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“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，這位既非設計專業也非程序員出身的90后女生，已經從一名視頻編導轉型成為一名AIGC視頻創業者，成立了獨立工作室，持續產出AI創意視頻。

很難想象，這場轉型的起點，源于一次“逃離瓶頸”的留學選擇，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，陳困困正站在職業的十字路口。在北京摸爬滾打七年，她曾做過電視編導、紀錄片、短視頻，也進過知名互聯網公司。雖然積累了工作經驗，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，赴香港理工大學讀一年制的碩士項目，重新出發。“最初只是想換個環境重建自己，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快速發展的節奏。

2022年底，ChatGPT引爆生成式AI。得益于學校開放的技術氛圍和多元的課程設置，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，我們這邊已經在用Discord跑圖了。”

她用Midjourney生成課題圖，用GPT補課自學代碼，還了解了Web XR、VR、AR等不同領域。雖然不懂技術底層，但她愿意動手嘗試，并不斷跨界學習。

Pika出圈，意外“上岸”

2023年，她博士申請未果，迎來了職業空窗期。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，把自己讀研時做作業用的Midjourney創作的圖片丟進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，我又繼續做了好幾條。”

2024年，AI視頻生成技術迭代按下加速鍵，海內外工具不斷涌現。她也在第一時間測試各類新產品，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模型的參數獨特性。“為了學得更深入，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創作者。

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

“AI創作者的護城河，是審美與表達”

從最初的工具嘗鮮，到如今的專注創作，一年多以來陳困困已創作了《陪著我》《無盡夢》等代表作，合作方中也不乏央視網這樣的知名平臺。但關于自己和AI的關系，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，但最終的創意、主題、分鏡，仍由她親自定奪。“我不依賴AI來給我創意，它只是協作者，真正決定作品的人，是我自己。”

在她看來，AI降低了技術門檻，但審美、表達和內容深度，才是創作者真正的護城河。“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》，探討虛擬現實是否能替代喪親的陪伴情感，靈感正是來源于她留學時對VR療愈項目的研究。

關于轉型的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。”她說。她很多技術都是從教程、社群、實戰中摸索來的，“做中學，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，哪怕是學過的歷史、哲學、美術——“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

互聯網大廠toB AI 解決方案架構師

八年前從小語種專業畢業，十年后在頭部互聯網公司帶領20人團隊做企業級AI解決方案，95后女生魚蛋的職業故事，印證了技術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，是根據頭部企業客戶的復雜需求，設計出融合產品、數據和AI技術的解決方案。在此之前，她的職業路徑幾經轉向，從最初的品牌策劃到品牌投放數據分析，再到推薦算法業務落地……

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

“工具箱缺哪塊，我就補哪塊”

2016年剛工作時，魚蛋趕上互聯網黃金時代的尾聲。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、數據分析成為品牌工作的重心。”她敏銳地察覺到變化，轉戰另一家互聯網大廠，開始接觸預算上千萬的廣告投放。

但瓶頸隨之而來，她發現僅僅依賴數據分析團隊提取數據，工作效率低下。“業務團隊自己不知道怎么去分析，數據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（數據團隊）給我開了數據庫接口，我自己去學SQL怎么寫。其實SQL也比較容易寫。” 掌握SQL后，她可以獨立進行數據分析，更高效地優化渠道預算。這次嘗試經歷讓沒有理工科背景的她改變了認知：“好像數據也不是那么難的一件事情。”

算法初體驗：業務需求驅動的新嘗試

進入現在工作的公司后，魚蛋的角色融合了品牌、投放、數據分析等多重職能。一次預期之外的任務，讓她對技術的理解更深一層——領導讓她負責電商平臺的商品智能推薦系統優化。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務驅動技術的案例。老板看中的是她了解產品、能讀懂數據的業務視角。魚蛋與一位風控算法出身的同事搭檔，邊學邊干。

一個月后，效果顯著優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，它跟我最開始做數據分析時是一樣的感覺。” 這次成功不僅帶來了業務價值，更重要的是，魚蛋發現對算法和AI的理解，能夠成為她工具箱的一環。她認識到算法可以自我迭代，速度遠超依賴人力的傳統數據分析。

“偶遇”GPT：迷茫期的技術啟蒙

2021年，互聯網行業的寒流給魚蛋負責的電商業務帶來存續危機。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，但實際體驗不達預期。她的職業發展由此進入一段迷茫期，但轉折發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。當時早年學習算法時結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，她注冊了賬號。

“最開始是我買了一個GPT plus，它執行任務確實還挺有意思。” 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用，GPT展現的能力又一次改變了她的認知：“它已經讓我意識到了，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戰場上的復合型“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的領域。

“做ToB業務的不確定性會更多。”在魚蛋看來，ToB業務的關鍵在于如何拉齊三方預期：客戶的認知與預算、行業團隊的方案、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，她橫跨品牌和數據的復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：在為客戶設計數字化轉型方案時，業務團隊缺少的品牌策略和投放視角恰好焊死她的長板所在。這種跨領域的理解力成為她定義問題、彌合認知鴻溝的關鍵。

在魚蛋看來，在現在的崗位上，自己的文科背景非但不是劣勢，反而在ToB解決方案領域形成了獨特優勢。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，并將其轉化為清晰、可執行的技術方案，正是文科背景賦予魚蛋的重要競爭力。

轉型建議：目標、興趣、務實，一個都不能少

學習的動力應源于解決實際問題的需求，而非追逐熱點。同時，也不要忽視內心的興趣。

“你對什么東西感興趣的時候，很多時候就是已經給了一個信號，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”，興趣才是持續投入和克服困難的內在驅動力。

面對職業道路上的挑戰，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現沒什么。但是你會發現說還有下一個坡……”關鍵在于保持開放的心態，相信沒有白走的路。

@陳磊：在AI行業做一場“田野調查”

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“出土文獻與中國史”專業的“00后”在讀碩士，他同時也是一家AI創業公司品牌市場部實習生，此前在通信央企、國內頂尖互聯網大廠的AI項目均有實習。

讀的是跨學科專業，又積累了多份AI行業的實習經歷，表面看這一個文科生借AI轉型的樣本。但在對話中，我們收獲了很多出乎意料的“高維回答”。這位同學也并不打算把AI作為畢業后的職業方向，而是更關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，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練

“古典文獻學其實很像訓練AI模型。你面對的是一堆沒有標點、結構也相對混亂的文字，要加注釋、加翻譯，讓人讀懂。就像現在的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”。

在本專業的學術訓練中，陳磊學會了如何從模糊多樣的碎片中還原本真的結構、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的知識碎片。

“我們過去是把一塊塊出土文獻拼起來，現在是把一堆數據拼成一個算法模型。”兩者的共通之處，讓陳磊對AI產生了天然的興趣，也促使他逐步走進AI行業進行實踐。

把AI行業當成另一種“田野”

“田野”是陳磊本科時期就熟悉的詞。那時他在南京鄉村做口述史調查，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。“我那時候就已經在找一個能幫我整理、轉寫、補全和理解的大腦。只不過那時ChatGPT 還沒來。”

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

在中華書局古聯公司實習時，他接觸古籍數字化系統；在通信央企研究院實習時，他參與大模型評測；在頭部互聯網大廠實習時，陳磊和一群頂尖的文科生一起為算法團隊設計“什么是好內容”的訓練標準。在現在的實習崗位上，他選擇更多地去關注品牌、傳播和戰略，關注組織如何定位自身在AI浪潮中的位置。

“實習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展，也觀察里面的每一個人，怎么在技術里定位自己。”每一段實習，都是一次“田野”。

用文科生的方法解讀AI

“AI行業太快了，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，他選擇慢和思。文科生多年積累的閱讀和思辨，讓陳磊習慣從人文的視角理解AI生態。“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，文科生的能力體現在如何于混亂時代里看清問題本質，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習、不斷適應。

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

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

媒介合作聯系微信號|ciweimeijiejun

如需和我們交流可后臺回復“進群”加社群