前段时间我和一位做 AI 医疗系统的创业者聊天。她做的是医院里的辅助诊断 AI。她给我讲了一个真实场景。一个 ICU 老护士凌晨查房时看了一眼病人说“这个人可能快不行了。”仪器没报警。 指标也没明显异常。 系统评分还是正常。旁边年轻医生问她“为什么”她说不出来。就是“感觉不对”。于是医生提前做了检查。两个小时后病人真的开始急性恶化。问题来了。这个“感觉”AI 学得到吗学不到。因为它根本没有被记录。系统里只有最后的抢救记录。 数据库里只有恶化后的生命体征。 模型里只有“结果”。但真正关键的那个瞬间——那个老护士的直觉、经验、微妙感知——从来没有进入任何数据。没有 token。 没有 embedding。 没有训练集。于是 AI 永远缺了一块。而且是最重要的那块。今天很多人讨论 AI都默认一个前提AI 最终会理解一切。但这个逻辑从根上就是错的。AI 从来不是“理解世界”。它只是学习那些被数字化、被记录、被允许进入数据库的世界。问题在于人类社会真正重要的东西大量都没有被写下来。1966 年哲学家 Michael Polanyi 提出过一个经典概念“We know more than we can tell.” “人类知道的永远比能表达出来的更多。”这就是 Tacit Knowledge —— 隐性知识。它存在于老交易员看盘时突然沉默的几秒钟维修师傅听发动机声音时皱的那一下眉头投资人见 founder 第一面的感觉ICU 老护士说不出来的“危险感”这些东西无法结构化。更无法标准化。而 AI 的整个世界恰恰建立在“结构化”之上。一、AI 没有经历过世界所以它没有真正的判断力为什么有些投资人看 founder 十分钟就知道行不行不是因为数据。也不是因为 AI 帮他分析了商业模型。而是因为Ta 见过周期。Ta 见过泡沫起来。 见过资本疯狂。 见过那些“看起来必赢”的公司最后安静死掉。经历过的人会形成一种极其复杂的直觉系统。什么时候该冲。 什么时候该撤。 什么时候所有人都在乐观时反而最危险。这种东西AI 没有。因为 AI 没有真正经历过风险。它只是在学习过去留下来的文本。它知道“发生了什么。”但它不知道“人在那个时刻为什么会做那个决定。”二、AI 学到的大部分都是“幸存者历史”AI 的训练数据有一个天然偏差成功案例太多失败案例太少。失败的公司很少会认真复盘。真正失败的原因更不会被写出来。因为真实世界里的失败很多根本不“理性”。可能只是联合创始人关系崩了某个大客户突然变卦一个关键高管情绪失控某次董事会气氛不对创始人在最关键的时候犹豫了这些决定生死的瞬间没有文档。 没有数据。 没有 API。于是 AI 会形成一种非常危险的错觉它会高估逻辑低估人性。它以为世界是按逻辑运行的。但真正做过公司的人都知道现实世界很多事情不是“推导”出来的。而是“人”推动的。三、真正值钱的信息从来不在公开世界里每个行业都有一套地下规则。公开信息是一套。 真实运行逻辑是另一套。比如谁才是真正拍板的人哪家公司表面合作内部其实已经失控哪个 VP 看起来权力很大其实没有预算权哪个客户嘴上说 yes本质只是拖着你这些东西去哪查查不到。因为它们存在于饭局私聊微信语音某个朋友的一句提醒某次线下见面时的情绪变化真正的商业世界本质上是一个高度非结构化的人类关系网络。而 AI 永远不在那个网络里。四、AI 可以分析但它不承担后果那位创业者后来又说了一句话我印象特别深。她说“AI 可以告诉你概率但它不会替你承担代价。”这句话太真实了。AI 最大的问题从来不是“不聪明”。而是它不承担风险。它可以给你 100 页分析报告。但最后签字的是你。 赔钱的是你。 承担责任的是你。 公司死掉时真正失眠的也是你。所以真正稀缺的从来不是分析能力。而是在信息不完整、时间不够、风险极高的情况下依然敢做决定的人。先行动。 边行动边修正。 边修正边承担后果。这件事AI 做不到。AI 越强它的边界反而越清晰过去两年很多人都在焦虑AI 会不会取代人类但我越来越觉得真正重要的问题不是“AI 会什么”而是“AI 永远学不会什么”答案其实越来越明显。AI 能替代的是被记录的知识可结构化的经验可标准化的流程而真正决定人与人差距的恰恰是无法表达的直觉经历周期后的判断失败留下的伤疤深层关系网络里的信息愿意承担风险的勇气这些东西从来不在数据库里。也永远无法完整上传。所以很多人真正低估的不是 AI。而是人类经验里那些无法被数字化的部分。而那一半。恰恰才是真正的护城河。