学习AI要会什么？先想清楚你要成为哪种人

学习AI要会什么？这个问题我问过自己整整一年。现在我能给出一个反直觉的答案：大多数人不是败在学不会，是败在学错了层。市面上所有"AI学习清单"的坑就在这里——它们默认所有人都要成为算法工程师，于是文科生被劝去啃线性代数，运营被劝去学PyTorch，学到怀疑人生，然后放弃。

我自己就是这么栽的。2024年我一时上头，报了个号称"从数学基础到模型研发"的班，八千八。前两个月在矩阵运算里游泳，第三个月说实话我连课程群里的问题都看不懂了。退课不成，钱打水漂，但换来一个值钱的认知：先选层，再列清单。这篇就把这三层的清单拆给你，每层我都标了"该会的"和"不用碰的"。

为什么学习AI要会什么没有标准答案

因为"会AI"这个词至少装着三种完全不同的职业：用AI干活的人、把AI装进产品的人、发明AI的人。三种人要会的技能重合度不到三成，用一张清单去套所有人，必然有七成人白学。打个比方，会开车不需要会造发动机，更不需要懂内燃机热力学。AI也一样——你把提示词玩出花，照样能在工作中吃到AI红利，一天线性代数都不用碰。

这个分层不是我发明的。你看招聘软件上的岗位就能验证：提示词优化、AI产品运营这类岗位，JD里没有一个数学词；AI应用开发岗要的是Python和API调用；算法研究员岗才写着"熟悉常见模型原理，有论文优先"。三个世界，三种价钱，三套准备方式。学AI到底学什么的四层拆解我在另一篇里写得更细，这篇重点讲怎么对号入座。

第一层：使用者，会这两样就出师

使用者层的清单只有两项：结构化提问的能力，以及验证输出真假的能力。前者决定你能榨出多少价值，后者决定你会不会被它坑。编程、数学、原理，全都不用碰。提问能力具体是啥？不是背提示词咒语，是把模糊需求翻译成明确指令的能力。同样的AI，我同事让它"写个活动文案"，得到一堆正确的废话；我给它的指令是"你是母婴品牌运营，给618推文写开头，50字内，埋'夜奶'场景词，语气像闺蜜"，出稿直接能用。差距不在工具，在喂法。

验证能力更容易被忽视。AI会一本正经地胡说八道，专业上叫幻觉。数字、法条、参考文献这三类输出，我一律当"待核实"处理，交叉验证过了才敢用。有回它给我编了个特别像那么回事的统计数据，标着来源，我去翻了那个报告，压根没这条。从那以后我的原则是：AI负责生产，我负责把关。使用者层的上手路径，可以搭配普通人从零上手的完整指南一起看，两周够出师。

第二层：集成者，编程是入场券

集成者层的清单四项：Python基础、API调用、数据处理、工程部署的常识。目标是把AI能力缝进一个能用的产品里。这层的分水岭是编程，绕不过去，但也没想象中高——会写函数、会调库就够入门。我目前就停在这层。去年秋天我开始用Python调各种模型的API，做过一个自动整理周报的小工具：抓取我一周的Git提交和文档改动，喂给模型总结成三段话。第一版跑通那晚，我在出租屋里激动得点了份炸鸡。

说点只有做过才知道的事。集成者最花时间的不是调AI，是数据准备。我的小工具里，AI调用代码占两成，剩下八成在处理各种脏数据：格式不统一、编码乱码、接口超时重试。还有token成本，看着一次几分钱不起眼，我的周报工具迭代一个月烧了六十多块，后来学会缓存和精简提示词，降到十几块。这些细节教程里没人讲，全是坑里泡出来的。想走这条路的，编程怎么起步可以看从Python到模型调优，我的路线和它大体吻合。

第三层：研究者，劝退率最高的一层

研究者层的清单：概率论和线性代数要真能算，论文要能逐行复现，还要顶得住实验失败的日常。这层的天赋门槛和耐心门槛都实打实存在，我不骗你。我在八千八的班里浅尝过这层，结论是不适合我，及时止损了。但我的大学同学阿凯适合，他本硕都是数学，现在在某大厂做推荐算法。他跟我描述过日常：一个实验调三周，失败了，推翻重来；读一篇论文要一整天，代码复现再两天。他说这行筛掉的人，多数不是不聪明，是熬不住没有正反馈的日子。

给考虑这层的人一个诚实参照：阿凯的路径是数学本科、机器学习硕士、实习、转正，十年功夫。半路杀进去的也有，但普遍付出了两三年全职自学的代价。值不值，看你的人生预算。深度学习该不该学、什么人适合，我在过来人的利弊分析里有更狠的展开，想清楚再入场。

选错层的代价：我的八千八买来的教训

复盘那次报班，我错在跳层。我一个靠写文案吃饭的人，直接冲研究者层，等于不会走就去跑马拉松。但话说回来，那段经历也不是全无价值——至少我现在看论文摘要不怵了，跟技术同事开会能听懂七成。只是如果重来，我会先花两周在使用者层吃透，再用半年爬集成者层，八千八的预算至少能省下一半。

判断自己该在哪层，我总结了一个土办法：看你手头的工作，AI是帮你干活，还是你要做AI给别人用。前者停在第一层足够，后者至少要到第二层。至于"要不要直接冲第三层"，除非你享受数学本身，答案基本是否定的。选层之前那些更基础的问题，比如学习目的和心态，可以翻翻学习AI前先想清楚这5件事，我就是没想清楚才交的学费。

常见问题

三层可以同时学吗？

不建议并行，串行效率高得多。先在低层建立正反馈，再爬高层。我见过同时学提示词、Python和数学的人，三线作战的结果是三线溃败，学习最容易半途而废的原因我在三个坎里写过。

年龄大转第二层来得及吗？

集成者层对年龄比研究者层宽容得多。我认识38岁转做AI应用开发的测试工程师，一年上岸。这层看的是能不能交付小工具，不是发际线。大龄转行的真实时间线可以参考普通人转行上岸记。

第一层会不会很快被淘汰？

不会，反而越底层自动化，提问和判断越值钱。模型越强，会用的人产出差距越大。麦肯锡2023年的报告估计生成式AI每年可为全球经济增加2.6到4.4万亿美元价值，这些价值大部分由使用者层兑现，报告在麦肯锡官网可查。

怎么判断自己已经可以升层了？

看产出。使用者层的标志是你能稳定产出可直接使用的AI结果；集成者层的标志是你独立交付过一个有人用的工具。拿输出说话，别拿学了几节课说话。各层能力怎么自测，维基AI词条里的能力分类可以当参照系。

这篇如果帮你省下了一次盲目报班，那就是它最大的价值。转给那个正纠结要不要学AI的朋友，先选层，再掏钱——顺序别反。