AI正在显著压缩操作性技能（如PPT制作、电子表格处理、编程、图像设计等）的差距，使人们能够通过自然语言描述需求直接获得结果，无需花费大量时间学习软件操作细节。当技术执行门槛降低后，人的核心价值逐渐转向需求提出能力——即能否清晰定义有价值的问题并准确表达需求，这需要在特定领域积累多年经验和深度思考。在投资领域，虽然AI可高效完成数据整理、分析和量化回测等技术性工作，但投资成功的关键并不在于这些可被AI替代的操作，而在于更底层的自我认知框架：包括明确自身能力边界、制定合理的收益目标、识别应放弃的机会以及有效管理市场波动中的情绪反应，这些核心能力仍需通过长期实践才能形成，无法被AI所替代。
我最近用各种AI，有一个体会，AI正在很大程度上压缩操作性技能上的差距。
什么叫操作性技能呢？就比如说做PPT、做电子表格、写代码、画图……它们都可以用软件实现，而使用这些软件或多或少都是有门槛的，我们得知道怎么排版对齐，怎么用函数公式，怎么调画笔参数，需要学习熟悉后，才能实现自己的意图。
操作性技能，本质上就是把我们脑中的想法，翻译成某种具体工具语言的能力。
AI介入后改变了这一过程，它允许我们使用自然语言来描述需求，之后它直接帮我们落地执行，生成图片、视频，编写代码，甚至操作软件完成3D建模，不需要我们再花费几个月甚至几年去学习一个个软件的具体操作。
当操作性技能上的差距被压缩后，人能附加的价值就主要体现在需求的提出上，要想清楚什么是有价值的，并能把它描述清楚。
但这并不容易，好的想法不会无中生有，它往往需要我们在一个领域有多年的经验积累和思考，才能有足够的洞察去发现真正的价值所在。
以前我们是一边磨练操作性技能，一边在一个领域积累经验。现在操作性技能的差距被大大压缩了，但以前积累的经验仍然有用，新进入者可以借助AI更快的积累经验，但并无法跳过积累经验这一步。
在领域深耕多年的人仍有巨大的优势，但新入者也在用更快的速度填平经验差距的鸿沟。
就比如在投资领域来说，以前我们要整理数据做分析，可能需要一些专业的数据处理技能，或者想做量化回测，可能要会写一些代码，而现在这些AI都可以帮助我们轻松完成。
但是，做了这些数据处理和量化回测，收益就能提高吗？也不一定，当别人拿刀的时候，拿枪的人有优势，等所有人都拿枪了，拿枪就不一定有优势了。
对投资最重要的，我觉得并不是这些分析和量化数据，而是一些更底层的框架。我的能力边界到底有多大？我在市场中要赚哪些钱，又要放弃哪些钱？面对波动我能不能控制住自己的情绪？这些并没有最佳的解法，也没有标准的回答，而是需要通过多年的实践，才能形成的自我认知，无论有没有AI，它们才是我们需要积累的经验。
2026年9月7日估值：
- 股债利差估值分位23.1%；
- A股PE分位81.9%，PB分位54.1%，估值处于偏高区间；
- A股到近15年的最低估值约需-39.1%，到近15年的中位估值约需-10.3%。💸