AI时代,文科生还有竞争力吗?
文章来源|云启资本(ID:yunqipartners)
@陈困困:我不懂算法,但我用AI讲故事
AI视频创作者
衣着考究的小动物们穿梭在神似《布达佩斯大饭店》的场景……2023年底,一条名为“Animal Hotel ”的AI短片在小红书迅速走红。短片中,拟人化的动物角色们在AI生成的画面中切换,引来几千个点赞收藏。
当时AI视频生成还是一个技术“新物种”,这条短片的作者“陈困困”也只是一个对新工具保持敏感、“随手玩玩”的尝鲜者。而一年半后的今天,这位既非设计专业也非程序员出身的90后女生,已经从一名视频编导转型成为一名AIGC视频创业者,成立了独立工作室,持续产出AI创意视频。
很难想象,这场转型的起点,源于一次“逃离瓶颈”的留学选择,以及她在AI时代风口上的一次“动手尝试”。
香港读硕,“重启人生”
时间回到 2022年,陈困困正站在职业的十字路口。在北京摸爬滚打七年,她曾做过电视编导、纪录片、短视频,也进过知名互联网公司。虽然积累了工作经验,但表达欲枯竭的瓶颈感也逐渐强烈。
滞阻感之中,她决定按下暂停键,赴香港理工大学读一年制的硕士项目,重新出发。“最初只是想换个环境重建自己,当时还完全没想到AI。”但这段“重启人生”的旅程,恰巧踩上了生成式AI快速发展的节奏。
2022年底,ChatGPT引爆生成式AI。得益于学校开放的技术氛围和多元的课程设置,陈困困在第一时间“玩”起了这些新工具。“别人还在观望的时候,我们这边已经在用Discord跑图了。”
她用Midjourney生成课题图,用GPT补课自学代码,还了解了Web XR、VR、AR等不同领域。虽然不懂技术底层,但她愿意动手尝试,并不断跨界学习。
Pika出圈,意外“上岸”
2023年,她博士申请未果,迎来了职业空窗期。这段“空闲”的时间,成了她与AI深度接触的窗口。
2023年底,AI视频工具Pika出圈。陈困困抱着试试看的心态,把自己读研时做作业用的Midjourney创作的图片丢进Pika测试视频生成。没想到,这支视频在小红书获得许多关注,为她吸引了大量粉丝。“那个正反馈真的很强,很多人来评论、点赞,我又继续做了好几条。”
2024年,AI视频生成技术迭代按下加速键,海内外工具不断涌现。她也在第一时间测试各类新产品,Runway、即梦、可灵、Hailuo、Veo……随着“工具箱”不断充实,她不再满足于简单的工具尝试,开始探索更深层的创作表达。
但和AI磨合的过程并非一帆风顺。“一致性”问题曾很长一段时间困扰着她:如何让AI生成的分镜在人物、场景上保持连贯?这不仅需要她持续不断打磨提示词,还要大量查看官方文档、博主测评,乃至研究不同AI模型的参数独特性。“为了学得更深入,我后来还配置了搭载4090显卡的电脑,来运行本地模型。”在不断尝试和自我解题的过程中,她成为“不仅玩得早,也玩得深”的AI创作者。
2022年底,陈困困发布在小红书上的AI视频作品(@ 陈困困 小红书页面)
“AI创作者的护城河,是审美与表达”
从最初的工具尝鲜,到如今的专注创作,一年多以来陈困困已创作了《陪着我》《无尽梦》等代表作,合作方中也不乏央视网这样的知名平台。但关于自己和AI的关系,她很笃定:AI只是合作伙伴,而非主角。
在日常工作流里,陈困困会用自己搭建的bot工具帮忙写提示词、分析剧本,但最终的创意、主题、分镜,仍由她亲自定夺。“我不依赖AI来给我创意,它只是协作者,真正决定作品的人,是我自己。”
在她看来,AI降低了技术门槛,但审美、表达和内容深度,才是创作者真正的护城河。“在这一点上,文科背景并不是劣势,反而让我更擅长讲故事,更懂人文感受。”
比如她自己目前最满意的作品《陪着我》,探讨虚拟现实是否能替代丧亲的陪伴情感,灵感正是来源于她留学时对VR疗愈项目的研究。
关于转型的Tips:动手和积累
“不要等想明白才开始,AI工具就是要边做边学。”她说。她很多技术都是从教程、社群、实战中摸索来的,“做中学,比看更重要。”
而积累,则是指每一个文科生看过的电影、读过的小说、听过的音乐,哪怕是学过的历史、哲学、美术——“那些你以为无用的知识,某天都会成为你灵感的源泉。”
@鱼蛋:从写文案到写代码,AI是我的新语言
互联网大厂toB AI 解决方案架构师
八年前从小语种专业毕业,十年后在头部互联网公司带领20人团队做企业级AI解决方案,95后女生鱼蛋的职业故事,印证了技术浪潮下文科生能力边界拓展的全新可能。
鱼蛋目前的日常工作,是根据头部企业客户的复杂需求,设计出融合产品、数据和AI技术的解决方案。在此之前,她的职业路径几经转向,从最初的品牌策划到品牌投放数据分析,再到推荐算法业务落地……
跨度不小的转折背后,是站在职业成长十字路口时的敏锐和果断,也是不断扩容“职业工具箱”的水到渠成。
“工具箱缺哪块,我就补哪块”
2016年刚工作时,鱼蛋赶上互联网黄金时代的尾声。当时她做着品牌策划工作,但很快,增长黑客的风潮席卷而来。“到17、18年的时候,广告投放、数据分析成为品牌工作的重心。”她敏锐地察觉到变化,转战另一家互联网大厂,开始接触预算上千万的广告投放。
但瓶颈随之而来,她发现仅仅依赖数据分析团队提取数据,工作效率低下。“业务团队自己不知道怎么去分析,数据分析团队又不能完全get到你的意思...就会有一点受限制。”不甘受限于此,鱼蛋选择了最直接的方式——自己动手。
“最开始我可能主要是用Excel。到后面的话(数据团队)给我开了数据库接口,我自己去学SQL怎么写。其实SQL也比较容易写。” 掌握SQL后,她可以独立进行数据分析,更高效地优化渠道预算。这次尝试经历让没有理工科背景的她改变了认知:“好像数据也不是那么难的一件事情。”
算法初体验:业务需求驱动的新尝试
进入现在工作的公司后,鱼蛋的角色融合了品牌、投放、数据分析等多重职能。一次预期之外的任务,让她对技术的理解更深一层——领导让她负责电商平台的商品智能推荐系统优化。尽管她坦言承认,“当时我是不懂算法的”。
这可能是一个典型的业务驱动技术的案例。老板看中的是她了解产品、能读懂数据的业务视角。鱼蛋与一位风控算法出身的同事搭档,边学边干。
一个月后,效果显著优化后的推荐逻辑让核心指标甚至翻了三倍。“我当时就会觉得AI是个蛮有意思的事情,它跟我最开始做数据分析时是一样的感觉。” 这次成功不仅带来了业务价值,更重要的是,鱼蛋发现对算法和AI的理解,能够成为她工具箱的一环。她认识到算法可以自我迭代,速度远超依赖人力的传统数据分析。
“偶遇”GPT:迷茫期的技术启蒙
2021年,互联网行业的寒流给鱼蛋负责的电商业务带来存续危机。站在十字路口的她选择去另一家公司探索一直很感兴趣的实体商业,但实际体验不达预期。她的职业发展由此进入一段迷茫期,但转折发生的契机也在这个阶段悄然到来。
一次出国旅行,她偶然获得一个海外手机号。当时早年学习算法时结识的朋友恰好向她推荐了还没出圈的GPT。带着一丝好奇和消遣的心态,她注册了账号。
“最开始是我买了一个GPT plus,它执行任务确实还挺有意思。” 她甚至和伴侣一起用GPT API搭建了一个记录每日食谱和热量的应用,GPT展现的能力又一次改变了她的认知:“它已经让我意识到了,算法的边界远超我的想象。” 这次无心的尝试为她日后深入AI并将其正式运用到工作中埋下了种子。
回归与聚焦:ToB战场上的复合型“解题人”
2022年,老东家又向鱼蛋伸出橄榄枝,这次的方向是ToB解决方案。带着对AI的新认知,鱼蛋重新回到ToB的领域。
“做ToB业务的不确定性会更多。”在鱼蛋看来,ToB业务的关键在于如何拉齐三方预期:客户的认知与预算、行业团队的方案、以及自身团队的能力上限。“客户看到的,跟你实际去做的,跟团队能理解到的可能都不太一样,我的角色是要把这三者能够去做拉齐。”
在这个过程中,她横跨品牌和数据的复合背景成为了一笔宝贵的财富。“我不认为说有白走的路。”鱼蛋举了一个例子:在为客户设计数字化转型方案时,业务团队缺少的品牌策略和投放视角恰好焊死她的长板所在。这种跨领域的理解力成为她定义问题、弥合认知鸿沟的关键。
在鱼蛋看来,在现在的岗位上,自己的文科背景非但不是劣势,反而在ToB解决方案领域形成了独特优势。她认为理科思维的核心在于高效、可靠地解决问题,而文科思维的强项则在于敏锐地定义问题。尤其在复杂的ToB场景中精准定义出客户真正需要解决的真问题,并将其转化为清晰、可执行的技术方案,正是文科背景赋予鱼蛋的重要竞争力。
转型建议:目标、兴趣、务实,一个都不能少
学习的动力应源于解决实际问题的需求,而非追逐热点。同时,也不要忽视内心的兴趣。
“你对什么东西感兴趣的时候,很多时候就是已经给了一个信号,可能你去做这个东西天生就会比较有激情,这份激情会让你慢慢进入一个正循环”,兴趣才是持续投入和克服困难的内在驱动力。
面对职业道路上的挑战,鱼蛋选择用爬坡的比喻来形容——“爬坡的过程很痛苦,但是爬上了之后就会发现没什么。但是你会发现说还有下一个坡……”关键在于保持开放的心态,相信没有白走的路。
@陈磊:在AI行业做一场“田野调查”
出土文献与中国史在读硕士
此次对话的最后一位受访者,是在清华大学“出土文献与中国史”专业的“00后”在读硕士,他同时也是一家AI创业公司品牌市场部实习生,此前在通信央企、国内顶尖互联网大厂的AI项目均有实习。
读的是跨学科专业,又积累了多份AI行业的实习经历,表面看这一个文科生借AI转型的样本。但在对话中,我们收获了很多出乎意料的“高维回答”。这位同学也并不打算把AI作为毕业后的职业方向,而是更关心如何以文科生的方式理解它、运用它、影响它。
因此,这更是一个“把AI作为一种方法”的样本。正如AI之于当下——它开辟的不止一个或几个新行业,更是给我们原本熟悉的世界带来众多新角度和新可能。以下是陈磊的故事。
从古籍拼图到大模型训练
“古典文献学其实很像训练AI模型。你面对的是一堆没有标点、结构也相对混乱的文字,要加注释、加翻译,让人读懂。就像现在的AI,要把原始的语料变成可用的知识。”在陈磊看来,看似冷门的专业实际上和大模型有奇妙的相似性。如果用一个词来概括,就是“拼合”。
在本专业的学术训练中,陈磊学会了如何从模糊多样的碎片中还原本真的结构、建立意义,而AI模型的底层逻辑,正是一种类似的拼图过程,可以帮助人类重建那些无法清晰展现的知识碎片。
“我们过去是把一块块出土文献拼起来,现在是把一堆数据拼成一个算法模型。”两者的共通之处,让陈磊对AI产生了天然的兴趣,也促使他逐步走进AI行业进行实践。
把AI行业当成另一种“田野”
“田野”是陈磊本科时期就熟悉的词。那时他在南京乡村做口述史调查,在没有文字记载的小村落里,向老人们采集快被遗忘的故事。但听不懂的方言、“存储”有限的记忆力都加剧了这件事的难度。“我那时候就已经在找一个能帮我整理、转写、补全和理解的大脑。只不过那时ChatGPT 还没来。”
本科快毕业的时候,GPT和由它引发的生成式AI浪潮来了。陈磊由此开展了另一种形式的AI“田野调查”。
在中华书局古联公司实习时,他接触古籍数字化系统;在通信央企研究院实习时,他参与大模型评测;在头部互联网大厂实习时,陈磊和一群顶尖的文科生一起为算法团队设计“什么是好内容”的训练标准。在现在的实习岗位上,他选择更多地去关注品牌、传播和战略,关注组织如何定位自身在AI浪潮中的位置。
“实习对我来说更多是观察。观察一个模型怎么长出来的,观察一个公司怎么定义过往和未来发展,也观察里面的每一个人,怎么在技术里定位自己。”每一段实习,都是一次“田野”。
用文科生的方法解读AI
“AI行业太快了,有时候你做的就是一场黑箱实验。”陈磊说。
面对极速变化的技术,他选择慢和思。文科生多年积累的阅读和思辨,让陈磊习惯从人文的视角理解AI生态。“李白写诗独一无二,是因为他活过。大模型见过更多文字,但它从未真正活过。”陈磊相信:真正让AI有意义的,是人类的思考方式,是那种从“田野”来、从真实交往和社会中来的思维训练。
他并不认为文科生在AI里只是被迫退场的“被替代者”。相反,文科生的能力体现在如何于混乱时代里看清问题本质,在各种不确定中保持清醒、找到确定。
找寻不确定世界的确定感
“我一直记得一句话:行有不得,反求诸己。”
面对AI时代的变革,陈磊并不认为未来一定会更好,但也没有选择直接摆烂来自我麻醉。他发自真心地认为:“这是个不确定的时代,唯一确定的,是你要自己动手去试。”因此,勇于拥抱不确定性,是他对即将进入AI行业的年轻人最真诚的建议。毕竟在不确定的世界里,最确定的就是要不断学习、不断适应。
陈磊也有在计划未来。他想去非洲,去拉美,去那些被习惯性忽略、还未被完全开发出宝藏的地方。他想带着在AI行业里练出来的眼光,去观察新的社会,做新的田野,找到新的可能。
“其实我现在做的事,和我本科学的古典文献学、参与田野调查时做的事没什么本质不同。我始终在做田野,只不过换了一块地方罢了。”
媒介合作联系微信号|ciweimeijiejun
如需和我们交流可后台回复“进群”加社群
相关文章
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读
2025-07-1117阅读