立正把 AI 时代的人分成两类：被 AI 饲养的人，和具备建设者心态、用 AI 解决真实问题的人；技术门槛在降，但分化在加剧⁠1。他给的核心素质是批判性思维与精准提问、从考高分转向做产品、以及初学者心态⁠1。他还说，真正帮你在 AI 时代用好 AI 的不是语法，而是心态、思路和工程原则；看到命令行不害怕、看到报错不慌张、能把想法讲清楚，这些才是“真正的编程基础”⁠2。

所以对码农经理来说，“找到适合自己的领域”不是找一个技术栈然后越钻越深，而是找一个你持续接触、能看见真实痛点的问题域。孙宇在谈学生时也强调，发现问题要围绕自己接触到的经历，否则不知道真正的问题在哪；他把发现问题和执行力列为区分同学的两项关键能力⁠3。这是 AI 的综合：把两人的说法合起来看，深耕的对象应从“技能”换成“问题域 + 交付闭环”。

立正署名文章里引了杜磊的一个框架：以后要么离模型近，要么离付钱的用户近，夹在中间的“官僚浇水层”会被一层层挤压；立正明确说他很同意，并把这个判断扩展到工程师、数据科学家、产品经理和 manager⁠4。理由是 AI 改变的是执行成本，执行成本一降，组织分工和岗位价值都要重写⁠4。

对经理的含义：如果你的主要价值是转述、协调、汇总汇报，那正是被压缩的位置；如果价值在于判断做什么、对结果负责、直接接触用户或模型能力边界，深耕才有复利。这是 AI 的推演，原文没有逐条讲经理该怎么做。

孙宇说得很直接：不是每个人最后都要学 Coding 或计算机，可以结合自己的兴趣，哪怕用 AI 去做，也尽量把一个项目真正做出来、发布出去⁠5。立正也提到，产品可以是一次旅行计划、一个班级排班工具，做东西的门槛已被极大拉低，关键是激活发现问题的能力和做产品的信心⁠1。

据此，选专业时可以问三个可观察的问题：这个专业有没有大量真实项目让你反复经历“发现问题—交付—被反馈”？它是否训练你把需求讲清楚、把 AI 的输出验证对？它是否让你接触某个具体行业的人和场景？能同时满足的专业，比“名字里带 AI”更抗淘汰。这是 AI 的应用建议，不是对某个具体专业的排名。

另外，立正提到物理世界中踏踏实实的手艺不那么容易被取代，但那是他在谈“不想被 AI 搞得焦虑”时给的一个方向，不是对所有人的职业处方⁠6。