学不会AI，会被淘汰吗

AI正越来越多地进入人们的工作和日常生活。写方案、做攻略、查资料、修照片……都已经有AI的深度参与。但与此同时，新的模型、入口和交互方式持续更新，人们常常还没弄清一项工具能帮自己做什么，就不得不去学下一项。

“完全跟不上发展”，成为AI时代一种普遍的焦虑。

在视频网站上，涌现了大量的相关课程。怎样写提示词，如何Vibe coding，如何用AI搭建属于你的工作流，如何用AI做副业，如何抓住AI时代的第一桶金，如何用AI做视频、当导演……只是看着标题，都会让人觉得眼花缭乱，仿佛稍一迟疑，就会落在别人身后。

  

与此同时，表面上，AI能理解自然语言，似乎比传统工具更容易上手。但自然语言并没有自动消除使用门槛：要得到满意的结果，用户仍需不断补充背景、澄清目的、修正偏差。这些复杂的的过程，在无形之中，又形成了更高的隐形门槛和效率成本。

工具节省了执行的时间，却要求人投入更多时间学习和纠偏。

衡量一项技术的效率收益，不仅要看它替人节省了多少劳动，也要看人为了使用它，需要额外付出多少成本。

这样的适应成本，一直伴随着技术的发展。

过去三十年来，从电脑、智能手机，到移动支付、线上办事，每一次技术更新，都伴随着新的界面、设备要求和操作方式等。人们享受技术的便利，同时也需要不断投入时间与精力，适应新的技术环境、追赶技术变化的速度。

某种程度上，AI让这些“适应成本”变得更加明显。

中国互联网络信息中心发布的《生成式人工智能应用发展报告（2025）》显示，截至2025年6月，我国生成式人工智能用户规模已经达到5.15亿。与之相伴的是，“如何使用AI”，似乎已经成为了一门需要耗费大量精力去学习的必修课。

我国生成式人工智能普及率 / 图源：生成式人工智能应用发展报告（2025）

AI处理的，往往不只是某个独立的、标准化的任务，而是现实生活中含混、变化并且彼此关联的需求。它能否更好地帮助到我们，不仅取决于模型能力，也取决于用户能否把真实处境转化为系统可以处理的信息。

微软与领英发布的2024年度工作趋势指数显示，接受调查的全球知识工作者中，75%已经在工作中使用AI，但只有39%的AI使用者接受过所在公司的相关培训。AI进入工作的速度，已经快于许多组织提供支持的速度。

超三分之一的全球知识工作者在工作中使用AI / 图源：2024 Work Trend Index Annual Report from Microsoft/Linkedin

学习技术并不单纯是负担，但是适应成本并不必然抵消技术带来的效率收益。对于熟悉数字工具的人，这些投入可能很快得到回报，甚至帮助他们建立新的竞争优势。但不同人承担这些成本的能力和条件存在差异。

技术进步带来的便利与压力，便同时存在于日常生活之中。

到了AI时代，技术已经能够处理越来越复杂的任务。人与工具之间的关系，也值得重新思考——我们是否有可能让技术，接过那些原本交给人的准备、判断和操作？

这句话来自广州退休居民孔阿姨。

没有具体地址，没有地点名称，也没有明确说明“她”指的是谁。孔阿姨自己也觉得没有说清楚。

这正是《南风窗》发起的一次社会观察实验。

我们邀请了两位五六十岁的退休女性——吴阿姨与孔阿姨，她们平时很少接触AI，退休后仍然保持着丰富的日常安排，每周还会一起参加摄影课。

我们交给了她们一部搭载主动式AI系统的 OPPO Find X10 手机，没有安排专门的AI课程、手机功能培训，也没有改变两位阿姨原来的生活节奏，我们只负责记录：在日常生活中，这些AI能力会以什么方式发挥作用。

 

第一次具体的考验，来自一次临时更换地点的摄影课。

两位阿姨每周一起上摄影课。过去几个月，摄影课一直安排在两位阿姨家附近，这周课程临时换到了离原教室很远的地方。新地址发在群里，很快被后续消息盖过。孔阿姨此前用OPPO的一键闪记保存了群聊里的新地址。第二天出门前，她仍记不清地点的名称和位置。

于是，她试着向小布说出了开头那句话。

令她意外的是，小布结合此前保存的信息，找到了摄影课的新地址，随后打开导航软件，输入目的地并进入路线。

  

孔阿姨事后告诉我们，她原本没有抱太大希望。就连自己都觉得表达不清楚，没想到手机能够理解。

不过，这仍然是一次由用户主动发起的交互。

生活里还有另一种情况——我们并非不知道如何提问，而是根本没有意识到自己需要帮助。

在小布的导航引导下，两位阿姨顺利上了地铁。起初，她们还会留意路线，坐了几站后，两人聊得投入，逐渐忘了查看手机。

临近目的站时，吴阿姨收到了小布发出的到站提醒。

  

“还好有人提醒，不然都不知道怎么坐回来哦。”她说。

搭载主动式AI系统ColorOS 17的 OPPO Find X10 手机，可以结合行程和场景信息，在进站、换乘、到站等节点发出提示。OPPO将这类能力视为主动智能的一部分。

在过去常见的AI使用方式中，用户需要先意识到某种需求，再主动寻找相应的功能。到站提醒提供了另一种交互体验：在特定场景下，服务可以先于用户的主动提问出现。

课程结束后，孔阿姨继续用一键闪记保存摄影课的要点、作业和下次课的信息。

在下次课程来临之前，小布还会提醒两位阿姨完成作业，提醒她们及时出发奔赴下一次课程。在完成作业过程中，还能适时给出作业要求的拍摄指导。

  

从保存信息、理解模糊表达，到结合场景发出提醒，几次使用体验之间出现了一种联系。手机不再只处理眼前的一次提问，而是尝试利用不同时间保存的信息，持续记住并理解一个人的生活，为后续需求提供主动支持；它不一定需要用户更频繁地使用，而是让用户更少操心如何使用。

实验开始之前，我们原本想知道，尚未学会使用AI的人，会不会与越来越智能化的生活渐行渐远。后来我们发现，更值得追问的是，当技术不断更新，适应变化的只能是人吗？

  

吴阿姨与孔阿姨，似乎并没有在AI上花太多时间学习操作，但她们仍能在具体需要出现时得到帮助。原本由人承担的部分适应工作，这一次更多地落到了技术身上。

这些不只是老年人才会遇到的事。生活中许多事情并没有清晰的任务边界，每个人都可能在忙碌时忘记细节、说不清需求，或错过一个提醒、面临各种临时变化……技术如果能接住这些时刻，替人找信息、理解意图、适时提醒，人便能把注意力留给眼前的生活。

这种变化背后，不只是AI执行任务的能力变强了，也在于技术开始更多地关注使用它的人。

过去几年，参数、算力和生成速度，是人们谈论大模型时常提到的指标。

但随着模型能力不断提升，行业的关注点也开始发生变化。相比AI能够完成多少任务，如何让这些能力围绕一个具体的人，持续提供服务，正在成为新的竞争方向。

2026年9月，Meta推出个人智能体Muse，尝试通过持续了解用户、连接不同应用来处理个人事务。10月，阿里公布即将推出个人Agent“千问Go！”，将AI的服务范围扩展到理赔、预约、购物比价等日常生活场景。与此同时，大模型厂商也开始通过与手机厂商合作，将智能体能力深入个人终端系统。

  

对于OPPO而言，这一判断形成得更早。

2024年，OPPO在《AI手机白皮书》中提出打造“随心和专属的智慧OS”。2025年，OPPO进一步明确以个人记忆、端侧计算和智能体生态为基础，构建个人化AIOS。

ColorOS智慧产品研发总监姜昱辰曾表示：“我们做的不单单是「手机Agent化」，更多的是「以手机为中心的个人Agent」的打造。”

   

相比单纯增加AI功能，OPPO更关注如何让这些能力持续服务同一个人。

也因此，OPPO较早将个人记忆作为重要的技术投入方向。姜昱辰曾表示：“我们一直认为记忆是AI OS的灵魂。”在她看来，一个能够执行复杂任务的Agent，并不意味着它真正了解用户。要实现个性化的主动服务，还需要建立对个人长期、连续的理解。

围绕这一方向，OPPO逐步形成了从个人记忆到主动服务的系统性技术布局。从一键闪记的信息保存与理解，到ColorOS 17结合个人场景提供主动提醒，再到小布Next探索多智能体协作，OPPO持续将相关能力融入手机系统。在底层，依托端侧计算、PersonaX记忆共生引擎和Agent Matrix智能体生态框架，结合端云协同与开放的A2A服务生态，让AI能够在保障个人信息安全与用户自主权的前提下，持续理解个人需求，并调用不同应用与服务完成任务。这些布局指向同一个目标：让原本分散的智能能力，逐渐围绕用户的真实生活组织起来。

  

当个人Agent成为越来越多科技企业共同探索的方向，OPPO此前围绕记忆和主动智能展开的投入，也呈现出一条更清晰的技术路线。

回看技术的发展，人们通过不断学习新技术，获得了更丰富的能力。与此同时，技术本身也在持续改进服务人的方式。

今天，AI开始具备主动理解、记忆和服务个人的能力；未来，还会有更多新的技术出现。人与技术之间的关系，也将在持续的创新中不断调整。

今天，这种探索体现为主动智能：让技术能够更多地理解人的需求、主动提供帮助，而不只是等待人学习和调用。

这也是OPPO“科技让人更自在”理念在AI时代的一次具体实践。