每次我回答「AI 什么都会，我们为什么还要学习？」时，都会想起一段往事。以前我在微软工作时，旁听过一场远程面试。候选人几乎答对了所有问题，答案听上去也很完整。面试结束，同事却决定不录用。我问为什么。他说："答案都对，但他一直在 struggle。"那种 struggle 不是不会，是每问一个稍深的问题，他都要停顿很久；答案本身正确，却和上一题接不上。面试官一改条件、一追问、一让他把结论套到新场景里，他就得从头组织。我们当时有个没有证据的猜测：他可能一边开着 Google，一边回答。让他挂掉面试的，不是他有没有查、有没有查到正确答案，是面试官无法确认：这些答案，究竟是从他的知识体系里长出来的，还是刚刚捡回来的。对于「AI 什么都会，我们为什么还要学习？」这个问题，前几天看 Patrick Collison 的采访，他给了我见过的最好的答案：知识是L1 Cache。一点点计算机基础知识：CPU取数据是分层的。上网最慢，硬盘次之，内存更快，而 L1 缓存就贴在处理器旁边，小得可怜，快得离谱。数据在里面，立刻可用；不在，就得往外找，越远越慢。人脑一样。你真正理解并记住的东西，在 L1 里。需要时不用“调取”，它本来就在，还能在几秒甚至几毫秒内和别的知识反复组合、比较、推翻、重来，我们可以称之为“直觉”或“品味”。 AI 出现之后，很多人以为：既然什么都能查，那还需要自己学吗？是不是学得慢，就可以不学了？我私下认为，「自己立即出答案」和「通过问AI出答案」，有两个重要区别第一个：「查一次要多久」？第二个：「延迟高到一定程度，某些思考根本不会发生。」例如，同样面对Vibe Coding，不懂的人：用着3万的电脑、买着$200/月的Coding Plan、耗费1年时间、天天筛自己每天消耗多少Token，但是，0个用户。这种老登，真的，无处不在。真懂的人：潜意识里关注 —— 值得做吗、有没有商业价值、我的用户在哪儿、安全性有没有问题、性能方面我要如何改进、这个产品我该用TanStack还是NextJS、如果用户翻十倍我架构怎么改……这些问题不是他去查的，在他的头脑的L1 Cache里，是知识自己冒出来的。而外部知识——不管是 Google 还是 AI——只有你先想到要问，它才会出现。你不知道该问什么的时候，全世界的答案对你都等于零。 AI是一块无限大的硬盘，接在你的CPU上。硬盘再大，也不会替你扩容 L1。这就是为什么AI时代，我们仍然需要学习。