为什么你刚学会的AI技能，马上就不值钱了？

2023年，“提示词工程师”是新闻里年薪百万的神秘职业。今天，提示词写作成了默认技能，没人再为它单独付钱。前后不到三年。

这不是意外，也不是特例。有一个金融学理论三十年前就把这条曲线画出来了，它原本用来解释交易策略为什么会失效，但它对“AI时代该学什么”的解释力，比绝大多数职业建议都强。直接给结论：技能就是策略，职业就是生态位。任何有效的策略都会被竞争侵蚀，超额收益最终变成人人都会的基础能力。“会用AI”这项技能正在完成这个靠拢，而大多数人还在把它当护城河建设。

先讲这条曲线是怎么被发现的，再讲怎么用它给自己的技能记账。

核心判断

1. 技能就是策略，职业就是生态位。任何有效的策略都会被竞争侵蚀，超额收益最终变成人人都会的基础能力。
2. 任何写得进JD、录得成课程的技能，都已经处在衰减通道里，因为可以被标准化传授，就意味着可以被无限复制。
3. 别问“我该学什么技能”，问“我的信息优势在什么层面、什么赛道上成立”。

这条曲线是谁画出来的？

理论的提出者是MIT金融学教授Andrew Lo。2025年10月，他在Journal of Investment Consulting的长篇访谈里讲了它的来历^[1]，从一段罕见的坦白开始：他说自己在MIT教了很多年有效市场假说，却一直觉得自己是个骗子，因为他不信自己教的东西。^[2]

他的不信是有数据的。1988年，Lo和合作者MacKinlay用统计方法检验股价是否服从随机游走^[3]，这是有效市场假说的核心预测，数据的回答是：不服从。Lo起初不愿相信，花了十年开发各种替代模型试图推翻自己，全部失败，最后把这段历程写成一本书，书名就叫《A Non-Random Walk Down Wall Street》。

真正让他放下旧理论的是一次偶遇。一位对冲基金经理来MIT演讲，会后对Lo那篇1988年论文里的关键方程如数家珍。Lo问为什么，对方说：我的第一个交易策略就是基于你这篇论文开发的，一开始赚了很多钱，后来别人逆向工程了我的方法，利润被竞争掉了，我就换了下一套策略。

赚钱、引来模仿、利润归零、换策略。这个循环后来被Lo提炼成适应性市场假说：**市场不是物理系统，是生态系统。**一个物种发现丰富的食物来源，就会繁殖，数量增加，食物耗尽，种群回落。策略和物种，服从同一条曲线。

技能市场为什么服从同一条曲线？

把这个分析平移到技能市场，对应几乎是逐字的。^[4]

一项技能刚出现时，比如2023年的提示词写作和AI工作流搭建，掌握的人少，它是alpha（超额收益），市场为稀缺支付溢价。然后教程扩散、课程量产、企业内训跟上，模仿者涌入，溢价被一轮轮竞争掉。最后它进入招聘JD的“基本要求”栏，变成beta（基础收益）：没有它你出局，有它你不加分。

{
  "id": "skill-lifecycle",
  "type": "stage",
  "title": "可复制AI技能的溢价衰减路径",
  "deck": "当技能能够被标准化教学、工具化和写入工作流程时，其稀缺性通常会下降；衰减速度因行业和地区而异。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "nodes": [
    {
      "n": "出现",
      "label": "稀缺技能",
      "sub": "掌握者较少",
      "title": "出现期：供给有限，可能存在稀缺溢价",
      "copy": "当可用人才较少而需求已经出现时，市场可能为相关能力支付额扩散价。",
      "data": "是否形成独立岗位或高薪，需要以具体招聘数据验证。"
    },
    {
      "n": "扩散",
      "label": "教程与工具复制",
      "sub": "学习门槛下降",
      "title": "扩散期：可传授性会加快供给增长",
      "copy": "课程、模板、工具和企业内训会降低学习门槛，使更多人能够掌握相近能力。",
      "data": "供给增加不必然立即削弱溢价，仍取决于岗位需求是否同步扩大。"
    },
    {
      "n": "常态",
      "label": "基础能力要求",
      "sub": "进入日常流程",
      "title": "常态化：技能可能从卖点变为基础要求",
      "copy": "当技能被纳入常规工作流程，具备它未必再自动带来额扩散价。",
      "data": "是否成为普遍要求，需要以岗位文本或实际使用数据持续验证。"
    }
  ],
  "variant": "timeline",
  "center": "技能",
  "centerSub": "供给"
}

这条曲线上有两个位置值得用红笔标出来。第一，任何写得进JD、录得成课程的技能，都已经处在衰减通道里，因为可以被标准化传授，就意味着可以被无限复制。第二，当你在新闻里看到某项技能“高薪抢人”，通常已经是它alpha阶段的尾声，新闻本身就是模仿者入场的发令枪。

中国市场为这条曲线提供了一个教科书级的本土案例。2023年上半年，“提示词工程师”培训班在国内井喷，部分机构开价上万元、承诺“月薪3万起”；到2024年底，各大招聘平台上“提示词工程师”已从独立岗位降格为JD里的一行附加技能要求，培训价格跌至几百元的录播课。从Alpha到Beta，中国市场只用了不到18个月，比美国的同一条曲线还快，因为中国互联网的信息扩散速度和课程复制速度本身就更高。

这解释了为什么”学AI工具”这类建议注定让人失望：它让你去挤一个正在塌缩的赛道。而且AI工具的特殊之处在于，它越进化就越好学，越好学，塌缩越快。你和一百万人同时学会的东西，定义上不可能是护城河。

衰减是宿命，那超额收益到底从哪来？

访谈里有一段关键对话。经济学家Chincarini向Lo坦白：他从MIT毕业去华尔街，满怀信心用量化训练击败市场，建的每一个模型都失败了。他问：成功的投资者到底有什么特殊技能？

Lo的回答来自他2008年的论文《Where Do Alphas Come From?》^[5]：所有超额收益本质上来自同一种能力，预测未来并据此行动。巴菲特和日内交易员看起来是两个物种，其实在做完全相同的事，唯一的区别是时间层面：一个的预测发生在五年层面，一个在五分钟层面。

对应到职业上，问题就换了：**别问“我该学什么技能”，问“我的信息优势在什么层面、什么赛道上成立”。**你对某个行业有纵深理解，你的优势在长层面判断，适合往需要行业纵深的位置走；你的天赋是快速吸收新工具，那你的超额收益永远来自技能生命周期的最早期，你的正确策略是持续迁移，在任何一个技能上扎营都是错的。

访谈里还有一个神经科学发现值得带走。失去情绪能力的大脑损伤患者，决策反而更不理性：他们会死盯一件事，意识不到优先级。Lo的结论是，理性需要情绪参与，优先排序本身就是一种情绪功能。放到AI时代，这个发现突然变得实用：当AI能提供无限的分析，“分析”本身就在贬值，而判断“什么值得分析、什么值得做”的能力，恰恰变得更稀缺。它不是分析能力，暂时也没有课程能教。

怎么给自己的技能记账？

三个动作，都直接来自这个分析。^[6]

第一，**建一张技能资产表。**把你靠什么赚钱列出来，每一项标注它在曲线上的位置：还没进JD的，是资产；已经进JD的，是入场券；已经能被AI直接完成的，是成本。每半年重记一次，看每一项在往哪个方向移动。

第二，**接受衰减，配置迁移预算。**这个分析最反直觉的推论是：没有一劳永逸的技能，就像没有永远有效的策略，所以正确的姿势不是死守，是把学习投入的一部分永久性地留给“下一个赛道”。那位用Lo论文赚钱的基金经理已经示范过标准答案：策略被抄，不辩解、不执念，换。

第三，**往低竞争的赛道走。**技能市场的拥挤度是可以直接观察的：一个方向的课程越多、认证越多、教程越多，剩余的超额收益越少。真正的空位几乎都在组合处：AI能力乘以行业纵深、乘以责任承担、乘以跨文化沟通。单项技能可以被录成课程，组合没法被录成课程，所以竞争者进不来。

**在竞争环境里，活得久的从来不是最强的物种，是换赛道换得最及时的物种。**Lo用这句话描述基金，它同样描述接下来十年的职业市场。

在竞争环境里，活得久的从来不是最强的物种，是换赛道换得最及时的物种。MAVERICK 判断