# AI时代，最该创业的不是程序员 > 龙虾AGI通用实验室 · 2026-04-02 最近半年，我越来越强烈地感受到一件反直觉的事： 在AI创业这件事上，学力学的人，可能比学计算机的人更有优势。 这不是自我安慰。请往下看。 · · · ## 一个曾经让我焦虑了好几年的问题 2018年，我在读博期间看了大量书籍，得出一个让自己很沮丧的结论：**力学，正在变得没用。** 当时的逻辑很清晰—— 力学的本质是什么？是抽象。是面对一个极其复杂的物理系统，把它简化成几个关键变量和几条方程，用最少的信息描述最核心的规律。F=ma，就是这种思想的极致体现。 但为什么要抽象？因为人脑处理不了复杂问题。抽象是人脑的认知拐杖。 问题来了：如果计算机可以直接处理海量数据，直接从原始信息中得出结果，那为什么还需要抽象？为什么还需要力学？ 我当时看到的导弹制导技术的演变，完美印证了这个判断——现代制导系统早就不只靠弹道方程，而是靠实时信息反馈和智能控制。传统力学分析只是其中一个模块，信息科学才是主角。 所以那几年，我其实很焦虑。觉得自己学了一个"正在过时的学科"。 · · · ## 然后，大模型时代来了 2024年到2026年，大模型能力飞速进化。 Claude、GPT能写出生产级代码。Cursor、Copilot让一个人就能搭出过去需要一个团队的产品。AI Agent开始能自主完成复杂任务链。 一个很多人还没意识到的事情正在发生：**代码能力正在被拉平。** 过去创业，你得有一个强技术合伙人，得能写后端、搞数据库、调前端。这些是硬门槛。 现在，这个门槛几乎不存在了。 一个从没写过代码的人，借助AI工具，两周内就能做出一个能用的产品原型。这在三年前完全不可想象。 代码不再是瓶颈了。 那什么是瓶颈？ · · · ## 瓶颈变了，游戏规则就变了 当所有人都能写代码，竞争就不在代码上了。 新的瓶颈是三个东西： ## 第一，定义问题的能力。 AI非常擅长解决已经被清晰定义的问题。但"这个问题到底是什么""哪个才是真正的关键矛盾"——这件事AI做不了，至少现在做不了。 大量创业失败不是因为技术不行，而是因为一开始就解错了题。 ## 第二，对物理世界的直觉。 互联网创业的低垂果实已经摘完了。下一波机会大量出现在AI与物理世界的交叉地带——智能制造、机器人、新能源、生物医药、自动驾驶。这些领域的创新，不是纯靠写代码能搞定的，你需要理解力、热、流体、材料、结构——理解真实世界是怎么运作的。 一个不理解材料疲劳的人，做不好工业检测AI。一个没有流体直觉的人，做不出好的散热方案。一个不懂结构力学的人，造不出可靠的机器人。 ## 第三，从复杂中提取本质的能力。 市场上有无穷多的数据、无穷多的需求、无穷多的技术路线。什么是噪声，什么是信号？什么是表象，什么是本质？ 这才是真正稀缺的判断力。 · · · ## 为什么力学训练恰好对应这三个瓶颈 回过头来看，力学训练的核心，从来不是教你记住几个公式。 它训练的是一整套思维方式： 面对一个复杂系统，第一步不是急着求解，而是问——**这个问题的本质是什么？什么可以忽略，什么不能忽略？** 一根悬臂梁，你要判断哪些力是主要的、边界条件怎么简化、用什么模型近似。这个过程就是"定义问题"。 一个流体问题，你要决定是用欧拉法还是拉格朗日法，要不要考虑粘性，湍流怎么处理。每一步都是在"从复杂中抓住本质"。 这种训练做了四年、六年、八年之后，它变成了你看世界的方式——面对任何问题，你本能地会去找主要矛盾，去建简化模型，去识别哪些变量真正重要。 这个能力在过去可能不值钱，因为过去的瓶颈是执行——你看到了本质，但你做不出来。 现在不一样了。AI解决了执行。**你只要能定义清楚问题，AI帮你实现。** 这就是错位：市场最需要的能力，恰好是力学训练最擅长培养的能力。但大多数力学人还没意识到这一点。 · · · ## "但这不是力学的专利" 说到这里，可能有人会反驳：你说的这些能力——抽象、建模、抓本质——物理学家也有，数学家也有，好的产品经理也有。凭什么说是"力学人的时代"？ 这个反驳是对的。 准确地说，AI时代真正受益的，是所有受过严格建模训练的人——理论物理、应用数学、控制论、力学，都算。 但我想强调力学的一个独特优势：**力学是最接近物理世界的建模学科。** 数学建模可能更抽象，物理学可能更基础，但力学天然地站在"理论"和"工程"的交叉口。一个力学博士，既能建立数学模型，又对真实世界的材料、结构、制造有直觉。 这种"两栖能力"，在AI+硬科技的创业浪潮中，价值极大。 · · · ## 2018年的我错在哪里 现在回看2018年的判断，我发现了一个有趣的错误。 当时我说"计算机可以处理原始数据，不需要抽象了，所以力学没用了"。 这句话的前半段没错：计算机确实越来越能处理复杂数据。 但结论错了。我把"工具层面的抽象"和"认知层面的抽象"混为一谈了。 工具层面的抽象——把复杂计算简化成人能手算的方程——这确实在被计算机取代。 但认知层面的抽象——面对混沌的现实，识别出真正重要的变量和关系——这不但没有被取代，反而因为信息爆炸变得更加稀缺。 数据越多，噪声越大，你越需要有人能从中看到结构。 这就是力学思维的真正价值所在。不是用来算的，是用来看的。 · · · ## 给力学人（和所有建模型的人）的一个建议 如果你和几年前的我一样，觉得自己学了一个"夕阳学科"，我想说：换个角度看看。 现在的AI工具，本质上给了你一种新的超能力——**你只需要负责"看到"，AI帮你"做到"。** 你不需要学三个月的React和数据库，你需要做的是：找到一个你理解其物理本质的真实问题，用你的建模直觉定义清楚它，然后让AI帮你实现。 一个力学博士去做工业缺陷检测AI产品，可能比一个纯CS背景的团队做得更好——不是因为他代码写得好，而是因为他知道裂纹在什么应力状态下会扩展，知道哪些特征才是真正有判别力的。 代码可以外包给AI，但对问题的洞察外包不了。 · · · ## 最后 回到开头那个让我焦虑了好几年的问题。 力学到底有没有用？ 我现在的答案是：力学作为一种"算东西的技术"，确实在被计算机取代。但力学作为一种"看世界的方式"，正在变得前所未有的值钱。 上一个时代属于能写代码的人。 这个时代，属于能定义问题的人。 而定义问题，恰好是力学人练了很多年的基本功。 只不过大多数力学人自己还不知道。 · · · 如果你也是理工科背景、正在思考AI时代自己的位置，欢迎关注，一起探讨。