136人，和他们10万字的AI年度总结

本文来自微信公众号： 十字路口Crossing ，作者：镜山，原文标题：《136人，和他们10万字的AI年度总结 | 知乎「AI 中场时刻」》

这不只是一个人的感受。

越是加速的时代，越需要更长远的思考。

知乎答主@zibuyu9（面壁创始人刘知远）用这句话作为他的年度总结，很真实。

其实，这不只是他一个人的感受。

最近知乎在做一个规模很大的项目，叫「AI中场时刻」，把很多一线从业者、研究者的年度反思都聚到了一起。

到现在，整个策划的参与者已经高达数千人，其中一个问题「作为一名科技从业者，如何总结你的2025？」下，已经有136篇高质量回答，而且还在持续增加。「十字路口」团队把这些内容从头到尾梳了一遍，整理下来总字数已经超过10万字，信息量非常扎实。

翻完这136份回答，我们印象最深的是一些特别具体的细节：

【1】有人开始认真焦虑职业问题，发现年龄、经验这些以前被视为优势的东西，正在被重新评估。

【2】有人花了好几周时间，只为了把一堆历史数据清洗干净，好让AI真正能用得起来。

【3】也有人发现，自己大部分代码已经交给AI写了，工作的重心悄悄发生了变化。

这些都不是什么宏大叙事，但拼在一起，反而很真实。

🚥

基于这136份回答，10万字内容，我们做了一次系统梳理。

接下来，分享我们的观察。

1）大家对AI祛魅了，开始让它「刷盘子」

如果说2023年是AI指数级发展的元年，大家第一次看到模型写文章、写代码、生图像，那么到了2025年，在知乎这个讨论场里，更多人看到的是AI「不高贵」之后的真实场景。

AI开始落地了。

这一年，很多从业者的共同体感是：AI不再是高高在上的技术，反而变成了手里「用来洗盘子的钢丝球」。

一线的声音，基本可以用一个词概括：祛魅。

知乎答主@遥小白回顾2025年时提到，自己从一个热衷新技术的「探索者」，变成了只关心结果的「交付负责人」。年初，他试图用大模型替代公司30%的人力，逻辑听起来很好，现实却很搞人心态。

为了让模型真正理解业务，他花了整整6周做数据清洗，把公司10年积攒下来的工单、日志和邮件重新翻了一遍，脱敏、对齐、修正格式。

他自己算过，正则表达式写了两千多行。在连续加班的过程中，他得出一个极其现实的结论：

真正决定AI能不能落地的，是「能把脏数据洗干净的人」。

这种体感，在传统制造业里被放大得更加明显。

知乎答主@某知名爱写人的诗记录了自己在电机厂推进预测性维护的经历。当他对着屏幕上的震动频谱和温度曲线，向老师傅说「以后可以提前预警故障」时，对方拍了拍老设备，直接把话说明白了：

这一步，得先花钱改。

那一刻，他意识到，所谓智能化升级，是旧系统一点点接新系统的阵痛过程。

所以在2025年，「落地」两个字不再是口号了，大家需要付出「真成本」去做好这件事。

知乎答主@麻辣鸡丝没有肉形容自己在电商风控领域的工作，本质就是长期做「脏活」，认知消耗极高；创业者@王冉则用「连滚带爬」形容自己的这一年。

年初他以为方向已经想清楚，真正下场后才发现，对行业的Know-how还差得很远。

他的判断很直接：

有社会价值的事情，本来就不体面。

但也正是从这些「洗盘子」的时刻开始，AI才真正嵌进了产业。

@遥小白的团队最终把那批「脏数据」喂成了一个能用的工具，把原本2小时才能完成的债券募集书摘要，压缩到了5分钟。他后来意识到，所谓技术改变世界，很多时候只是让别人能早点下班、去接孩子。

高校教师@smart选择了创业，专门解决文件格式转换、去水印这类「小问题」。工具没那么高大上，但每天都有人在用。

在这些回答里，2025年的AI有点具体、琐碎，甚至有点狼狈。但正如@王冉说的那样：

姿势好不好看不重要，方向对了，就在泥里往前走。

2）Vibe Coding下的「超级个体」

2025年，一个新词在开发者圈子里传开了：Vibe Coding。

这指向的其实是一种很具体的变化：写代码不再是核心门槛，理解问题、拆解逻辑、做出判断才是。

你不再需要逐行敲代码，只要能把需求说清楚，AI就能自己补齐结构。

知乎答主@零一猴子把这件事称为自己的「震撼教育」。2025年，TA初加入一家AI创业公司时，他发现一个「反直觉」的事实：公司里大约60%的代码由AI生成。

一开始他最担心的是质量和维护成本，但到了年底，他不得不承认一个变化已经发生：

现在，我自己大概70%的代码，都是AI写的。

除了效率之外，还有角色的变化。工程师开始逐渐变成了设计师。

知乎答主@Phodal（软件架构师）用一张图总结了自己的2025：从MCP到Skill，工具在不断变化，但核心始终只有一件事：用AI Agent构建AI Agent。

他说，今年Agent的能力提升幅度非常大，大到很多以前不敢接的复杂工作，现在可以快速完成。

基于Agent驱动测试的思路，他在很短时间内构建出了ChatDB这样的复杂功能，第一次明确感受到「10倍效率」并不是一句营销话术。

当「会不会写代码」不再是分水岭，「超级个体」就开始出现了。

知乎答主@Orange AI分享了一个非常具体的例子。Ta为了赶上Nano Banana 2的模型发布节点，团队里一名工程师，只用了两天时间，就借助Vibe Coding写出了一个功能完整的图片社区产品。

他的判断就很现实：

不需要产品经理，不用设计师，一切靠AI和自己。这就是端到端全栈工程师。

在2025年，一个工程师，确实可以在短时间内活成一支队伍。

这种变化，并不只发生在技术圈。

知乎答主@三点十四曾在猎头行业多年，2025年选择转向自媒体创作。对一个非技术背景的人来说，视频制作、脚本、配图、运营，原本是很难得。

但在AI的辅助下，他实现了「一个人一个团队」。

他的描述很准确：

AI不是替代我，而是武装我、放大我。

2025年的「Vibe Coding成就超级个体」趋势，其实并不温和。

它让只会写固定代码的人感到焦虑，也让那些具备想法、判断力和表达能力的人，第一次拥有Ship First的可能性。

正如@Orange AI所说：

你不需要反复问自己有没有找到PMF。当你真的找到了，订单会自己出现。

3）外来老油条+AI正在代替专家？

AI技术往前走，旧的习惯就会慢慢被改变。

2025年，对很多资深科技从业者来说，最难接受的并不一定是AI难学。

大家感觉最疑惑的是：过去引以为傲的经验，是不是突然不值钱了？

这种变化，在知乎答主@陈伟的记录里显得很具体。他直接给出了一组数据：大厂35岁以上技术岗的占比，从2022年的38%，下降到2025年9月的14%。

数字之外，是「经验」的重要性也有了那么一点点动摇。

过去，10年业务开发经验是「资深」的标志，到了2025年，这10年在不少面试官眼里，几乎可以被直接归0。

@陈伟记录了现在常见的面试对话：

你调过万卡集群吗？

你训练过千亿参数模型吗？

你是NeurIPS/ICML一作吗？

你调过万卡集群吗？

如果没有，流程往往就此结束。他的判断很直接：

AI把「经验」贬值了70%。40岁的人，带着家庭，根本拼不过25岁的博士。

这种「经验折叠」并不只发生在面试间，也发生在每天的工位上。

知乎答主@半百微观用一句话概括自己的2025年：焦虑和痛苦同行，长期徘徊在崩溃边缘。他所在的传统软件行业，与高速扩张的AI核心业务形成了Gap。

对于那些不在核心AI赛道上的从业者来说，这一年更像是在拼命维持现状，努力到极限，也只是「勉强保住饭碗」。

甚至连离职，都变得很突然了。

知乎答主@一波不是一波讲述了自己的经历：工作十年，过去跳槽几乎从未间断，但在2025年春天，他突然接到裁员通知。这一次，他没有很快找到下家，而是被迫休息了半年，最终以降薪重新入职。

他的总结很简短：

这一年，就是这样了。

@陈伟进一步总结了一个现象：原本积累了20年行业经验的专家和业务骨干，反而被边缘化；取而代之的，是那些业务并不深，但掌握「AI话语权」的人。

他的评价很尖锐：

外来老油条+AI能力，正在取代真正的专家。这是行业的悲哀，而我们正身处其中。

2025年的阵痛，本质上似乎打破了一个长期存在的职业幻觉：越老越吃香。

4）从屏幕内卷，到物理世界的「具身突围」

当云端大模型的参数一路干到万亿，AI ChatBot已经高度同质化了。

所以有一部分人意识到一件事：继续在聊天框里竞争，已经很难拉开差距了。

于是，他们把目光投向了一个更慢、更有挑战的方向：物理世界。

2025年，具身智能开始成为了新的热词。

知乎答主@AIming的选择，很能代表这种转向。他在自动驾驶行业干了6年，拿过Waymo公开赛冠军，完整经历过这个赛道的高光时刻。但也是在2025年，他第一次清楚地意识到，自动驾驶的节奏已经变了。

真正让他下定决心的，是一个视频：DYNA发布的机器人叠毛巾演示，成功率99.4%。

他的判断是：

一个事情如果能做到99.x%，就说明已经具备落地价值。

于是，他选择放下自动驾驶，转向具身智能。

但这件事很难很难，在纯软件世界，代码跑不通只是一个Bug；在具身系统里，一次错误的动作，可能直接损伤硬件。

为了训练机器人把毛巾叠好，他和团队只能轮班守着唯一的一台设备，一次次试错，一次次重启，熬过了无数个夜晚，直到把成功率推到100%。

他在回答里写了一句很有代表性的话：

正因为它还有问题，我才要来。

同样的紧迫感，也出现在知乎答主@莫一林身上。

对他来说，2025年是被高度压缩的一年：年初TA还在犹豫方向，2月拉着老朋友创业，到年底，团队的那台轮式双臂机器人已经迭代到第4版。

他们选择了一条更现实的路线：人机共驾。

他的判断是：

让机器人「好用」，比「像人」重要得多。

这种在物理世界里反复试错的工程路径，让他们拿下了中关村具身智能大赛一等奖，也交出了一份不靠论文、靠实物说话的答案。

在学术界，知乎答主@岳路飞也更聚焦了方向。

2025年，他将研究重点明确放在「具身智能」上。为了跑通系统，他开始亲手调上位机、改下位机，接传感器、修底层逻辑，做了大量没人愿意写进论文的dirty work。

正是在这些脏活里，他第一次真正理解了工程极限意味着什么。

他写道：

希望能继续做工程化科研，在具身智能这片大航海里站稳脚跟。

从屏幕内卷，到物理世界突围，这其实是一种实用技术价值观。

这些人不再满足于让AI在聊天框里生成一段文字、一张图、一段视频，而希望它能拧紧一颗螺丝、叠好一块毛巾、操作一台真实的机器。

5）在加速时代，重新找回「长思考」

在2025年，最稀缺的资源之一可能是慢下来思考的能力。

模型在加速，硬件在加速，端侧算力在加速，参数规模也在加速，大家很容易感到焦虑：如果不跟着跑，就会被甩下。

但在知乎的年度盘点里，因此出现了很多声音：越是加速的时代，越需要刻意减速。

知乎答主@zibuyu9（面壁创始人刘知远）在年终总结中，给出了一个非常清醒的判断：

越是加速的时代，越需要更长远的思考。

在他看来，2025年真正重要的工作，是厘清一些底层问题：智能体究竟是一种范式，还是短期应用？产业效率提升，真正的瓶颈在成本还是结构？

这些无法被加速的问题，才是避免方向跑偏的「北极星」。

知乎答主@Simon_Zhang在这一年从西雅图搬到旧金山湾区，直接进入了「高密度、强迭代」的技术环境。在那里，几乎所有事情都在被默认要求「更快完成」。

但他有意识地为自己保留了一个低速区。

他在回答中写得很清楚：

并不是所有有价值的事情，都适合被加速。

当执行成本因为AI大幅下降，他选择把精力放在那些依然无法被压缩的环节：问题定义、结构设计、系统生命周期判断。

这些事情慢，但决定了长期上限。

还有人，干脆选择停下来。

知乎答主@武辰在2025年做了个决定：辞职写书。

他选择用一整年的时间，完成两本面向普通读者的入门书：《大白话概率论》和《算法工程师入门自学手册》。

一次与DeepSeek的深夜长对话，让他重新确认了自己的位置。他意识到，自己的价值在于把复杂技术翻译成人能理解的语言。

他说：

2025年，我停止和别人赛跑。2026年，我开始认真走自己的路。

知乎答主@林甸芦苇画传承记录了自己在AI治理小组的经历。

当他拿着47页的《AI伦理评估表》，一项项拷问模型是否会放大性别刻板印象、是否引入系统性偏见时，他突然意识到一件事：

写代码的尽头，是写规则的草稿。

他的结论，几乎可以作为这一部分的总结：

科技从业者的终极竞争力，是在算法洪流中，守住「人」的位置。

把这136份回答完整看完，你会发现：对AI的焦虑是真实的，阵痛是剧烈的，但成长也是真实的。

读完这10万字的回答，我们最大的感受是：AI技术是真实的，用AI搞定产品的「过程」是令大家兴奋的。

这也正是知乎「AI中场时刻」这个年度盘点的价值之一所在。

在知乎的讨论区里，我们看到了AI是如何被具体地、艰难地推向现实的。

2025年之前，很多方向已经被验证过一轮。能不能做，基本有结论了，接下来要解决的，是值不值得继续做，以及怎么长期做下去。

这一年，更像是在给前2年做复盘。

哪些路线有效，哪些判断过于乐观，哪些能力被高估，哪些基础被忽视，答案都开始变得具体。

在这些回答里，可以清楚看到不同人的状态变化：

有人在这一年明确了方向，开始主动收敛，比如@岳路飞把重心放在具身智能，减少分散探索；

有人在这一年学会和不确定性相处，比如@lllyyb不再试图抓住每一次的风口。

也有人还停在路口，比如@大象灰灰，对方向保持开放，但暂时没有给自己一个确定答案。

这些状态没有对错，只是所处阶段不同。

重要的是，这些变化都被完整记录了下来。

「AI中场时刻」意味着上半场已经结束，下半场一定会开始。带着这一年积累下来的经验、教训和耐心，很多人已经回到场边，准备重新上场。

这一年，辛苦了。2026，请继续加油。