AI时代什么样的人更值钱？月之暗面付强给了五层答案——而且他们已经在用了
alitrack约 5 分钟月之暗面（Moonshot AI）的付强前阵子在 X 上发了一条长线程，提了一套「AI Native 人才观」。
不是讲谁更努力。是重新定义 AI 时代什么样的人更值钱。
五层，每层都在说「X 比 Y 更重要」。帖子火了，单条 15K-22K 阅读量，评论区最一致的反馈是：「认同，但太稀缺了」「百万年薪也找不到」。
但大部分人漏掉了一件事——这套框架不是鸡汤。月之暗面自己已经在用了。
下面是五层框架，以及他们在 300 人组织里怎么落地的。
● ● ●
五层人才观
第一层：Curiosity > Being Right（好奇心，比永远正确更重要）
旧组织奖励「少犯错」。AI 时代应该奖励「多探索」。因为真正的新机会藏在还没形成共识的地方——没人敢保证它是对的。
第二层：Taste > Consensus（独立判断，比跟随共识更重要）
AI 降低了信息获取门槛，也让「正确答案」变得廉价。真正稀缺的是：面对同样的信息，你能不能做出不同但更好的判断。
第三层：AI Scale > Single-threaded Effort（用 AI 放大自己，比单线程努力更重要）
AI Native 人才不是一个人更拼命干活。是把经验沉淀成 Prompt、Workflow、Memory 和 Agent，让能力被无限复制。拉开差距的不是工时，是杠杆。
第四层：Learning Rate > Experience（学习速度，比过去经验更重要）
经验还有价值，但保质期在快速缩短。重要的不是「你过去会什么」，而是面对全新的模型、工具和工作流，你多久能重新建立优势。
第五层：Generalization > Specialization（泛化能力，比单点专精更重要）
未来最强的不是在一个岗位上做了十年的人。是能把一个领域的方法快速迁移到另一个领域的人。写代码、做产品、理解业务、调用 AI——这些能力会越来越融合。
● ● ●
不是鸡汤，是招聘系统
重点来了。
今年 5 月，月之暗面总裁张予彤在北大光华做了一场闭门对谈（虎嗅独家报道）。她披露的招聘和组织实践，和付强这套框架几乎逐层对应：
| 框架层 | 月之暗面实际做法 |
|---|---|
| Curiosity > Being Right | AI 面试系统评估「原创想法」，不看标准答案。内部承认：「一个人一年能产生的好想法非常有限」 |
| Taste > Consensus | 不看学历、专业。面试通过交流判断候选人的信息关注点——如果理解还停留在「2025 年的认知水平」，直接筛掉 |
| AI Scale > Single-threaded | 300 人，估值 200 亿美元，人均近 $7,000 万。扁平化组织，全员统一 title 为「staff」，最多两层汇报关系 |
| Learning Rate > Experience | AI 面试系统追踪迭代次数、路径多样性、甚至迭代的时间点——看你是不是那种「会为一个想法试 1000 次」的人 |
| Generalization > Specialization | 无固定岗位边界。做 pretraining 的可以转 post-training，搞算法的可以做数据，市场可以转模型评估 |
他们还明确偏好两类人：「不被标签化的人」和「偏执的人」——偏执在这里不是贬义，是指愿意为一个想法迭代上百上千次的那种。
这说明了什么？ 付强的五层不是个人思考随笔。是月之暗面已经在运行的招聘和组织逻辑的理论化表达。每一层后面都有对应的操作。
● ● ●
但这套框架有天花板
研究过程中，我发现了几个值得注意的问题。
第一，极稀缺。 评论区最扎心的反馈来自一个说自己开百万年薪招不到人的回复。付强本人的回应也很诚实：「可遇不可求」。如果一套标准只有极少数人能达到，它作为「人才观」的普适性就有问题。
第二，闭环依赖。 这套人才观需要特定的组织架构来支撑——扁平化、无边界、无 KPI、研究驱动。月之暗面是 300 人的 AI 初创公司，可以从零设计组织。传统企业如果只抄人才观不抄组织架构，效果可能很差。这不是可拆卸零件，这是闭环系统。
第三，精英主义的暗线。 有人追问：「这样的人都是什么背景？」付强回了四个字：「基本清北，985。」公司说「不看学历」，但实际人才池的筛选结果，大部分还是顶尖名校出来的。
第四，学术基础不均衡。 五层中，第四层（Learning Rate）的学术研究最扎实——学习敏捷度已被纳入高潜力人才选拔模型超过十年。但其他四层，尤其是「品味」和「好奇心」，在学术上仍缺乏可靠的测量工具。OECD 2026 年报告《Skills in the AI Age》和 WEF 的《Future of Jobs》虽然强调了创造性思维、批判性思维等「互补技能」，但没有给出类似付强这样的分层评估框架 [1][2]。
● ● ●
和全球趋势的对照
把付强框架和几份权威报告放一起看：
| 能力维度 | 付强五层 | OECD 2026 | WEF 未来工作 | Google Vantage |
|---|---|---|---|---|
| 好奇心/创造力 | Layer 1 | ✅ | ✅ | ✅ |
| 批判性思维/判断力 | Layer 2 | ✅ | ✅ | ✅ |
| AI 协作/杠杆放大 | Layer 3 | ✅ | — | — |
| 学习速度 | Layer 4 | ✅ | ✅ | — |
| 跨域迁移 | Layer 5 | ✅ | ✅ | ✅ |
共识区域：好奇心、学习速度、跨域迁移是全球公认的 AI 时代核心能力。
差异区域：付强框架的独特贡献在 Layer 2（品味/独立判断）和 Layer 3（AI 杠杆放大）——这两个维度在主流框架中较少被明确强调。尤其是 Layer 3，它直接对应了 Moonshot 300 人撑 $200 亿估值这个事实。
付强这套框架其实只回答了一个问题：当一家公司的核心竞争力是「智能本身」，它该招什么人？
稳定、听话、能熬——这些传统职场的美德，在这里全都不算数。
算数的是好奇心、判断力、用 AI 放大自己的能力、学习速度和跨域迁移能力。
前提是你得先有一个装得下这些人的组织。
参考
[1] OECD, "Skills in the AI Age" (2026.07): oecd.org
[2] WEF, "Future of Jobs Report 2025": weforum.org
[3] 虎嗅：《月之暗面张予彤："Kimi喜欢不被标签化的人和偏执的人"》 (2026.05)
[4] China Unread: "Moonshot AI's President on the Two Kinds of People Kimi Hires" (2026.06)
[5] Milani et al., "Learning Agility and Talent Management: A Systematic Review", Consulting Psychology Journal (2021)
PS：这篇文章背后有一份完整的调研报告（19 个来源、五层对照表、争议分析），我放在 wiki 了。回复「人才观」我发你。
这五层，你自己哪层最弱？评论区聊聊。