昨天看到一组数据，我愣了整整五分钟。

OpenRouter——全球最大的AI模型聚合平台——刚公布了7月第三周的调用量榜单。前五名，清一色的中国名字：小米MiMo-V2.5、DeepSeek V4 Flash、腾讯HY3、智谱GLM-5.2、DeepSeek V4 Pro。

没错，不是「中国模型进入前五」，是「前五全是中国模型」。

更夸张的是具体数字：中国大模型上周调用量33万亿Token，美国只有2.34万亿。14倍的差距。中国模型在全球的份额已经达到63.5%，美国只剩35.5%。连续13周领跑。

小米雷军大概自己都没想到，一个做手机、做汽车、做电饭煲的公司，旗下大模型居然成了全球开发者调用最多的那个。

我朋友圈里，有人转发了这条新闻，配文是「中国AI牛逼」。也有人转发后加了一句：「所以，我的工作是会被中国AI替代，还是被美国AI替代？有区别吗？」

这句话说到了点上。

我们焦虑的从来不是「哪国AI更强」，而是「AI这么强，我怎么办」。

今天我想聊的，就是这个问题。而答案，藏在一本出版了50年、全球卖了1000万册的老书里——理查德·鲍利斯的《你的降落伞是什么颜色》。

01 一个反直觉的事实：AI越强大，「会什么」越不值钱

先讲一个你可能没注意到的细节。

这次登顶的小米MiMo-V2.5，推理成本是闭源旗舰模型的2.5%。什么概念呢？同样跑一个AI智能体工单，用美国顶级模型要花几毛美金，用MiMo只要几厘。

DeepSeek V4-Pro的定价，大约是OpenAI GPT-5.5的十二分之一。

腾讯HY3开源三周，调用量暴涨999%。

这意味着什么？意味着AI能力正在变成「水电煤」——便宜、稳定、随处可得。

我想起十年前，会写Excel在简历上算一项「技能」。现在呢？你总不会专门写一行「熟练使用计算器」吧。

当AI的调用成本趋近于零，「会用AI」这件事本身就在快速贬值。就像你会用搜索引擎不叫竞争力，你会开车不叫竞争力一样——它只是基础设施。

真正的竞争力，从来不是你「会用什么工具」，而是你「能用工具做出什么」。

这就是鲍利斯50年前就想明白的事。

02 50年前，一个被解雇的牧师写了一本改变千万人命运的书

1970年，一个叫理查德·鲍利斯的美国牧师被教堂解雇了。

原因很简单：预算紧缩。不是他干得不好，是教堂没钱了。

42岁的鲍利斯一下子成了失业中年人。他去找工作，发现一个残酷的现实：学校里教的那些求职技巧——写简历、投简历、等面试——几乎全没用。

投出去的简历石沉大海，面试时总是说错话，他甚至在多次被拒后开始怀疑自己是不是真的「一无是处」。

但鲍利斯没有继续投简历。他做了一件奇怪的事：他开始研究「为什么有些人能在最差的经济环境里找到好工作，而有些人即使在最好的经济环境里也找不到」。

他跑了全美各地，访谈了数百个成功转行的人，做了大量的数据追踪。最后他把发现写在了128页的小册子里，印了100本，分给大学里的牧师们看。

那本小册子就是《你的降落伞是什么颜色》。

为什么叫这个名字？鲍利斯后来回忆说，这其实是个玩笑。他在旧金山格雷斯大教堂做牧师时，有个教友说想换工作。鲍利斯脱口而出：「你的降落伞是什么颜色？」——因为他脑子里想到的是从飞机上跳伞的场景。

一句玩笑话，后来成了全球职业规划领域最经典的隐喻。

你的降落伞是什么颜色，本质上是在问：当一切外在的标签——公司名头、职位头衔、行业赛道——都被拿走之后，你还剩下什么？

03 「花图」练习：50年不衰的核心方法论

鲍利斯在那本书里提出了一个核心工具，叫「花图」（The Flower Diagram）。

这不是一朵真的花，而是一个由七个花瓣组成的自我盘点框架。每个花瓣代表一个你需要回答的问题：

花瓣一：你最喜欢做什么？（你的激情所在）

不是「你应该喜欢什么」，不是「市场需要什么」，而是你真真切切、打心底里喜欢做什么。哪怕没人付钱，你还是会做的那种事。

花瓣二：你最擅长什么？（你的可迁移技能）

注意，不是「你在当前工作中用到什么技能」，而是「你这个人，天生擅长做什么」。鲍利斯特别强调「可迁移」三个字——因为行业会消失，公司会倒闭，但你身上的技能不会。

花瓣三：你偏好什么样的工作环境？（你的场景偏好）

有人适合安静独处，有人需要团队协作；有人喜欢高强度快节奏，有人偏好慢工出细活。没有好坏之分，只有匹配不匹配。

花瓣四：你想和什么样的人一起工作？（你的伙伴画像）

这个问题看似简单，其实是很多人职业痛苦的根本原因。你不是不喜欢你的工作，你是不喜欢和你一起工作的人。

花瓣五：你想通过工作实现什么目标？（你的价值诉求）

有人追求金钱，有人追求影响力，有人追求创造感，有人追求安全感。搞清楚自己到底要什么，才能找到对的路。

花瓣六：你愿意承担什么风险？（你的风险偏好）

这个问题在AI时代尤其重要。你是愿意放弃稳定去尝试新方向，还是宁可留在原地慢慢被消耗？

花瓣七：你希望获得怎样的报酬？（你的回报期待）

不只是钱，还包括成就感、社会认可、工作生活平衡等等。

七个花瓣画完，中间交叉的部分，就是你的「甜蜜点」——你最应该去的地方。

这个方法论为什么50年不衰？因为它不告诉你「去找什么工作」，而是帮你搞清楚「你是什么人」。

04 AI时代，「你是谁」比「你会什么」重要一万倍

让我回到开头那个数据。

中国AI大模型拿下全球三分之二的调用量。这件事对普通人意味着什么？

我的理解是：AI能力的「平民化」速度，远远快于大多数人的职业转型速度。

去年你需要花大价钱调用GPT-4的能力，今年你用十分之一的价格就能调用同等甚至更强的国产模型。明年呢？可能AI调用就像今天用自来水一样便宜且理所当然。

当AI能力变成基础设施，真正的竞争力就转移了——从「掌握工具」转移到「定义问题」。

什么意思？

举个例子。十年前，会写代码是很值钱的技能。现在，AI可以帮你写代码。但「决定写什么代码」——定义产品需求、理解用户痛点、做商业判断——这些能力AI做不到，至少现在还做不到。

再举个例子。AI可以帮你写文章、做PPT、分析数据。但「决定写什么主题」「选择服务什么客户」「从数据中看出什么商业机会」——这些需要的是判断力、审美、价值观，以及对人性的理解。

鲍利斯50年前说的那句话，在AI时代变得无比真实：「大多数求职者找不到理想工作，不是因为他们不了解就业市场，而是因为他们不了解自己。」

换到今天：大多数人焦虑AI替代，不是因为他们不了解AI，而是因为他们不了解自己。

05 三个真实故事：AI替代不了的，从来不是「技术能力」

讲几个我身边的事。

第一个故事：一个被AI「抢了活」的设计师，反而涨了薪。

我一个朋友在互联网公司做UI设计。去年公司上线了AI设计工具，能自动生成界面原型。设计团队从8个人缩减到3个人。

他被裁了。

但他没有继续投简历找设计岗。他花了三个月做了一件事：把自己过去十年做设计积累的「审美判断力」和「用户需求洞察力」整理成一套方法论，开始做咨询。

现在他同时服务5家创业公司，帮他们「用AI做设计，但把控方向和质量」。收入比以前翻了一倍。

他说了一句话我印象很深：「AI取代的是我的手，但取代不了我的眼睛和脑子。」

第二个故事：一个35岁的程序员，靠「会聊天」找到了第二曲线。

另一个朋友做了十年后端开发。去年底，他发现自己写的代码有三分之一已经被AI自动生成了。公司没有裁他，但他感受到了危机。

他没有去学更多的编程语言。他做了一件「反方向」的事：开始学习怎么和不同部门的人沟通，怎么理解业务需求，怎么把技术语言翻译成老板听得懂的话。

半年后，他成了团队里的「技术翻译官」——专门负责在AI系统、业务团队和管理层之间做桥梁。这个岗位以前不存在，现在成了公司最不可或缺的角色之一。

第三个故事：一个被「淘汰」的会计，成了最抢手的AI训练师。

一位做了八年审计的姐姐，去年被公司「优化」了。理由是：AI可以完成大部分审计底稿的工作。

她没有去学编程，也没有转行做自媒体。她发现了一件事：AI在做财务分析时，经常忽略一些「非标准」的信号——比如管理层的语气变化、附注里微妙的措辞调整、关联交易中不合常理的时间节点。

这些「非标准信号」，恰恰是她做了八年审计积累下来的直觉。

现在她在一家AI公司做「财务领域数据标注专家」，专门教AI识别这些人类审计师一眼就能看出的异常。月薪比做审计时高了60%。

你看出规律了吗？这三个人有一个共同点：他们都没有去「学AI」，而是去「深挖自己」。他们找到的是鲍利斯说的那朵花的中间——你自己真正擅长且热爱的事。

06 在AI最擅长的事情上竞争，你必输无疑

让我说一个可能让你不舒服的真相。

如果一份工作的核心价值是「信息处理」——整理数据、生成报告、编写代码、翻译语言——那它被AI替代只是时间问题。不是因为AI做得比你好，是因为AI做得比你快100倍，还比你便宜99%。

小米MiMo-V2.5百万Token输入只要0.105美元。你算算，这比任何一个初级员工的时薪都低。

但鲍利斯50年前就指出：人最大的价值不在于「能做什么」，而在于「是谁」。

什么意思？

AI可以帮你写一篇文章。但AI不能替你决定：这篇文章要写给谁看、要传达什么价值观、要在什么时间点发。

AI可以帮你做一份商业分析。但AI不能替你判断：这个市场值不值得进、这个合作伙伴值不值得信、这个风险值不值得冒。

AI可以帮你处理100封邮件。但AI不能替你在关键的那封邮件里，找到那个能打动人心的措辞。

这些能力有一个共同的名字：判断力。它来自于经验、价值观、对人的理解，以及——鲍利斯反复强调的——对自身激情和技能的深刻认知。

07 普通人现在就能做的三件事

说了这么多，你可能想问：那我具体该怎么做？

结合鲍利斯的方法论和当下的现实，我建议三件事：

第一件事：做一次「花图」练习。

找一个安静的下午，拿出纸笔，认真回答那七个问题。不要敷衍自己。

特别是第二个问题——「你最擅长什么」。不是问你老板觉得你擅长什么，不是问招聘市场上什么技能最热门，而是问你自己：做什么事情的时候，你觉得时间过得特别快、特别有成就感、做完之后还想再做？

那个答案，才是你在AI时代真正的护城河。

第二件事：练习「定义问题」而非「解决问题」。

AI最擅长的是解决问题——你给它一个明确的任务，它能做得又快又好。但「定义问题」——搞清楚到底什么才是真正需要解决的问题——仍然是人类的核心能力。

日常工作中，试着多问自己：这个问题真的是问题吗？还是我只是在解决一个表面症状？真正的痛点在哪里？

这个习惯一旦养成，你会发现你看问题的深度和AI拉开了本质的差距。

第三件事：建立你的「不可替代性组合」。

单纯的一项技能很容易被替代。但如果你把两到三个看似不相关的技能组合在一起，就形成了一个独特的能力组合，AI几乎无法复制。

比如：财务知识+审美能力=能看懂财报也能看懂设计的稀缺人才。

比如：技术背景+沟通能力=能把AI能力翻译成商业价值的桥梁型人才。

比如：行业经验+数据敏感度=能教AI识别「行业老手才知道的异常信号」的专家。

鲍利斯把这叫做「可迁移技能的组合」。你的每一个技能单独看可能都不顶尖，但组合在一起就是独一无二的你。

08 写在最后

回到开头那个让我愣了五分钟的数据。

中国AI大模型拿下全球三分之二的调用量。这件事的意义，不在于「中国赢了美国」——这种零和思维本身就过时了。

它的真正意义在于：AI正在以前所未有的速度变成像水电一样的基础设施。

当AI便宜到几乎免费，当AI强到几乎万能，「会用AI」就不再是竞争力，就像「会用电」不是竞争力一样。

真正的竞争力，永远是那些AI做不了的事：定义问题、做出判断、理解人心、承担责任、坚持价值。

这些事，没有一个是靠「学一门技术」就能掌握的。它们来自于你对自己的深度认知——你知道自己是谁、想要什么、擅长什么、愿意为什么冒险。

50年前，一个被解雇的牧师用最朴素的语言写下了这个道理。50年后，当AI浪潮席卷一切，这个道理不但没有过时，反而变得更加清晰。

你的降落伞是什么颜色？这个问题的答案，不在AI手里，不在市场手里，不在任何趋势报告里。

它在你自己手里。

📎 今日互动

看到「AI大模型全球调用量前五全是中国模型」这个新闻，你的第一反应是什么？是自豪、焦虑、还是别的什么？

你觉得在AI时代，自己最不会被替代的能力是什么？欢迎在评论区聊聊你的想法。