今天开车来公司的路上，我突然想到一个问题。
前两天有个群里在讨论，说 AI 时代之后，大家似乎变得越来越忙了。
更准确地说，是个体变得越来越忙了，而且这种忙还带着一种明显的兴奋感。每个人都在试新模型、试新工具、试新框架、试新项目。新的东西一出来，马上就有人转发、有人测评、有人复现、有人喊革命。
我对这种状态非常感同身受。
尤其是去年很长一段时间，我几乎每天都处在一种打鸡血的状态里。那种兴奋很真实，甚至有点上瘾。它混合了好奇心、新技术突破带来的震动，以及自己快速做出一点东西时产生的成就感。
你会觉得自己站在时代的前沿，觉得每天都有新东西值得学，每天都有新东西可能改变世界。
但群里有人提到一句话：这种状态，本质上和刷短视频没有区别。
我当时觉得这个说法有点刺耳，但又很难反驳。甚至我自己也能感觉到，它和打游戏成瘾有非常相似的机制。
区别只是，学 AI 比刷短视频和打游戏更容易获得心理豁免。你不会觉得自己在浪费时间，因为你会告诉自己：我这是在学习，我这是在跟上时代，我这是在研究新技术。
可问题是，真的是这样吗？
如果我只是今天试一下这个开源项目，明天看一下那个新概念，后天又被另一个新产品吸引过去，那么我到底是在学习 AI，还是只是在消费 AI 时代的信息流？
这个问题让我开始重新审视过去一段时间的状态。
之前我在社区里看到过一句话：学 AI 是动词，不是名词。
这句话我很喜欢。因为它提醒我们，AI 不是一个靠收藏文章、囤积课程、知道几个术语就能学会的东西。你必须动手，必须尝试，必须进入真实的使用场景。
你不能只是在旁边看热闹。
但今天我又觉得，单纯强调“动词”也不够。
因为动手也有层次。浅层的动手，可能只是另一种形式的刷屏。你每个新东西都打开看一下，每个项目都 clone 一遍，每个概念都跑个 demo，每次都获得一点即时反馈。
看起来你一直在实践，但本质上可能仍然浮在表面。
这种“动”，更像是手指在信息流上滑动，只不过信息流从短视频变成了 GitHub、论文、产品发布会和技术群讨论。
所以我现在更想补充一句：学 AI 是动词，但关键不只是动，而是动的深度。
AI 时代最危险的一种幻觉，是把“持续接触新东西”误认为“持续成长”。
因为这个时代的新东西太多了，多到足以让你每天都很忙。你可以一直试，一直看，一直收藏，一直转发，一直感叹“太强了”。这种状态会让你觉得自己没有掉队，但它未必真的带来理解力的提升。
真正的学习，应该逐渐从兴奋走向一种更深的体验。
所谓深度体验，不是不关注外部变化，也不是变得保守迟钝。恰恰相反，它要求你对变化有更强的分辨力。
你不能每次浪潮来了都只会被卷走，你要开始看清楚浪潮下面的结构。
我觉得这里至少有两条主线。
第一条，是理解底层原理。
AI 领域每天都会冒出很多新概念、新产品、新范式。但很多现象背后，其实共享着相似的底层逻辑。
你理解了模型能力的边界，理解了上下文、工具调用、检索增强、强化学习、数据合成、多智能体、推理扩展这些基本问题，再看很多新东西，就不会只停留在“哇，这个很神奇”。
你会更快判断：它到底新在哪里？是能力真的突破了，还是工程组合更顺了？是产品体验变好了，还是只是包装出了一种新叙事？是底层范式变了，还是把已有能力放进了一个更合适的场景？
这时候，新东西不再只是刺激源，而会变成验证你理解力的材料。
第二条，是做深度尝试和复现。
这里的复现，不是把代码 clone 到本地跑起来，也不是照着 README 完成一遍安装。
那只是最低限度的接触。
真正有价值的复现，是你要尝试理解它为什么能被做出来，为什么会火，它击中了什么真实需求，绕开了什么技术难点，利用了什么模型能力，又牺牲了什么东西。
如果让你自己做一个类似的东西，你会怎么设计路线？你会先解决哪个问题？它的交互为什么是这样？它的数据从哪里来？它的 prompt、workflow、eval、分发路径、用户心智和商业模式之间是什么关系？
它做得好的地方到底是技术好、产品好，还是时机好？它做得不好的地方，是能力限制，还是设计取舍？
只有当你把一个项目拆到这种程度，你才算真正体验过它。
这也是我今天路上突然想到的一个区别：浅尝辄止的尝试，是在认识更多名词；深度复现，是在建立自己的手感。
而 AI 时代最稀缺的，可能不是知道多少新名词，而是拥有一种稳定的技术直觉和产品手感。
也就是当一个新东西出现时，你能快速判断它是真东西，还是热闹；是短期噪音，还是长期变量；是值得马上投入，还是只需要保持观察。
所以我有一个略显粗暴的判断：不要以为单纯的动手能力，就是“AI 是动词”的全部。
动手当然重要。但如果动手只是不断尝试新玩具，不断追逐即时反馈，不断用“我在学习”包装自己的兴奋感，那它并不比刷短视频高级多少。
它只是把娱乐成瘾，换成了一种更体面的形式。
真正的动手，应该让你穿透表面。它不只是让你“见过”，而是让你“摸透”。
不只是让你“跑起来”，而是让你知道它为什么能跑起来，为什么这样跑，以及如果换成你，你能不能做出一个更好的版本。
这可能也是我接下来想调整自己的地方。
不是不追新，而是不再被每一个新东西牵着走。不是不动手，而是减少低密度的动手。
不是降低对 AI 的热情，而是把热情从兴奋感里抽离出来，放到更长期、更扎实的理解里。
AI 时代当然需要行动力，但更需要一种能沉下去的行动力。
否则，我们以为自己在学习 AI，其实只是在用 AI 给大脑刷短视频。