问我，2026年一个做AI的人最该练什么。我会说三件事。读非技术类的书，管理学、组织行为学、认知心理学、甚至军事战略，因为你面对的问题很快就不是技术问题了。练习定义问题而非解决问题，写清楚你要什么、不要什么、边界在哪。养成"我不知道"的口头禅，对不确定的事情保持诚实，别在不确定的时候假装确定。

苏格拉底式的谦逊。二十四个世纪后在Hacker News上回响。

这大概就是人类智慧的通货膨胀率。零。有些东西不会贬值。恰恰因为它很难被编程。