六十分是新的地板：執行力降價之後，個人帳本要重算

少數派一篇專欄用中等收入陷阱類比 AI 時代的個人處境；本欄同意診斷，但指出囤積新技能的直覺解方，正好把人推回陷阱。

文｜沈安

三年內被追過四次

2023 年秋天，一名剛通過高考、進入資訊相關科系的大一新生，在高階程式語言設計的課堂上注意到一件事。他還在逐行理解 C++ 的語法，隔壁同學已經一路按 Tab，讓 GitHub Copilot 把剩下的程式碼補完，作業照樣通過評測。他當時在心裡笑這些同學沒學到真本領。

接下來三年，類似的場景不斷重演。他 2024 年投入大量精力訓練的 ICPC 程式設計競賽技巧，2025 年已能被 Claude 輕鬆解開；他 2024 年還在用模板手工做簡報，2026 年一句提示詞就能讓文生圖模型直接出片；他 2024 年用 Cursor 邊盯邊改才敢交付的任務，2026 年普通使用者一句話交代，Agent 便自主完成，附帶多維度測試，成品接近可直接上線營運的水準。

這條時間線來自少數派 Matrix 專欄作者 shiquda，文章發表於 2026 年 9 月 15 日，標題借用發展經濟學的概念：跳出 AI 的中等收入陷阱。把幾段經歷排在一起看，重複發生的其實是同一件事：人花數年練出來的執行力，模型用幾個月追平，然後越過。

類比對了一半

中等收入陷阱原本用來描述國家。靠低工資和資源優勢從貧窮爬到中等所得之後，工資漲了，成本優勢跟著消失，若補不上技術創新與產業升級，經濟便長期停在原地。shiquda 把同一套邏輯搬到個人身上：早期用 AI 的人喫到資訊差的紅利，生產力躍升；等 Agent 成為工作流的基礎設施、辦公類 Agent 普及、同等智慧的模型持續降價，會用 AI 就不再稀缺，紅利期結束。屆時還靠執行力喫飯的人，處境就像卡在中等所得的經濟體。

本欄的看法是，這個類比作為診斷成立，但它暗示的解法容易引人走錯方向。聽到陷阱，多數人的直覺是再去學一項更稀缺的技能，往模型追不上的地方逃。方向聽起來合理，問題出在執行：如果逃去的地方仍然屬於執行類技能，那只是換了一件正在降價的商品持有。

追趕的速度，以版本更新計

shiquda 給了一個粗略但傳神的刻度。假設外行對某個領域的理解是滿分一百裡的 5 分，模型現在已經能在不加指導的條件下做到 60 分，而且這個數字下個月可能變 65 分、70 分。人類從 5 分爬到 60 分靠的是數年實作經驗，模型把這段路壓縮成一次版本更新。

能力下限被抬升之後，最先失去價位的是技術性技能，原因有兩層。需求側：當任何人用最白話的外行描述，模型都能交出及格以上的成品，「會做」就不再是賣點。成本側：同等智慧的模型價格持續下探，現在許多環節仍然交給人做，只是因為用 AI 的帳還算不過來；一旦成本跨過臨界點，這些環節就暴露在替換風險之下，而且替換常常不發預告。

帳記錯了，比帳縮水更危險

shiquda 在文中最有分量的一句提醒，關於記帳方式：我們可能錯把驅動 Agent 能做的事情，當作自己實際的能力。

::infile type=“quote” quote=“錯把我們驅動 Agent 能做的事情，當作我們實際的能力。” attribution=“少數派 Matrix 專欄作者 shiquda” alt=“把驅動 Agent 完成的事誤認為自身能力，這個風險比技能貶值更隱蔽，出自少數派 Matrix 專欄作者 shiquda” filename=“shiquda-agent-ability-misattribution-quote”::

每個月花幾十到上百美元訂閱各種 AI 服務，用一句話生成成品，累積一排作品，這種體驗很容易被當成成長。攤開來看，成品是模型的產出，人貢獻的是需求描述。而需求描述值多少，取決於後面兩件事：能不能判斷成品的好壞，以及成品出了問題由誰負責。訂閱方案不會附贈這兩項，落差就在這裡。作品集越長、驗收能力沒跟著長的人，離風險越近。

兩種安慰，都站不住

面對這個局面，流傳最廣的兩句安慰可以先收起來。

第一句是「AI 取代的是不會用 AI 的人」。這句話在 2023 年成立，前提是會用的人還不多。現在前提正在消失，而且有數字可查：中國一項調查顯示，99.18% 的受訪本科生已在使用 AI，比例高到北大、復旦等校校長把認知卸載與思維外包搬上開學致詞。當課堂上按 Tab 的同學從少數變成全部，Tab 本身就不再是差距。shiquda 的思想實驗把這一步推到底：假如所有人都會用 Agent，頂尖模型全部免費，你有把握脫穎而出嗎？他坦承自己沒有多少信心。

第二句是「去學更深的技術就好」。方向對了一半，但多數人的執行方式是再囤一項新技能，而新技能的折舊正在加速。看回那條時間線：C++ 熟練度換來的優勢期以年計；競賽技巧兩年內被追過；提示詞工程從稀缺技能變成基本常識只花一年多；如今 Agent 編排的紅利期，大概只能以月計。買進任何一項位在降價曲線上的技能，折舊從成交那天開始算。往深處走的重點，應該是往上遊走：離「怎麼做」更遠，離「做什麼、為什麼做」更近。

還沒降價的位置

執行力降價之後，帳上保值的東西，剛好長在執行的上遊和下遊。上遊是問題的選擇與定義：模型解題很快，但它不會替你決定該解哪一題，也不知道這一題在真實世界連著哪些後果，這部分來自對領域的理解和對後果的承擔。下遊是驗收與負責：成品越容易生成，判斷它能不能用的能力越值錢，因為出事的時候，署名的是人。

這個分工在失誤代價高的行業已經被明文化。本站先前整理過醫療人員導入 AI 的五個檢查點，把任務盤點、權責界線、品質評估排成可依序執行的順序：草稿交給 AI，核定權留在人手上。同樣的邏輯放到任何行業都成立，差別只在失誤的帳單什麼時候寄到。

紅利期的正確用法

shiquda 認為紅利期還沒結束，來得及把資訊差換成未來仍稀缺的能力。本欄把這個建議再落到可操作的版本：拿他的思想實驗當檢查表，盤點手上的每項工作，問兩個問題。這件事只給一句話的需求描述，模型能不能做到及格？這件事做壞了，客戶或主管會找誰？

第一題答能、第二題答別人的項目，是正在降價的資產，趁現在還有人付錢，把省下來的時間投到第二題答我自己的項目上。投資標的大致有三個方向：練出選題的眼光，練出驗收的標準，或者乾脆站上需要簽名負責的位置。

中等收入陷阱裡的國家沒有這個選項，產業搬不走，個人可以。執行力貶值不會把所有人拉到同一條線，它把報酬往兩端擠：一端決定做什麼，另一端為結果簽名。紅利期的用法，就是在帳還算得過來的時候，把自己往兩端搬。