36氪最新报道：AI用不到两小时搞定了一章博士论文。不是拼凑，不是洗稿，是真正的数学证明级别的学术内容。
这条新闻的潜台词是：人类最顶尖的智力堡垒，正在被AI攻破。
一、这意味着什么？
先说一个事实：菲尔兹奖被称为数学界的诺贝尔奖，每4年颁发一次，获奖者年龄不超过40岁。
过去100年，这个奖奖励的都是人类最强大脑的「灵光一闪」——那些靠直觉、天赋和几十年积累才能突破的数学难题。
现在AI两小时搞定一章博士论文。虽然离菲尔兹奖级别还有距离，但按这个速度，你觉得差距还能维持几年？
「不是人类变笨了，是对手的进化速度不一样了。」
二、真正被冲击的是什么？
不是「知识」——知识早就贬值了，搜索引擎出来那天就开始了。
真正被冲击的是「创造力的稀缺性」。
过去，能写出博士论文级别内容的人，全球可能不到1%。这种稀缺性构成了学术体系、学位制度、职业门槛的底层逻辑。为什么博士值钱？不是因为他知道得多，是因为能做到这件事的人太少。
当AI也能做到这件事，「稀缺性」就不存在了。不是论文不值钱了，是「能写论文」这件事本身不再稀缺。学术大厦的地基裂了。
三、对普通人的影响
你可能不关心菲尔兹奖，但你一定关心这几件事。
学历贬值加速。当AI能写出博士水平的论文，「读过博士」的含金量怎么定义？不是「博士没用了」，是「只有学历、没有判断力」没用了。以后用人单位问的不是「你是什么学历」，而是「学历之外，你还能做什么AI做不了的事」。这个问题，大多数人答不上来。
专业门槛在消融。AI能做法律分析、医学诊断、金融建模。以前这些领域的护城河是「我花了十年学的东西你学不会」，现在是「AI十秒钟学完，而且比你我做得更好」。专业壁垒还在，但它不在「会不会做」这一层了——它在「敢不敢负责」那一层。AI可以起草法律意见书，但出了事，律师要签字。
学习能力的定义被重写了。过去的学习是「输入-存储-输出」，比谁记得多、算得快。未来的学习是「提问-拆解-判断」，比谁问得准、拆得细、判得对。「不是你会什么，而是你能让AI帮你做什么」——这句话的后半句才是关键：让AI做容易，让它做对，难。
四、我们该做什么？
三条策略，每条都跟过去的惯性反着来。
第一，放弃「知识囤积」思维。别再以「我学了多少东西」为傲。知识获取成本趋近于零，囤知识不如囤「提问能力」。一个好问题能指挥AI跑一整天，而一百个知识点拼不出一句有用的指令。
第二，培养「指挥力」而非「执行力」。未来最值钱的能力：把一个大问题拆成AI能执行的小问题。这是架构师思维，不是搬砖能力。我最近写公众号就是这套流程：先让AI出五个角度，我选一个；再让它写初稿，我删掉70%自己重写；最后让它检查逻辑漏洞。工具在干活，脑子在判断——这才是人机协作。
第三，守住「判断力」这个底线。AI能生成内容，但不能判断内容对不对、该不该写、写给谁看。在AI时代，判断力是最后那条护城河。而判断力没法速成——它来自你过去犯过的错、踩过的坑、见过的人。那些你觉得「白过了」的经历，恰恰是AI永远补不上的东西。
半百视角
我50岁了，按传统标准，我的「知识储备」早就过时了。
但我发现一件事：真正让我这30年没白过的，不是我知道什么，是我知道什么问题值得问。
AI两小时写完一章论文，但它不知道这一章该不该写。这个判断，只有人能给出。
所以别慌。但要转变。从「做题家」变成「出题人」。从「我知道」变成「我判断」。
本周可以做三件事：
挑一个你擅长的领域，让AI写一段分析，你来挑错——练的是判断力
把一个你手头的复杂任务拆成5个步骤，标注哪些步骤可以交给AI——练的是指挥力
睡前花5分钟，想一个问题：「今天做的哪件事，是AI替代不了的？」——练的是自我认知