看完Google I/O 2026這張T型圖，我才明白AI時代的程序員到底在拼什麼

尋日Google I/O 2026完咗之後，我一打開X，就見到呢張圖被洗版。

嚟自Google I/O 2026一個叫「How to thrive as an AI-era developer」嘅session。一張好簡單嘅圖，一個大寫嘅T，垂直寫住Depth，橫向寫住Breadth，上面有一行細字，GenAI usage。

就咁一張圖，轉發咗幾萬次。

我一開始冇乜理會。T型人才呢個概念又唔係新嘢，2000年前後管理學界已經喺度講，IDEO嘅Tim Brown都寫過文章。點解過咗二十幾年，又將呢個舊概念翻出嚟？

但我望住呢張圖睇咗好耐。。。然後又睇曬下面幾百條評論。我發現今次有啲唔同。

唔同嘅地方在於，二十年前嘅T型，強調嘅係「一專多能」，係HR招聘嘅口號，係CV上面寫嗰啲嘢。但今次AI將成個遊戲規則改咗，T型三個字睇落冇變，但入面裝嘅嘢已經完全唔同曬。

而且改得相當狠。

我覺得呢張圖值得每個仲喺度寫code嘅人，或者話每個仲用腦做嘢嘅人，認真諗一諗。所以今日想同大家分享我嘅解讀，垂直嗰一豎、橫向嗰一橫、仲有上面最易被忽略嗰個小尾巴，到底分別講緊啲乜。

先講垂直嗰一豎，深度。

舊嘅T型入面，深度嘅意思係「你要有一個專業」。會計師識會計，工程師識工程，律師識法律。呢種深度只要求你比外行人叻就夠，60分70分80分都可以叫深度，總之比身邊大部分人都識。

但AI時代嘅深度，門檻一下子飆到90分以上。

60分嘅嘢AI做到，80分嘅嘢AI喺度追，90分以上嘅嘢先係你真正嘅護城河。

點解咁講？

你諗下，60分嘅嘢AI而家已經做到，而且越做越平。你寫個CRUD、調個API、整個標準嘅報表、出一份模板化嘅合同，Claude Code、Codex、仲有各種垂直Agent都可以幫你搞掂大半。我自己用Claude Code寫code呢年幾，明顯感覺到係，嗰啲「中等複雜度、有標準答案、靠經驗積累」嘅工作，正以肉眼可見嘅速度從程序員手上被剝離。

咁咩嘢AI仲未做到？

90分以上嘅工作。即係需要你對一個領域有深度直覺嘅工作。

舉個例。前排放我哋公司搞一個同金融數據有關嘅Project，裏面有個好奇怪嘅Bug，所有日終對賬數據都對得上，但中間某啲時間點會無端端差一兩分錢。AI俾嘅診斷思路一大堆，浮點數精度、時區問題、數據庫小數位精度，全部係教科書式嘅標準答案。最後係我哋一個做咗十幾年金融系統嘅老友，睇咗兩眼就話，呢個係T+0同T+1結算口徑嘅問題，某個上游接口喺午夜嗰段將兩種邏輯撈亂咗用。

呢個判斷，AI俾唔出。俾唔出嘅原因唔係AI唔夠聰明，係呢種判斷需要你喺金融系統嘅真實泥潭裏面打滾過幾年，知道呢個行業有邊啲反直覺嘅潛規則，知道邊啲坑只有踩過嘅人先知道存在。

呢啲就係90分。

60分係「我學過呢樣嘢」80分係「我會做呢樣嘢」90分係「我對呢個領域有手感，能夠從一堆現象裏面嗅到唔對路」

而嗰個手感，係冇辦法靠AI幫你補返嘅。佢必須靠你自己喺一個領域度磨夠時間，磨出嚟嘅肌肉記憶同直覺。

所以圖入面嗰一豎，畫得越長越好。唔係話你要識得越多越好，而係你要喺一個具體嘅、有真實泥潭嘅領域度，扎得越深越好。

講到呢度我要打斷一下，因為我知道有人會反駁，餵你咁講咪即係勸人專精啫，咁廣度仲有意義咩？

有意義，而且意義比以前更大。呢個就係橫向嗰一橫要講嘅嘢。

舊嘅T型入面，橫向嗰一橫代表「相關技能」。你係程序員，咁你最好識少少產品、識少少設計、識少少營運。呢種廣度以前係奢侈品，因為獲得佢嘅成本太高，你要跨領域去學新嘢，要讀書、要實踐、要犯錯、要用幾年時間。大多數人精力有限，根本做唔到。

但AI將廣度嘅成本打低咗。低到一個難以置信嘅程度。

我自己今年最大嘅感受就係咁。例如我以前對前端只識少少皮毛，CSS佈局每次都要查文檔，TailwindCSS嗰堆class名記唔住。而家用Claude Code寫前端，我只係需要描述「我想要一個左邊卡片右邊圖表嘅佈局，卡片要有圓角同輕微陰影，手機版要摺疊成上下排列」，剩低嘅佢幫我搞掂。我對前端嘅「實際產出能力」，由大概30分一下子拉咗上60分。

再講影片剪輯。我以前做影片要靠Final Cut，學咗好耐都剪得好粗糙。而家有咗Veo 3、Runway，加上Cursor入面寫script控制剪輯流程，我做出嚟嘅嘢，已經達到「用得、唔失禮、有節奏感」嘅水平。都係大概60分。

呢個就係橫向嗰一橫喺AI時代嘅意思。

廣度唔再係「你要真係識」，而係「你能夠藉助AI喺呢個領域做出用得嘅嘢」。

而60分呢個詞特別關鍵。佢唔係模糊咁話「識少少」，而係一個非常具體嘅門檻。

60分嘅意思係，你能夠獨立做出一個用得嘅嘢，唔需要再求人。你能夠睇得明呢個領域嘅人講緊乜，能夠判斷佢哋做得好唔好，能夠同專業人士對話唔覺得外行。

呢個門檻喺AI出現之前，對絕大部分跨領域嘅人嚟講，係一件需要用幾年時間嘅事。但而家，可能幾個禮拜，甚至幾日就夠。

所以廣度唔單止冇貶值，反而大幅升值咗。因為獲得佢嘅成本被打到零。

但是。

呢度有個好重要嘅「不過」。我自己一開始都冇意識到呢件事，係後來踩咗幾次坑先搞明白。

廣度呢件事有個隱藏嘅前提，就係你一定要有一條扎得好深嘅縱向。

你諗下，AI帶你做到60分，靠嘅係咩？佢靠嘅係將你嘅描述翻譯成一個領域嘅標準做法。但咩叫「標準做法」呢？要有人判斷㗎。呢個判斷點樣做出嚟？

係靠你嘅縱向深度。

我用Claude Code寫前端拉到60分，唔係因為Claude Code犀利，而係因為我作為一個寫咗十幾年後端嘅人，我有「咩係好嘅工程實踐」呢種判斷力。我知道咩嘢嘅code組織係清晰，咩嘢嘅狀態管理會帶嚟後續痛苦，咩嘢嘅接口設計能夠頂得住未來嘅變化。呢啲判斷冇一個係前端獨有，全部都係從我嗰條縱向嘅深度度生出來。

如果一個對工程完全冇概念嘅人用Claude Code寫前端，佢都可以攞到60分，但佢攞到嘅係一個「行得，但唔知幾時會爆」嘅60分。我攞到嘅係「行得，而且我大概知道佢嘅邊界喺邊」嘅60分。

聽落差唔多，其實差天共地。

呢個就係點解呢張圖係T型，唔係十字型，唔係Π型，更加唔係橫平豎直嘅方框。

佢有方向。由下往上生，由中間向兩邊擴。

冇咗嗰條扎得深嘅縱向，你嘅橫向就只係一堆漂浮嘅60分，AI俾你咩你就收咩，你冇判斷力去篩選、去組合、去抵抗AI嘅幻覺。

而有咗嗰條縱向，你嘅60分橫向就變成「我知道自己做緊咩」嘅60分，係一個有根嘅60分。

到呢度你應該已經感覺到，呢張圖唔係隨意拼湊出嚟㗎。深度同廣度嘅關係唔係平行，而係有順序、有因果嘅。

咁圖最上面嗰個 GenAI usage 呢？

呢個係我覺得最容易被低估、最容易被誤解嘅一層。

而且我要先吐槽一句，圖上面嗰行字真係起得太輕手。GenAI usage，直譯就係「用嚇生成式AI」。聽落好似話「你要識用Cursor、識用Claude Code、識用ChatGPT」，係一個工具操作問題。

唔係㗎。

如果你將呢一層真係當成「用嚇AI」，咁你就浪費咗成張圖最重要嘅部分。

好多人就係衰喺呢度。佢哋見到 GenAI usage，第一反應係「識用AI工具啫，呢啲有咩好講，邊個唔識啊」。呢種理解太淺喇。

識打開Claude Code、識出個Prompt、識用Cursor，只係入門，連呢一層嘅門口都未摸到。

咁呢一層真正考緊嘅係咩呢？我自己琢磨出嚟嘅理解係咁嘅，佢至少包含三個層次。

第一層，係知道AI做到咩、做唔到咩。

呢個睇落好簡單，其實絕大部分人冇搞清楚。我成日見到兩種人，一種係將AI當神，乜都掉畀佢，結果產出一堆幻覺自己都分唔清；另一種係將AI當玩具，重要嘅工作一樣都唔敢交畀佢，自己仲喺度手搓。呢兩種都係「用AI」呢件事根本未入門嘅表現。

真正高水平嘅人，對AI能力嘅邊界有好精細嘅感知。佢知道呢類工作AI搞到80%，嗰類工作AI只搞到30%，佢能夠喺兩秒內判斷出要唔要交畀AI。

第二層，係知道點樣畀AI提供上下文。

呢一層更難。AI嘅輸出質量同你畀佢嘅上下文質量成正比，爛Context入，爛Code出。但咩叫好嘅Context呢？佢唔單止係你要描述清楚需求，更加係你要將背景、限制、風格、判斷標準、甚至你期望嘅失敗模式，都打包好餵畀佢。

我自己而家每次叫Claude Code做一個稍微複雜啲嘅工作之前，會先用五到十分鐘將上下文寫清楚。呢個過程睇落好似「浪費時間」，但實際上係調動我嗰條縱向深度，將佢壓縮成AI能夠消化嘅形式。

呢種能力，同你嘅深度直接掛鈎。你深度越夠，你能夠畀AI嘅上下文越精準、越有價值。

第三層，係知道幾時唔應該用AI。

呢一層係最反直覺嘅。真正識駕馭AI嘅人，正正係嗰啲會主動選擇「呢個工作我自己做」嘅人。

點解呢？因為有啲嘢嘅價值，正正係在於你嘅「親手做」。例如你嘅核心思考、你嘅品味判斷、你嘅創意靈感。呢啲嘢如果交畀AI，你攞返嚟嘅唔係答案，而係被AI嘅訓練數據平均化過、睇落正確但其實冇靈魂嘅嘢。

前排我寫一篇文章，開頭嗰段我畀Claude幫手潤色。佢畀我嘅版本語法完美、節奏順暢、專業感十足。但我讀完就感覺唔妥，呢個唔係我講嘢嘅樣。嗰段話被磨平咗所有我自己嘅小瑕疵，變成一篇標準嘅「公眾號優質開頭」。我最後都係改返自己嘅版本，嗰個版本有錯別字，有啲口語化嘅奇怪停頓，但佢係生嘅。

呢個就係第三層。用AI呢件事嘅最高境界，係知道喺邊啲事情上要捍衞自己。

將呢三層加埋，你就明白點解嗰張圖將 GenAI usage 放喺最上面。

佢唔係T型嘅第三個並列要素，佢係放大器。

放大啲咩？放大你縱向深度嘅輸出，放大你橫向廣度嘅覆蓋。一個有90分深度+60分廣度嘅人，如果佢駕馭AI嘅能力係1倍，佢就係普通嘅T型；如果係10倍，佢就係呢個時代嘅怪物。

呢個亦係點解X上有個叫Omar嘅人喺評論度話「T係入門標準，優勢喺元層面，係你瞄準T嘅位置嘅品味」。

呢句說話講得相當狠。

佢嘅意思係，去到2026年，能夠搞出一個T型已經係基本盤，唔算優勢。真正嘅優勢喺更高嘅一層，你點樣決定你個T要紮喺邊？

你嘅縱向要紮喺金融、定係法律、定係醫療、定係某個好冷門但你有熱情嘅小眾領域。你嘅橫向要擴到設計、定係商業、定係心理學、定係你具體嗰個行業嘅客戶洞察。

呢啲決定，AI俾唔到答案畀你。佢只可以喺你決定咗之後，幫你將每一個方向都加速。

所以圖上面嗰一層，與其話係「用AI」，不如話係「你點樣用AI放大你已經揀好嘅方向」。佢考驗嘅唔係技術，係判斷力，係品味。

講到呢度我一定要提出一個反直覺嘅觀察。

我喺AI行業睇咗三年，做咗唔少同工具、同模型、同產品相關嘅內容。我觀察到一個好得意嘅現象，嗰啲喺AI時代過得最好嘅人，往往唔係啲技術最新、最快上手新工具嘅人。

而係嗰啲喺某個垂直領域度浸泡咗十幾年、有真實手感、而且肯放低身段去擁抱AI嘅人。

我識一個做醫學影像嘅老友，五十歲，寫code水平一般，但佢對放射科嘅真實工作流程熟到入骨。AI出咗之後，佢冇去學咩算法，就係用Claude將佢嘅臨牀判斷流程一步一步拆解、固化做一個個Agent。半年時間，佢做出嚟嘅產品俾佢哋醫院推到幾個科室。

我都識唔少二十幾歲嘅工程師，每日追最新嘅模型、玩最新嘅工具，但因為冇一條扎得深嘅縱向，佢哋做出嚟嘅嘢永遠係「demo級」，睇落好勁，但冇真正嘅落地能力。

呢兩班人放埋一齊比較，你就會好直觀咁睇到嗰張T型圖講緊咩。

佢講緊，呢個時代獎勵嘅係有根嘅人。

根扎得越深，AI能夠放大嘅槓桿就越大。根浮喺表面，AI再犀利你都用唔出花樣。

X上面仲有一條評論我好深刻，係一個叫luyun0120嘅網友講嘅，「學術場景最需要嘅唔係最新工具，而係將一個問題嘅因果鏈條徹底搞清楚」。

我想咗好耐，覺得呢句說話唔止對學術場景成立。

對所有領域都成立。

將因果鏈條搞清楚，呢種本身就係一種深度。佢要求你能夠從現象一直追到原理，從原理一直推到現象，來回打通。呢種能力AI可以輔助你，但代替唔到你。

返到開頭嗰張圖。

我而家再睇嗰一豎、嗰一橫、最上面嗰個小尾巴，已經唔再覺得呢個係一個簡單嘅人才模型圖。

我覺得佢更加似一張地圖。

地圖上面畫住一個普通人喺2026年要點樣生存落去。先揾一塊你願意紮根十幾年嘅土地，將嗰一豎打到90分。然後用AI做槓桿，將你能夠覆蓋嘅邊界推到最遠，左右各擴一截。最後喺最上面，生出嗰個唔可以被取代嘅部分，你嘅判斷、你嘅品味、你嘅「唔應該畀AI做」嘅清單。

呢張係一個活人嘅地圖。

唔係程序員嘅地圖，而係所有仲用腦做嘢嘅人嘅地圖。

係會計師嘅地圖，係律師嘅地圖，係醫生嘅地圖，係寫作人嘅地圖，係產品經理嘅地圖，係創業者嘅地圖。

每個人都要畫自己嗰一張。

寫到最後，我想起一個好樸素嘅事實。

二十年前嘅T型話「識一門、懂多門」。

2026年嘅T型話「精一門到極致、用AI將多門拓寬到用得、仲要學識讓AI幫你打怪而唔係幫你思考」。

字數差唔多，份量完全唔同。

願意紮根嘅人會被呢個時代獎勵，浮喺水面嘅人會俾一波一波嘅工具浪潮沖走。

呢句說話聽落有啲刺耳，但我自己見到嘅就係咁。

我都仲喺度畫緊自己嘅T。我嗰一豎喺內容同AI嘅交叉點上，已經磨咗三年幾，我希望未來五年仲可以繼續磨落去。我嗰一橫喺產品、喺工程、喺哲學、喺心理學呢啲方向上慢慢擴，每個方向都借咗AI嘅力。最上面嗰個小尾巴，我每日都問自己，今日邊啲嘢唔可以交畀AI。

呢張圖我打算打印出嚟貼喺位前面。

都分享畀屏幕前面嘅你。

如果你睇完呢篇仲未決定你個T要紮喺邊，咁今日可能就係一個開始嘅好日子。

如果你已經有一條扎得唔錯嘅縱向，咁恭喜你，時代啱啱好。

以上，既然睇到呢度，如果覺得唔錯，順手點個讚、睇、轉發三連啦，如果想第一時間收到推送，都可以畀我一個關注⭐～

多謝你睇我嘅文章，我哋，下次再見。

昨天Google I/O 2026開完之後，我一打開X，就看到這張圖被刷屏了。

來自Google I/O 2026一個叫「How to thrive as an AI-era developer」的session。一張特別樸素的圖，一個大寫的T，縱向寫着Depth，橫向寫着Breadth，上面懸着一行小字，GenAI usage。

就這麼一張圖，轉發幾萬。

我一開始沒太當回事。T型人才這個概念又不是新的，2000年前後管理學界就在聊了，IDEO的Tim Brown也寫過文章。怎麼過了二十多年，又把這個老概念給翻出來了。

但我盯着這張圖看了挺久。。。然後又翻完了底下幾百條評論。我發現這次不太一樣。

不太一樣的地方在於，二十年前的T型，強調的是「一專多能」，是HR招人的話術，是簡歷上寫的那種東西。但這次AI把整個遊戲規則給改了，T型這三個字看着沒變，裏面裝的東西已經全換了。

而且換得相當狠。

我覺得這張圖值得每個還在敲代碼的人，或者說每個還在用腦子幹活的人，認真琢磨一下。所以今天想跟大家聊聊我自己的解讀，縱向那一豎、橫向那一橫、還有上面那個最容易被忽視的小尾巴，到底分別在說什麼。

先說縱向那一豎，深度。

老的T型裏，深度的意思是「你得有一個專業」。會計師懂會計，工程師懂工程，律師懂法律。這種深度只要求你比外行強就夠了，60分70分80分都可以叫深度，反正比身邊大多數人懂。

但AI時代的深度，門檻被一下子頂到了90分以上。

60分的活AI能幹，80分的活AI在追，90分以上的活才是你真正的護城河。

為啥這麼說。

你想想看，60分的活AI現在已經能幹了，而且越幹越便宜。你寫個CRUD、調個API、做個標準的報表、出一份模板化的合同，Claude Code、Codex、還有各種垂直Agent都能幫你完成大半。我自己用Claude Code寫代碼這一年多，明顯感覺到的事就是，那種「中等複雜度、有標準答案、依賴經驗積累」的活，正在以肉眼可見的速度從程序員手裏被剝離掉。

那什麼活AI還幹不了。

90分以上的活。也就是那些需要你對一個領域有深度直覺的活。

舉個例子。前段時間我們公司在搞一個跟金融數據相關的項目，裏面有一個特別奇怪的Bug，所有日終對賬數據都對得上，但中間某些時間點會莫名其妙地差一兩分錢。AI給的診斷思路一大堆，浮點數精度、時區問題、數據庫小數位精度，全是教科書式的標準答案。最後是我們一個做了十幾年金融系統的老哥，掃了兩眼就說，這是T+0和T+1結算口徑的問題，某個上游接口在午夜那一段把兩種邏輯混着用了。

這個判斷，AI給不出來。給不出來的原因不是AI不夠聰明，是這種判斷需要你在金融系統的真實泥潭裏趟過幾年，知道這個行業裏有哪些反直覺的潛規則，知道哪些坑只有踩過的人才知道存在。

這就是90分。

60分是「我學過這個東西」80分是「我會做這個東西」90分是「我對這個領域有手感，能從一堆現象裏嗅出哪裏不對勁」

而那個手感，是沒法靠AI給你補出來的。它必須靠你自己在一個領域裏磨夠時間，磨出來的肌肉記憶和直覺。

所以圖裏的那一豎，畫得越長越好。不是說你要懂得越多越好，而是說你要在一個具體的、有真實泥潭的領域裏，扎得越深越好。

講到這裏我必須打斷一下，因為我知道有人會反駁，哎你這不就是勸大家專精嗎，那廣度還有意義嗎。

有意義，而且意義比以前更大。這就是橫向那一橫要聊的事。

老的T型裏，橫向那一橫代表「相關技能」。你是程序員，那你最好懂一點產品、懂一點設計、懂一點運營。這種廣度以前是奢侈品，因為獲取它的成本太高，你要跨領域去學一個新東西，得讀書、得實踐、得犯錯、得花好幾年時間。大多數人精力有限，根本鋪不開。

但AI把廣度的成本給打下去了。打到了一個匪夷所思的程度。

我自己今年最大的感受就是這個。比如我以前對前端只懂一點皮毛，CSS佈局每次都要查文檔，TailwindCSS那一堆類名記不住。現在我用Claude Code寫前端，我只需要描述「我想要一個左邊卡片右邊圖表的佈局，卡片要有圓角和輕微陰影，移動端要摺疊成上下排列」，剩下的它給我搞定。我對前端的「實際產出能力」，從大概30分一下子被拉到了60分。

再比如視頻剪輯。我以前做視頻得靠Final Cut，學了好久還是剪得很糙。現在有了Veo 3、Runway，加上Cursor裏寫腳本控制剪輯流程，我做出來的東西，已經能達到「能用、不丟人、有節奏感」的水平。也是大概60分。

這就是橫向那一橫在AI時代的意思。

廣度不再是「你得真懂」，而是「你能借助AI在這個領域做出能用的東西」。

而60分這個詞特別關鍵。它不是模糊地說「會一點」，它是一個非常具體的門檻。

60分的意思是，你能獨立做出一個能用的東西，不需要再求人。你能看懂這個領域的人在說什麼，能判斷他們做得好不好，能跟專業的人對話不顯得外行。

這個門檻在AI出現之前，對絕大多數跨領域的人來說，是一個需要花費幾年時間的事。但現在，可能幾個禮拜，甚至幾天就夠了。

所以廣度不僅沒貶值，反而是大幅升值了。因為獲取它的成本被打到了零。

但是。

這裏有個特別重要的「但是」。我自己一開始也沒意識到這件事，是後來踩了好幾次坑才搞明白的。

廣度這件事有個隱藏的前提，就是你必須有一根扎得很深的縱向才行。

你想想，AI帶你做到的60分，靠的是什麼。它靠的是把你的描述翻譯成一個領域的標準做法。但什麼叫「標準做法」呢，得有人判斷啊。這個判斷怎麼做出來。

是靠你的縱向深度。

我用Claude Code寫前端能拉到60分，不是因為Claude Code厲害，是因為我作為一個寫了十幾年後端的人，我有「什麼是好的工程實踐」這種判斷力。我知道什麼樣的代碼組織是清晰的，什麼樣的狀態管理會帶來後續的痛苦，什麼樣的接口設計能扛得住未來的變化。這些判斷沒有一個是前端獨有的，全是從我那一根縱向的深度里長出來的。

如果一個對工程毫無概念的人來用Claude Code寫前端，他能拿到的也是60分，但他拿到的是一個「能跑，但你不知道哪天會爆」的60分。我拿到的是「能跑，並且我大概知道它的邊界在哪裏」的60分。

聽着差不多，其實差着十萬八千里。

這就是為啥這張圖是T型，不是十字型，不是Π型，更不是橫平豎直的方框。

它有方向。從下往上長，從中間往兩邊擴。

沒有那一根扎得深的縱向，你的橫向就只是一堆漂浮的60分，AI給你什麼你就接什麼，你沒有判斷力去篩選、去組合、去抵抗AI的幻覺。

而有了那一根縱向，你的60分橫向就變成了「我知道我在做什麼」的60分，是一個有根的60分。

到這裏你應該已經能感覺到了，這張圖不是一張隨意拼湊的圖。深度和廣度的關係不是平行的，是有順序的，是有因果的。

那圖最上面那個 GenAI usage 呢。

這是我覺得最容易被低估、最容易被誤解的一層。

而且我必須先吐槽一句，圖上那行字真的起得太輕了。GenAI usage，直譯過來就是「用一下生成式AI」。聽着像是在說「你得會用Cursor、會用Claude Code、會用ChatGPT」，是個工具操作問題。

不是的。

如果你把這一層真的當成「用一下AI」，那你就把整張圖最重要的那部分給浪費了。

很多人就是栽在這上面。他們看到 GenAI usage，第一反應是「會用AI工具唄，這有啥好說的，誰不會啊」。這種理解就太淺了。

會打開Claude Code、會發個Prompt、會用Cursor，這只是入門，連這一層的門都還沒摸到。

那這一層真正在考的是什麼呢，我自己琢磨出來的理解是這樣的，它至少包含三個層次。

第一層，是知道AI能幹什麼、不能幹什麼。

這個看起來很簡單，其實絕大多數人都沒搞明白。我經常見到兩種人，一種是把AI當神，啥都丟給它，結果產出一坨幻覺自己也分不清；另一種是把AI當玩具，關鍵的活一個不敢交給它，自己還在那兒手搓。這兩種都是「用AI」這件事根本沒入門的表現。

真正高水平的人，對AI能力的邊界有非常精細的感知。他知道這種活AI能搞定80%，那種活AI只能搞定30%，他能在2秒內判斷出來要不要交給AI。

第二層，是知道怎麼給AI提供上下文。

這一層更難。AI輸出的質量跟你給它的上下文質量成正比，爛Context進，爛Code出。但什麼叫好的Context呢。它不只是你要描述清楚需求，更是你要把背景、約束、風格、判斷標準、甚至你期望的失敗模式，都打包好餵給它。

我自己現在每次讓Claude Code做一個稍微複雜點的活之前，會先花五到十分鐘把上下文寫清楚。這個過程看起來在「浪費時間」，但實際上是在調動我那一根縱向深度，把它壓縮成AI能消化的形式。

這個能力，跟你的深度直接掛鈎。你深度越夠，你能給AI的上下文越精準、越有價值。

第三層，是知道什麼時候不該用AI。

這一層是最反直覺的。真會駕馭AI的人，恰恰是那些會主動選擇「這個活我自己幹」的人。

為啥呢。因為有些東西的價值，恰恰在於你的「親手做」。比如你的核心思考、你的品味判斷、你的創意靈感。這些東西如果丟給AI，你拿回來的不是答案，是被AI的訓練數據平均化過的、看起來正確但其實沒有靈魂的東西。

我前段時間寫一篇文章，開頭那段我讓Claude幫我潤色了一下。它給我的版本語法完美、節奏順暢、專業感十足。但我讀完就感覺不對，這不是我說話的樣子。那段話被磨平了所有我自己的小毛刺，變成了一篇標準的「公眾號優質開頭」。我最後還是把它改回了我自己的版本，那個版本有錯別字，有一些口語化的奇怪停頓，但它是活的。

這就是第三層。用AI這件事的最高境界，是知道在哪些事情上要捍衞你自己。

把這三層加起來，你就能理解為啥那張圖把 GenAI usage 放在了最上面。

它不是T型的第三個並列要素，它是放大器。

放大什麼呢，放大你縱向深度的輸出，放大你橫向廣度的覆蓋。一個有90分深度+60分廣度的人，如果他駕馭AI的能力是1倍，他就是普通的T型；如果是10倍，他就是這個時代的怪物。

這也是為啥X上有個叫Omar的人在評論裏說「T是入門標準，優勢在元層面，是你瞄準T的位置的品味」。

這話說得相當狠。

他的意思是，到了2026年，能搞出一個T型已經是基本盤了，不算優勢。真正的優勢在更高的一層，你怎麼決定你的T要紮在哪。

你的縱向要紮在金融、還是法律、還是醫療、還是某個特別冷門但你有熱情的小眾領域。你的橫向要擴到設計、還是商業、還是心理學、還是你具體那個行業的客戶洞察。

這些決定，AI給不了你答案。它只能在你決定之後，幫你把每一個方向都加速。

所以圖的上面那一層，與其說是「用AI」，不如說是「你怎麼用AI放大你已經選好的方向」。它考驗的不是技術，是判斷力，是品味。

聊到這裏我必須站出來說一個反直覺的觀察。

我在AI行業看了三年，做了不少跟工具、跟模型、跟產品相關的內容。我觀察到一個特別有意思的現象，那些在AI時代過得最好的人，往往不是那些技術最新、最快上手新工具的人。

是那些在某個垂直領域裏浸泡了十幾年、有真實手感、並且能放下身段去擁抱AI的人。

我認識一個做醫學影像的老哥，五十歲了，寫代碼水平一般，但他對放射科的真實工作流熟到骨子裏。AI出來之後，他沒去學什麼算法，就是用Claude把他的臨牀判斷流程一步一步地拆解、固化成一個個Agent。半年時間，他做出來的產品被他們醫院推到了好幾個科室。

我也認識不少二十多歲的工程師，每天追最新的模型、玩最新的工具，但因為沒有一根扎得深的縱向，他們做出來的東西永遠是「demo級」，看着炫，沒有真正的臨牀落地能力。

這兩組人放在一起對比，你就能特別直觀地看到那張T型圖在說什麼。

它在說，這個時代獎勵的是有根的人。

根扎得越深，AI能放大的槓桿就越大。根浮在表面上，AI再厲害你也用不出花來。

X上還有一條評論我印象很深，是一個叫luyun0120的網友說的，「學術場景最需要的不是最新工具，是把一個問題的因果鏈條徹底搞清楚」。

我想了好久，覺得這話不只對學術場景成立。

對所有領域都成立。

把因果鏈條搞清楚，這本身就是一種深度。它要求你能從現象一直追到原理，從原理一直推到現象，來回打通。這種能力AI能輔助你，但代替不了你。

回到開頭那張圖。

我現在再看那一豎、那一橫、那個最上面的小尾巴，已經不再覺得這是一個簡單的人才模型圖。

我覺得它更像是一張地圖。

地圖上畫着一個普通人在2026年要怎麼活下來。先找到一片你願意紮根十幾年的土地，把那一豎打到90分。然後用AI做槓桿，把你能覆蓋的邊界推到最遠，左右各擴一截。最後在最上面，長出那個不可被替代的部分，你的判斷、你的品味、你的「不該讓AI做」的清單。

這是一張活人的地圖。

不是程序員的地圖，是所有還在用腦子幹活的人的地圖。

是會計的地圖，是律師的地圖，是醫生的地圖，是寫作者的地圖，是產品經理的地圖，是創業者的地圖。

每個人都得畫自己那一張。

寫到最後，我想起一個特別樸素的事實。

二十年前的T型說的是「會一門、懂多門」。

2026年的T型說的是「精一門到極致、用AI把多門拓寬到能用、並且學會讓AI替你打怪而不是替你思考」。

字數差不多，重量完全不一樣。

願意紮根的人會被這個時代獎勵，浮在水面上的人會被一波一波的工具浪潮沖走。

這話聽着有點刺耳，但我自己看到的就是這樣。

我也還在畫我自己的T。我那一豎在內容和AI的交叉點上，已經磨了三年多了，我希望未來五年還能繼續往下磨。我那一橫在產品、在工程、在哲學、在心理學這些方向上慢慢擴，每個方向都借了AI的力。最上面那個小尾巴，我每天都在問自己，今天哪些事我不能交給AI。

這張圖我打算打印出來貼在工位前面。

也分享給屏幕前的你。

如果你看完這篇還沒決定你的T要紮在哪，那今天可能就是個開始的好日子。

如果你已經有一根扎得不錯的縱向了，那恭喜你，時代剛好。

以上，既然看到這裏了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個關注⭐～

謝謝你看我的文章，我們，下次再見。