认知 on 鬼哥的空间

人生，只是努力和运气共同作用以后，翻出的那张牌

Sat, 11 Jul 2026 00:00:00 +0000

很多人喜欢在事后评价别人的人生：

他当年太贪了，她当初看错人了，那次跳槽太蠢了。

可如果你真的回到他们做选择的那一刻，你未必会比他们选得更好。

年轻时，我们太相信“选对”

年轻的时候，我很相信选择。

选对公司，选对赛道，选对伴侣，选对城市，人生就会一路向上。

后来见的人和事多了，才发现人生最残酷的地方不是你不会选，而是：你选的时候，未来还没有发牌。

你只能拿着当下的信息，判断一个看起来更高概率的方向。至于几年后政策怎么变，行业怎么变，公司怎么变，人怎么变，没有人能提前看到全部底牌。

结果只是技能和运气混在一起之后，最终翻出来的那张牌。

如果把它放到普通人的人生里，我更愿意把“技能”换成一个更朴素的词：

人生，只是努力和运气共同作用以后，翻出的那张牌。

这句话听起来有点凉，但我觉得它不是宿命论。它只是提醒我们：不要用一张已经翻开的牌，去羞辱一个当初认真下注的人。

第一张牌：差一点财务自由的人

我认识一些曾经在大厂工作过的人。

他们不是投机者，也不是赌徒。他们只是和很多人一样，在一个高速增长的时代里，认真工作，努力积累，把自己最好的几年放进一家公司。

他们熬过项目，熬过绩效，熬过组织调整，也拿到了一些公司股票。

在某个时刻，财富兑现看起来近在眼前。按照当时市场给出的估值，如果一切顺利上市，很多人的账面财富会发生巨大变化。不是多发一笔奖金，而是人生阶层意义上的变化。

于是，有人提前改善生活，贷款买了更大的房子，开始规划上市之后的现金流。站在今天看，你当然可以说：“太乐观了，太激进了。”

但如果你站回当时的现场，这个判断真的那么荒唐吗？

那不是凭空幻想。那是多年辛苦工作换来的股权，是公司业务增长带来的预期，是市场估值给出的信号，是周围人都能看到的路径。

他们不是在草地上捡了一张彩票。他们是靠自己的努力，终于坐到了牌桌前。

只是最后，牌没有按他们期待的方式翻开。

上市暂停，预期中的财富没有落地，债务却真实地落在身上。原本以为是人生加速器的选择，忽然变成了很重的负担。

这时候，旁观者最容易说风凉话：

1
2
3


谁让你提前消费？
谁让你那么相信估值？
谁让你觉得财富一定会兑现？

这些话不能说完全没道理。但它们少了一点同理心，也少了一点对不确定性的敬畏。

因为很多人不是不知道风险，而是在当时所有信息汇总之后，认为那是一个值得承担的风险。

他们努力过，判断过，承受过压力，也付出过时间。只是运气，或者说时代和政策的合力，在那一瞬间没有站在他们一边。

结果很惨，不代表当初的判断就一定愚蠢。

第二张牌：跳槽以后，世界变了

换工作也是一样。

一个人拿到一个新 offer：薪水更高，离家更近，平台看起来更大，岗位听起来也更有发展空间。

如果你问十个理性的人，大多数人都会说：这当然值得考虑。

你权衡了收入、通勤、成长空间、团队背景、行业前景。你没有拍脑袋，也不是被一时情绪推着走。你只是基于当下掌握的信息，做了一个看起来更优的选择。

但未来不是静止的。

接下来几年，行业可能突然转冷，新公司战略可能调整，老板可能换人，团队文化可能和面试时完全不一样。甚至一个新技术的出现，就可能把这家公司原来的商业模式打穿。

而你离开的那家公司，反而活得好好的。

这时候，外人又会开始总结：

1
2
3


他当初太短视了。
他只看薪水。
他没有看懂长期趋势。

可问题是，所谓“长期趋势”，很多时候是事后才变得清晰的。

人在做选择时，面对的是当下的信息；结果发生时，面对的却是未来的世界。

这两个世界中间隔着时间。而时间里面，藏着太多没人能提前掌握的变量。

所以现实生活不像国际象棋。国际象棋的棋盘是公开的，你的棋子、对方的棋子、所有规则都摆在那里。输了，通常可以回头找到是哪一步算错了。

但人生更像一局不完整信息的牌局。

你看得见自己手里的牌，也看得见桌面上一部分公共牌，但你看不见别人的底牌，更看不见下一张会翻出什么。

你能做的，不是保证结果一定赢，而是在信息不完整的情况下，尽量做一个更高质量的决定。

选择发生在当下，命运却在未来开奖。

第三张牌：婚姻里，人也是变量

择偶可能是最典型，也最让人唏嘘的一张牌。

年轻时选择伴侣，我们当然会看条件。

收入更高，发展更好，长相更出众，家庭条件更稳，情绪价值更足，这些都是真实存在的指标。没有必要假装人完全不看这些。

问题是，婚姻不是一张静态简历。

你选择的不是一个固定资产，而是一个会变化的人。你自己也会变，你们所处的环境也会变。

现在看起来温柔体贴、对你百依百顺的人，将来会不会变得冷漠无情、毫无担当？现在看起来条件一般、前途普通的人，将来会不会因为持续努力，变成一个稳定、上进、有责任感的好伴侣？

谁也不知道。

于是很多人回头看自己的婚姻，最后只能叹一句：这是命。

我现在越来越觉得，很多时候，所谓“命”，不是一个神秘力量在天上安排剧本。它只是我们对一组复杂变量的朴素命名：

1
2
3
4
5
6


人会变。
环境会变。
关系会变。
欲望会变。
责任感会变。
连我们自己，也会变。

当这些变量在十年、二十年里慢慢展开，最后得到的结果，常常超出当初任何一个人的计算能力。

所以，不要轻易嘲笑别人“当初瞎了眼”。

很多选择，站在当时看，并没有那么离谱。只是后来翻出来的那张牌，和他以为的不一样。

结果不是努力的判决书

有这么一个公式：

1

结果 = 技能 + 运气

放到普通人的人生里，我想把它改成：

1

结果 = 努力 + 运气 + 时代

努力当然重要。

没有努力，你可能连牌桌都上不了。你进不了好公司，拿不到好机会，遇不到更大的选择，也没有资格分享时代的红利。

但努力不是兑换券。

它不能保证你一定发财，不能保证你跳槽一定成功，不能保证你选的人一生不变，不能保证你刚好站在政策、周期和时代风向都配合你的那个位置。

这也是很多人成年以后最难接受的一件事：

我们从小被教育，只要努力就会有回报。可真实世界更准确的说法是，努力会提高你获得好结果的概率，但它不承诺每一次都兑现。

这不是鸡汤，也不是丧气话。

它只是在提醒我们：世界并不围绕个人努力精密结算。

有些人努力了很多年，最后被一个政策转向打乱节奏；有些人只是赶上了一个风口，短短几年就获得了超出能力本身的回报。

有些人做了一个当下看起来很稳妥的选择，后来遇到行业崩塌；有些人做了一个看起来普通的选择，却刚好被时代抬了一把。

如果你只看结果，就会很容易误判人。

成功的人，未必每一步都高明。

失败的人，也未必每一步都愚蠢。

为什么我们总想找一个确定答案

人很难接受随机性。

因为承认运气，就等于承认很多事情不是完全可控的。而不可控，会带来很深的不安全感。

所以我们的大脑特别喜欢给结果找原因。

别人发财了，我们说他有眼光。

别人亏了，我们说他太贪。

别人婚姻好，我们说他会选人。

别人婚姻坏，我们说他当初看错了。

这种解释有时候是对的，但经常太粗暴。

它把一个漫长过程里的努力、时代、环境、关系、政策、性格变化、偶然事件，压缩成一句特别省事的话：

1
2
3
4


他活该。
他厉害。
他命好。
他命差。

这就是结果偏见。

我们用最后发生的结果，倒推当初决策的质量。赢了，就觉得当初英明；输了，就觉得当初愚蠢。

但真实世界不是这么简单。

酒驾回家没出事，不代表酒驾是好决策。

绿灯正常通行被闯红灯的车撞了，也不代表绿灯通行是坏决策。

同样，一个人押中了时代，不代表他所有判断都值得学习；一个人被时代错杀，也不代表他当初就是蠢。

结果能说明一些东西，但结果不能说明全部。

尊重不确定性，不是认命

写到这里，很容易滑向另一个极端：既然运气这么重要，那是不是干脆躺平看命？

当然不是。

承认不确定性，不是为了否定努力，而是为了更准确地理解努力。

努力的意义，不是让你每一次都赢。

努力的意义，是让你在足够长的时间里，站到更高胜率的位置上。

一次选择可能被运气压倒。十次选择也可能充满波动。但如果一个人长期提高自己的判断质量，长期保持学习能力，长期控制风险，长期让自己靠近更好的机会，那么时间会慢慢摊薄运气的噪音。

这就是我最想表达的观点：

尊重不确定性，但每一次都尽量提高决策质量，把可控的部分做到极致。时间最终会摊薄运气的噪音，让优势逐渐向我们倾斜。

这句话里有两个部分，缺一不可。

只讲“不确定性”，人会变得消极，好像一切都是命。

只讲“提高决策质量”，人又会变得傲慢，好像所有结果都应该被个人负责。

成熟一点的态度，是同时承认两件事：

1
2


我不能控制每一张牌怎么翻。
但我可以决定自己每一轮怎么下注。

人生不是只翻一张牌

人生确实像一张牌。

你努力过，判断过，选择过，等待过。最后命运把牌翻开，有时候是惊喜，有时候是闷棍。

但还好，人生不是只翻一张牌。

财富是一张，职业是一张，婚姻是一张，健康是一张，朋友是一张，时代又是一张。

一张牌输了，不等于你这个人输了。

一张牌赢了，也不等于你永远会赢。

所以，对成功，少一点自恋。

对失败，少一点自毁。

对别人，少一点事后审判。

对未来，多一点敬畏。

下次再看到一个人命运急转直下，别急着说他当初太蠢。

下次自己遇到一个不好的结果，也别急着把整个人生都否定掉。

先问几个更诚实的问题：

1
2
3
4


当时我掌握了哪些信息？
哪些风险是我本来可以控制的？
哪些变量确实超出了我的能力范围？
如果再来一次，我能不能提高一点决策质量？

能回答这些问题的人，才是真正在复盘。

人生，只是努力和运气共同作用以后，翻出的那张牌。

但只要牌局还在继续，我们就仍然可以把下一轮，打得更好一点。

参考资料

Daniel Kahneman: Thinking, Fast and Slow
Michael Mauboussin: The Success Equation: Untangling Skill and Luck in Business, Sports, and Investing
Nassim Nicholas Taleb: Fooled by Randomness

你是什么，你的 AI 就是什么

Thu, 18 Jun 2026 00:00:00 +0000

最近这两年，经常有团队里一些年轻同事，或者鬼哥的一些晚辈来问我：

AI 那么强大，我们以后会不会被 AI 取代？

说实话，两年前我也没有一个足够笃定的答案。那时候我也在一边兴奋，一边焦虑：模型能力涨得太快，很多过去觉得“人很厉害”的事情，突然变成了一个输入框就能完成。

随着年龄增长，鬼哥虽然一直还在不断学习，而且越学越觉得自己懂得太少，但很尴尬的是，我现在真的已经是很多人眼中的“前辈”了。😓

既然被问得多了，也就不能一直只回答“再看看”。

这几年自己用 AI、做产品、带团队、看年轻人成长，也看很多人从兴奋到迷茫，再从迷茫里慢慢找到自己的位置以后，我逐渐有了一个自己的答案。

今天就借“拿大炮打苍蝇”“杀鸡用牛刀”这两个老说法，和大家聊聊这件事。

人人都有一门大炮之后，真正的问题就不是“谁有大炮”了。

而是：你看见的是一只苍蝇，还是一整片战场？

重新理解“拿大炮打苍蝇”

过去我们说“拿大炮打苍蝇”“杀鸡用牛刀”，通常是在批评一个人 资源错配：目标很小，工具太重，成本太高。

这个理解当然没错。

但到了 AI 时代，这两句话可以换一个方向来理解。

今天，强大的 AI 模型已经不再是少数实验室、少数大公司的专属武器。写代码、做图、翻译、查资料、分析数据、生成方案，很多事情只要打开浏览器就能开始。换句话说，“大炮”已经摆到了每个人面前。

可结果并没有变成“人人都做出伟大的产品”。

有人用 AI 做出了让人兴奋的新应用、新工作流、新内容形态；也有人每天只是问它：

1
2
3


帮我总结一下。
帮我写一段周报。
这个问题怎么解决？

这就像两个人站在同一门大炮旁边。一个人在研究地形、目标、风向、战术和后果；另一个人只是在问：“这个按钮怎么按？”

AI 的能力很强，但它不会替你决定什么值得做。

AI 普惠之后，人反而更重要

ChatGPT 的普及已经说明一个事实：AI 不再是少数人的特权。公开报道中，OpenAI CEO Sam Altman 曾提到 ChatGPT 已达到约 8 亿周活用户。也就是说，AI 的入口已经非常普遍。

但这恰恰带来一个反直觉的结论：

当工具变得普惠，人的差异会变得更明显。

因为 AI 降低的是“执行”的门槛，不是“判断”的门槛。

能力	AI 正在降低门槛	仍然依赖人
写作	起草、改写、总结、翻译	观点、取舍、语气、洞察
编程	样板代码、测试、重构建议	架构、边界、质量、责任
设计	生成草图、配色、视觉变体	审美、场景、体验判断
产品	原型、文档、用户故事	问题定义、用户理解、商业判断
学习	解释概念、生成练习	学习路线、真实反馈、长期内化

AI 可以很快给你一个答案。

但这个答案是不是肤浅？是不是跑偏？是不是遗漏了关键约束？是不是看起来很完整，其实不能落地？

这些都要靠人判断。

所以，AI 时代的核心竞争力不是“会不会问 prompt”。prompt 当然有用，但它只是表层。更底层的是：你能不能提出好问题，给出好上下文，识别好答案，并把答案变成真实结果。

同样的 AI，为什么产出完全不同？

我更愿意把 AI 看成一面镜子，也是一台放大器。

你输入的是碎片，它就放大碎片。

你输入的是套路，它就放大套路。

你输入的是深刻的问题、真实的经验、清晰的价值判断，它才可能帮你长出更有生命力的东西。

很多人担心：“AI 这么强，以后我们的工作会不会都被替代？”

这个问题要拆开看。

有些工作当然会被替代，尤其是那些长期停留在 等待任务、执行指令、交付平均答案 的工作。

但 AI 很难替代这样的人：

能发现别人没发现的问题；
能把模糊需求变成清晰定义；
能判断一个方案在现实里会不会失败；
能理解人，而不是只理解流程；
能把技术、商业、审美和价值观放在一起权衡；
能对结果负责，而不是只把答案丢出去。

AI 不是让人无所事事。

AI 是在逼我们回答一个更难的问题：

如果执行本身越来越便宜，你身上还有什么不可替代？

三种 AI 使用者

我观察下来，AI 使用者大概可以分成三类。

第一类：把 AI 当搜索引擎

他们主要问事实，拿答案。

这当然有价值。AI 比传统搜索更顺滑，也更会组织语言。但如果停在这里，AI 只是一个更会聊天的搜索框。

这类人的典型问题是：

1
2
3


XX 是什么？
帮我总结一下这篇文章。
给我几个方案。

他们得到的是信息，但很少得到真正的认知增量。

第二类：把 AI 当外包员工

他们开始把任务交给 AI：写文案、写代码、做 PPT、生成图片、整理会议纪要。

这一步已经能显著提升效率。但问题是，如果你只是“分配任务”，你的上限仍然取决于你能不能定义任务。

任务定义得浅，AI 就会交付一个漂亮但浅的结果。

任务定义得乱，AI 就会高效率地产生一堆看似完整的混乱。

第三类：把 AI 当认知放大器

这类人不只是问答案，而是和 AI 一起拆问题、建模型、做实验、验证假设、迭代作品。

他们会这样使用 AI：

1
2
3
4
5


这是我的行业背景、用户画像、约束条件和已有方案。
请先指出我的问题定义哪里不清楚。
再给出三个互相冲突的假设。
然后帮我设计一个最小实验来验证。
最后用产品、工程、商业三个角度批判这个方案。

你会发现，第三类人和前两类人的差异，不是“prompt 写得更花哨”。

而是他脑子里本来就有结构。

AI 只是把这个结构变得更快、更宽、更可见。

案例一：披头士的最后一首歌，不是 AI 写出来的

The Beatles 在 2023 年发布了《Now and Then》。这首歌使用机器学习技术，从 John Lennon 旧录音里分离出人声，让 Paul McCartney 和 Ringo Starr 得以完成这首“最后的披头士歌曲”。它后来在 2025 年获得格莱美最佳摇滚表演奖。

如果只从技术角度看，这件事很简单：AI 帮他们把 Lennon 的声音从一段老旧、模糊、混在钢琴声里的 demo 里分离出来。

但如果你真的去听这首歌，尤其是看它的 MV，你会发现它根本不是一个“AI 生成音乐”的故事。

它更像是几个老人，终于等到技术足够成熟，可以和年轻时的朋友再唱完一首歌。

John Lennon 的声音来自很久以前的一盘旧录音。George Harrison 在 1995 年留下过吉他部分。Paul McCartney 和 Ringo Starr 在几十年之后，重新把低音、鼓、弦乐和和声补上。那些已经离开的人、还在的人、年轻时的影像、年老后的背影，被 Peter Jackson 的影像重新放在同一首歌里。

你会很清楚地意识到：AI 不是主角。

AI 只是把一扇原本关上的门，轻轻推开了一条缝。

真正穿过那扇门的，是一生的友谊，是半个世纪的音乐记忆，是创作者对“什么可以做、什么不该过度打扰”的分寸感。

如果换一群人，拿到同样的分离技术，可能只会做出一段“复古风 AI 音乐”。但 Beatles 做出来的是《Now and Then》：一首关于时间、告别、重逢和迟到的歌。

这就是我想说的关键。

AI 可以帮你清理噪音，但它不能替你拥有一生的积累。

它可以把 Lennon 的声音从噪声里救出来，但它不能创造 Beatles 的历史；它可以让一段旧录音重新可用，但它不能替 Paul 和 Ringo 决定该怎样温柔地完成它。

你可以在这里听这首歌：

The Beatles - Now And Then 官方 MV（B站）

案例二：AI 编程让门槛降低，但没有消灭工程判断

GitHub Copilot、Cursor、Lovable 这类工具，正在把软件开发的入口变得越来越低。自然语言可以生成代码，非专业开发者也能更快做出原型。

这当然是革命性的。

但真实项目里，AI 编程工具并没有让工程判断消失。研究和实践都显示，AI 很擅长处理样板代码、文档、单元测试、重复逻辑，但在复杂系统、跨文件上下文、架构边界、安全性和长期维护上，仍然需要人做判断。

这和“杀鸡用牛刀”的新解释是一致的。

如果你只想做一个玩具 demo，AI 可以很快给你一个看起来能跑的版本。

但如果你想做一个真正有人用、能迭代、能扩展、能出问题后查得清楚的产品，就必须有人回答这些问题：

数据边界在哪里？
用户真正的主流程是什么？
失败状态怎么处理？
安全风险在哪里？
未来三个月会不会把自己锁死？
这个功能到底该不该做？

这些不是 AI 自动替你负责的。

AI 能写代码，但产品和系统的责任仍然在人身上。

年轻人在 AI 时代到底该怎么办？

我给年轻人的建议，不是“赶紧学 100 个 AI 工具”。

工具当然要学，但工具会变。今天流行这个，明天流行那个。真正值得长期投入的是更底层的能力。

1. 训练问题意识

不要只问“怎么做”，要先问：

1
2
3
4


这个问题真的存在吗？
谁会为它痛苦？
现在的解决方案为什么不够好？
如果解决了，世界会有什么变化？

AI 最怕的不是你不会提问，而是你根本没有真正的问题。

2. 建立知识结构

碎片知识喂给 AI，只会得到碎片答案。

你要有自己的知识地图：行业如何运转，用户如何决策，技术边界在哪里，商业模式靠什么成立。

有结构的人，用 AI 是扩展结构。

没结构的人，用 AI 是制造更多碎片。

3. 提高审美和标准

AI 很容易生成“差不多”的东西。

差不多的文章，差不多的设计，差不多的方案，差不多的代码。

但真正优秀的作品，往往死磕在那些“不差不多”的地方：一个标题、一个交互、一个边界条件、一句文案、一个节奏。

AI 时代，审美不是装饰品。审美是你识别平庸的能力。

4. 把答案变成结果

不要满足于“AI 给了我一个方案”。

真正的工作从这里才开始：

1
2
3
4
5


能不能验证？
能不能上线？
能不能被用户使用？
能不能持续迭代？
出了问题谁负责？

AI 生成答案很快，但现实世界不认“看起来不错”。现实世界只认结果。

最后：你是什么，你的 AI 就是什么

AI 时代最残酷也最公平的地方在于：它把很多人的执行差距抹平了，却把认知差距放大了。

以前，一个想法可能因为不会写代码、不会设计、不会表达而死掉。

现在，很多门槛被 AI 降低了。你有想法，可以更快做原型；你有判断，可以更快验证；你有审美，可以更快打磨；你有经验，可以更快形成系统。

但如果你没有问题，没有判断，没有审美，没有对世界的真实理解，AI 也不会凭空替你长出来。

所以，我想把这句话送给所有担心被 AI 替代的年轻人：

不要只问 AI 会什么。先问你自己是谁。

你的学识、认知、经历、价值观、审美、人生观，你看待事物的方式，你和世界交互的方式，都会变成你使用 AI 的方式。

最终，AI 不只是工具。

它会成为你的镜子。

你是什么，你的 AI 就是什么。