現在看清了：AI不是平權，它是資本和勞動力的最后一戰。越有錢跑得越快

　　這兩天，《金融時報》發了一篇文章，標題很平靜，但里面的數據和背后的趨勢不太平靜。

　　它說，高收入者正在 AI 上一路領先。

　　《金融時報》和研究公司 Focaldata 調查了美國和英國 4000 多名勞動者，結果發現，收入最高的人里，超過 60% 每天在工作中使用 AI；低收入者里，這個比例只有 16%。

　　我看到這個數字時并不意外，因為在去年的文章中，我們就推演了這種趨勢。

　　不過，這個結果，可能會戳破過去兩年都圍繞 AI 的一個美好想象：AI 會讓所有人站到同一條起跑線上。

　　一個普通人終于可以擁有自己的研究員、程序員、設計師、顧問、助理。一個人可以像一個團隊。一個小公司可以挑戰大公司。一個沒有資源的人，可以借助 AI 突然獲得過去只有大機構才有的能力。

　　這個敘事很動人。但現在看，它可能只說對了一半。

　　AI 確實給了普通人一些過去沒有的能力，但它給有錢人、有資源的人、有組織位置的人，給得更多、更快、更深。

　　AI 不是把所有人拉到同一起跑線，而是先給原本跑在前面的人裝上了發動機。

　　這才是《金融時報》那篇文章真正值得警惕的地方。

　　它表面上講的是職場里的 AI 使用差距，深一層看，是新一輪生產力紅利正在如何分配。再深一層看，它講的是資本和勞動力之間那條老裂縫，正在被 AI 撐開。

　　過去我們討論 AI，總喜歡問一個問題：AI 會不會取代人？

　　這個問題太粗了。

　　更準確的問題應該是：AI 提高出來的生產力，最后歸誰？

　　員工用了 AI，八小時的工作四小時做完，剩下的四小時歸誰？
團隊用了 AI，十個人的活五個人干完，省下來的工資歸誰？
公司用了 AI，利潤率提高，市場給出更高估值，這部分收益歸誰？

　　這幾個問題不性感，但它們比“AI 有沒有意識”重要得多。

　　因為大多數人的命運，不是被科幻里的超級智能改變的，而是被公司預算表、崗位編制、績效考核、工資結構、管理半徑這些東西改變的。

　　AI 最可怕的地方，不是它像人。是它正在讓資本不再那么需要人。

　　
1、

　　在《金融時報》那篇文章中，有一個很重要的受訪者，Daron Acemoglu。達龍·阿西莫格魯。

　　他是麻省理工學院的經濟學教授，也是諾貝爾經濟學獎得主。他過去很多研究都圍繞技術、制度和不平等展開。簡單說，他不是那種看到新技術就興奮鼓掌的人，他更關心技術被誰掌握，以及它會怎樣改寫社會結構。

　　他在文章里說，現在外面的敘事是，AI 工具會變得更加民主化。但現實是，要使用這些模型，你需要一定教育程度，需要抽象能力、定量能力，需要熟悉計算機，甚至需要懂一點編程。

　　然后他說了一句很重的話，AI幾乎肯定會增加勞動與資本之間的不平等。他原話更粗一點，大意是：這會把我們帶進一場爛攤子，shit show。

　　這句話聽起來刺耳，但它抓住了問題的關鍵。

　　AI 從來不是一個孤零零的聊天窗口。它背后是一整套東西：模型、算力、數據、token、工程系統、組織流程、產品入口、企業預算、法律權限、用戶關系。

　　普通人看見的是一個輸入框。資本看見的是一套新的生產系統。

　　這兩者不是一回事。

　　普通人用 AI，通常是問幾個問題，寫一段文案，總結一份資料，做一個 PPT，改一段代碼。這當然有用。

　　但大公司怎么用 AI？

　　它把 AI 接進客服系統，接進銷售系統，接進代碼倉庫，接進廣告投放，接進供應鏈，接進人力資源，接進法務、財務、產品、運營。它不是讓 AI 偶爾幫忙，而是讓 AI 成為組織的一部分。

　　一個普通人每天問 AI 50 次，會覺得自己已經很高頻。一個公司每天調用幾千萬甚至上億 token，只是生產系統正常運轉。

　　這就是差距。不是“你有沒有 AI”，而是“你能讓多少機器智力為你工作”。

　　過去的貧富差距，主要表現為誰有錢，誰有房，誰有股票，誰有公司。AI 之后，還會多出一種差距：誰擁有更多機器智力的調用權。

　　這個詞可能有點拗口，但它會越來越重要。

　　機器智力調用權，就是你能使用多強的模型、消耗多少 token、調動多少算力、接入多少數據、運行多少自動化流程。

　　它像工業時代的煤、電和石油。

　　表面上看，大家都可以用電。可一個家庭的插座，和一座鋼鐵廠的高壓電網，顯然不是同一種東西。

　　2、

　　很多人會說，AI 不是已經很便宜了嗎？幾十美元一個月，普通人也能用最先進的工具。這不就是技術普惠嗎？

　　這句話沒錯，但只在很淺的一層上沒錯。

　　就像說，每個人都能買一支筆，所以每個人都有了寫出《紅樓夢》的能力。

　　工具的可獲得性，不等于生產力的平等。

　　AI 的真正門檻，不只是能不能打開它，而是你處在什么位置上打開它。

　　一個律師用 AI 審合同，他知道哪些條款危險，哪些表達只是看起來像法律語言，哪些地方真正會在交易里爆炸。

　　一個投資人用 AI 讀財報，他知道哪些指標關鍵，哪些增長不可持續，哪些管理層話術是在遮掩問題。

　　一個程序員用 AI 寫代碼，他知道這段代碼能不能進生產環境，知道哪里可能埋 bug，知道架構上的債以后會不會要命。

　　一個普通人讓 AI 分析合同、財報和代碼，可能也能得到一份很漂亮的答案。問題是，他不知道那份答案哪里錯了。

　　AI 時代的核心能力，不是提問，而是鑒別。提問很快會普及。鑒別不會。

　　這就是為什么《金融時報》那篇文章里還有一個細節很有意思：最重度使用 AI 的人，并不是最年輕的人，而是三十多歲、任職時間更長、經驗更豐富的人。

　　這和我們想象的不太一樣。我們總覺得年輕人更懂新技術。但在 AI 這里，年齡不是唯一變量，經驗變得更重要。

　　OpenAI 的首席經濟學家 Ronnie Chatterji 也說，AI 更像是在補充專業能力，讓已經成熟的專家變得更有效率。這句話很關鍵。

　　AI 不是憑空制造專家。AI 更像一種放大器。你原來是什么，它會先放大什么。

　　你有判斷，它放大判斷。你有資源，它放大資源。你有生態位，它放大生態位。如果你只有焦慮，它也可能放大焦慮。

　　一個處在高價值生態位上的人，使用 AI 之后，可能真的能一個人做過去幾個人的事。他的產出提高，影響力擴大，收入和議價權也可能上升。

　　一個處在低自主性崗位上的人，使用 AI 之后，結果可能完全不同。

　　他做得更快，但工作量增加了。他效率更高，但團隊減少了。他交付更多，但工資沒怎么變。他用 AI 證明了這個崗位可以被更少的人完成。

　　這就是問題最冷的地方。

　　同樣叫“使用 AI”，老板和員工不是同一種使用。投資人和分析師不是同一種使用。平臺和創作者不是同一種使用。公司和個體也不是同一種使用。

　　有人用 AI 擴大自己的控制半徑。有人用 AI 加快自己被考核的速度。

　　
3、

　　這幾年，我們常聽到一個詞，叫“AI 平權”。

　　它的意思是，AI 會把高級能力下放給普通人。不會寫代碼的人可以做應用，不會設計的人可以出圖，不會英語的人可以寫英文郵件，不懂法律的人可以看合同。

　　這當然發生了。我自己也相信，AI 會給很多普通人打開過去不可能打開的門。但這不是完整的圖景。

　　完整的圖景是，AI 在降低某些門檻的同時，也在抬高另一些門檻。它降低了入門門檻，抬高了上限門檻。

　　過去，一個普通人和一個大公司之間的差距，當然也很大。但在信息獲取上，互聯網曾經制造過某種形式上的平等。

　　你和高盛分析師都可以搜索同一個網頁。你和哈佛教授都可以打開同一篇論文摘要。你和大公司市場部都可以注冊同一個社交媒體賬號。

　　互聯網時代的入口，至少在表面上是扁平的。AI 不一樣。AI 的能力不是一次性給你的，它按層收費。

　　免費模型是一層。
個人會員是一層。
API 調用是一層。
企業版是一層。
私有化部署是一層。
接入內部數據是一層。
多智能體工作流又是一層。
最前沿、最強的模型能力，甚至可能根本不對公眾開放。

　　越往上，越貴，也越強。這不是陰謀論，這是商業模式。

　　AI 公司的訓練成本、推理成本、芯片成本、數據中心成本都擺在那里。越強的模型，越長的上下文，越復雜的推理，越高頻的調用，都要燒錢。

　　所以 AI 時代會出現一種很奇怪的新景象：

　　普通用戶還在糾結一個月幾十美元的會員值不值，硅谷的大公司已經開始比較誰消耗的 token 更多。

　　這有點像工業革命早期。

　　普通人也能買到一點煤，點一個爐子取暖。但真正改變世界的，不是家里的爐子，而是工廠里的蒸汽機、鐵路、礦山和電網。

　　今天的 token，就像當年的煤。

　　你可以把它當成聊天時消耗掉的一點字數，也可以把它看成機器智力燃燒時留下的灰燼。

　　在硅谷，很多團隊早就不再討論“要不要用 AI”。他們討論的是，怎么把 AI 接進每一個流程，怎么讓模型自動讀完所有資料，怎么讓代碼、測試、客服、銷售、研究、投放都被 AI 重新組織。

　　這是一場 token 競賽。

　　誰能承受更高的調用成本，誰能購買更強的模型，誰能把更多業務環節交給機器推理，誰就更可能在同一段時間里試錯更多次、迭代更多輪、壓縮更多人工成本。

　　普通人以為自己和大公司都在用 AI。這就像一個騎共享單車的人，和一個擁有高速鐵路網的人，都說自己在使用交通工具。

　　形式上是同一個詞，實質上不是同一個物種。

　　4、

　　AI 對資本的誘惑，正在變得越來越清晰。

　　資本最喜歡什么？不是技術本身，而是可復制、可規模化、可控制、可替代人的生產力。

　　工業時代，機器替代了一部分體力。軟件時代，代碼替代了一部分流程。AI 時代，模型開始替代一部分認知勞動。

　　這里的變化很大。

　　過去很多白領之所以覺得自己安全，是因為他們相信自己的工作不是重復勞動。

　　我不是流水線工人。我不是收銀員。我不是倉庫搬運。我做的是分析、判斷、溝通、寫作、設計、協調、研究、管理。

　　這些詞聽起來都很高級。但 AI 最先進入的，恰恰就是這些地方。

　　法律、金融、咨詢、教育、媒體、客服、軟件開發、市場營銷、企業管理，這些過去被認為很難自動化的地方，現在反而成了 AI 最活躍的試驗場。

　　因為這些行業的共同特點是：大量工作都以文字、數據、圖像、表格、代碼、流程文檔的形式存在。

　　而 AI 最擅長處理的，正是這些東西。它不需要真正進入一間辦公室，不需要理解人類社會的全部復雜性。它只需要把你工作中可文本化、可格式化、可流程化的部分先拿走。

　　這已經足夠了。

　　一個初級律師過去要花幾個小時看合同，現在 AI 可以先掃一遍。
一個投行分析師過去要整理大量行業資料，現在 AI 可以先生成初稿。
一個程序員過去要寫很多基礎代碼，現在 AI 可以直接補齊。
一個市場人員過去要寫幾十條廣告文案，現在 AI 可以一分鐘給出一百條。

　　這些任務沒有完全消失，但它們變便宜了。一件事變便宜之后，做這件事的人也會被重新定價。

　　這里有個更深的問題。

　　這些基礎任務，過去不僅是工作，也是訓練。

　　新人就是通過這些笨活，慢慢理解行業。一個律師從改合同開始，一個記者從整理資料開始，一個程序員從寫小模塊開始，一個咨詢顧問從做 PPT 和訪談紀要開始。

　　這些活有時候很煩，很機械，很像牛馬，但它們是職業金字塔的底部。

　　沒有底部，就沒有上面的專家。

　　現在 AI 正在掏空這部分。

　　資深員工可以直接指揮 AI 完成基礎工作。公司也會越來越自然地問：既然 AI 能做，為什么還要招那么多新人？

　　這對資本很合理。

　　培養新人很慢、很貴、很不確定。新人會犯錯，會離職，會要求成長，會在幾年后跳槽。AI 不會。

　　它沒有職業規劃，沒有情緒勞動，沒有離職風險，也不會在深夜發朋友圈說自己被工作掏空。

　　當然，AI 會出錯，但公司會算賬。

　　如果 AI 出錯的成本，低于雇傭和培養人的成本，那它就會被采用。不是因為它完美，而是因為它便宜、快、可控。

　　很多技術替代從來不是因為機器比人更好，而是因為機器足夠便宜。

　　這句話放在 AI 上，會讓人有點冷。

　　因為這次被比較的，不只是體力勞動，還有人的思考過程。

　　
5、

　　為什么說 AI 是資本和勞動力的最后一站？

　　這句話容易被誤解成一種夸張的預言，好像明天所有人就會失業。

　　我不是這個意思。

　　勞動不會消失。人類也不會突然沒事可做。歷史上每一輪技術革命都會消滅一些工作，也會創造一些工作。這個判斷太正確了，正確到幾乎沒有用。

　　真正的問題是，勞動的議價權會發生什么變化。

　　過去資本要擴張，需要組織大量勞動力。

　　工廠需要工人。公司需要職員。律所需要助理。媒體需要編輯記者?？萍脊拘枰绦騿T。投行需要分析師。咨詢公司需要顧問。

　　哪怕老板再有錢，他也需要一群人把工作拆開、執行、交付、維護。勞動力雖然被雇傭，但它仍然是生產系統不可繞過的一環。

　　AI 改變的是這個“不可繞過”。

　　它不一定完全替代人，但它給了資本一個新的選擇：先問問機器能不能做。

　　以前公司遇到新任務，第一反應是招人。
現在越來越多公司的第一反應會變成：能不能自動化？能不能用 AI？能不能讓現有團隊加工具扛下來？

　　這個順序的變化，會慢慢改變勞動者的處境。

　　一個員工要求加薪，公司會問：他的工作有多少能被 AI 承擔？一個團隊要求擴編，老板會問：為什么不是先上自動化？一個年輕人想進入行業，公司會問：這些基礎活還需要人練手嗎？

　　這不是某個壞老板的問題。這是生產系統的默認設置在變。

　　過去資本購買人的時間。現在資本開始購買機器的推理能力。

　　人的時間是麻煩的。它有限，有情緒，有邊界，有法律保護，有社會輿論，有道德負擔。

　　機器的推理能力不一樣。它可以 24 小時調用，可以按量計費，可以隨時擴容，可以在不被看見的地方完成大量任務。

　　對資本來說，這是夢一樣的生產資料。而且，這種生產資料還有一個特殊之處：它復制的是過去最難復制的東西，腦力。

　　工業資本復制手的力量。數字資本復制信息的流動。AI 資本復制判斷、表達、分析、生成和部分決策。

　　當認知勞動也開始被規?；瘡椭疲瑒趧恿ψ詈笠粋€相對安全的堡壘就松動了。

　　我們過去以為，只要自己足夠會思考，就不會被機器替代。

　　現在更殘酷的問題來了：如果機器不能完全替代你的思考，但能替代你工作中 40% 的思考過程，你的工資還會按 100% 的人來給嗎？

　　6、

　　還有一個更隱蔽的變化：AI 不只是在資本和勞動之間制造差距，它也在勞動者內部制造差距。

　　這點很重要。

　　很多人把“資本 vs 勞動”理解得太簡單，好像資本在一邊，所有打工人在另一邊。

　　現實沒這么整齊。

　　AI 會先增強一部分勞動者，讓他們變得更像資本。

　　頂尖研究員、優秀工程師、資深律師、強投資人、頭部創作者、優秀創業者，他們雖然也在出售勞動，但他們的勞動越來越像一種可放大的資產。

　　一個頂尖 AI 研究員的一個想法，可能決定幾億美元算力投資的方向。一個優秀工程師帶著 AI，可以寫出過去一個小團隊才能寫出的代碼。一個頭部內容創作者帶著 AI，可以同時做選題、腳本、分發、私域、產品和商業化。一個強創業者帶著 AI，可以把公司早期團隊壓縮到非常小。

　　這些人當然還是人，但他們已經不再只是“勞動力”。他們正在變成節點，變成杠桿，變成資本愿意高價購買的接口。

　　硅谷過去講“10 倍工程師”，現在這個說法可能已經保守了。某些關鍵人才的價值，在 AI 和算力的放大下，可能不是普通人的 10 倍，而是 100 倍、1000 倍。

　　這也是為什么大廠愿意為頂尖 AI 人才支付離譜的薪酬。從普通人的道德直覺看，這很荒唐。一個人憑什么值那么多錢？但從資本的角度看，這很理性。

　　如果一個研究員的判斷可以讓數十億美元的算力不被浪費，或者讓一個模型領先競爭對手兩個月，那么給他開出天價薪酬，就是一筆可以計算的投資。

　　這會帶來一種新的勞動力分層。

　　一部分人會被 AI 放大，成為超級個體。一部分人會被 AI 管理，成為可替代流程。一部分人會被 AI 繞過，連進入系統的機會都變少。

　　過去我們說階層固化，主要看房產、教育、戶籍、家庭資源。AI 時代還要加一項：你能不能站到 AI 放大器的一側。

　　站在這一側，AI 是杠桿。站在另一側，AI 是秤。

　　它稱量你的成本，稱量你的效率，稱量你和機器之間的差價。

　　這個詞我想了很久，可以叫“智力租差”。

　　過去地租來自土地的位置差異。誰占了好地段，誰就收租。

　　AI 時代會出現一種新的租差：誰占了更好的模型、更好的數據、更好的算力、更好的工作流、更好的組織位置，誰就能收取機器智力帶來的差額收益。

　　這不是傳統意義上的聰明。它是聰明被基礎設施化之后的收益分配。

　　
7、

　　很多人可能會本能地抗拒這種說法。

　　因為我們更愿意相信，AI 最終會普惠。就像個人電腦和互聯網一樣，早期總是精英先用，后來大家都會用，差距自然會縮小。

　　這確實可能發生一部分。

　　個人電腦剛出現時，也不是每個人都會用?；ヂ摼W早期也屬于少數人。但后來它們進入學校、家庭、辦公室，成為普通基礎設施。

　　AI 也會有這個過程。但這里有一個不一樣的地方。

　　個人電腦和互聯網的普及，主要降低的是信息處理和信息獲取成本。AI 降低的是認知勞動的邊際成本。

　　這是更深的一層。信息便宜之后，普通人可以獲得更多知識。認知勞動便宜之后，資本可以購買更多“近似人”的產出。

　　這兩個后果不一樣。搜索引擎讓你更容易找到資料，但它不會自動替老板寫完一份分析報告。

　　AI 可以。

　　瀏覽器讓你進入網頁，但它不會自動替公司生成客服回復、營銷文案、代碼、合同摘要、銷售線索評分。

　　AI 可以。

　　互聯網讓內容分發成本下降，于是出現了很多創作者。但平臺也拿走了分發權，創作者最后發現，自己離不開算法。

　　AI 也可能這樣。

　　一開始，它讓你感覺自己更強。后來你發現，真正掌握入口、模型、分發和商業化的人，比你強得更快。

　　這是一種很現代的剝奪。它不是把工具從你手里搶走，而是讓你也能使用工具，同時把更高層級的工具、數據和收益分配權留在別處。

　　你擁有體驗。別人擁有系統。

　　8、

　　這里就到了最關鍵的問題：AI 紅利到底歸誰？

　　假設一個公司用了 AI，生產力提高 30%。這個 30% 會以什么形式出現？

　　員工工資上漲 30%？工作時間減少 30%？產品價格下降 30%？社會福利增加 30%？

　　也許會有一點，但很難是主要部分。更可能出現的是：公司減少招聘，壓縮團隊，提高利潤率，資本市場給出更高估值，股東和管理層拿走最大的一塊。

　　這不是惡意推測，這是現代公司的基本結構。

　　公司不是一個抽象的“大家庭”。公司有所有權結構。誰擁有公司，誰就擁有剩余收益。

　　勞動者拿工資。資本拿利潤。

　　AI 提高效率之后，如果沒有新的分配機制，收益天然會更多流向擁有系統的人。

　　這也是為什么一些經濟研究已經看到一個趨勢：AI 創新越密集的地區，勞動收入份額反而越容易下降。換句話說，技術進步確實發生了，但勞動者分到的那部分蛋糕沒有同步變大。

　　這個現象有點反直覺。我們總以為，生產力提高之后，大家都會過得更好。但生產力不是收入。

　　生產力只是蛋糕變大的能力。至于蛋糕怎么切，是另一套規則。

　　AI 的問題就在這里。它可能同時帶來更高的總體效率，和更差的分配結構。

　　這兩件事可以同時發生，而且經常同時發生。

　　一個社會可以變得更富，同時讓大多數普通人更焦慮。
一個公司可以變得更賺錢，同時讓員工更沒有安全感。
一個行業可以變得更高效，同時讓新人更難進入。
一個工具可以讓你更強，同時讓你的議價權更弱。

　　這就是 AI 的悖論。它給了勞動者工具，也給了資本替代勞動者的工具。

　　而且后者通常更有錢、更有組織、更有耐心，也更能承受試錯成本。

　　
9、

　　說到這里，很容易滑向一種悲觀：普通人是不是沒機會了？

　　不是。如果我真的這么認為，就沒必要寫這篇文章了。

　　普通人當然還有機會。甚至可以說，AI 確實會給一部分普通人帶來過去不可能擁有的機會。

　　一個小團隊可以做更大的產品。一個獨立開發者可以更快上線應用。一個內容創作者可以拓展自己的能力邊界。一個普通員工可以用 AI 學習、寫作、分析、編程、做副業。

　　問題是，不能把這些機會誤認為結構已經平等。

　　個人機會存在，不等于整體分配公平。彩票也有人中獎，但不能說彩票是財富制度。對普通人來說，真正重要的不是“我要不要用 AI”，這個問題已經太晚了。

　　真正重要的是，怎么避免只停留在 AI 使用的最低層。

　　最低層是什么？

　　把 AI 當搜索引擎。把 AI 當文案生成器。把 AI 當一個更會說話的百度。把 AI 當朋友圈里偶爾炫一下的玩具。

　　這當然比不用好，但不夠。

　　普通人要盡快從“問 AI”變成“用 AI 建工作流”。

　　你每天重復做的事情是什么？你所在行業里最耗時間的環節是什么？你的工作里哪些東西可以被結構化？你能不能用 AI 建一個固定流程，讓它持續幫你調研、整理、生成、檢查、復盤？

　　一次性問答沒有壁壘。工作流才有復利。

　　第二件事，是不要迷信提示詞。

　　提示詞會貶值。今天你花錢買的提示詞模板，明天就會被模型能力吞掉。真正值錢的是專業判斷，是你知道該問什么、該信什么、該刪什么、該把 AI 的答案放進哪個真實場景。

　　AI 時代，“會用工具”只是入場券?！爸拦ぞ咤e在哪里”，才是門檻。

　　第三件事，是盡量靠近高價值生態位。

　　這句話聽起來有點殘酷，但必須明說。

　　AI 對不同崗位的增強效果不一樣。

　　越接近決策、客戶、產品、技術、銷售、內容、資本和組織流程，越容易把 AI 變成自己的杠桿。越是純執行、低自主性、被流程嚴格規定的崗位，AI 越容易變成管理你的系統。

　　所以，對一個普通職場人來說，學習 AI 當然重要，但更重要的是改變自己在生產系統里的位置。

　　工具會放大位置。但如果位置太低，工具放大的可能只是你的工作量。

　　10、

　　我以前寫 AI，常常會提醒自己不要陷入兩種偷懶。

　　一種是技術樂觀主義，覺得工具一進步，人類自然變好。另一種是技術悲觀主義，覺得每一次新技術都會把人推向更糟的命運。

　　這兩種都太省力。

　　真正困難的是承認：AI 既可能給普通人機會，也可能加速普通人的邊緣化；既可能創造新職業，也可能掏空舊職業的訓練路徑；既可能讓一個人擁有前所未有的能力，也可能讓他在更高效率的系統里變得更便宜。

　　技術本身沒有道德方向。方向來自所有權、制度、組織和分配。

　　誰擁有模型？誰擁有算力？誰擁有數據？誰擁有平臺？誰擁有客戶？誰擁有收益分配權？

　　這些問題比“AI 會不會覺醒”更貼近普通人的命運。

　　因為你不會因為 AI 有了意識而失業，你更可能因為老板發現三個人加 AI 能干五個人的活而失業。

　　你不會因為超級智能統治地球而降薪，你更可能因為某個 SaaS 系統把你的工作流程拆成了可計價、可監控、可替代的小塊而降薪。

　　科幻里的危險很壯觀?，F實里的危險很樸素。

　　它通常出現在預算會上，出現在招聘凍結郵件里，出現在“今年先不擴編”的會議紀要里，出現在一句很輕描淡寫的話里：

　　這個崗位，先看看能不能用 AI 頂一下。

　　11、

　　AI 是資本和勞動力的最后一戰，這句話真正的意思是：資本第一次擁有了一種可以大規模復制認知勞動的基礎設施。

　　它不會讓所有勞動消失。它會改變勞動被組織、被定價、被替代、被考核的方式。

　　過去，人出售時間。后來，人出售技能?，F在，人可能要證明自己比一組模型調用更值得購買。

　　這件事剛開始。

　　今天很多 AI 還不夠穩定，還會胡說，還需要人類修正，還不能獨立完成復雜任務。很多公司也還沒有真正改造流程，只是在表面上做 AI 化。

　　但方向已經出來了。

　　更強的模型會繼續出現。更便宜的推理會繼續出現。更長的上下文會繼續出現。更復雜的智能體會繼續出現。更多公司會把 AI 嵌入自己的組織結構。

　　到那時候，普通人再問“我要不要學 AI”，就像 2015 年還在問“我要不要學會用智能手機”。

　　問題會變成另一種：

　　你到底是在調用 AI，還是正在被 AI 調用？

　　這個區別很重要。

　　調用 AI 的人，把 AI 當成杠桿。他有問題，有判斷，有場景，有位置，有收益出口。

　　被 AI 調用的人，被系統拆成一個接口。他接收任務，完成任務，交付結果，被模型和流程一起考核。

　　未來的職場可能會分成兩種人。

　　一種人用 AI 組織生產。另一種人在 AI 組織的生產里出售時間。

　　這中間當然還有很多灰色地帶。大多數人會在兩者之間搖擺，一會兒覺得自己被增強，一會兒發現自己被壓價。

　　這正是這個時代最難受的地方。

　　它不會一次性告訴你答案。它會一點一點改變你的工作，讓你逐漸適應更高的效率、更快的反饋、更密的考核、更少的安全感。等你回過頭，舊的勞動契約已經變了。

　　AI 不一定會搶走你的工作。它可能先搶走你對工作的定價權。

　　12、

　　最后，還是要說回普通人。

　　不要幻想 AI 天然站在你這邊。AI 站在擁有它的人那邊。

　　如果你只是偶爾使用它，它是工具。
如果你能把它嵌進自己的工作流，它是杠桿。
如果你擁有模型、數據、算力、客戶和分配權，它就是資本。

　　這三層之間，差距會越來越大。

　　普通人要做的，不是把自己催眠成“我也有 AI，所以我和大公司一樣了”。不是這樣。

　　你和大公司都能用電，但你沒有電網。你和平臺都能發內容，但你沒有分發權。你和資本都能用 AI，但你未必擁有 AI 創造的收益。

　　看清這一點，不是為了絕望，是為了別被廉價的技術平權敘事騙了。

　　真正值得爭取的，不只是使用 AI 的權利，還有參與新生產系統的機會；不只是買一個會員，還有接觸高質量模型、數據、項目和組織流程的機會；不只是學幾個提示詞，還有把自己移動到更高價值生態位的機會。

　　未來幾年，很多人會發現，自己并不是被 AI 淘汰的。

　　他們是被更會使用 AI 的人淘汰的。被更能購買 AI 的公司淘汰的。被更早把 AI 嵌進組織的資本淘汰的。被一種新的生產資料重新定價了。

　　這件事不會像電影里的災難一樣轟然降臨。它會很安靜。

　　一個崗位少招兩個人。一個團隊不再補 HC。一個新人沒有機會練手。一個中層發現自己管的人少了，但指標更重了。一個創作者發現內容越來越多，價格越來越低。一個程序員發現自己寫代碼更快了，績效要求也更高了。

　　某個深夜，一個普通白領打開 AI，讓它幫自己寫一份周報。同一時間，另一棟樓里，一家公司正在讓 AI 重新計算明年需要多少人。

　　這兩個窗口，看起來都在發光。