从叠衣服看“会说”与“会做”的巨大鸿沟

视频以斯坦福教授李飞飞的日常生活切入，她每个周末都要面对堆积如山的衣物需要折叠。过去她边叠衣服边听有声书，但最近她尝试了一种新玩法：一边做家务，一边与AI进行深度对话。这种体验让她意识到一个有趣的现象：虽然AI能陪她聊一下午天，但那一筐衣服它一件也帮不上。这一反差引出了本期访谈的核心议题：“会说”和“会做”，到底差得有多远？

李飞飞与在线课程公司创始人David共同参与了这档访谈节目，他们从这一筐衣服出发，深入剖析了当前AI能力的边界。李飞飞被称作“AI教母”，她的观点具有极高的参考价值。主持人询问她，如果聪明变得廉价甚至免费，上大学和找工作是否还有意义？ 李飞飞的回答非常明确：“要是有人说智能成本会降到零，那就是不负责任的说法。” 她认为人的智能极其深厚，不能简单等同于语言处理能力。

“要是有人说，我知道你没这么说，但外面谁要是说，智能的成本会降到零，那就是不负责任的说法，因为人的智能太深了。”

李飞飞纠正了一个常见的历史误解：工业革命并没有把体力活“自动化”掉，而是让干活的效率更高了。 同时指出，干活本身就需要聪明。人类的智能是一个复杂的集合体，包括会说会写、看、辨方向、动手操作、情绪管理以及难以言喻的创造力。而目前大模型最擅长的领域主要集中在语言这一块。然而，叠衣服这项看似简单的家务活，用到的却是另一套完全不同的能力体系。李飞飞目前创业的方向正是其中缺失的一块——空间智能。她将其拆解为四个关键要素：看懂眼前的空间、在脑子里推演行动路径（往哪走、从哪下手）、想象出未看见的部分，以及伸手去触碰和摆放物体。 叠一件衣服需要同时调动这四样能力。

空间智能的演化难度与硬件瓶颈

为什么机器难以完成叠衣服这样“顺手”的事？李飞飞从演化生物学的角度给出了解释。她真心觉得，空间智能是其中很大的一块难点。 在演化史上，人类花了五亿多年才让空间智能成熟起来，而语言智能所花的时间要短得多得多。 这种时间跨度的巨大差异意味着：我们觉得最不用动脑子的事，对机器反而最难。

关于机器人何时能真正帮李飞飞叠衣服的问题，她的判断既乐观又谨慎。她认为离那一步还没到，但也不觉得需要一百年。她的个人目标是：在我有生之年做到。 当主持人追问具体年份，希望她从“周日叠衣服”中退休时，李飞飞笑着表示“巴不得昨天就退”，但也坦诚地说：“我也不知道。” 这种不确定性并非因为技术停滞，而是因为更复杂的硬件限制。

“叠衣服不光要看懂、想明白，还得有一双手。机器身上的传感器、硬件都得跟上。”

李飞飞指出，叠衣服不仅涉及视觉理解和逻辑推演，还需要精密的物理操作。 这就要求机器具备与之匹配的传感器和硬件支持。因此，实现这一目标比单纯的语言生成要复杂得多。这解释了为什么尽管大模型在对话上表现惊艳，但在物理世界的交互能力上依然滞后。这种“眼高手低”的现状，正是当前AI发展的真实写照。

工作场景中的替代效应与人才筛选标准

除了家务，AI对工作领域的影响也是讨论的重点。David举了一个医院里的例子来说明AI如何介入工作流程。他提到护士和医生都需要花费大量时间写记录，而没人喜欢做这种重复性工作。如果AI能先接过去这些记录工作，护士就能多点时间花在病人身上。 这展示了AI在剥离工作中“没人爱干”的部分时的潜力。

在产品领域，变化更为迅速。李飞飞分享了产品经理角色的演变：以前想做个样品，得先找设计师、再找工程师，一轮下来往往要好几个月。现在不少产品经理自己用AI写代码，很快就能做出来。 她强调，这并不是说设计师和工程师没用了，而是他们省下的时间可以去做更难的活。 这种效率的提升改变了工作的性质，而非单纯地消灭岗位。

基于这些变化，李飞飞在招聘时有了明确的新标准。她明确表示：“我招人的时候，找的是那些正踩着变化的浪头往前走的人。” 对于那些还在讲五年前教科书上那一套流程的产品经理，她不找。 这意味着职场竞争力正在从“掌握既定知识”转向“适应快速变化”。

“我招人的时候，找的是那些正踩着变化的浪头往前走的人。那些还在讲五年前教科书上那一套流程的产品经理，我不找。”

两极分化的人才市场与“主动性”的核心价值

David从另一个角度描绘了未来职场的可能形态。他提出了一个假设，以文案写作为例：假如我是凑合的文案，现在谁用上大模型都能写得不错；但如果你是这一行世界上最好的或前百分之一，AI比不过你。 他预测未来职场会分成两头：一头是顶尖的专家，另一头是什么都能上手、判断力又强的人。 而处于中间地带的人才将面临最大的危机。

“我的意思是，假如我是写文案的，还凑合的那种……可你要是这一行世界上最好的，或者排进前百分之一，那我比不过你。”

李飞飞对此表示认同，并进一步指出：不管站在专家那一头还是通才那一头，你们都有主动性。 她重新定义了“创业精神”，认为在硅谷语境下它常被误解为开公司，但实际上“有创业精神”说的其实就是有主动性。 这种主动性体现在任何职业中：你可以是医生、专科医生，也可以是中小学老师，关键是主动性。

李飞飞一直挂在嘴边的“主动”，其核心含义是：不等人安排，自己拿主意、自己动手。 这种特质成为了区分高价值人才的关键指标。在AI能够处理大量标准化任务的背景下，主动性成为人类区别于机器的核心优势之一。

如何培养主动性：安全感、好奇心与反脆弱心态

既然主动性如此重要，该如何练习？David坦言：研究还没有确定的答案，但他尝试将其拆解为几个要素。首先得有安全感，才敢冒险；失败了还能学到东西，摔倒了能爬得起来；再加上好奇心。 然而，现实中存在一个巨大的障碍：我们这一路很多时候都被教着去讨表扬。

David指出，从小时候讨父母夸奖，到上学讨老师喜欢，再到工作讨老板认可，这种模式根深蒂固。当他刚开始做自己的公司时，几乎人人都说这主意不可能、也不好。对于一个从小讨表扬的人来说，这特别难受。 这种对负面评价的恐惧抑制了主动性的发挥。

“我们这一路，很多时候都被教着去讨表扬。小时候讨爸妈的夸……后来他想通了：要是一个主意人人都说好，那它多半不是好主意。”

David最终想通了一个道理：要是一个主意人人都说好，那它多半不是好主意。 因此，要有主动性、要创业，你就得去追那些别人觉得根本不可能的事。 这种心态的转变是培养主动性的关键：从追求外部认可转向内部驱动，勇于承担风险并接受失败。

上手AI的实操建议与本期总结

对于尚未开始使用AI的人，李飞飞给出了非常具体且实用的建议。她建议大家找个孩子（自己的或亲戚的），最好不到二十五岁，带着好奇心让他们演示如何AI。 她强调：不用管自己学没学过计算机，也不用知道该打开哪个软件。让身边信得过的年轻人拉着你玩一个周末。

李飞飞认为，即使最后觉得AI毛病不少，知道毛病在哪，你说话才更有分量。 这种通过亲身体验来建立认知的方式，比理论学习更有效。她鼓励观众在评论区分享身边是否有能带自己玩AI的年轻人。

“找个孩子，你自己的孩子也好……带着好奇心，让他们演示给你看，他们是怎么用 AI 的。”

本期视频最后总结了四个核心观点：第一，AI让聪明不值钱的说法靠不住，因为人的智能包含看、想、做等多维度能力；第二，叠衣服这类顺手的事机器学起来最费劲，预计用不了一百年但绝非明年之事；第三，AI能接走的是工作里没人爱干的活儿，不一定是整个饭碗；第四，无论专家还是通才，都需具备主动性。对于想上手AI的人，建议找个年轻人带玩一个周末。最后呼吁观众将视频转发给担心被AI抢饭碗的朋友。

结论

本期内容通过李飞飞与David的对话，清晰地界定了当前AI的能力边界：虽然语言智能已高度发达，但空间智能和物理操作仍是巨大挑战。AI无法在短期内替代需要复杂手部动作和环境交互的任务，如叠衣服。在职场层面，AI主要取代的是重复性、低创造性的记录类工作，而非整个职业岗位。未来的职场将呈现两极分化：顶尖专家与具备强判断力的通才更具竞争力，而中间层面临风险。核心结论是：主动性（不等人安排、自己拿主意）是人类在AI时代的核心护城河，培养主动性需要安全感、好奇心以及摆脱“讨表扬”心态的勇气。对于个人而言，通过向年轻人学习来快速上手AI工具，是应对变化的有效策略。