在人的一生中，大部分时间都伴随着这样一个问题：你想成为什么样的人？

这个问题从人还是孩子时就开始被问起。接着，青少年会选择专业方向、大学、专属领域。人们默认某个地方存在一个适合他的位置：只要足够了解自己，获得必要的知识，找到这个位置并坐上去就行。

在这种模式下，选择职业是人生开端最重要的决定之一。错误的代价高昂，因此人们建议务必严肃对待选择。

但是，如果这个问题本身正在逐渐过时呢？

不是因为职业会消失。也不是因为教育不再需要。

而是因为，一个经济机会的生命周期，可能会比人类职业生涯的周期短得多。

今天的热门职业无法承诺明天

在不同的时期，完全不同的行业会突然变得有利可图。

电子商务的增长带来了对快递员的巨大需求。薪资上涨，门槛几乎为零，一个没有多年培训的人突然获得了与学习多年的人相当的收入。

随后，从业者供给增加，技术发生变化，市场饱和——同样的工作不再那么吸引人。

海外制造的进入创造了另一种机会。在一个工业区，一个年轻人高中毕业后就可以进入现代工厂，通过公司内部培训开始赚钱，比那些在大学里度过接下来五年的人更早实现经济独立。

几年后，新一波浪潮涌现。

今天，几乎一个中学生就可以在互联网上找到成百上千家拥有过时网站的运营中公司，利用AI在几个小时内做出现代化版本，然后将方案发送给老板。九十七家公司会忽略这封邮件。两三家会同意——于是实验就被证明是盈利的。

但这个机会也不是永恒的。

当成千上万的人开始使用同一种套路时，价格就会下跌。当制作新网站变得几乎全自动化时，优势本身也将不复存在。

问题不在于一个人选错了职业。

世界只是变了。

因此，也许我们在“选择”上花费了太多心思

假设有两个十八岁的年轻人，给每个人六年时间。

第一个人选择了一个职业。

他考入大学，完成系统的培养方案，通过考试，在二十四岁时获得了大量的专业知识和受到认可的文凭。

第二个人没有做出最终的选择。

他找了一份工作。半年后发现不适合自己。再试另一份。尝试做点销售。失败了。掌握了一项新工具。做一个小项目。找到第一批客户。细分市场消失了。转到另一个领域。再次学习某些东西。

到二十四岁时，第一个人的履历看起来清晰明了。

第二个人的履历则显得杂乱无章。

人们会说第一个人投资了六年的未来。

而对第二个人，很容易得出他六年里都没能定下心来的结论。

但也许，他们只是积累了不同类型的资本。

第一个人变得越来越适应某种特定的活动。

第二个人变得越来越适应需要不断改变活动的现实。

我们很擅长衡量第一种。而对于第二种，我们甚至没有公认的计量单位。

错误同样会产生知识

如果一个人在大学里学了两年，发现自己想做别的，这两年通常被视为一种浪费。

如果他换了五份工作，情况可能看起来更糟。

但并非每一次失败的尝试都是浪费时间。

人无法事先真正了解自己。

他可能觉得自己喜欢编程，直到每天花八个小时真正去做；他可能认为自己不擅长销售，直到偶然进入销售领域；他可能梦想进入大公司，一个月后却发现自己根本无法忍受那样的环境。

有些知识是无法从书本中获得的。

你不可能通过阅读一份足够详细的职业描述，就知道自己是否会喜欢在接下来的十年里从事这项工作。

这需要通过实验来验证。

在这种情况下，一个尝试了五个行业并放弃了四个的人，并不一定遭遇了四次失败。

他排除了关于自己人生的四种假设。

顺便还了解了市场、人、金钱以及他自己的能力。

市场本身可以成为课程表

一个试图通过为企业制作网站来赚钱的人，并没有一份预先编写好的课程大纲。

但它的功能替代品很快就会出现。

如果他不会寻找潜在客户——就必须学习搜索。

如果没有人回复邮件——就必须学习如何表述提案。

如果客户感兴趣但没有购买——就必须研究销售。

如果网站做得很糟糕——就必须掌握设计和技术。

如果工作需要三天，而竞争对手三小时就能完成——就必须掌握AI。

如果客户很多但依然没有赚到钱——就必须理解定价。

没有人预先规定一个人必须学习这些特定的主题。

需求在知识之前产生。

这与大部分正规教育的顺序恰好相反。

传统模式通常是这样的：

先获取知识 → 然后寻找能够派上用场的地方。

实验模式则是：

先遇到任务 → 然后发现欠缺的知识 → 学习 → 立即验证。

第二种模式并没有否定教育，它改变了教育出现的时机。

有时候，推迟上大学可能比按部就班更好

设想一个人，他尝试了几年不同的工作，在二十一岁时发现自己想设计桥梁。

现在他确实需要扎实的数学、物理、工程训练和正规资质。

他去上学了。

但他的处境与那个几乎盲目选择专业十七岁少年的处境有着本质的区别。

他已经知道，自己为什么需要这些知识。

教育不再是对未知未来的押注，而成了实现既定目标的工具。

这并不是在反对大学。

医生、工程师、研究人员以及许多其他专业人士，是无法通过几次与AI的对话和一堆小项目就能培养出来的。

但这并不意味着同一种顺序适合所有人：

先选专业 → 准备几年 → 只有在那时才用现实去检验你的选择。

有时，相反的路径可能更具理性：

去尝试 → 发现方向 → 理解局限 → 学习那些没有它们就无法继续前行的东西。

AI急剧降低了尝试的成本

过去，进行实验的成本要高得多。

如果一个人想尝试开发一个软件产品，他必须学会编程或找到程序员。

要做设计——需要设计师。

要做市场调研——需要时间和专业能力。

要写商业提案——需要另一项技能。

因此，在产生**“不知道能不能行？”**的想法与真正验证之间，可能横亘着几个月的工作量和大量的资金。

AI开始缩短这段距离。

一个人已经能够将机器用作程序员、研究员、翻译、设计师、分析师和销售助手——尽管目前可能还不够完美。

这开始在实体经济中体现出来。

到2026年，Stripe报告称，通过Stripe Atlas创立的公司中，独立创始人（solo founders）的比例达到了历史最高水平。与此同时，拥有异常高收入的独立创业者数量也在增长。AI并没有证明每个人都能独自建立成功的事业，但它减少了一个人在验证创意时所需要的各种专业人才数量。

这是一个根本性的变化。

如果说过去一次失败的实验可能耗费一年时间和巨额资金，那么在未来，某些实验可能只需要一周。

这意味着，一个人能够承担得起更多的失败。

但人们很容易把“机会”误认为“职业”

这里出现了另一个陷阱。

假设今天通过AI制作网站能让人每月赚取几千美元。

人们可能会得出结论：

“我找到职业了。”

但恰恰是这个结论可能会成为错误。

如果进入这个细细分市场的门槛对一个人来说变低了，那么对他的上千个竞争对手来说也变低了。

今天的高收入并不能保证什么。

因此，某个具体机会的价值不仅在于通过它赚到了多少钱。

它还可能留下别的东西：

这个人学会了如何寻找客户；

懂得了如何验证需求；

学会了销售；

掌握了几种工具；

见证了优势被复制的速度有多快；

学会了如何关停一个不再盈利的项目；

最重要的是——获得了寻找下一个机会的经验。

到那时，细分市场的消失就不再是一场灾难。

它本来就不应该存在一辈子。

也许，最重要的资产变成了“重塑自我”的能力

我们习惯于通过积累来描述人力资本。

一个人懂数学。

会编程。

有十年物流经验。

受过医学教育。

但在一个瞬息万变的环境中，出现了另一种能力：

看见 → 理解 → 学习 → 尝试 → 获得反馈 → 重塑自我。

一个人可以知道很多东西，却很难走通这个循环。

相反，一个人可以拥有相对较少的正规学历，但却能在几个月内深入一个新领域，足以开始在其中创造价值。

这种能力可以被称为适应资本。

它不是具体知识的储备。

而是在环境改变后，重新创造所需知识储备的能力。

教育面临着一个尴尬的问题

劳动力市场研究已经表明，文凭与胜任工作能力并不是一回事。

几十年来，雇主甚至将本科学历（bachelor's degree）作为职位描述的基本要求，尽管工作内容并没有发生实质性变化。后来出现了相反的潮流——基于技能的招聘（skills-based hiring），部分公司开始取消对文凭的硬性要求，转而更具体地描述所需的能力。

但即使是这种改变也很缓慢：宣布取消学历要求（degree requirements），远比真正重塑招聘流程要容易得多。

与此同时，经合组织（OECD）在2026年特别关注非正式学习（informal learning）——即个人通过工作、日常生活和自主学习获得的知识与技能。这种学习形式特别适合技能需求在数字化和AI影响下快速演变的生态。

这就产生了一种奇怪的局面。

经济越来越要求持续学习的能力。

技术越来越允许人们在产生需求的当下直接进行学习。

但社会系统仍然非常擅长识别那些预先标准化了的教育路径。

也许问题不在于正规教育没有用。

问题在于，我们衡量积累下来的教育的水平，远比衡量一个人继续自我教育的能力要容易得多。

现成的路径既能提供帮助，也会剥夺锻炼机会

正规教育有一个巨大的优势。

它免去了个人不断决定“下一步该做什么”的烦恼。

这就是学科。

这就是老师。

这就是教材。

这就是截止日期。

这就是成功标准。

这就是考试。

这就是下一门课。

对于一个尚且无法独立构建自己成长路径的人来说，这是一个极其有价值的系统。

但这种优势也有其背面。

当别人连续几年替你回答**“你下一步该做什么”**时，你就不需要去学习如何自己回答这个问题。

而实验型生活则迫使人不断去面对这些问题：

现在发生了什么？

机会在哪里出现？

为什么上一次尝试没有成功？

我有什么不会的？

值得去学吗？

AI能填补这个空白吗？

是继续还是放弃？

接下来该尝试什么？

这也是学习。

只是它没有文凭。

AI可以让独立性不再成为精英特权

实验性道路一直有一个严重的问题。

它要求高度的独立性。

并非每个十八岁的年轻人都能自己调研市场、选择方向、制定学习大纲、寻找客户、评估结果并在失败后明白该怎么做。

因此，现成的路径不单单是束缚，它们解决了一个真实的难题。

但AI也有可能改变这一点。

一个人不再需要独自摸索每一个后续步骤。他可以与机器讨论可能的方向、探索未知的领域、低成本地设计实验、剖析错误并快速获得缺乏的解释。

AI不会凭空创造好奇心，也不会强迫一个人去行动。

但它可以降低独立思考和行动的智力成本。

到那时，构建自己路径的能力就不再是少数偶然学会这一技能的人的特权。

它也可以被培养。

也许，我们问了孩子们错误的问题

“你想成为什么样的人？”——对于一个答案能够保持足够长时间有效性的世界来说，这是一个好问题。

但如果一个人要活八十年，而技术、市场和创造价值的方式在他的职业生涯中将经历数次彻底的变革，那么一个答案可能远远不够。

到那时，问题应该变成这样：

你能弄清楚自己接下来要成为什么样的人吗？

不一定非要成为企业家。

不一定非要成为程序员。

不一定非要每年都换一次职业。

意义不在于为了运动而不断运动。

意义在于打破“一旦找到安身立命之所就必须属于它一辈子”的假设。

也许，未来的一个人将不得不数次发现自己的能力在当下被世界所需的地方，补齐短缺，然后再次成为一名专家。

到那时，教育的最终产物不再是一个被培养来适应某个单一职业的人。

最终的产物，是一个能够根据需要、无数次让自己重新成为专家的人。