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