【导读】年轻人一边狂用AI，一边又担心被它取代。哈佛最新民调显示：59%的18–29岁受访者认为AI正在威胁他们的未来。效率越高，安全感越低，这代人被迫提前长大。
你上一次用ChatGPT，是多久前的事？
一天？一小时？或者刚刚就开着它写东西？
不管你承不承认，AI早就从科幻电影里走入现实，渗透现实，甚至重塑现实。
当AI以惊人的速度渗透到创意、文案、编程甚至金融分析等领域时，一种复杂的、纠结的情绪正在年轻一代中蔓延。
最近几个月，越来越多年轻人开始发现一个微妙的变化：
明明离不开AI的帮助，可每次看到它把事情处理得又快又准时，心里都会闪过一瞬间的不安——那我到底还能做什么？
最新一份哈佛青年民意调查，把这股情绪赤裸地摆上了台面。
这种「既害怕又使用」的双重态度，折射出了现代职场生存的真相。
一、一代人的未来感，在数据里变得脆弱*
当AI浪潮席卷而来，年轻一代正站在焦虑与机遇并存的十字路口。
年轻人常常是拥抱新技术的先锋群体。35%的受访者表示，会定期使用像ChatGPT或Claud这样的大模型。
高达52%的人信任AI，并将其用于完成工作或学校任务。
不同年龄段每天使用AI的比例对比。18–29岁的年轻人是最频繁、最熟悉AI的群体：53%每天使用一次以上，远高于65+的30%。
然而，在积极采用的表象之下，是深刻的职业危机感。
最新的哈佛青年民意调查的数据显示，有59%的美国年轻人认为，AI会威胁他们的工作前景。
其中26%的年轻人认为威胁「非常大」，33%认为「有一定威胁」；只有23%的人觉得AI不会对他们的未来造成影响。
不仅仅是饭碗不保，年轻人对职业价值的期待也受到了巨大冲击。
44%的人认为AI会让未来的工作变得更没意义。
同样有44%的人觉得AI会拿走机会，而不是创造新的。
可是更矛盾的是，52%的年轻人信任AI帮他们完成学校或工作的任务，35%已经经常使用ChatGPT、Claude这类LLM。
一边害怕被它取代，一边又离不开它。
这种「依赖和恐惧同时存在」的状态，第一次被大规模记录下来。
数字没有给出答案，但它们拼出的未来很清晰—— AI正让一整代人的未来感开始松动。
二、在AI面前失去安全感的年轻人
年轻人的工作焦虑，绝不是空穴来风，它指向的并不是「怕失业」，而是「不可替代性正在变弱」。
美国公众对 AI 的情绪变化（2021–2025）。随着AI 加速发展，「更担心than excited」的比例持续增长，2023起稳定在50%以上。
这才是他们焦虑的真正来源。
三、被AI藏起来的「过程」
写报告、查资料、整理任务、总结信息这些过去需要时间积累的能力，现在被AI几秒钟完成。
年轻人清楚地感觉到自己所谓的具有专业性的「做事方式」，正在被工具快速接管。
「工作会变得没意义」不止是字面意思，更像是发问：
如果我做的这部分被AI轻松完成，那我的意义在哪里？
过程消失，价值也跟着一起变得模糊。
四、AI让同质化更加严重
AI的使用率越高，越会有一个共性——写作、表达、分析方式，逐渐趋同。
对于正在努力建立「专业差异感」的年轻人来说，这种趋同最容易引发心理上的塌陷：
别人用AI也能做出来，我的这一份，到底有什么不同？
年轻人觉得AI会让机会减少，本质上就是一种「竞争优势被平均化」的直觉。
五、存在感被反向削弱
年轻人使用AI时，很少是冲着「替代」去的，可是每当看到模型跑出结果时心里冒出来的那句：
它可以自己完成，它不需要我。
越来越难忽略。
一边离不开AI，一边又觉得未来机会减少、意义降低。
这种「依赖」和「被威胁」并存的状态，让年轻人第一次意识到：
AI不只是一个工具，它正在重写他们衡量自己的方式。
衡量标准不是「能不能做好」，而是「有没有必要做」。
年轻人的焦虑不是突然发生的，而是在日常使用AI的过程中，被一点点放大。
数字只是一种衡量的指标，真正的冲击，则来自一种正在悄悄形成的共识——
在未来，工作会继续存在；但那个位置，未必永远属于某个具体的人。
六、真正的不安，未来被「重新分配」
数字并没有直接说「AI会取代谁」，但它们隐约指向一个正在发生的事实——未来的价值结构正在被悄悄调整。
在过去的职场，年轻人的优势往往来自可量化的能力。
写得快、学得快、愿意加班、愿意苦干；在同一套流程里比别人更细致、更投入、更能扛压。
可是当AI把这些「可重复的能力」一点点模仿以后，年轻人的起跑线变得模糊。
努力，也不再自动转化成价值。
七、AI正在抢走「第一层工作」
第一层工作，是那种一上手就能看到产出的任务，比如总结、整理、写初稿、做PPT、找资料。
过去靠这些任务就能证明「我很能干」。现在AI做这些几乎没有成本，而且更快。
不是因为这些工作消失了，而是因为它们不再代表价值。
八、浓浓的挫败感：努力和结果不对等
数字背后有一个隐形逻辑：你越努力掌握那些能用AI替代的技能，你的价值感就越容易被稀释。
这给人带来挫败感。努力不再是保障，而是一种不稳定的筹码。
这也是年轻人与AI矛盾的关键节点：越需要它，越觉得自己变得廉价。
九、工作还在，只是需要的人变少了
AI带给我们的最大礼物，可能并非是效率工具，而是一次重新定义工作与生活关系的契机。
材料里有一组数据矛盾又讽刺：
52%信任AI，说明AI已经融入学习和工作；但59%感到被威胁，这说明AI的融入是「替代式」的。
这是一个越来越真实的趋势：未来的岗位不会消失，但一个岗位可能不再需要那么多人。
当基础产出被自动化，工作会从执行转向判断、选择、创造、决策。
而这些位置，本身就不多。
未来不是没有他们，而是未必轮得到他们来决策。
我们被迫思考：如果机器能做一切，那么我活着的独特价值和不可取代的才能究竟是什么？
十、AI没有夺走未来，而是改写了未来的入口
AI并不是突然施加在年轻人身上的一场危机，而是一种正在重排秩序的力量。
它没有摧毁工作，也没有宣告谁会被淘汰，但它在悄悄改变我们的思维——
什么样的能力还能代表价值？什么样的努力还能通往未来？
这一代年轻人的处境因此变得微妙。他们是最早掌握AI的群体，也是最早意识到会用并不等于足够。
他们知道工具很强，也知道工具的强大。
这不是恐慌，更像是一种被迫提前的成熟。
未来不是「顺理成章」，而是需要重新争夺。
AI 的出现让未来不是更远了，而是更近了，近到必须开始思考「我在这里的位置是什么」，近到让这一代人在还没站稳的时候，就已经开始面对未来的重量。
而这种重量，正在成为他们共有的情绪底色。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
