Dan Koe：拒斥 AI 的和把决策全外包的都会输，赢家只保留判断权

Dan Koe 把未来的人分成三类，然后说前两类都会输

2026 年 8 月 27 日，Dan Koe 在 X 上发布长文《我们正处在数字文艺复兴之中，请善用它》。开篇第一句就是断言：未来存在 3 类人，而他们之间的差距每天都在拉大。这三类人分别是 Purists（拒斥技术的人）、Automatons（把决定全部外包的人），以及他推荐的第三条路——multi-dimensional（多维）者。

第一类他叫 Purists，拒绝 AI，退回自然、简单、无屏幕的生活。他的描述不留情面：这种日子看着平静，但只要遇到一个用技术的人，就会爆发出难以控制的愤怒，因为对方威胁到了这套新的信仰身份。第二类叫 Automatons，对摩擦过敏、对优化上瘾，按他的说法，他们的每一个念头都要过一遍 Claude。这两类人他都判了输。

第三条路是 multi-dimensional 者：用 AI 把过去要一个团队才能跑起来的链路跑起来，同时保留自己想做什么、什么算好的判断。他给出三个替换关系来概括这套判断——作品取代简历，受众取代雇主，品味取代资历。

需要提前放在桌面上的是：三类人各占多少、哪一类更多，他一个数据也没给，这是一份个人预测；而长文结尾在推广他自己 9 月 9 日开课的 Creator Bootcamp，他既是评论者也是卖家。

Dan Koe 划分的三类人

他把两类人判输的理由，先放在一张四象限图里。

他判两类人输的理由，藏在一张四象限图里

在讲技能之前，Dan Koe 先把现实拆成四个象限（quadrants），并借游戏里的技能树打比方：经验值换来技能点，四个方向彼此牵连，只把一格拉满，另外三格会拖住它。他的原话是，你可以试着把钱这一格堆到最高，但如果心智、身体、精神完全没有长进，钱能起的作用也就到头了。

然后他把两类人放进这张图里。Purists（拒斥技术的人）把内在世界（心智与精神）当成最高真理，拒绝外部世界。他的判断很直接：不管一个人多觉醒，身体虚弱、健康告急、名下没有钱，痛苦照样会发生；而他把解决这些问题的办法当成邪恶，于是只剩下扮演受害者这一条路。Automatons 正好相反，他们把外部进展和钱拉到极限，拉到人性找不到为止。

这也是他反复强调两种极端都错的原因：不是选内在还是选外在，而是四格都要往上加点。需要提醒的是，四象限和技能点都是作者自己的框架，他没有给衡量方式，也没说清每一格到什么程度才算够。它和后面那套三层技能栈是两个模型——一个说人生领域，一个说能力层级，别混着用。

分类只是结论，他的论证在技能这一层——AI 到底吃掉了什么？

被自动化的是技能栈最底下那层

他的解释是：技能是分层的，机械的那一层先被自动化，人的位置往上挪一层。这个模式在历史上出现过——抄写员变成了编辑，手工织工变成了机器操作员。工具换了，人只是换了站的位置。

具体到个人能力，他拆了三层。最底层是技术技能：邮件营销软件、Photoshop、无代码建站、社交媒体管理，以及在屏幕上敲代码。这层过去最重要，因为学它要花时间；现在他说 AI 都能轻松做到，所以不该把未来押在对某个工具的掌握上。中间层是你的领域兴趣：哲学、健身、设计、编程、营养，每一门单看都不会消失，但它们的组合才是你独特的地方。最上层是人性基础：营销、销售、写作、演讲、心理学，也就是理解注意力怎么运作、人们凭什么觉得一样东西有价值。他认为任何想靠自己做成事的人都必须掌握这一层。

三层之间不是先后顺序，而是谁的活更稀缺。技术层的活可以被机械复制，而 AI 恰好擅长机械复制；人性层和领域组合依赖判断，而按他的说法，AI 的输出没有“视角”，所以人的职责是提供品味、方向和判断。他打过一个比方：AI 像一袋水，形状要你来塑。

“AI 没有视角”是一个论断，不是评测结果，他也没有给出任何实验来界定这条线在哪里。能确认的只有他自己框架里的排序：越靠近判断的活越值钱。

类比三层技能栈像游戏里的技能树：点数只加在一个节点上，升级快但遇到别的关卡就没招；散在很多节点上，又永远成不了专家。

三层技能栈，和自动化推进的方向

怎么读：层级顺序按作者标记的 Layer 1/2/3 呈现，含义是“机械部分被自动化、人的角色上移一层”，不是学习时间顺序。

一人顶 10-50 人：这个倍数能撑住多少

Dan Koe 给出的量级是：一个人现在可以完成过去 10-50 人团队的工作，取决于任务。支撑这个量级的是两件确实变了的事。实现的门槛：过去写代码、搭落地页、做漏斗需要工程师，现在个人可以用 AI 生成再自己改。分发的门槛：过去要曝光得靠机构或媒体的通道，现在社交媒体是免费的公开分发。

倍数本身站不住。哪一类任务、什么水平的团队、多长时间窗口、用什么方法算出来，他一个都没说。另一个数字也一样：反复修 bug 直到软件“比市场上 99% 的应用更好”——市场上是哪些应用、更好的标准是什么、谁来评，都没有定义。这类数字可以当作方向感，不能当预算或者职业规划的依据。

把这两个数字拿掉，机制判断还在：个人第一次同时拿到了实现工具和分发渠道，而过去这两样必须靠组织才能凑齐。这才是“一个人做以前一个团队的事”真正在说的事：不是测量，是结构变化。

结构变了不等于收益平均。文章没有给出任何人的收入、客户数、转化率或产出对比，所以从“拿到了工具”到“赚到了钱”之间那一段，仍然要每个人自己走。

他凭什么觉得这条路走得通？他举了两个历史人物当例子。

达芬奇和达尔文：两个例子各自能证明什么

第一个例子是学徒制。达芬奇走进 Verrocchio 的工坊是为了学画画，离开时已经掌握了解剖学、工程、光学和青铜铸造。Dan Koe 用这个说明文艺复兴时期的学习方式：作坊不把领域切成互不通气的学位，只看你能做出什么。他把工业化的教育描述成从“发现”变成“训练”，把整个创业流程挡在门外，让人只学会其中一小块。

第二个例子是查尔斯·达尔文。他一生写了 19 本书，而每天的专注工作时间大约只有 3 小时，分两段：早上 8 点到 9 点半是产量最高的一段，10 点半到中午再工作一段，之后他就认为自己完成了一天的工作。中间读信、陪家人；午后沿着他为思考专门修的那条约四分之一英里的砾石路散步，下午 4 点再走一次。这个作息被用来说明节奏——深度专注和完整休息交替，而不是把工时拉长。

两个例子都撑不起结论。达尔文的作息在这篇长文里配了一张《著名创意人士的日常作息》信息图，图本身是二手整理，也没有给出原始史料。19 本书含不含合著和再版、3 小时的“专注创造性工作”怎么算，都由作者自己界定；更要紧的是，这不是对照实验，无法说明多领域能力或者 3 小时作息本身就是高产的原因。它们能说明的只是：历史上存在过这样的工作方式。

多条能力装进同一个容器，才叫多维

他的处方有两条，第二条更关键。第一条：手艺落在三个圈的交集——你在意的、你独特能做的、别人愿意付钱的。第二条：收束。你可以同时是写作者、设计师、营销人、健身者、跑者，但注意力和产出要汇进一个容器——一门你选择被别人记住的手艺。其他领域不构成分心，它们构成你的差异化。他的例子很直白：既练身体又读哲学的“肌肉版哲学家”，比只在扶手椅上长脑子的哲学家更有价值，也更有意思。

具体哪些活交给 AI、哪些自己留着？他自己的分工最具体，也比“人机协作”这类口号更能用。他用 AI 扫描海量信息、找模式和趋势，因为手工做这件事已经在竞争里吃亏；但帖子还是自己写。两个理由：一是他享受写作这个过程，二是写作的价值在读者眼里。他还补了一句让分工变得可操作的对比——代码没有最终用户会去看它长什么样，他们只关心有没有用，所以代码可以交给 AI；文章好不好直接由读者判断，控制权就得留在自己手上。

换成一条可用的判据：这个环节的过程会不会被最终用户直接看见、直接感知？不会，而且用户只看结果，就适合交给 AI 反复迭代；会，而且价值取决于别人眼里的好，就应该自己留着。这比“AI 会不会替代你”具体，因为可以一个环节一个环节对照。这条判据不限于个人写作：一门生意也能照着把环节过一遍——客户不会看见过程的活先交给 AI，客户直接感知的活留给人。

这是一个以写作为生的作者对自己工作流的自述，没有工作流记录，也没有产出数据，它是一条经验判据。他把这种状态叫作 one-human business（一人企业），并说会在另一封信里展开，但没有给出它的全貌。

按“过程会不会被最终用户看见”决定交给谁

这套框架要落地，第一步该做什么？他的顺序和多数人的直觉相反。

先用起来，再学；把初稿当成初稿

Dan Koe 给了三个动作。第一，先知道自己要什么、什么算好。说不清目标和验收标准时，AI 只能给你一个随机猜测；他建议的起点是把 AI 当学习工具，用在产品、文案、社交媒体这些具体的事上——你没法让 AI 做一件你自己都想不到要问的事。第二，标准定得离谱地高。所有回复都像批量垃圾内容（slop）的原因，是把第一版当成最终版；设计、功能、每一个词、每一句话都得改。第三，试着自己替代自己：把每天做的事交给 AI 去自动化，你会很快知道什么能自动化、什么不能，然后才能决定哪些部分允许 AI 碰。

学习顺序他反着说：不要先学再做，那是“教程地狱”；先把事情做起来，或者试着做，脑子才会准备好接收那句能让你往前走的课。他把路径描述成学徒制——学徒、熟练工、师傅，靠模仿一个知道自己在干什么的人，直到自己的品味和判断成形。今天找师傅的成本低了很多，一本书、手机上的一个视频都算。在他看来，公立学校更像筛选和规训机制，多于教人走自己的路。信息来自 AI 还是某个视频博主，他不关心；他在意的是你有没有目标，并且把学到的东西用在前进路上冒出来的具体问题上。

这套流程没有量化标准。什么算“离谱地高”，改到第几版算够，由使用者自己定；他也说了这件事仍然要花很多时间，冲着立刻见效来的人会中途消失。

Dan Koe 的“用 AI 做成任何事”三个动作

哪些数字查得到出处，哪些属于生意

把数字过一遍。他说现代意义上的“job”只有约 250 年历史，没有给定义，也没有给史学出处。他引用 Naval Ravikant 的话说，地球上几乎有 70 亿人，“将来我希望几乎有 70 亿家公司”，这是二手引语，人口口径与文章时间点对不对得上也无从核对。他提到下一次 Creator Bootcamp 在 9 月 9 日开始，没写年份，报名链接无法核实，价格、名额、课程内容和往期效果都查不到。达尔文的 19 本书、每天约 3 小时、那条四分之一英里的路，只配了一张二手整理的信息图，一处史料出处都没有。

利益关系要说清楚：Dan Koe 的长文既是观点，也是招生文案。这不代表他的判断是错的，但读者得把两样东西分开看。

能留下的是机制判断：技能栈里可机械复制的那层先被自动化；实现工具和分发渠道第一次同时到了个人手上；被自动化挤压之后，稀缺性移到方向和品味。这部分可以自己检验——哪些环节交出去之后结果没变差，哪些一交出去就没人看了。留不下的是效果承诺：10-50 倍、99% 的应用、一门课能教出不可替代的品牌。目前也没有任何独立第三方来源可以核对上述任何一个数字。

那么，一个刚准备进入这个领域的人，该从这套框架里带走什么？

真正要从手心里攥住的是判断权

回到那个问题：执行变便宜之后，一个人身上剩下什么稀缺？Dan Koe 的答案可以压成一句：稀缺的是知道拿它做什么，以及凭什么说做出来的东西是好的。他的数字全被拿掉，这个机制还站着——执行可以外包，判断不行，因为没了判断，你连要它做什么都说不出来。

对准备进入 AI 领域的人来说，最实际的影响是时间怎么分配。把半年投在精通某一个工具上，押注的正是被自动化最快的那一层；把兴趣摊开却没有一个容器，多维也不会变成稀缺。他的建议是：收束到一门手艺，把其他领域当差异化，把过程不可见的环节交出去，把直接决定价值的环节留在手里，并且自己验证那些数字。

这套判断什么时候会失效？两种情况。如果出现真实样本显示，不聚焦的多面手在产出和收入上稳定优于聚焦者，“一个容器”的前提就要重算；如果 AI 在方向和品味的判断上变得足够可靠，这条分工线会整体下移，人得再往上挪一层。还有一层适用范围：这套框架面向的是想以个人创作者身份生存的人，在一家公司里往上走的人面对的问题不一样，不能直接照搬。Dan Koe 的所有数字都可以先放在一边，那条分工线不靠它们成立。