亞當·斯密：人們天賦才能的差異比我們意識到的要小很多

前段時間在網上看到一個很有意思的說法，"打天下一個縣的人才就足夠了。"

這讓我想起了亞當?斯密在《國富論》上曾表達的一個觀點：

人們天賦才能的差異比我們意識到的要小很多。對于成年人來說，使人們從事不同職業的不同才能與其說是勞動分工的原因，不如說是勞動分工的結果。

他首先是承認人與人之間的天賦是有差距的，但造成人與人之間差距變大的“罪魁禍首”不是天賦，而是勞動分工。

比如說哲學家和挑夫。 這兩個人性格差異非常明顯，造成這種明顯差異的，應該說是習慣、風俗與教育，而不是天性。 他們在七八歲以前，天性極其相似，恐怕就連他們的雙親和朋友也不能看出他們有任何顯著的差別。 大約從七八歲或年齡更大一些之后，他們就開始從事極不相同的職業，漸漸地，他們才能的差異才開始看得出來并逐漸增大。 ——亞當·斯密《國富論》

想象一下，同樣一個孩子，把他當皇帝培養和當乞丐養，會是什么結果？

記得費孝通在《鄉土中國》也說過，一個農村長大的孩子看不懂城市里的紅綠燈不是智力或者能力問題，而是知識問題。同樣，一個城市里長大的孩子也無法分辨燕麥和小麥。

托爾斯泰在《戰爭與和平》中這樣描述過繼承了大筆遺產后，初入上流社交場合的皮埃爾，“他不懂得如何入場，更不懂得如何退場”，顯得與周圍格格不入。

在當時上流社會的人看來，皮埃爾“傻氣”、“情商低”。

果真如此嗎？當然不是，他只是不熟悉那個環境。

皮埃爾如果也因此認為自己傻氣，那才是真的傻氣。

如果把劉姥姥從小放到大觀園養，說不定會是個相當優秀的女子，至少不會做出“吃一個老母豬不抬頭”這樣自輕自賤、供貴族公子小姐們取笑的詩。

也就是說，如果放在同樣的環境下，很難說劉姥姥和賈母誰更出色。沒有誰天生粗鄙或者高雅，關鍵在于后天的“社會分工”。

就像蕭伯納說的，“一個姑娘是賣花女還是公主，取決于周圍人如何對待她?！?/p>

1. 天賦的祛魅化

過分強調天賦，容易讓人陷入宿命論，忽略了后天努力和環境的影響。

一個哲學家和一個街道搬運工的天資差異，遠遠不及猛犬之于獵犬。 ——亞當·斯密《國富論》

關鍵是勞動分工，也就是說有針對性的培養。

幾乎每個人都有自己的才能傾向，也就是相對比較擅長的事情。

動物也一樣。比如，同樣方法養大的一母同胞的幾只貓咪。有的喜歡攀爬，有的喜歡奔跑。有的親人，理解人類的能力很強，放在人類社會就是高情商、社交能力強；有的則臉上寫著“人類離我遠一點”的表情……

如果貓咪們有勞動分工，那么每只貓的某項特點一定會被放大，根據用進廢退原則，它們的其他方面則會弱化。久而久之，差距就會變得特別明顯。擅長跳躍的貓可能會是跳高運動員，而喜歡社交的貓可能會是某公司的銷冠。

狗的品種越來越多、不同品種之間的差距越來越大——尤其是體型號和相貌，就是個很好的例子——差距主要是后天的選擇性培養。

社會生產力水平越高、職責分工越細、教育水平越高，就越能發現每個人的才能傾向。比如，曲棍球沒有發現之前，即便天賦異稟，很可能也沒有發揮的余地；短跑分類后，擅長跨欄的運動員更容易脫穎而出。

如果你仔細的了解過孩子，你會很容易發現，有些孩子運算能力好，有些孩子語言能力好，有些孩子嗓子好、有些是社交小能手……，如果你足夠認真去挖掘，很難找出一個完全“一無是處”的孩子。

而如果沒有及時發現，或者沒有有效開發（才能傾向只是一個起點，而不是終點），這些才能就無法呈現，自然，這些人最終顯得“平庸”。

當你覺得一部電影很精彩的時候，然后會發現網絡不起眼的角落里，有個普通人有著更為精彩的故事，如果以合適的方式包裝，會得到更多的票房。

當你覺得一個哲學觀點顛覆三觀的時候，一個擺地攤的大爺，可能用鄉野俗語說出了類似的看法。

在羅曼·羅蘭的代表作《約翰·克利斯朵夫》中，克利斯朵夫那走鄉串巷賣雜貨的舅舅，比當時很多知名的音樂家更懂得音樂——“心靈美重于技巧美，內容重于形式”。

美國行為主義心理學家華生在《行為主義》一書中寫道：

給我一打健康的嬰兒，一個由我支配的特殊的環境，讓我在這個環境里養育他們，我可擔保，任意選擇一個，不論他父母的才干、傾向、愛好如何，他父母的職業及種族如何，我都可以按照我的意愿把他們訓練成為任何一種人物——醫生、律師、藝術家、大商人，甚至乞丐或強盜。

神經科學研究佐證了這一觀點：倫敦出租車司機的海馬體因空間記憶訓練顯著增大，說明專業技能更多來自實踐塑造而非先天稟賦。

現代教育體系中的刻意練習理論進一步證明，系統性訓練可突破所謂的"天賦天花板"。

這啟示我們，別太在意先天天賦，更要注重后天的塑造。

2. 警惕勞動分工的自我強化機制

專業化分工創造了獨特的技能培養環境，也帶來了“路徑依賴”和“刻板認知”。

以IT行業為例，程序員與產品經理的職能分化并非源于初始能力差異，而是分工體系下的路徑依賴：前者在代碼實踐中發展技術思維，后者在用戶研究中培養市場洞察。

這種職業差異反過來又強化了社會對"技術型"與"商業型"人才的刻板認知，形成循環論證。

這造成人們被困在特定的職業路徑中，很難突破。這就需要我們為自己設計反脆弱的職業路徑、構建動態能力系統。

反脆弱的職業路徑：

杠鈴策略應用：70%精力深耕核心領域，30%投入探索性學習?？缃缃M合能提升職業抗風險能力。

數字游民啟示：《自然·神經科學》中提到，遠程工作者通過同時參與3-4個項目，在數據分析和內容創作間切換，神經突觸連接密度提升19%。

動態能力系統：

T型人才模型升級：傳統T型結構（1項專長+多領域常識）正演變為π型（雙專長+動態擴展）。例如：程序員+心理學背景，在用戶體驗設計領域形成獨特優勢。

技能組合策略：參照Gartner未來技能預測框架，將硬技能（如Python）、軟技能（設計思維）、元技能（系統思考）按7:2:1比例配置。

3. 注意勞動分工的隱性成本

分工帶來的效率提升伴隨機會成本的隱性支付。技術的專精，本質是放棄全面發展可能性的補償。

芝加哥大學研究顯示，職業專業化程度每提高10%，跨領域創新能力下降7%。這解釋了為何顛覆性創新常來自行業邊緣人或跨界者。比如，國內外知名的導演只有很少一部分是科班出身的。

很多顛覆性創新，都來自于不同領域的知識碰撞。例如，生物學和計算機科學的結合，催生了生物信息學。

這為我們自己的發展，提供了一條新思路——跨界嘗試各種可能性，創造能力增強回路。有兩種不錯的方法可以嘗試：

一是學習遷移：刻意在不同領域間建立知識聯結。如將圍棋中概念遷移至商業戰略，用生物學共生理論重構團隊管理。

二是環境塑造：加入"不舒適圈"社群（如，做金融管理的加入生物工程社群），神經科學研究顯示，陌生環境刺激使腦源性神經營養因子分泌增加40%。

4. 數字時代勞動分工的變革

人工智能的發展正在解構傳統分工模式。

通用模型的出現，證明單一系統可通過海量數據學習獲得跨領域能力，勞動分工帶來的專業提升的優勢正在被AI取代。

這種技術突破倒逼人類重新審視能力發展方向。人類的核心競爭力從流水線帶來的專業技能，正在回歸到基礎認知——批判性思維、情感共鳴、跨情境學習。

這就要求我們對自己的提升從單一專業轉向通識融合，職業發展從路徑依賴轉向動態適應。這對我們的個人成長具有顛覆性啟示：

其一，重點發展AI的"盲區能力"——情感共鳴、倫理判斷、審美創造、社會互動。

AI對它自己的總結很有意思：

AI就像個超級學霸——背得快、算得準，但沒情商、缺常識，更不懂什么叫將心比心?； 能背誦《民法典》卻看不懂人的眼色； 能生成法律文書但無法模擬調解鄰里糾紛時“各退一步”的人情智慧?； 能混合多種情緒朗讀文本，但無法體會“鄉愁”背后的生命記憶?。

其二，用AI工具將知識獲取效率提升10倍后，聚焦高價值認知活動。如用AI處理信息檢索，節省時間用于批判性思考。

AI是我們的工具和助手，別把它當成競爭對手。

綜上所述：人和人之間差異產生的根源“不是預設的天賦，而是分工軌跡的沉淀”。

在大模型時代，我們需要以動態適應和跨界整合重塑競爭力，積極構建自己的動態能力系統，把握AI時代的進化窗口，將自己打造成一個具備批判性思維、情感共鳴和跨情境學習能力的終身學習者，去很好的擁抱不斷變化的社會。

PS：如果你在農村生活過，不難發現，老一代農村人的心智發展程度普遍比較低，也就說心理年齡比較小，不少人的思維簡直還停留在嬰兒期。

可見，他們并不是天生底層，而是后天的不當教育，讓他們的心智發展停滯了，失去了往上走的機會，他們甚至無法理解什么是“向上”。

他們中的一些人確實很討厭，虛假猥瑣，損人不利己。可他們的背后，是非常深刻的、我們無法想象的不幸——那是代際和時代創傷雙重作用下對人類自由精神和自我的滅絕性摧殘。

有些人一輩子在治療童年創傷，而有些人從小就開始積極發展自我了。而還有一些更不幸的人，一輩子都在混亂中度過。

就像羅曼·羅蘭所說，“人生而無知，但是并不愚蠢，是教育使人愚蠢！”

個人覺得，他說得這個教育，指的是廣義上的教育，即外界任何可能對這個孩子造成影響的事情，也可以說是廣泛意義上的社會分工。

文中插圖來自瑞士畫家費利克斯·瓦洛頓作品。