多种兴趣如何成为 AI 时代的优势：Dan Koe 谈未来十年

导语

面对AI带来的不确定性，多种兴趣究竟是分心，还是一种尚未被组织起来的优势？Dan Koe在这段单人讲述中，从拒绝技术与过度依赖技术的两种倾向出发，讨论如何把兴趣、自学、商业能力和AI连接成自己的事业，同时保留判断力与生活的丰富性。

1. 全盘拒绝与全盘外包，都会缩窄人的发展

• Dan Koe把第一类人称为“纯粹主义者”：拒绝AI，向往简单、自然或无屏幕生活，却未必意识到自己使用互联网和社交媒体时，仍参与了AI扩散。有些拒绝也可能来自群体认同与流行立场，而非独立判断。
• 第二类是“自动人”或“赛博格”：不加批判地拥抱技术，把每个决定都外包，厌恶摩擦、沉迷优化。作者把这种倾向从生产力系统延伸到对新型健康技术的激进尝试，借此批评把生活的每一部分都当成可优化对象。
• 作者承认自己更接近第二类，但不接受其全部立场。人容易像选择政治或宗教阵营一样选择技术阵营，以获得归属感；他则把走出群体默认路径视为创造性挑战。他的主张是有选择地使用AI，并由人保留对生活和工作的判断。

2. 四个生活维度相互制约，不能只把一个维度练满

• 作者借用Ken Wilber的整合理论，把现实分为四个象限：
  1. 个人内在：思想、情绪、信念，以及自己怎样理解世界。
  2. 个人外在：身体、行为、外表与习惯，以及世界怎样看待自己。
  3. 集体内在：文化、家人、朋友和环境中的意义、关系与连接。
  4. 集体外在：教育、职业、经济和社会系统，以及自己怎样贡献于世界。
• 两种极端各自忽略了一部分现实。纯粹主义者容易拒绝外部社会与技术，完全拥抱技术的人则可能忽略内在生活，只追求金钱、权力与效率。作者把四象限比作游戏技能树：力量、智力、耐力彼此关联，只给一种能力加点，会在其他场景不断失利。
• 事业也会受到身心状态的限制。只提升赚钱能力，长期忽视身体、心智与精神生活，可能最终因压力和倦怠无法前进；此时更多钱未必解决问题。反过来，身体虚弱、缺乏生活资源时，增加精神修行也不一定解决健康或经济困难；若把金钱视为邪恶，更可能拒绝实际需要的那一类解法。
• 因而，作者提出第三种方向：成为多维发展的“数字文艺复兴人”。不同能力相互补充，形成自己的组合，而不把身份锁定为技术的拥护者或反对者。

3. 多种兴趣可以围绕一项完整事业重新结合

• Dan Koe把当前变化称为“第二次文艺复兴”：作品证明逐渐替代简历，受众替代单一雇主，品味替代凭证。这是他对未来的判断。他认为，过去要求人选一条专业赛道、把多兴趣看成缺陷的职业想象，正在让人感到可替代。
• 作者用工业化前后的工作方式解释这种感受。他把现代职位形式追溯到约250年前，对照能经营完整事务的工匠、农民乃至海盗：他们不仅执行一个环节，也理解整个运作。达·芬奇在Verrocchio作坊学习绘画，同时接触解剖、工程、光学和青铜铸造，多种知识组合成了创造力。
• 在他的批评中，工厂模式把教育从探索推向训练，把工作拆成重复任务，让人难以理解完整创业过程。线性职业于是成了默认道路，而非持续发现、试错和扩展能力的事业。面对AI，他担心固守身份与阵营会阻碍适应。
• AI与互联网降低了个人组织完整工作的门槛。作者认为，AI擅长调动已知信息、承担机械重复任务，社交媒体则提供分发渠道；人仍需通过经验、探索和未知路径形成新的认识。单人能够完成过去需要团队协作的更多环节，但前提是懂得注意力、媒介与人的需求。
• 多兴趣需要汇入一个承载它们的核心技艺。 写作、设计、营销、影像、健身或编程可以共同发展，但注意力要汇入一个愿意长期创造、希望被人记住的方向。AI像一袋需要塑形的水，人的视角、品味、方向和判断决定它被用于什么。

4. 深度工作与深度休息的反差，比持续优化更有生命力

• 作者希望保留两种体验：在公园读书、远离屏幕的开放状态，以及在电脑前专注创造、使用技术完成复杂工作的投入状态。前者带来连接和新经验，后者形成集中注意与产出的心流；两者都可以有乐趣。
• 意义与满足来自对比，而非始终平坦的“平衡”。持续快乐会变成普通背景，人可能需要越来越强的刺激才能感到快乐；为在乎的事经历困难和失败，反而让成功与休息更有分量。作者主张强烈投入之后真正休息，让工作和生活都具有游戏感。
• 达尔文的日程是他用来说明这种节奏的例子。达尔文一生写了19本书：早上7点散步、早餐，8点至9点半在书房进行第一段创作；9点半至10点半读信、陪家人；10点半到中午再工作，并把这视为已完成一天的重要劳动。
• 下午仍为恢复和思考留出空间。达尔文午后走自己修建的约四分之一英里砂石小径，午饭后读报，在妻子朗读时休息，下午4点再次散步。作者概括，他每天约三小时专注创作、分成两段，却有大量成果；作者自己的散步也承担从集中生产转向开放思考的作用。
• AI可能放大这种人的节奏，而不必把人变成全天工作的机器。Dan Koe想象未来个人或极小团队拥有过去十至二十人的产出能力，也希望出现更多达尔文与达·芬奇式人物。他引用Naval关于“近70亿人，或许有一天有近70亿家公司”的愿景，但明确说自己并不知道所有工作是否都会消失。

5. 选择核心技艺：不可替代的能力有三个层次

• 技艺位于三个条件的交汇处：自己在乎什么、能独特地做什么，以及别人愿意为何付费。作者批评把身份绑定在某种工具或固定工作方式上，也认为关于“AI写作或艺术算不算真的”的阵营争论，可能挤占实际创作与进步的时间。
• 第一层是人性与心理：营销、销售、写作、表达，以及理解注意力和主观价值。价值判断会随环境改变；当大量AI内容看起来一样，受众很快习惯，独特而有用的表达才需要重新被发现。商业、产品和内容因此始终是试错与迭代，而非找到一个永远有效的配方。
• 第二层是领域痴迷与独特兴趣：哲学、健身、设计、编程、营养等都仍有空间，只是形式会演变。组合使人有辨识度；作者用“强壮的哲学家”对照只在椅子上思考、缺少经验检验的人，再加上营销与产品能力，才可能把这种特色变成可独立维持的事业。营销本身也可以是兴趣，但即使不喜欢，经营事业仍需理解这一层。
• 第三层是技术工具：邮件营销软件、Photoshop、无代码建站、社交媒体管理及具体编程操作。过去工具熟练度需要大量学习，AI降低了部分门槛，作者因此不建议把未来押在单个工具的掌握上。他用抄写员转为编辑、手工织工转为机器操作员说明，机械环节被自动化后，人的角色会改变。
• 三层能力的重点不同。工具帮助执行，领域经验形成独特贡献，人性理解使贡献能被他人看见并愿意交换。自动化执行，不等于自动获得后两种判断。

6. 自学从真实尝试开始，由目标筛选知识

• 学校能教人适应社会，却不一定教人开辟自己的路径。作者承认基础语言、行走、数学与社会化的必要性，同时区分标准化训练和真正的发现：后者为自己提出的愿景和目标寻找知识，而非囤积信息或为脱离现实的考试记忆事实。
• 停止学习往往与失去挑战有关。许多人在20至25岁毕业之后重复同一种生活，没有要求新知识的目标；他们以为必须先知道完整做法才能开始。作者认为，真实尝试才会暴露问题，并让人准备好理解下一条有用的知识。
• 现代学徒制可以从书籍、YouTube和线上导师开始。过去从学徒、熟练工到师傅，人通过模仿、实践形成品味；现在依然可以这样学习。明确愿景是信息过滤器：正在解决商业问题的人，更容易有意寻找相关材料，而非被娱乐流牵走。
• 对AI或人类建议，都需要在具体问题中检验。作者不把信息来自AI还是某位博主视为决定性条件，而强调提问、实验和应用；人也可能给出错误建议、因身份认同维护错误。信息是否有用，要看它在自己的处境中是否经受住实践，而不能只停留在观看和判断。
• 因而学习循环是“尝试—遇到问题—寻找知识—应用—修正”。一边做一边学，才能让反馈校正理解；机械地先学完一切再行动，则容易陷入无限准备。

7. 一人事业，把兴趣形成的价值交到别人手中

• Dan Koe面向尚未开始的人提出“一人事业”：由一个人结合技术与AI管理完整运作。他把人看成通过与现实互动、试错和创造获得意义的存在，主张工作围绕完成任务和精力节奏，而不只是熬完固定八小时。
• 在他的观察中，创作者正在承担部分传统机构的功能。Substack、YouTube、播客和细分账号提供教育，长期接触某位创作者的思想也可能建立信任；互联网让人无需许可就能建立受众、出售产品。AI进一步帮助通才把内容、代码、产品漏斗和数字空间连接起来。
• “创作者”在这里指创造价值的人，并不要求成为特定样子的网红。解决问题、创造产品或服务，并帮助他人，是价值交换的基础；产品和服务只是把所创造的东西整理成他人愿意付费的形式。James Clear通过书籍、通讯和内容传播自己的长期作品，是作者给出的例子。
• 社交媒体只是当下的分发载体。过去有报纸和广播，未来媒介仍可能改变；付费广告、位置良好的本地商业也能获取注意力。但对没有资金、只有学习意愿和抱负的起步者，作者认为社交媒体是当前接触大众、建立个人品牌的高效入口，不必服从刻板的“内容创作者”身份。

8. AI可以生成初稿，但成品仍来自人的选择与迭代

• 作者建议把AI当作能协助建造的工具，而不只是搜索引擎或劣质内容生成器。例如在Claude或Claude Code中询问怎样一起做待办应用，逐步选择实现方式，不懂时让它解释刚做的内容；尝试几天，才可能直观理解这种协作能完成什么。
• 第一版粗糙是创作过程的一部分。落地页需要逐项调整，软件需要反复修复错误、改善外观；无论用不用AI，初稿都可能不好。把初稿直接发布的人，仍对自己的选择和标准负责。
• 生产门槛降低，并不意味着注意力与商业成功同步增加。作者提到移动应用数量增长而使用量大致不变，又转述游戏行业关于“能做游戏不等于能做出热门作品”的看法：即使做出接近大型游戏的东西，也不意味着有分发、项目组织或经营大公司的能力。他对发言人的记忆并不确定，重点是产品之外还有整套运作。
• AI是一种强大的执行助力，不能替人决定什么值得做、做到什么程度。 作者主张不断提问形成清晰方案，再让AI执行人选择的愿景，持续改进到对别人有价值，而非把随机生成的结果当成终点。

9. 使用AI的三个起点：目标、标准与自动化边界

• 第一，知道自己要什么，也知道好结果长什么样。不懂经营却期待AI一次做好整个生意，仍会缺失营销、产品、销售和分发。作者建议先把AI用于贴合个人需求的学习，弄懂报价与产品设计、文案或社交媒体等；商业成功仍可能需要多年迭代。
• 第二，保持很高的成品标准。不要把第一稿当最终稿，设计细节、词句、功能都可能需要调整。作者把AI理解为回应使用者能力与抱负的工具，而非自动交付完美答案的天才；判断和修订本身就是人的工作。
• 第三，尝试用AI替代自己的工作，以发现边界。实验会迅速暴露哪些环节能自动化，哪些暂时不能；继续强迫工具完成做不到的部分，只会耗费时间。认清边界之后，再选择哪些业务与技艺环节值得委托。

10. 把AI变成可靠流程，需要像培训员工一样沟通

• 作者把落地页、转化漏斗和大规模资料研究视为适合交给AI的工作。他自己做过这些环节，知道怎样才有效，因而能引导模型修订初稿。内容策略也需要研究既有作品、热门话题和趋势，才能判断哪些路径曾奏效、哪些仍在奏效。
• 实际写作则是他愿意亲自保留的创造过程。代码的终端用户通常不关心源码长什么样，更关心功能是否有益；文字价值却直接呈现在读者面前，亲自写作能让他更细致地控制所提供的体验。委托范围因此也取决于自己的技艺偏好，而不只是能否自动化。
• 不知道从哪里开始，可以先记录一天实际做了什么，再请AI判断哪些活动能整理成重复流程、提示词、skill、工具或软件。这个做法的目的，是从真实工作找到可重复环节，而不是先堆一套抽象自动化系统。
• 流程的第一版同样需要培训。新员工不会一上岗就懂业务的所有要求，AI也需要知道具体步骤、标准与偏好。反复沟通、执行、纠正之后，才可能形成可复用流程。整段讲述最终把主动性留给个人：选择技艺、在行动中学习、创造价值，并决定AI怎样参与。

思想框架

Dan Koe先批评拒绝技术与过度外包两种极端，再用四象限与技能树说明人的不同能力彼此制约。数字文艺复兴的设想把多兴趣汇入完整事业，达尔文的日程则为深度创造与休息提供具体节奏。接着，他依次展开技艺的三层能力、自学的实践循环和一人事业的价值交换，最后用AI初稿、成品标准及员工培训的类比，说明技术执行如何与人的判断、品味和主动性配合。这些是作者对未来的主张与个人经验，不是对职业结果的保证。