#李飞飞称十年后只剩两类劳动#
第一类：垂直领域前 1% 的顶尖专家他们在自身专业领域拥有极深的积累、经验直觉与创造力，这种深度是 AI 无法替代的。AI 对他们而言是效率放大器，会承接所有重复、枯燥的基础性工作，让他们可以专注于解决最核心、最有难度的问题。
第二类：高主动性的跨领域通才
他们不一定是某一领域的专家，但具备极强的行动力、判断力和资源整合能力，能够主动驾驭 AI 工具完成多类型工作，自主定义工作流程，清晰判断什么时候该用 AI、什么时候该求助专业人士。
李飞飞特别补充：两类人的共同核心特质是主动性（agency）—— 这不是指加班内卷，而是指遇到问题时不会被动等待指令，也不会直接把问题丢给 AI，而是先主动思考问题的卡点，再设计 AI 的使用方式，用创造性的思路让工具为自己服务。
她强调，无论是医生、老师还是普通从业者，都可以拥有这种主动思维。而处于中间层、能力 “还凑合”、只按流程机械执行的人，职场生存空间会被 AI 持续压缩。https://www.dapenti.com:99/dapenti/1fd3f7fa37/728635f3.jpg
李飞飞这个分类放到化工圈里看，其实挺有嚼头的，但我觉得实际情况比这两类更细一些。化工生产里一直都有类似的分层，DCS内操（集散控制系统操作员）盯着参数趋势，现场巡检工靠听声音摸温度判断设备状态，但真正难被替代的，是那些能把趋势数据和现场手感结合起来、遇到异常工况能快速拍板的人。这种人往往不是某一项技术的顶尖专家，而是对整套装置的脾气摸得透，知道哪个参数一飘后面会出什么事。
AI在化工里的应用这两年确实在提速，APC先进过程控制、软测量、预测性维护这些工具已经在不少装置上跑了，但它们更多是给操作和工艺人员提供参考，最终决策还是靠人。开停车、应急处置、安全联锁投退这些环节，责任和风险摆在那，短期内不可能完全交给算法。另外化工有个特点，很多关键判断依赖经验直觉，比如看反应釜里物料的颜色、听机泵的振动声、闻现场有没有异常气味，这些是AI目前没法复制的。
要是想在化工这行保持竞争力，我觉得有几个方向可以琢磨。1是深耕某个工艺或设备领域，把经验判断形成自己的知识库，比如催化剂活性衰减规律、换热器结垢趋势这些，时间越久越值钱。2是学会用数据工具，不用会写代码，但至少要能看懂趋势图、会用简单的数据分析软件，把AI当成提效放大器而不是替代者。3是保持跨专业学习，工艺、设备、仪表、安全至少懂两三个方向，遇到问题能自己先判断个七八分，再找对应专业的人确认。AI替代的往往是那些只会按规程操作、遇到异常就等指令的岗位，而需要现场经验判断和快速决策的岗位，短期很难被撼动。 努力跟进 不会拉下
页:
[1]