2025年即将过去。如果现在问我这一年最大的感受，不是"兴奋"，而是"力不从心"。
说实话，作为一名长期关注AI的写作者，我这一年并没有偷懒。
工具上，主流的AI我都用过——我的Dock栏里常驻着豆包、Kimi、文心一言、通义千问，还有最近大火的Cursor；
认知上，大牛的观点我都在追——Sam Altman的年终总结、李飞飞的新书访谈、Karpathy的硬核推文，我一篇没落；
行动上，我也尝试了各种AI工作流，试图把它们融入我的写作和数据分析中。
按理说，我应该很从容，对吧？
但现实是：我发现自己越来越难做决策了。
看着浏览器收藏夹里躺着的上百个"待读"收藏，看着小红书里每天弹出的"重磅更新"、"颠覆性模型"，我经常陷入一种瘫痪状态。
每天都有新工具、新模型、新观点。
可真正改变我工作方式的，回过头看，可能只有那么两三个。
这让我开始产生一种深深的怀疑：
在这个每天都有新东西冒出来的时代，"跟上"这件事本身，是不是就是个伪命题？
难道我们的宿命，就是要在这种"永远追不上"的焦虑中度过吗？
今天这篇，算是对2025年的一个总结，也聊聊我写前面那三篇文章时，心里真正的危机感来自哪里。
一、2025年发生了什么？快到让人失焦
如果要复盘2025年的AI圈，我的脑海里全是"加速"的画面。
我只列举三个让我印象最深刻的变化，你就能感受到这种速度：
第一是门槛在崩塌。
DeepSeek R1，这个国产模型声称训练成本只有约550万美元（虽然这个数字有争议，但即便按最保守估计，也远低于美国同行的数亿美元）。这意味着，顶尖AI不再是巨头的专利，它变得越来越便宜，也越来越普及。
第二是需求在爆发。
Cursor，这个AI编程工具，在推出不到两年后年化收入就突破了10亿美元。这说明AI工具已经不再是极客的玩具，而是变成了像水电一样的生产力刚需。
第三是能力在质变。
AI在编程测试中的表现在过去两年有了质的飞跃——从勉强能用，到在很多场景下已经超过初级程序员。这不是量的积累，这是质的飞跃。
看完这些变化，你的第一反应是什么？
是不是热血沸腾："天啊，这太厉害了，我必须马上学！我要把这些工具都掌握！"
但——这恰恰是我们痛苦的根源。
当我们把这些"变化"等同于"必须掌握的任务"时，我们就不再是工具的主人，而变成了信息的奴隶。
追逐"新"本身，不知不觉中，成了一种焦虑的出口。
我们以为自己在学习，其实只是在缓解恐慌。
为什么"跟上了"还不够？
最近，我重新读了几位AI领域顶级大牛的访谈和文章。在剥离了那些令人眼花缭乱的技术名词后，他们的思考让我重新理解了这种"无力感"的来源。
二、三个反直觉的洞察
他们告诉我，我们可能从一开始就理解错了AI的"能力"和"代价"。
洞察1：AI的能力是"锯齿状"的
这个概念最早来自2023年哈佛商学院与BCG的一项研究——他们让758名咨询顾问使用AI完成任务，发现了一个反直觉的现象：AI的能力边界不是平滑的，而是"锯齿状"的。
什么意思？
就是AI在某些任务上表现出色（比如生成代码框架、整理信息），但在另一些看似简单的任务上却可能灾难性失败（比如基础数学计算、常识判断）。
而且，你往往不知道哪一脚会踩空。
OpenAI联合创始人Karpathy在2024年将这个现象简化为"锯齿状智能"，并在2025年末的年度总结中再次强调。他说，AI"同时是一个精通多领域的天才，又是一个随时可能被骗走你数据的认知障碍小学生"。
哈佛的研究给出了量化数据：在AI能力边界内使用它时，工作质量提升了约40%；但在边界外使用时，正确率反而下降了约19个百分点。
这个2023年的研究，至今仍是理解AI能力边界最重要的实证之一。
我的一个律师朋友就踩过这个坑。他用AI丰富辩护词的说服力，结果AI信誓旦旦地给出了逻辑严密的法条依据。
令人震惊的是，那些所谓的"法条依据"，竟然是AI自己编造的！
如果他没有核查就直接用了，后果不堪设想。
所以，真正重要的能力，根本不是"会用多少工具"，而是"精准识别边界"。
我们要学的不是如何让AI跑得更快，而是知道什么时候该踩刹车，什么时候该自己上手。
不是追逐每一个"新功能"，而是理解那个看不见的"锯齿边界"。
洞察2：警惕"70%陷阱"
第二个洞察来自Google Chrome开发者体验团队的负责人，Addy Osmani。
他在2024年末首次撰文讨论一个让我们深陷其中的心理陷阱——"70%问题"，2025年又在多个场合深入分析了这个现象。
什么意思？
AI可以极速帮你完成前70%的工作，但剩下的30%——那些验证、修改、润色、去伪存真的工作——依然和以前一样耗时，甚至更耗时。
这里的危险在于"错觉"。
你看着AI瞬间生成了代码、文章初稿、设计草图，你产生了一种"任务快完成了"的错觉。
于是，你可能低估了任务难度："AI都能写了，我也就改改，应该很简单吧？"
你可能过度承诺了交付时间："AI这么快，我明天就能交稿。"
结果呢？你陷入了恶性循环：用AI修Bug，产生新Bug；
再让AI改，越改越乱；甚至还把原先完成的功能改的面目全非。
Google内部的一组数据令人深省：虽然现在有30%的代码是由AI生成的，但工程师对AI代码的信任度，却从70%降到了60%。
我们越来越依赖AI，却越来越不敢信任它。
这不是悖论，而是清醒。
因为真正的价值，往往就藏在那剩下的30%里。
那是对事实的核查，对逻辑的深究，对人性的洞察。
而那30%，AI给不了，只能你来填。
洞察3：主导权必须在你手里
第三个洞察，来自斯坦福大学教授、"AI教母"李飞飞。
她在2025年反复强调一句话："在AI时代，主导权应该在人类手中（Agency should be within humans）。"
她在招聘时，最看重的不是应聘者"会用多少AI工具"，而是"用AI实现目标的心态"。
她会问：
你知道为什么要用这个AI吗？
你能判断AI的输出对不对吗？
你能在AI的基础上，创造出新的东西吗？
这三个问题，振聋发聩。
很多时候，我们是为了用AI而用AI。看到别人做大语言模型本地化，我也要试试；
别人用即梦，我也要搞艺术创作；看到别人用Agent，我也要学。
结果，我们变成了AI的"搬运工"，而不是AI的"驾驶员"。
李飞飞其实在提醒我们：你是在用AI，还是被AI用？
主导权在你，不在AI。你是目的，AI只是工具。
失去主导权的"跟上"，没有任何意义。
三、为什么我们力不从心？
把这三个洞察串起来，答案其实已经很清晰了。
Karpathy的"锯齿状智能"告诉我们：AI有边界，盲目信任会踩坑。
Osmani的"70%陷阱"告诉我们：AI有局限，它解决不了最后那关键的30%。
李飞飞的"主导权"告诉我们：关键在你，没有目标的忙碌只是虚假繁荣。
这就是为什么我们明明"跟上了"，却依然感到力不从心。
因为我们一直在拼命追赶AI的速度，却忘了停下来思考：在这个被AI加速的世界里，我到底要往哪里去？
"跟上AI"本身不应该是目标。
"理解AI的边界，并找到自己的位置"，才是。
结尾：给自己按个暂停键
在回答"去哪里"这个问题之前，我想先请你按一下暂停键。
不要急着去学下一个新工具，而是回头想想这个系列前几篇的核心观点：
第一，学会用工具不是最重要的事。真正重要的是成为"出题人"和"阅卷人"，而不是被AI替代的"做题家"。
第二，当AI能做80%的工作，剩下的20%才是你的价值所在。那是感知力、共情力、创造力——AI学不会的东西。
第三，AI越快，你越要慢。慢思考、慢决策、慢成长，才是这个加速时代真正的稀缺能力。
如果上面的文字让你感到一丝不安，别担心，你不是一个人。
承认这种"力不从心"，恰恰是我们找回掌控感的开始。
下一篇，我想和你聊聊：在AI时代，如何真正找到自己的位置？
2026年，我们应该干点什么？能够干点什么？
如何找到自己的不可替代性？
下篇见。