AI時代，文科生還有競爭力嗎？

文章來源｜云啟資本（ID：yunqipartners）

@陳困困：我不懂算法，但我用AI講故事

AI視頻創(chuàng)作者

衣著考究的小動物們穿梭在神似《布達佩斯大飯店》的場景……2023年底，一條名為“Animal Hotel ”的AI短片在小紅書迅速走紅。短片中，擬人化的動物角色們在AI生成的畫面中切換，引來幾千個點贊收藏。

當時AI視頻生成還是一個技術(shù)“新物種”，這條短片的作者“陳困困”也只是一個對新工具保持敏感、“隨手玩玩”的嘗鮮者。而一年半后的今天，這位既非設(shè)計專業(yè)也非程序員出身的90后女生，已經(jīng)從一名視頻編導(dǎo)轉(zhuǎn)型成為一名AIGC視頻創(chuàng)業(yè)者，成立了獨立工作室，持續(xù)產(chǎn)出AI創(chuàng)意視頻。

很難想象，這場轉(zhuǎn)型的起點，源于一次“逃離瓶頸”的留學(xué)選擇，以及她在AI時代風口上的一次“動手嘗試”。

香港讀碩，“重啟人生”

時間回到 2022年，陳困困正站在職業(yè)的十字路口。在北京摸爬滾打七年，她曾做過電視編導(dǎo)、紀錄片、短視頻，也進過知名互聯(lián)網(wǎng)公司。雖然積累了工作經(jīng)驗，但表達欲枯竭的瓶頸感也逐漸強烈。

滯阻感之中，她決定按下暫停鍵，赴香港理工大學(xué)讀一年制的碩士項目，重新出發(fā)。“最初只是想換個環(huán)境重建自己，當時還完全沒想到AI。”但這段“重啟人生”的旅程，恰巧踩上了生成式AI快速發(fā)展的節(jié)奏。

2022年底，ChatGPT引爆生成式AI。得益于學(xué)校開放的技術(shù)氛圍和多元的課程設(shè)置，陳困困在第一時間“玩”起了這些新工具。“別人還在觀望的時候，我們這邊已經(jīng)在用Discord跑圖了。”

她用Midjourney生成課題圖，用GPT補課自學(xué)代碼，還了解了Web XR、VR、AR等不同領(lǐng)域。雖然不懂技術(shù)底層，但她愿意動手嘗試，并不斷跨界學(xué)習(xí)。

Pika出圈，意外“上岸”

2023年，她博士申請未果，迎來了職業(yè)空窗期。這段“空閑”的時間，成了她與AI深度接觸的窗口。

2023年底，AI視頻工具Pika出圈。陳困困抱著試試看的心態(tài)，把自己讀研時做作業(yè)用的Midjourney創(chuàng)作的圖片丟進Pika測試視頻生成。沒想到，這支視頻在小紅書獲得許多關(guān)注，為她吸引了大量粉絲。“那個正反饋真的很強，很多人來評論、點贊，我又繼續(xù)做了好幾條。”

2024年，AI視頻生成技術(shù)迭代按下加速鍵，海內(nèi)外工具不斷涌現(xiàn)。她也在第一時間測試各類新產(chǎn)品，Runway、即夢、可靈、Hailuo、Veo……隨著“工具箱”不斷充實，她不再滿足于簡單的工具嘗試，開始探索更深層的創(chuàng)作表達。

但和AI磨合的過程并非一帆風順。“一致性”問題曾很長一段時間困擾著她：如何讓AI生成的分鏡在人物、場景上保持連貫？這不僅需要她持續(xù)不斷打磨提示詞，還要大量查看官方文檔、博主測評，乃至研究不同AI模型的參數(shù)獨特性。“為了學(xué)得更深入，我后來還配置了搭載4090顯卡的電腦，來運行本地模型。”在不斷嘗試和自我解題的過程中，她成為“不僅玩得早，也玩得深”的AI創(chuàng)作者。

2022年底，陳困困發(fā)布在小紅書上的AI視頻作品（@ 陳困困 小紅書頁面）

“AI創(chuàng)作者的護城河，是審美與表達”

從最初的工具嘗鮮，到如今的專注創(chuàng)作，一年多以來陳困困已創(chuàng)作了《陪著我》《無盡夢》等代表作，合作方中也不乏央視網(wǎng)這樣的知名平臺。但關(guān)于自己和AI的關(guān)系，她很篤定：AI只是合作伙伴，而非主角。

在日常工作流里，陳困困會用自己搭建的bot工具幫忙寫提示詞、分析劇本，但最終的創(chuàng)意、主題、分鏡，仍由她親自定奪。“我不依賴AI來給我創(chuàng)意，它只是協(xié)作者，真正決定作品的人，是我自己。”

在她看來，AI降低了技術(shù)門檻，但審美、表達和內(nèi)容深度，才是創(chuàng)作者真正的護城河。“在這一點上，文科背景并不是劣勢，反而讓我更擅長講故事，更懂人文感受。”

比如她自己目前最滿意的作品《陪著我》，探討虛擬現(xiàn)實是否能替代喪親的陪伴情感，靈感正是來源于她留學(xué)時對VR療愈項目的研究。

關(guān)于轉(zhuǎn)型的Tips：動手和積累

“不要等想明白才開始，AI工具就是要邊做邊學(xué)。”她說。她很多技術(shù)都是從教程、社群、實戰(zhàn)中摸索來的，“做中學(xué)，比看更重要。”

而積累，則是指每一個文科生看過的電影、讀過的小說、聽過的音樂，哪怕是學(xué)過的歷史、哲學(xué)、美術(shù)——“那些你以為無用的知識，某天都會成為你靈感的源泉。”

@魚蛋：從寫文案到寫代碼，AI是我的新語言

互聯(lián)網(wǎng)大廠toB AI 解決方案架構(gòu)師

八年前從小語種專業(yè)畢業(yè)，十年后在頭部互聯(lián)網(wǎng)公司帶領(lǐng)20人團隊做企業(yè)級AI解決方案，95后女生魚蛋的職業(yè)故事，印證了技術(shù)浪潮下文科生能力邊界拓展的全新可能。

魚蛋目前的日常工作，是根據(jù)頭部企業(yè)客戶的復(fù)雜需求，設(shè)計出融合產(chǎn)品、數(shù)據(jù)和AI技術(shù)的解決方案。在此之前，她的職業(yè)路徑幾經(jīng)轉(zhuǎn)向，從最初的品牌策劃到品牌投放數(shù)據(jù)分析，再到推薦算法業(yè)務(wù)落地……

跨度不小的轉(zhuǎn)折背后，是站在職業(yè)成長十字路口時的敏銳和果斷，也是不斷擴容“職業(yè)工具箱”的水到渠成。

“工具箱缺哪塊，我就補哪塊”

2016年剛工作時，魚蛋趕上互聯(lián)網(wǎng)黃金時代的尾聲。當時她做著品牌策劃工作，但很快，增長黑客的風潮席卷而來。“到17、18年的時候，廣告投放、數(shù)據(jù)分析成為品牌工作的重心。”她敏銳地察覺到變化，轉(zhuǎn)戰(zhàn)另一家互聯(lián)網(wǎng)大廠，開始接觸預(yù)算上千萬的廣告投放。

但瓶頸隨之而來，她發(fā)現(xiàn)僅僅依賴數(shù)據(jù)分析團隊提取數(shù)據(jù)，工作效率低下。“業(yè)務(wù)團隊自己不知道怎么去分析，數(shù)據(jù)分析團隊又不能完全get到你的意思...就會有一點受限制。”不甘受限于此，魚蛋選擇了最直接的方式——自己動手。

“最開始我可能主要是用Excel。到后面的話（數(shù)據(jù)團隊）給我開了數(shù)據(jù)庫接口，我自己去學(xué)SQL怎么寫。其實SQL也比較容易寫。” 掌握SQL后，她可以獨立進行數(shù)據(jù)分析，更高效地優(yōu)化渠道預(yù)算。這次嘗試經(jīng)歷讓沒有理工科背景的她改變了認知：“好像數(shù)據(jù)也不是那么難的一件事情。”

算法初體驗：業(yè)務(wù)需求驅(qū)動的新嘗試

進入現(xiàn)在工作的公司后，魚蛋的角色融合了品牌、投放、數(shù)據(jù)分析等多重職能。一次預(yù)期之外的任務(wù)，讓她對技術(shù)的理解更深一層——領(lǐng)導(dǎo)讓她負責電商平臺的商品智能推薦系統(tǒng)優(yōu)化。盡管她坦言承認，“當時我是不懂算法的”。

這可能是一個典型的業(yè)務(wù)驅(qū)動技術(shù)的案例。老板看中的是她了解產(chǎn)品、能讀懂數(shù)據(jù)的業(yè)務(wù)視角。魚蛋與一位風控算法出身的同事搭檔，邊學(xué)邊干。

一個月后，效果顯著優(yōu)化后的推薦邏輯讓核心指標甚至翻了三倍。“我當時就會覺得AI是個蠻有意思的事情，它跟我最開始做數(shù)據(jù)分析時是一樣的感覺。” 這次成功不僅帶來了業(yè)務(wù)價值，更重要的是，魚蛋發(fā)現(xiàn)對算法和AI的理解，能夠成為她工具箱的一環(huán)。她認識到算法可以自我迭代，速度遠超依賴人力的傳統(tǒng)數(shù)據(jù)分析。

“偶遇”GPT：迷茫期的技術(shù)啟蒙

2021年，互聯(lián)網(wǎng)行業(yè)的寒流給魚蛋負責的電商業(yè)務(wù)帶來存續(xù)危機。站在十字路口的她選擇去另一家公司探索一直很感興趣的實體商業(yè)，但實際體驗不達預(yù)期。她的職業(yè)發(fā)展由此進入一段迷茫期，但轉(zhuǎn)折發(fā)生的契機也在這個階段悄然到來。

一次出國旅行，她偶然獲得一個海外手機號。當時早年學(xué)習(xí)算法時結(jié)識的朋友恰好向她推薦了還沒出圈的GPT。帶著一絲好奇和消遣的心態(tài)，她注冊了賬號。

“最開始是我買了一個GPT plus，它執(zhí)行任務(wù)確實還挺有意思。” 她甚至和伴侶一起用GPT API搭建了一個記錄每日食譜和熱量的應(yīng)用，GPT展現(xiàn)的能力又一次改變了她的認知：“它已經(jīng)讓我意識到了，算法的邊界遠超我的想象。” 這次無心的嘗試為她日后深入AI并將其正式運用到工作中埋下了種子。

回歸與聚焦：ToB戰(zhàn)場上的復(fù)合型“解題人”

2022年，老東家又向魚蛋伸出橄欖枝，這次的方向是ToB解決方案。帶著對AI的新認知，魚蛋重新回到ToB的領(lǐng)域。

“做ToB業(yè)務(wù)的不確定性會更多。”在魚蛋看來，ToB業(yè)務(wù)的關(guān)鍵在于如何拉齊三方預(yù)期：客戶的認知與預(yù)算、行業(yè)團隊的方案、以及自身團隊的能力上限。“客戶看到的，跟你實際去做的，跟團隊能理解到的可能都不太一樣，我的角色是要把這三者能夠去做拉齊。”

在這個過程中，她橫跨品牌和數(shù)據(jù)的復(fù)合背景成為了一筆寶貴的財富。“我不認為說有白走的路。”魚蛋舉了一個例子：在為客戶設(shè)計數(shù)字化轉(zhuǎn)型方案時，業(yè)務(wù)團隊缺少的品牌策略和投放視角恰好焊死她的長板所在。這種跨領(lǐng)域的理解力成為她定義問題、彌合認知鴻溝的關(guān)鍵。

在魚蛋看來，在現(xiàn)在的崗位上，自己的文科背景非但不是劣勢，反而在ToB解決方案領(lǐng)域形成了獨特優(yōu)勢。她認為理科思維的核心在于高效、可靠地解決問題，而文科思維的強項則在于敏銳地定義問題。尤其在復(fù)雜的ToB場景中精準定義出客戶真正需要解決的真問題，并將其轉(zhuǎn)化為清晰、可執(zhí)行的技術(shù)方案，正是文科背景賦予魚蛋的重要競爭力。

轉(zhuǎn)型建議：目標、興趣、務(wù)實，一個都不能少

學(xué)習(xí)的動力應(yīng)源于解決實際問題的需求，而非追逐熱點。同時，也不要忽視內(nèi)心的興趣。

“你對什么東西感興趣的時候，很多時候就是已經(jīng)給了一個信號，可能你去做這個東西天生就會比較有激情，這份激情會讓你慢慢進入一個正循環(huán)”，興趣才是持續(xù)投入和克服困難的內(nèi)在驅(qū)動力。

面對職業(yè)道路上的挑戰(zhàn)，魚蛋選擇用爬坡的比喻來形容——“爬坡的過程很痛苦，但是爬上了之后就會發(fā)現(xiàn)沒什么。但是你會發(fā)現(xiàn)說還有下一個坡……”關(guān)鍵在于保持開放的心態(tài)，相信沒有白走的路。

@陳磊：在AI行業(yè)做一場“田野調(diào)查”

出土文獻與中國史在讀碩士

此次對話的最后一位受訪者，是在清華大學(xué)“出土文獻與中國史”專業(yè)的“00后”在讀碩士，他同時也是一家AI創(chuàng)業(yè)公司品牌市場部實習(xí)生，此前在通信央企、國內(nèi)頂尖互聯(lián)網(wǎng)大廠的AI項目均有實習(xí)。

讀的是跨學(xué)科專業(yè)，又積累了多份AI行業(yè)的實習(xí)經(jīng)歷，表面看這一個文科生借AI轉(zhuǎn)型的樣本。但在對話中，我們收獲了很多出乎意料的“高維回答”。這位同學(xué)也并不打算把AI作為畢業(yè)后的職業(yè)方向，而是更關(guān)心如何以文科生的方式理解它、運用它、影響它。

因此，這更是一個“把AI作為一種方法”的樣本。正如AI之于當下——它開辟的不止一個或幾個新行業(yè)，更是給我們原本熟悉的世界帶來眾多新角度和新可能。以下是陳磊的故事。

從古籍拼圖到大模型訓(xùn)練

“古典文獻學(xué)其實很像訓(xùn)練AI模型。你面對的是一堆沒有標點、結(jié)構(gòu)也相對混亂的文字，要加注釋、加翻譯，讓人讀懂。就像現(xiàn)在的AI，要把原始的語料變成可用的知識。”在陳磊看來，看似冷門的專業(yè)實際上和大模型有奇妙的相似性。如果用一個詞來概括，就是“拼合”。

在本專業(yè)的學(xué)術(shù)訓(xùn)練中，陳磊學(xué)會了如何從模糊多樣的碎片中還原本真的結(jié)構(gòu)、建立意義，而AI模型的底層邏輯，正是一種類似的拼圖過程，可以幫助人類重建那些無法清晰展現(xiàn)的知識碎片。

“我們過去是把一塊塊出土文獻拼起來，現(xiàn)在是把一堆數(shù)據(jù)拼成一個算法模型。”兩者的共通之處，讓陳磊對AI產(chǎn)生了天然的興趣，也促使他逐步走進AI行業(yè)進行實踐。

把AI行業(yè)當成另一種“田野”

“田野”是陳磊本科時期就熟悉的詞。那時他在南京鄉(xiāng)村做口述史調(diào)查，在沒有文字記載的小村落里，向老人們采集快被遺忘的故事。但聽不懂的方言、“存儲”有限的記憶力都加劇了這件事的難度。“我那時候就已經(jīng)在找一個能幫我整理、轉(zhuǎn)寫、補全和理解的大腦。只不過那時ChatGPT 還沒來。”

本科快畢業(yè)的時候，GPT和由它引發(fā)的生成式AI浪潮來了。陳磊由此開展了另一種形式的AI“田野調(diào)查”。

在中華書局古聯(lián)公司實習(xí)時，他接觸古籍數(shù)字化系統(tǒng)；在通信央企研究院實習(xí)時，他參與大模型評測；在頭部互聯(lián)網(wǎng)大廠實習(xí)時，陳磊和一群頂尖的文科生一起為算法團隊設(shè)計“什么是好內(nèi)容”的訓(xùn)練標準。在現(xiàn)在的實習(xí)崗位上，他選擇更多地去關(guān)注品牌、傳播和戰(zhàn)略，關(guān)注組織如何定位自身在AI浪潮中的位置。

“實習(xí)對我來說更多是觀察。觀察一個模型怎么長出來的，觀察一個公司怎么定義過往和未來發(fā)展，也觀察里面的每一個人，怎么在技術(shù)里定位自己。”每一段實習(xí)，都是一次“田野”。

用文科生的方法解讀AI

“AI行業(yè)太快了，有時候你做的就是一場黑箱實驗。”陳磊說。

面對極速變化的技術(shù)，他選擇慢和思。文科生多年積累的閱讀和思辨，讓陳磊習(xí)慣從人文的視角理解AI生態(tài)。“李白寫詩獨一無二，是因為他活過。大模型見過更多文字，但它從未真正活過。”陳磊相信：真正讓AI有意義的，是人類的思考方式，是那種從“田野”來、從真實交往和社會中來的思維訓(xùn)練。

他并不認為文科生在AI里只是被迫退場的“被替代者”。相反，文科生的能力體現(xiàn)在如何于混亂時代里看清問題本質(zhì)，在各種不確定中保持清醒、找到確定。

找尋不確定世界的確定感

“我一直記得一句話：行有不得，反求諸己。”

面對AI時代的變革，陳磊并不認為未來一定會更好，但也沒有選擇直接擺爛來自我麻醉。他發(fā)自真心地認為：“這是個不確定的時代，唯一確定的，是你要自己動手去試。”因此，勇于擁抱不確定性，是他對即將進入AI行業(yè)的年輕人最真誠的建議。畢竟在不確定的世界里，最確定的就是要不斷學(xué)習(xí)、不斷適應(yīng)。

陳磊也有在計劃未來。他想去非洲，去拉美，去那些被習(xí)慣性忽略、還未被完全開發(fā)出寶藏的地方。他想帶著在AI行業(yè)里練出來的眼光，去觀察新的社會，做新的田野，找到新的可能。

“其實我現(xiàn)在做的事，和我本科學(xué)的古典文獻學(xué)、參與田野調(diào)查時做的事沒什么本質(zhì)不同。我始終在做田野，只不過換了一塊地方罷了。”

媒介合作聯(lián)系微信號|ciweimeijiejun

如需和我們交流可后臺回復(fù)“進群”加社群