上周在高铁上，邻座一路都在聊 AI。听内容是一群做自媒体的人，各自交流学 AI 的心得，声音不大，但关键词密集：工具、课程、变现。
我没听全，但有一句记住了：
学 AI 要学让你赚钱的 AI，不然不要学。判断标准就一条：学完之后，有没有人愿意为它付钱。
我的第一反应是想笑——这话听着太像焦虑贩卖课的开场白了，卖课的人最喜欢把「赚钱」两个字挂在嘴边。但后来越想越觉得，这可能是普通人在 AI 学习上能拿到的最好过滤器。不是因为「赚钱」正确，而是因为 「有没有人付钱」是唯一无法伪造的标准。
点赞可以刷，收藏可以自嗨，「感觉学到了」更是大脑最擅长制造的幻觉。只有付钱，要求另一个真实的人掏出真金白银换你的产出——这个信号伪造不了，你也骗不了自己。
为什么这句话出自自媒体人之口
说这话的人群很有意思。自媒体人大概是所有学 AI 的人里，「付钱方」最清晰的一群：他们的内容、产品、服务直接面对市场，学的东西有没有用，每个月都有真金白银投票——广告收入涨没涨，带货出没出单，服务有没有人买。
对他们来说，「学 AI」不是焦虑问题，是投入产出问题。买课花了钱、学 prompt 花了两周，如果数据纹丝不动，那就是亏了，立刻换方向。
而大多数人的学习反馈是延迟且模糊的——学完了，没有任何明确的信号告诉你值不值。没有反馈，学习就变成收藏；没有付钱方，技能就变成简历装饰。 这是这句糙话真正扎人的地方。
「学 AI」的市场，正在卖最快贬值的部分
看看市面上的 AI 学习产品在卖什么：prompt 课、API 调用课、XX 工具速成、套壳应用搭建。
这些内容本身没有错，但要注意一个事实： 工具层技能的贬值速度，是由模型迭代速度决定的，而模型迭代不站在你这边。
- 2023 年，会写 prompt 是技能，因为模型弱、需要哄；模型变强之后，prompt 技巧大部分被产品层吸收
- 2023 年，会调 API 套个应用是加分项；后来 Notion、飞书、钉钉全内置了，套壳不再是技能
- 今天「会搭 Agent」大概率也是同样的路径——等平台把搭 Agent 固化成产品功能，工具层的溢价就归零
我在《AI 机会在变少：2026-2027 是最后的关键期》里写过，每一层机会的窗口都比上一层短、门槛都比上一层高。对个人学习，同样的逻辑成立： 能被课程教会的技能，基本都是即将被平台吸收的技能。 课程能教会你的，也能教会一千万人；人人都会的东西，不值钱。
值钱的在交叉处：AI × 你的领域
那什么不贬值？判断标准还是那句话——有人付钱。
付钱从来不是为「会用 AI」付的，是为「解决问题」付的。而问题长在具体领域里：电商运营的选品和客服、律师的文书审查、自媒体人的选题判断、HR 的简历初筛。AI 是手段，领域是问题。纯手段不值钱，手段乘以问题才值钱。
所以值钱的学习路径不是「从零学 AI」，而是 用 AI 重构你已有优势的工作流。因为交叉处有三样别人复刻不了的资产：
| 资产 | 为什么模型吃不掉 | 为什么别人抄不走 |
|---|---|---|
| 数据闭环 | 模型厂商没有你的行业过程数据 | 你的交易和使用数据只在你手上 |
| 行业 know-how | 踩过的坑和隐性判断不在公开语料里 | 别人没在你的行业里待过十年 |
| 分发渠道 | AI 能生成内容，信任关系不能生成 | 受众、客户、渠道是攒出来的 |
第二行不是虚的。我在《为什么 AI 选人、选品、选股、选爆款，都不太灵》里写过，最难的判断恰恰是 AI 交不了差的部分——那部分判断力长在人身上，就是 know-how。
高铁上那群人，其实已经握着第三样：他们有分发。所以「学让你赚钱的 AI」在他们语境里，就是用 AI 把自己频道的内容机器跑得更快，把一个人变成一个团队。这句话在他们口中天然成立，因为他们早就知道付钱的人是谁。
反过来，如果三样资产你一样都没有，更该先问的不是「学什么 AI」，而是 「我有什么领域优势值得被 AI 重构」。答不上来，先补的不是 AI 课，是领域。
这也和我之前写的个人生产力公式是一致的：个人生产力 = 思考深度 × 资源调度广度。AI 放大的是乘数，但被乘的那个数——你对领域的理解——得先不是零。
最强反驳：学基础不就贬值了吗？
我能想到最聪明的反对意见是这样的：
你这也太功利了。Transformer 原理、训练方法这些东西才不贬值，工具才是术。而且赚钱是滞后指标，等有人付钱，红利期已经过了——很多能力是先学了，才慢慢找到用处的。
分两半回应。
第一，学原理当然有价值，但要分清你学的是 做研究的原理，还是 赚钱的原理。前者是职业路径——立志做模型研发，就该把数学和训练细节啃透，那是入场券；后者只需要理解「这个能力为什么在我的场景里有用」，不需要从头推导 attention。把职业路径的课表搬来当兴趣学习，然后用「打基础」安慰自己没有产出，是最常见的自我欺骗。
第二，「有没有人付钱」不是滞后指标，是 前置验证。正确用法不是等看到别人赚到钱再追进去，而是给自己定一个短周期——比如三个月——用 AI 做出一个最小的、可售卖的东西：一篇付费内容、一单外包、一个同事愿意掏钱买的小工具。三个月内没有任何人愿意为你的 AI 产出付钱，不是市场滞后，是方向错了，这个信号本身就值回学费。滞后指标是看财报学炒股，前置验证是摆摊试菜。
三问过滤器：这个技能该不该学
把上面的逻辑收成一个可以随身带的决策树。下次看到任何 AI 课程、工具、技能风口，过三问：
问题一：学完 3 个月内，能做出一个最小可售卖的产出吗？
不能 → 不学
（除非你明确把它记在「好奇账」上——那是另一本账，见结尾）
能 ↓
问题二：这个产出依赖你的领域资产吗（数据闭环 / know-how / 分发渠道）？
不依赖 → 人人都能做的产出，溢价会被模型迭代吃掉
依赖 ↓
问题三：你知道付钱的人具体是谁吗（不是「市场」，是某一类人）？
不知道 → 先去找付钱方，再回来学
知道 → 现在就学，越早越好
三个问题里，最容易被跳过的是问题三。大多数人学 AI 的姿势是「先学会了再说」，但「再说」的时候往往发现没人接得住你的产出。高铁上那群人从不跳过问题三——他们每天看后台数据，付钱的人是谁，清清楚楚。
三个可以立刻做的动作
- 盘点资产：数据闭环、行业 know-how、分发渠道，你有哪一样？没有的部分，AI 放大出来还是零。
- 选一个工作流重构：从你最熟、重复最多、最痛苦的工作流下手，用 AI 做端到端的新版本。重构一个流程，胜过学十个工具。
- 找到第一个付钱的人：三个月内，让你的 AI 产出被真实的人付一次钱。金额不重要，闭环才重要——第一笔一百块，比想象中的第一笔十万块有价值，因为它验证了你站在「有人付钱」的那一边。
结尾
把那句话再说一遍：判断学 AI 值不值，标准就一条——学完之后，有没有人愿意为它付钱。
这话听起来俗，但它保护的是你的时间。这个时代最稀缺的不是课程、不是工具，是你的注意力。每一个小时花在最快贬值的部分上，就少了一个小时花在别人抢不走的部分上。
例外也要说清楚：纯好奇驱动的学，不需要辩护。人生本来就是生活的一场体验，不是每段体验都要有回报率——那是另一本账，别和投资账混在一起算。
高铁到站的时候，那群自媒体人还在讨论下一个选题。我觉得那就是学 AI 最好的姿势：不是在课堂里学，而是在给付钱方交付的路上学。
你判断「AI 值不值得学」的标准是什么？欢迎留言聊聊。