7月16日，"DeepSeek实习日薪突破5500元"冲上知乎热搜，阅读量超过600万。
一个实习生，日薪5500元——月薪超过11万，年薪超过130万。这个数字让很多工作十年的资深工程师都自叹不如。微博上#DeepSeek工资待遇太恐怖了#话题同时登上热搜，评论区一片羡慕加焦虑。
但比薪资数字更值得追问的是：AI公司到底在为什么买单？
是985学历？是论文数量？是某个特定的技术栈？
都不是。真正让DeepSeek愿意开出天价的，是这些实习生身上一种更深层的能力——学习能力。
5500元/天买的不是技术栈，是"学会"的能力
AI行业是一个技术迭代速度远超其他行业的领域。2022年GPT-3刚发布时，Prompt Engineering是最火的技能；2023年RAG架构兴起；2024年Agent和MCP成为标配；2025年多模态AI全面爆发。到了2026年，你去年积累的"前沿技能"可能已经过时。
华盛顿大学的一项最新研究发现，在AI编程竞赛中，AI辅助的效果完全取决于使用方式。Yao (2026) 对国际大学生编程竞赛（ICPC）和Codeforces在线赛数百万次提交记录的分析揭示了一个关键发现：
使用AI的选手分为两类——"替代型"（用AI替代刻意练习）和"互补型"（用AI加速技能发展）。在AI被禁止的竞赛环境中，互补型选手反而表现更强。同一套AI工具，决定了两种截然相反的结果。
这意味着，在AI时代，纯粹的"技能存量"正在贬值，而"学会新技能的能力"——即学习能力本身——正在成为最稀缺的资源。
DeepSeek的天价实习生不是因为他会哪一个框架，而是因为他能在两周内精通任何框架。
学习的核心能力：元认知
什么是"学习能力"？它不是天赋，而是一套可以被训练的技能系统。它的核心是元认知（Metacognition）。
元认知，简单说就是"对自己思考过程的意识和控制"。Nelson & Narens (1990) 提出了经典的"监控-控制"模型：你不仅在学习知识，还在不断监控自己的理解程度、判断自己是否真的掌握了、并根据判断调整学习策略。
这个能力有多重要？Koriat (1997) 的研究揭示了一个令人不安的事实：人们对自己是否真正理解某件事的判断非常不准确——我们常常"以为自己懂了，实际没有"。这就是著名的"解释深度错觉"（Illusion of Explanatory Depth）。
而那些学习能力超强的人，恰恰是元认知能力高度发达的人。他们能够精确地判断自己的掌握程度，知道什么时候该换一种学习方式，什么时候需要返回去重新理解基础概念。
AI公司为什么愿意为这种能力买单？因为在AI时代，技术栈更迭的速度已经不给你"慢慢积累"的时间了。你需要的是在最短时间内准确判断"我哪里不会、怎么才能学会"。这种能力，恰恰是元认知的核心。
刻意练习：天价能力背后的训练密码
学习能力强的另一个关键要素是刻意练习（Deliberate Practice）。
Ericsson等人(1993) 对精英级表现的研究发现，顶级专家和普通人的区别不在于天赋，而在于他们的练习方式。刻意练习有三个关键特征：
- 明确目标：每次练习都有具体、可衡量的目标
- 即时反馈：练习过程中有高质量、及时的反馈
- 适度挑战：练习内容始终在"舒适区之外但不过于困难"
对比一下，DeepSeek的天价实习生们是怎样工作的？他们不是在"完成任务"，而是在每项工作中刻意训练自己。写一个模型训练脚本，不仅要让它跑通，还会追问：为什么这个参数设置合理？如果换成另一种架构会怎样？我的理解哪里还有漏洞？
这本质上就是刻意练习——每一次工作都是一次有目标的技能训练。
间隔重复：从"学完就忘"到"学以致用"
光会学还不够，还要记得住、用得出。这就是学习能力的第三个关键要素——间隔重复。
Ebbinghaus (1885) 的经典研究发现，人类遗忘遵循一条对数曲线：学习后1小时内忘记50%，1天后忘记74%。但Cepeda等人(2006) 的大规模元分析给出了最优解：在即将遗忘之前进行主动回忆，记忆效果可以达到最大化——最优间隔大约是目标保持期的10-20%。
而FSRS算法（Ye et al., 2022）将这一原理推向了个性化时代。它不再是"忘记曲线"那样对所有用户一刀切，而是根据每位用户的历史遗忘数据进行个性化调度：你忘得快就多练，忘得慢就少练。这种精准的个性化间隔调度，使得长期记忆保留率提升了40%以上。
AI公司的天价实习生们不仅仅是"学得快"，他们构建的知识体系是可持续的。一个新框架学完，半年后需要时还能信手拈来——这才是真正的能力。
不要用AI替代学习，而是让AI加速学习
回到Yao (2026) 的研究。他发现的"替代型 vs 互补型"二分法不仅仅适用于编程竞赛——它适用于每一个使用AI的人。
替代型：遇到不懂的代码直接让AI写，粘贴运行，通过后就认为自己会了。结果独立面对问题时大脑一片空白。
互补型：用AI解释为什么不这样写，让AI出练习题自己动手做，让AI指出自己的理解漏洞，在AI帮助下尝试更难的挑战。用AI加速刻意练习的过程。
前者越用AI越弱，后者越用AI越强。今天全球几亿人使用ChatGPT、Claude、Gemini、DeepSeek等AI工具，但大多数人属于替代型。而DeepSeek开出的天价薪资，其实是在寻找那些在使用AI时始终保持主动思考、持续刻意练习的人——也就是互补型的使用者。
核心洞察：AI时代的薪资差距将不再是"你掌握了什么技术栈"，而是"你能多快地学会任何技术栈"。后者才是真正的学习能力。而这种能力——元认知+刻意练习+间隔重复——不是天赋，是可以通过科学方法训练获得的。
结语：学习的元能力
DeepSeek的天价实习薪资引发的讨论，背后折射出一个更深层的问题：在AI可以完成越来越多任务的今天，人类的核心价值到底是什么？
答案不是技术栈的深度——因为AI更新技术栈的速度远超人类。答案也不是创造性——因为AI的创造力正在快速逼近。
答案是"学习本身"——不是在固定课程上获得高分，而是面对全新领域时，能够快速判断、高效学习、深度掌握、长期保持的能力。这是学习的"元能力"（meta-skill），是所有其他技能的基础。
5500元一天的实习生，不是因为他在哪一天值这个价，而是因为他具备了在任何一个新领域都能迅速成为top performer的潜力。这才是DeepSeek真正在买的——不是当下的产出，而是无限的学习潜力。
对于普通人来说，这个消息既是焦虑源，也是机会。学习能力是可以通过科学训练提高的。元认知可以训练，刻意练习可以实践，间隔重复可以工具化——CoEvo就是为此而生的AI特级教师。
如果不想被AI取代，你需要刻意进化。