声入商业的第一篇文章，送给所有正在被 AI 推着跑的人。

三个半小时的对话，一个没有标准答案的问题。

孟岩和李继刚在「无人知晓」第 45 期聊了一个大题目：「人何以自处」。孟岩是「有知有行」的创始人，做投资教育的人里很懂产品，做产品的人里很懂投资——关于他和「有知有行」的故事，值得单独写一篇，这里先不展开。李继刚是镜湖资本创始人，自称读书人，每天大量时间泡在纸质书里，同时又是国内极深度的 AI 用户之一。

这期播客的核心张力在于：当 AI 在思考这件事上开始碾压你，你靠什么安放自己？ 以下是我们的拆解和判断。

三个世界，三种稀缺

李继刚抛出了一个框架——人类同时活在三个世界里。

原子世界，位置是稀缺资源，工业革命解决的是原子移动的效率问题。比特世界，空间不存在了，互联网让任意两点之间的距离归零。向量世界——也就是 AI 的世界——时间不存在了。大模型把人类几千年积累的知识"烧成了一个晶体"，你跟 ChatGPT 聊天，本质上是在同时对话孔子、牛顿和此刻写 prompt 的你本人。

每消灭一个维度的约束，就打开一片全新的可能性。工业革命之后人类花了两百年适应空间加速，互联网花了三十年消灭距离，AI 正在消灭时间——而我们才刚开始消化这件事。

所以你的焦虑是正常的。你不是在焦虑一个新工具，你是在焦虑一个维度的消失。

但框架归框架，孟岩在这里追问了一个更实际的问题：既然 AI 这么强，人怎么办？ 这个追问把对话从哲学拉回了地面。

意志性：AI 时代唯一不可替代的东西

李继刚的回答是：使用 AI 的人分两种。

第一种是"通道型"。拿到问题，扔给 AI，复制粘贴，交差。人是一根透明的管道，可以不存在。

第二种是"主体型"。你先有一个想法、一个判断、一个"我要什么"的意志，然后用 AI 作为算力延伸去放大它。AI 帮你盖了大楼，但设计图纸里有你的审美、你的取舍。

AI 放大的是你的意志性，不是你的能力。

如果你本身是"空的"——没有自己的观点、没有自己的判断框架——AI 放大出来的也是空的。甚至更糟，因为你连独立思考的练习机会都让渡出去了。

AI 不会让所有人变笨，它会让"空的人"更空，让"有东西的人"更强。分化已经开始了。

网与井：深度是唯一的护城河

对话转向商业，李继刚提了一个比喻——

互联网公司编一张网，核心是节点数量，马太效应，赢家通吃。AI 公司打一口井，核心是对某个领域的理解深度。模型厂商打通用之井，创业公司打垂直之井。

套壳公司为什么活不久？因为井不够深，模型厂商一升级就把你覆盖了。

这不是理论推演，现实已经在发生。 Anthropic 的路径正在验证李继刚的判断。去年它推出 Claude Code，直接杀进 Cursor 这类"AI 编程中间件"的腹地；今年又发布 Claude Managed Agents，把云厂商的基础设施层纳入射程；就在上周，Claude Design 上线——一个用对话生成设计稿和可交互原型的工具，直接切入 Figma、Adobe、Canva 的核心业务。从写代码到搭基础设施到做设计，模型厂商的井越打越深，曾经靠"套壳"立足的公司，护城河正以肉眼可见的速度干涸。这不是技术迭代，是生存空间的地壳运动。

深井的逻辑一旦成立，"给用户五个选项"本身就成了对专业性的背叛。李继刚由此推出了一个更激进的结论：AI 时代的广告模式可能会崩塌。 互联网卖的是注意力，AI 卖的是信任。当 AI 足够了解你，它应该直接告诉你"就买这一个"，而不是推荐五个让你竞价。广告的本质是在信任链里插入噪声，而 AI 产品的信任根基恰恰不允许噪声存在。

不过我认为广告不会消失，而是会变形。一个正在发生的趋势是 GEO（Generative Engine Optimization，生成式引擎优化）——品牌不再优化搜索排名，而是优化自己在 AI 模型回答中的出现方式和推荐权重。说白了，过去你在 Google 里抢排名，未来你要在 ChatGPT 的回答里"被提到"。商业闭环不是通过广告位完成的，而是通过模型的推荐引导完成的。我自己已经在这样做——购买消费决策时，我会直接问模型，而不是去搜索引擎比价。这个行为一旦普及，整个流量分发逻辑都会被重写。

公式是科学，参数是艺术

李继刚说了一句值得反复品的话：科学和艺术的分界线，在于参数能不能被测量。

现金流折算公式所有人都知道。但那个年化增长率怎么取？你拍 7%，另一个人拍 9%，最终估值能差几百倍。一个结论是 all in，另一个是赶紧跑。同一个公式，区别只在一个无法被精确测量的参数上。

"那个地方就是艺术。"

这解释了一个 AI 时代的核心矛盾：工具和方法论越来越透明，框架和公式人人可得，但真正拉开差距的是你对关键参数的判断——来自你读过的书、做过的决策、踩过的坑。

他还有一个更精炼的说法：审美即权重。所谓 taste，就是你的神经网络经过大量案例冲刷后形成的权重。一个 UI 设计师看了一千份作品，说不出为什么，但看到第一千零一份时能感觉"这张不对"。那个直觉，就是训练出来的权重在起作用。审美不是天赋，是训练的产物。但训练的过程绕不过去——你不能跳过输入直接要一个好品味。

这恰恰呼应了前面"网与井"的商业逻辑：AI 解决了 90% 的标准化生产，剩下那 10% 不可测量的参数——你的判断、你的品味、你对用户需求的直觉——才是未来商业溢价的来源。

水的教育与火的教育

对话最后半小时，话题转向教育。这部分让人五味杂陈——不是播客本身，而是它指向的现实。

李继刚的推演很干脆：现代教育体系是工业革命的产物。工厂需要识字的人、守时的人、能读懂操作手册的人。普鲁士教育体系应运而生，整个结构和工厂同构——几点上课、几点下课、考核标准化、产出标准化。我们今天坐在工位上打开 Excel，和当年纺织女工在机器前操作，底层逻辑没变。"Excel 编织女工"——他的原话。

但现在那个工厂说：我不招一万人了，我只需要一万个 agent。

你为之准备了十六年的终点不在了。刷题为了什么？背法条为了什么？当 AI 在"灌知识"这件事上彻底碾压人脑，把知识像水一样往脑子里灌的"水的教育"走到了尽头。

李继刚提出了替代方案：火的教育。不是灌水，而是帮孩子找到那根"火柴"——哪件事是他随手一做就比别人努力做的还好的？以前这根火柴常常被浇灭："你喜欢画漫画？别闹了，去做卷子。"而现在，喜欢画漫画太好了，结合 AI 可以把这个特质放大一百倍。

他给了一个过渡期的方案：白天水的教育，晚上火的教育，水火并济。 学校作业不是不做，而是换姿态——老师让背四十三个单词、抄写三十遍？抄写是手段，背会才是目标。让孩子跟 AI 协作：你喜欢奥特曼？好，用奥特曼的故事把单词编进去，生成漫画、生成动画。第二天去学校说：来考我，我已经会了。

孟岩点出了这件事的难处：道理都对，但每个人都活在社会规训之下。那个"晚上给孩子点火"的家长，他自己得先能跳出排名体系的引力场。

教育会被 AI 大幅改变，这一点我完全认同。但具体路径是什么，坦率说没有人有答案。李继刚至少给出了一种可以尝试的思路——而且这个思路本身也会随着 AI 的演进继续演化。"水火并济"不是终局，是起点。

人何以自处

回到这期播客的标题。聊了三个半小时之后，李继刚给出的答案是一个字：约束。

他给自己的信息管理设置了极其严格的边界——微信好友不超过 500 人，公众号只关注 10 个，RSS 精简到极致。在信息过载的时代，大多数人的本能反应是"打开更多"——关注更多、学更多工具、看更多内容。他的做法恰恰相反：极致压缩输入。

"下一层的约束带来上一层的自由。"给自己画地为牢，心反而自由了。因为你不再被信息的洪流裹挟，你开始真正"看见"信号。

这个建议反直觉，但有操作性。在每个人都焦虑"我是不是错过了什么"的时候，也许你真正需要做的，是主动错过更多。而约束本身，也是一种筛选力——在 AI 时代，筛选力就是判断力，判断力就是你的商业价值所在。

声入商业说

这是「声入商业」的第一篇文章。我们信奉「少即是多」，在海量播客中筛选值得聆听的对话，像影评一样拆解商业逻辑。李继刚谈及的「约束」，恰是我们对待信息的态度：在算法无限供给的时代，主动建立认知的边界。AI 或许能逼近最优解，但无法替代人在约束中做出的选择。筛选与判断，不仅是听播客的方法，更是人工智能时代，人得以自处的根基。

如果你听了这期有什么想法，欢迎在评论区聊聊。

📎 收听：小宇宙搜索「无人知晓」E45，或点击阅读原文