AI折疊：你在給算法"當狗"，還是給算法"當爹"？

從亞馬遜倉庫到帕蘭提爾辦公室，AI正在把人分成兩種命運。

這兩年，關于AI的討論里，最常見的一句話是：AI會不會搶走我的工作？

說實話，這個問題已經有點問晚了。

有兩個數字，放在一起看，可能會讓你細思恐極。

一個是20美元。這是Anthropic旗下Claude AI助手的基礎訂閱月費。對很多大學畢業生、年輕職場人來說，一個月 20 美元已經會被認真掂量；不少人會覺得，這只是個聊天工具，值不值得花這筆錢？

另一個是15萬美元。這是據《紐約時報》援引的數據，Anthropic內部有員工單月在Claude Code上燒掉的token費用。同期，一位OpenAI工程師一周內跑了2100億個token，夠把整個維基百科重寫33遍。

這兩個數字之間，沒有漸變，沒有過渡，只有一道很深的裂縫。這不是貧富差距，但勝似貧富差距。

最近看到兩篇文章，一篇寫的是亞馬遜倉庫，另一篇寫的是帕蘭提爾。把這兩篇放在一起，會看到一個比“AI會不會取代你”更重要的問題：

同樣是技術進步，為什么有的人越來越像機器的附屬物，有的人卻越來越像機器的指揮官？

現在真正正在發生的事，AI不會平均地獎勵所有人，也不會平均地淘汰所有人。而是它正在把人迅速分成兩種命運：

一種人，工作越來越像給系統打雜，給模型擦屁股，給流程補漏洞；另一種人，則把模型當成外腦、團隊和杠桿，開始以前所未有的速度放大自己。

前者看起來還在上班，實際上已經被降格。后者看起來也在用同樣的工具，實際上已經站到了算法的上游。

這就是我今天想說的：AI折疊，AI時代真正的分水嶺。

01｜亞馬遜倉庫里，有一條叫"綠色通道"的路

北卡羅來納州加納市，一個叫RDU1的亞馬遜倉庫。

樓層中央，是機器人的地盤。紅膠帶標出的走廊，人類不得隨意進入。留給工人的，是邊緣地帶、故障處理和情緒消化。還有一條留給人類通行的綠色走廊，工人們給它起了個名字：green mile。

熟悉英文的人知道這個詞的來源，電影《綠里奇跡》里，死刑犯走向電椅的最后一段路。

這不是工人的自嘲，是他們對自己處境的精確感知。

他們沒有被開除。工作還在，收入還在，工牌還在。只是越來越多時候，他們的職責變成了：在機器人卡住的時候把它捅通；在系統判定"離崗時間過長"時解釋原因；在走廊里避讓嗡嗡作響的自動搬運設備。

《Fast Company快公司》的報道援引了一位工人的描述："你坐在那里，看著機器人工作，你唯一的職責就是在它卡住的時候把它弄通。"

布魯金斯學會高級研究員馬克·穆羅指出：這是對大量崗位的"掏空"，而且很可能蔓延到更多組織。亞馬遜在2025年披露，其倉庫里運行著100萬臺機器人，幾乎與人類員工數量持平。

《華爾街日報》的分析顯示，亞馬遜每個設施的平均人類員工數量已降至16年最低，但每位工人處理的包裹量在指數級攀升。

人沒有消失。但人的價值，在悄悄被抽空。

這才是"被算法馴化"的真實狀態，不是好萊塢科幻里的機器人大軍，而是你還在崗位上，只是越來越像一個系統的配件：不定義目標，只接任務分發；不擁有方法，只負責按流程執行；不掌握節奏，被指標和反饋循環牽著走。

算法最先拿走的，不是你的工作，而是你工作里最有成長性的部分。

更殘酷的是：這種狀態比失業更難被察覺。你每天還在上班，還在領薪水，還能跟家人說"我有工作"。但你正在悄悄失去三樣東西，判斷力、主體性、可遷移能力。等你意識到的時候，可能已經很難轉身了。

02｜帕蘭提爾：人工智能的另外一極

帕蘭提爾（Palantir）這個名字，在中文世界的知名度遠不及它在硅谷的分量。

它成立于2003年，由彼得·蒂爾（Peter Thiel）和亞歷山大·卡普（Alex Karp）等人聯合創立。公司名字來自《魔戒》里的"真知晶球"，一種能看透遠方事物的神秘水晶球，直接說明了這家公司想做什么：幫助政府和機構"看見"那些原本看不見的東西。

帕蘭提爾最早的客戶是美國情報機構和軍方。它的軟件平臺Gotham曾被用于追蹤恐怖組織網絡。后來又開發了面向商業客戶的Foundry平臺，以及近年大火的AI平臺AIP。

這家公司在很長時間里處于爭議漩渦。支持者說它是捍衛西方民主的技術先鋒；批評者說它是"數字監控國家"的建造者。爭議背后，一個不爭的事實是：它在2024年底市值突破4000億美元，相當于營收的100倍，股價在那一年翻了近三倍。

卡普這個人值得單獨說說。他不是典型的硅谷CEO形象。他在德國哥德大學拿了社會理論博士，是哈貝馬斯的學生，研究法蘭克福學派；他練北歐武術，穿古怪的衣服，在達沃斯論壇上公開談論西方文明的衰落。

2025年初，他出版了一本書，英文原名《The Technological Republic》，中文版譯作《科技共和國》，上市即登上《紐約時報》暢銷書榜首，被評為"這十年最值得讀的政治論著之一"。

這本書的核心論點很簡單，也很刺耳：硅谷的工程師們去做了照片分享軟件和算法推送，放棄了建造重要事物的雄心，變成了資本的容器；西方要贏得AI時代，技術必須重新服務于國家使命。

你同不同意這個觀點是另一回事。但帕蘭提爾自己的運作方式，確實和它說的一致，它是一臺專門培養"能定義問題的人"的機器。

03｜帕蘭提爾的秘密：它在制造什么樣的人？

帕蘭提爾招人，不招執行者，招"前線解決者"。

它有一種獨特的用人模型，叫"前線部署工程師"（Forward Deployed Engineers，FDE）。這些人不在總部坐班，而是直接嵌入到政府機構、軍事單位或大型企業里，和客戶并肩工作。沒有詳盡的需求文檔，沒有分層審批，沒有明確的操作指南。只有一個模糊的任務，和一個要求：把事做成。

一位前員工描述了他們的入職面試中的"解構題"：用一個小時討論如何設計一個反洗錢系統，或者如何讓城市地鐵在高峰時段保證每個人都有座位。沒有標準答案，考的是一種能力——能不能把表面上不可能的問題，拆解成可執行和可驗證的小塊？

這種用人方式內部有個口號：figure it out。自己想辦法。

不是殘忍，是篩選。他們找的人，是面對模糊任務時會主動組織行動而不是等待指令的人。

這批人后來怎樣了？帕蘭提爾一位前投資者關系主管維護了一份清單：379家由帕蘭提爾校友創立或領導、仍在活躍的私有公司。約10%的前員工，后來都創辦了自己的公司。

其中有人做AI原生醫療平臺，有人做政府采購的AI解決方案，有人做為復雜硬件工程師加速測試的工具。所有這些，全部指向同一件事：把在帕蘭提爾學到的"把AI接進真實問題"的能力，復制到新場景里。

帕蘭提爾最強的資產，可能不是模型，不是Foundry，不是卡普本人，而是它把一群高度自驅的人放進了高密度的真實挑戰里，讓他們在失敗和混亂中磨出了一種特殊能力，駕馭智能，而不是服從智能。

這才是“給算法當爹”的真正含義。

站在它上面。你決定它干什么，你決定什么是正確，你決定哪條路值得走，你決定什么時候該繼續、什么時候該停手。

說白了，AI 時代真正的權力，不在于誰最會寫提示詞，而在于誰有權定義任務、分配智能、驗收結果。

04｜20美元與15萬美元之間，隔著的不只是錢

再說回開頭提到的兩個數字。

Anthropic的官方定價是：Claude Pro，每月20美元；Max計劃，100到200美元；API按token計費，企業級重度用戶的賬單則完全是另一個量級。

15萬美元一個月。這個數字來自內部的"tokenmaxxing最大化"現象，測量生產力的方式，不再是你完成了什么，而是你燒了多少token。有風投開始用"你有幾個agent在跑？"代替"你在做什么產品？"作為飯桌話題。這聽起來很荒誕，但它揭示了一件正在悄悄發生的事：

同樣是用AI，有人在偶爾提問，有人在構建持續運轉的生產系統。

差的不只是訂閱費用，是認知框架。

對普通大學畢業生來說，20美元像是一筆需要掂量的開支。對頂級團隊來說，幾十萬美元的token預算是研發基礎設施，是一個讓AI24小時替你試錯、寫代碼、跑分析、做實驗的引擎。前者在問："這個工具好不好用？"后者在問："怎么把它接進工作流，讓它成為我的外腦和外包團隊？"

這不是消費觀的差異，是使用深度的量級差距。而且這個差距，正在被AI本身加速拉大。

Anthropic的研究顯示，使用經驗更深的用戶，會形成更成熟的使用習慣，傾向于嘗試更高價值的任務，也更可能從模型那里獲得成功輸出。AI并不是一個你"擁有"就能生效的工具，它更像一個必須反復打磨、嵌入流程才能真正產生復利的系統。

那些已經在深度使用的人，每天都在拉開距離。

新的不平等，不只是誰有錢買模型，而是：誰買得起更高配的模型、誰能承受大量試錯成本、誰能把模型接進真實工作流、誰能把一次使用變成系統性復利。

說得現實一點：

你能不能長期付費，只是一層門檻；

你能不能承受大量試錯成本，是第二層門檻；

你能不能把它嵌進真實場景，形成復利，是第三層門檻。

而這三層門檻疊起來，足以把普通用戶和頂級使用折疊得非常夸張。

05｜AI正在抽走一代人的"新手村"

這件事對年輕人的殺傷力，比大多數人意識到的更深。

世界經濟論壇 2026 年 3 月的一篇文章援引 Revelio Labs 數據稱，美國入門級崗位招聘在過去 18 個月下降了 35%。文章同時提醒，企業如果為追求短期效率而削減初級崗位，長期會傷害自己的人才梯隊。

核心原因之一是AI正在接管那些原本留給新人練手的基礎性任務過去的職業成長路徑，是一條臺階：先做基礎活，如數據整理、初稿寫作、基礎代碼、簡單分析，積累經驗，慢慢進入復雜工作。這條路并不性感，但它可靠。

但AI把最下面幾級臺階撤掉了。

基礎任務先被模型吃掉，新人失去了練級場，等企業想要成熟人才時，卻發現培養鏈斷了，然后又開始抱怨招不到"有經驗的人"。

這是一個結構性的悖論，沒有簡單的個人解法。老員工有經驗，可以借AI放大，越用越值錢。新人沒經驗，連進入復雜任務的入場券都更難拿到。

亞馬遜承諾工人可以去學機器人技術員。一個非常清醒的問題擺在那里：你永遠無法把數百萬工人塞進那些技術員的崗位，因為根本不需要這么多人。

不是說路不存在，是說路的寬度和人的數量，完全不是一個量級。

很多年輕人現在以為自己面對的是一個消費問題：要不要花 20 美元訂個模型。其實他們面對的是一個更深的結構問題：當越來越多入門任務被模型吞掉之后，他們靠什么來建立對真實世界的理解？如果沒有真實項目、真實責任、真實反饋，他們又拿什么去升級成能“調動智能”的人？

所以我才說，未來最危險的，不是不會用 AI 的人，而是還停留在“等別人分配任務”的人。

claude的進化進入了激進加速的階段

06｜比失業更危險的，是把腦子外包給模型

說到這里，我還要說一件更根本的事。

Anthropic去年做了一項大規模用戶研究，訪談超過8萬人。其中一個發現很刺眼：人們一方面把AI當生產力工具、認知伙伴、學習加速器；另一方面，明顯擔心"自主性與能動性"下降，以及"認知萎縮"。大約22%的受訪者提到對自動化和智能體的擔憂，16.3%提到認知退化。

研究總結很扎心：人們一邊想借AI學習，一邊又害怕自己停止思考。

這個矛盾不是個體脆弱，是結構性困境。

如果"給算法當狗"是崗位層面的降級，那把腦子全面外包給算法，就是人格層面的降級。

因為人一旦長期處在“被生成答案喂養”的狀態里，就會慢慢失去四種非常珍貴的東西：提問能力、質疑能力、結構化表達能力，以及面對復雜問題時的耐心。到最后，你看起來天天在用最先進的工具，實際上卻越來越不能獨立完成一場扎實的思考。

你開始讓AI替你判斷要不要跳槽。讓它幫你決定封面配什么圖。讓它寫完初稿你再改三個字。讓它給你一個"下一步應該做什么"的清單，然后照單執行。

這沒有什么可恥的，每個人都在這樣做，程度不同而已。但有一件事需要認清：你每次把判斷外包給模型，都在縮小一種肌肉的運動范圍。

那塊肌肉叫做：在沒有答案的時候，還能提出好問題的能力。

帕蘭提爾的"解構題"訓練的正是這個。不是讓你知道答案，而是讓你在不知道答案的時候，還有能力把問題切開、找到結構、推進下去。這種能力，不會因為你訂閱了更貴的AI計劃而自動生長。

真正的分水嶺，不是你會不會用AI，而是你把AI當"代替思考的拐杖"，還是"放大思考的杠桿"。

07｜AI折疊的終局：上游人類與下游人類

Anthropic的CEO達里奧·阿莫迪今年在多個公開場合反復提到一件事：AI正在進入"激進加速"階段。

他用的詞是"endogenous acceleration"，內生性加速，意思是AI開始參與設計和優化下一代AI的研發流程。模型的能力躍遷，不再只依賴外部注入的算力和數據，而是開始借助自身加速自身。他把這個過程描述為雪球，越滾越大，不是一夜爆炸，而是持續加速的復利。

他還說，到2027年前后，可能會有數百萬個AI實例同時運行，每個都能自主完成原本需要人類數天或數周才能完成的任務。這些實例，不是幫你寫文案的工具，而是能獨立設計實驗、撰寫報告、推進項目的"數字員工"。

當這一層能力成熟，一個關鍵問題浮現：誰在駕馭這些實例？誰在定義它們去做什么？誰在驗收結果、判斷對錯、決定下一步？

這些人，是算法的上游。

而誰在響應算法的分配，在流程里等待指令，在系統給定的走廊里通行？

這些人，是算法的下游。

這不是價值判斷，是位置描述。上游人類和下游人類的差距，最終不只是收入的差距，而是"誰在定義智能的去向"和"誰在被智能定義去向"之間的差距。

這個差距，比工業革命制造的任何階級分化都更難被看見，因為它發生在認知層面，不在工廠和辦公室的物理空間里。

"當狗"和"當爹"，不是侮辱，是位置；也不是俏皮話，而是接下來幾年，所有人都要回答的階層問題。

當狗：被分配任務，按指令執行，被系統定義價值。當爹：分配智能，定義任務，決定模型去做什么、驗收什么、推翻什么。

亞馬遜倉庫的工人，不是因為不努力而被降格，是因為他們所在的系統，從一開始就沒有給他們設計"上游"的位置。帕蘭提爾的人之所以能成為創始人，是因為他們從第一天起就被扔進了"必須自己定義問題"的處境。

你未必能選擇亞馬遜還是帕蘭提爾。但你可以選擇，在你現在所在的位置，以什么方式使用AI。

你不一定非要成為造模型的人，但你至少要成為會調用模型、駕馭模型、審判模型的人。

那條綠色通道，不只在北卡羅來納州的倉庫里。它在每一個只會響應算法指令、卻從未嘗試定義過算法目標的人的大腦里。

同樣面對這個時代，有人把AI當工頭，有人把AI當軍團。這就是AI折疊。

所以，別再急著問AI會不會搶你飯碗了。更該問的是：

你現在做的工作，是不是越來越像在給系統補漏洞？你每天用 AI，是在減少思考，還是在擴大思考？

你是在等別人告訴你要做什么，還是已經學會把模型、人和任務組織起來？

你是把 AI 當聊天工具，還是當生產系統？

你是站在算法下面，被它考核、驅趕、規訓，還是站在它上面，給它布置任務、審判輸出、逼它為你服務？

真正的護城河，不是提示詞，而是主體性。

真正的升級，不是會問模型，而是會分配智能。

真正的風險，也不是機器變強，而是你在機器變強的過程中，被重新安排到了更低的位置。【懂】

歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由