来源:市场资讯

(来源:图灵人工智能)

您想知道的人工智能干货,第一时间送达

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

不懂经 ,作者:不懂经也叔的Rust

2026年3月,美国科技行业至少已有66家公司宣布裁员,累计影响39,482个岗位。更刺眼的是,其中大约9,238个岗位,约占全年科技裁员的20%,被直接归因于AI采用和自动化。

打开网易新闻 查看精彩图片

但就在差不多同一时期,另一组数据也在出现:软件工程师的招聘需求,同比增长了6%。

一边是裁员,一边是扩招。一边是“AI正在替代人”,一边是“AI正在带来新岗位”。

这两件事同时发生,并不矛盾。

真正矛盾的是,直到今天,很多人还在用一种过于粗糙的方式理解AI对工作的冲击:要么以为AI会替代所有人;要么以为AI只是一个提高效率的工具,和自己关系不大。

现实通常不是这两种极端中的任何一种。

打开网易新闻 查看精彩图片

你是煤,还是马?

打开网易新闻 查看精彩图片

一、一匹马和一块煤

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

至于杰克裁掉的那4,000人,Block的一名前员工告诉《纽约时报》:那其实更接近"标准的成本管理和优先级调整",不是什么AI驱动的重塑。AI叙事,是最顺手的包装纸。

这两件事放在一起,就是这篇文章想说的全部:我们常常把马的故事,贴到煤的身上。

二、AI教父的预言为何失手了?

打开网易新闻 查看精彩图片

这里藏着一个真正重要的洞察:

AI能不能替代某个工作,是技术问题。AI会不会被决策者选择去替代,才是现实问题。

组织惯性、监管框架、客户信任、人际摩擦,这些才是真正决定替代速度的变量。技术只是其中一层,而且往往不是最决定性的那层。

忽视这一层,就会产生像Hinton那样的预测:逻辑上正确,现实上失手。

三、现在哪些工作是马:三个结构性特征

最先承压的,通常不是最辛苦的人,而是工作特征落在以下几个区间里的人。

第一:工作已经被写成了流程。

打开网易新闻 查看精彩图片

第二:离收入远,离决策远。

打开网易新闻 查看精彩图片

第三:主要靠基础信息差生存。

打开网易新闻 查看精彩图片

四、AI时代的煤:暂时更安全的人

打开网易新闻 查看精彩图片

没有人会因为"AI也能给诊断建议"就不需要医生触诊。护理、理疗、心理咨询,这类工作的核心不只是提供答案,而是建立信任、形成互动、推动行动。

工作会把手弄脏的人。水管工、电工、修车师傅、技工,每个现场都不一样,需要在物理世界里移动、判断、应变。

这类工作很难标准化,大模型坐在云端吃不了。Yang提到,湾区最常见的职业不是AI工程师,而是家庭健康助理。

服务于对价格不敏感的客户的人。这是一个经常被低估的变量。在纽约曼哈顿做私教的Aaron,和在三线城市做私教的教练,面对的是完全不同的替代压力。

有钱人付溢价买的是体验和信任,不是最便宜的方案。越靠近愿意付高价的人,被替代的速度越慢。

在政府、工会组织、非营利机构里工作的人。自动化压力在这里小得多,不是因为AI不能做,而是因为没有人有足够强的动机去推动这件事。Lowrey注意到,FDA严格的审批流程本质上减缓了AI替代放射科医生的速度。

制度本身,是AI渗透速度最有效的减速带之一。

五、真正决定你5年后是否失业的,是你在价值链中的位置

这大概是这两篇文章给我们的最大启发。

别再只问:“我是程序员吗?”“我是设计师吗?”“我是老师吗?”“我是咨询顾问吗?”

这些标签已经越来越不够用了。因为同一个职业里,不同层次、不同环节、不同位置的人,面对AI的命运完全不同。

真正要问的是:

我在这个职业里,做的是哪一层工作?

你做的是最容易被写成流程、交给工具接管的那一层,还是那个必须理解上下文、做判断、扛责任、整合资源的那一层?

你做的是把材料整理漂亮的那一层,还是那个决定什么该做、什么不该做、结果由谁负责的那一层?

你做的是“谁来都差不多”的那一层,还是那个一旦失去你,组织就会明显失速的那一层?

同样是程序员,有人主要在写重复性代码,有人负责架构、业务理解、系统整合、团队协作,风险就完全不同。

同样是设计师,有人做的是基础出图和改稿,有人做的是品牌表达、策略判断和整合创意,也完全不同。

同样是老师,有人只是传递知识,有人能管理课堂、塑造关系、激发学生,这种价值短期很难替代。

所以,未来最危险的,不是某个职业整体,而是这个职业内部那些最容易被工具接管、又无法向上升级的部分。

你是否安全,最终取决于三件事:

你是否接近真实结果;你是否掌握别人替代不了的判断;你是否处在组织和客户都愿意保留的位置上。

说到底,AI带来的真正分化,也许不是“白领和蓝领”的分化,不是“程序员和非程序员”的分化,甚至不只是“会不会用AI”的分化。

而是另一种更锋利的分化:

有些人仍然只是流程中的一个环节;有些人已经站到了价值链更上游的位置。

前者会越来越便宜。后者会越来越少,也会越来越贵。

所以,比起反复问“AI会不会抢走我的工作”,更值得反复追问的,可能是另一件事:

当组织开始重新给每一个岗位定价时,你到底站在价值链的哪一段?

这个问题,没有哪个模型能替你回答。

但越早开始回答它的人,越不容易在五年后,突然发现自己已经站在了时代的边缘。

六、煤也会走向马的命运

Lowrey的文章有一个结尾,我觉得是整篇最有意思的部分。

英国最后一座燃煤电厂,在2024年关闭。今天英国的煤炭使用量,已经回落到1666年的水平,那时候最常见的职业还是农奴。

煤最终也走向了马的命运。

但杰文斯写《煤的问题》的时候,一个来自宾夕法尼亚的人,被人们叫作德雷克上校,虽然他实际上并不是上校,正在琢磨着向地层深处钻探,把石油抽上来。石油取代了煤,正如煤曾取代生物燃料,而太阳能正在慢慢取代石油。

每种能源都有它的峰值,也有它的终局。

这个逻辑对职业也是一样的。今天看起来像煤的岗位,不代表永远是煤。判断自己是煤还是马,是此刻的定位,不是终身的判决。

所以Yang最后给出的建议,我倒觉得比任何分析框架都更接近问题的核心:

"要防止老板把你的工作自动化掉,最好的办法就是你自己变成老板。因为那样一来,唯一能开除你的人,就只剩你自己了。"

这不是一个容易实现的建议。但它指向的逻辑很清楚:煤有价值,但煤本身没有选择权。马更惨,马也没有选择权。

人和它们的本质区别,在于人可以判断自己现在站在哪里,然后主动移动。

你现在的工作,是煤还是马,这是今天的问题。

德雷克上校正在往地下钻的那个东西,又是什么,这是需要你睡觉时想的问题。