AI 时代到底我们应该往全栈发展？还是往一个方向来专精？

前段时间翻吴恩达（Andrew Ng）这两年的讲座和 The Batch 周刊文章，发现他反复在讲一个看起来朴素、但越想越深的概念：AI 时代真正值钱的人才，不是「全栈」也不是「专精」，是「T 字型」。

T 字型这个词不是他发明的，1990年代设计和咨询圈就在讨论。但吴恩达这两年把它套到 AI 时代的职业发展上，给的版本特别清楚：横线是足够宽的 AI 应用能力，竖线是某个具体行业或问题的深度专长。横竖一加，乘出来的能力就是这两年最稀缺的人才样子。

吴恩达是 DeepLearning.AI 和 Coursera 的创始人之一，曾任斯坦福兼职教授、Google Brain 创办者、百度首席科学家。他的机器学习课累计被几百万人学过，对 AI 怎么进入普通人生活的观察比多数人都厚。

先看以前。

互联网时代讲全栈：前端会、后端会、数据库会、运维会，一个人能从头到尾搭一个产品。这种人那十几年很值钱，因为软件复杂度还在「一个人能掌握」的范围内。

后来讲专精：前端越来越深、后端越来越深、数据库越来越深、ML 越来越深。每个领域都长成了独立的专业方向，全栈在大公司里反而不香，因为每个细分都需要专精的人做透。

再看现在。

AI 工具的出现让每件事的入门成本都降了一档。

以前学一门新编程语言要几个月，现在让 AI 写一段你不熟的语言，调一下就能用。以前做一份行业调研要囤几十本书、几十篇文章，现在丢给 AI 一堆材料加几个问题，半小时出一份初稿。以前数据分析得熟悉 SQL、Pandas、可视化工具，现在用自然语言描述一遍，AI 写代码、跑代码、出图。

横线在变长。但这件事的另一面是：既然每个人都能让 AI 帮自己把横线铺宽，「光有横线」就不再值钱了。

真正稀缺的，变成了那些有一根扎得很深的竖线的人。

竖线扎在哪里？候选不少：医疗里某个具体的科室、法律里某一类合同条款、教育里某个学段、制造业里某条产线、零售里某种品类供应链。

竖线不是「我会写代码」「我会做设计」这种通用能力，这一类被 AI 横向能力补齐得最快。竖线是「我看过一千份这类合同、我知道哪些条款最容易出问题」「我在儿科神经科看了五年门诊、我知道哪些症状最容易被漏」「我做过十年女装供应链、我知道哪种供应商真能按时交货」这种东西。

横线加竖线，就是一个有行业纵深的人配上一套熟练的 AI 工作流，能干的事远超只会 AI 通用技能的人。

放到自己身上自检，两条线都问一遍。

横线：你日常工作里能用 AI 干几类事？写代码、写文档、处理数据、做调研、画设计、做翻译、整理素材、跟客户沟通……你能让 AI 接住几条？这条线越长，你的"基础速度"越快。

竖线：你的纵深扎在哪？做过的某件事时间够长、看过的特定场景够多、积累的"这种事的判断"别人短期复制不了，这件事是什么？

判断竖线深不深有个简单测试：把你的工作日常讲给一个聪明的外行听，他听完能不能直接接手干？如果能，那竖线还不够深。如果他听完会说「这个我得跟你做几年才能上手」，那就是真的有竖线。

举两个对照例子。

A：做了八年内容运营的人。横线，能用 AI 写文案、画配图、分析后台数据、做用户调研、生成社群素材。竖线，她知道某一类目标用户在什么时段、什么情绪状态下对什么内容会停留,这种"内容嗅觉"是几百次实测堆出来的。AI 把她的横线拉到十倍速，但她那根竖线的判断，AI 现阶段做不出来。

B：做了五年代码外包的程序员。横线，能用 AI 在多种语言、多个框架里开干。竖线弱。他做过的项目大多是「客户给需求、自己实现」，没真正深入任何一个具体行业的业务。AI 出现之后，他这条横线的优势被快速稀释，因为这条线的工具现在所有人都能用。

B 不是没救，是他需要尽快往一个方向扎一根竖线下去——医疗信息系统、教育产品、某种行业的 SaaS、跨境贸易工具——挑一个守住几年。

按这个框架往后看：竖线越深的人，AI 给的放大效应越大；竖线浅或没有的人，会越来越发现自己擅长的横线上「能做的人」在变多。这不是 AI 抢饭碗的故事，是「光有通用技能」这件事的稀缺性被彻底稀释。

具体怎么做？今年挑一个具体的行业或问题方向，每周往里扎一点。不是去考证，是去做项目、跟懂的人聊、看那个行业的真实问题在哪。一年下来，你会有一个 AI 短期内补不上的判断。

吴恩达有一句话讲得很朴素：竖线靠时间堆，横线靠工具堆。AI 工具再快，也补不上时间堆的判断。

把这两条线画出来，剩下的事就是花时间。

加油吧！