到底什么職業(yè)，可以越老越吃香？

這個話題估計數(shù)千年前給別人干活的人都在思考，畢竟誰都不愿意在年紀大的時候，還和年輕的時候，不僅擔心被東家辭退，還擔心依舊賺著三瓜倆棗。

兩個關鍵點：

1、累積效應

2、多方下注

咱們一個個分析。

（1）累積效應

為什么程序員、工程師等技術人員，常有35歲危機？

因為勞動力這種生產(chǎn)要素，前后關聯(lián)性太低，

一名技工，組裝一部手機，1塊錢，

最近三天分別組裝了100/200/150部手機，

之前做的工作對之后的工作成果，有幫助嗎？

幾乎沒有。

熟練程度達到一定范圍后，組裝的手機數(shù)量，存在上限，無法突破。

因此，財富的增長受嚴重限制。

程序員、工程師之類的角色，稍微好點，但前后關聯(lián)性，也不高。

因為，專業(yè)崗位，存在學習曲線，早期陡峭上升，到后面迅速變慢，甚至可能下降，

現(xiàn)實表現(xiàn)，就是20~30歲，技術突飛猛進，30~40歲，進步變緩。

40歲之后，新技術不斷出現(xiàn)，自身能力開始減弱，隨時面臨被年輕人取代的風險。

如何破局？

建立動作的前后關聯(lián)性，

要理解這個邏輯，得先介紹兩種概率分布，

左圖，正態(tài)分布 ， 右圖，冪律分布 ，

正態(tài)分布，是多個相互獨立的因素，簡單疊加的結果，

冪律分布，是多個非獨立因素，相互作用的結果。

獨立還是非獨立，至關重要。

兩種概率分布，引發(fā)兩種截然不同的現(xiàn)象，

正態(tài)分布——平均斯坦 （Mediocristan）

冪律分布——極端斯坦 （Extremistan）

比如，人類身高分布，是典型的平均斯坦，

100個成年人，如果身高均值是1.7米，上下波動0.6米，便可覆蓋所有樣本。

你不會試圖找到一個身高10米的人類。

究其原因，決定身高的多對等位基因的遺傳過程，相互獨立。

多組相互獨立的隨機變量的加總結果，符合正態(tài)分布。

以此類推，膚色、智商、體重等，都是平均斯坦。

教授子女考不上大學之類的現(xiàn)象，便是智商的均值回歸。

財富分布，是典型的極端斯坦。

100個成年人，如果財富均值10億美元，

大概率，是因為其中有一個身家千億美元的埃隆馬斯克，

這類分布，贏家通吃的現(xiàn)象非常明顯。

因為，前一次獲取財富，與下一次獲取財富之間，強相關。

前后關聯(lián)，是指數(shù)增長的奧秘。

理解這兩種概率分布，再看各行各業(yè)，

餐飲業(yè)，屬于哪種分布？

中國最大的餐飲集團，百勝集團，2024年，年營收大概700億人民幣，

占中國餐飲市場的份額，不到3%。

因此，餐飲市場，趨于分散，屬于平均斯坦，符合正態(tài)分布，

互聯(lián)網(wǎng)，屬于哪種分布？

短視頻領域，抖音和快手，占據(jù)90%以上市場份額，

音樂領域，QQ和網(wǎng)易云，占據(jù)70%以上市場份額，

因此，互聯(lián)網(wǎng)行業(yè)趨于集中，屬于極端斯坦，符合冪律分布，

為什么餐飲業(yè)，屬于平均斯坦，互聯(lián)網(wǎng)，屬于極端斯坦？

因為生產(chǎn)要素不同。

推動財富增長的五大生產(chǎn)要素：勞動力、土地、資本、科技和數(shù)據(jù)，

前兩者，前后關聯(lián)性，相對較弱，

后三者，前后關聯(lián)性，相對較強。

由此可見，主要生產(chǎn)要素是勞動力和土地的行業(yè)，趨于分散，

主要生產(chǎn)要素是資本、科技和數(shù)據(jù)的行業(yè)，趨于集中。

理解這兩種概率分布背后的底層邏輯，對自身發(fā)展，有何意義？

先選對賽道，再建立每個動作之間的前后關聯(lián)。

如此，才能產(chǎn)生累積效應，才能將時間，轉換成自身的壁壘，而不是競爭力流失的訊號。

（2）多方下注

八九十年代，出租車司機，是非常有錢、受人羨慕的群體。

2000年之后，基建需求劇增，土木行業(yè)興起。

又過10年，移動互聯(lián)網(wǎng)普及，萬千碼農完成階層躍遷。

這幾年，芯片領域，被注入大量資金。

江山代有風口出，各領風騷十余年。

如今，隨著行業(yè)的衰落，出租車司機、土木從業(yè)者，已不再是人們心儀的職業(yè)。

程序員、芯片從業(yè)者也會面臨同樣的危機。

這是中國特有的現(xiàn)象嗎？

當然不是。

近150年，美國經(jīng)歷了多輪技術革命：鐵路、輪船、鋼鐵、石油、電話、汽車、芯片、互聯(lián)網(wǎng)。

每當新領域被開辟，都會涌現(xiàn)一批富豪，和數(shù)以萬計的高薪人群。

每當舊領域從高科技，淪為尋常技術，又會有數(shù)以萬計的后來者，職業(yè)生涯遭受打擊。

換言之，任何一個行業(yè)，技術迭代都會進入平緩、衰落期，

早期入局者，賺的盆滿缽滿，

后期，越來越多人涌入，從藍海，變成紅海，利潤率驟減，紅利期結束。

這現(xiàn)象背后的底層邏輯是什么？

高科技，是速朽的領域。

當下的高科技產(chǎn)品，過幾年，便淪為尋常技術。

作為技術人員，執(zhí)著于某個細分領域的技術，難言理性。

因為，你所在的領域，也許再過幾年，就進入衰退期。

由此觀之，在某個細分領域，學一門“越老越吃香”的技術的想法，

本質上，是沒有認清日新月異的市場經(jīng)濟，是在不自覺地對抗經(jīng)濟規(guī)律。

如何應對這種局面？

多方下注，培養(yǎng)復合型才華 。

何為復合型才華？

主要才華+次要才華。

以芯片研發(fā)為例，研發(fā)能力是我最長的那根木板，是主要才華。

但還不夠。

相同水平的研發(fā)人員，全國至少有幾千，未來還有年輕人不斷加入這行列。

不可替代性，仍然不夠高。

那就要培養(yǎng)服務于主要才華的次要才華。

比如，對芯片研發(fā)而言，器件仿真、版圖繪制、工藝流程整合、產(chǎn)品文件編寫……這些是基本功，是主要才華。

在本職工作之外，還有什么可以培養(yǎng)的次要才華？

專利能力、項目管理能力、寫作能力、公共表達能力……

工程師甲，在研發(fā)能力這一個坑里挖20米深。

工程師乙，在研發(fā)這個坑挖15米，在專利、項目管理、寫作和公共表達這4個坑各挖10米。

誰的不可替代性更高？

大概率，是后者。

PIE這種整合類工程師，比PE這種單項工藝工程師的不可替代性更高，也是這個邏輯。

更重要的是，有些能力，具有復利效應。做得越久，越得心應手。

時間，便是最堅固的壁壘。

說到這，不妨細究一下，多方下注背后的底層邏輯，

其實，源自進化論，

生命在誕生初期，憑何存活？

憑概率。

最初的生命，結構簡單、能力低下，但，通過大量復制自己，繁殖大量子代，

借助海水、河流、風等自然界本就存在的形式，將大量子代送往各處。

即便環(huán)境異常惡劣，但總有適合生存的地方，一萬個生命體，活下來兩三個，就是成功。

依靠復制，不斷繁衍和壯大族群。

那些不會大量復制的生命，逐漸消失。

隨著子代越來越多，基因復制過程中，受到輻射等因素影響，不免出錯，這就是變異，

變異，是物種分叉的開始，

地球初期從幾個簡單的生命體，發(fā)展到今天的包羅萬象，有賴于變異。

值得注意的是，變異能力并非進化而來，而是被動篩選出來的。

這里需要辨析，進化 or 篩選，代表了兩種世界觀，

進化一詞，暗示存在明確的方向，生物朝著正確的方向，刻意為之。

換言之，是生物主動為之。

這種暗示，具有誤導性，準確的叫法，應該是天演論 。

天演一詞，暗示我們永遠不知道哪個方向可以留存，

唯一途徑，便是朝各個方向，開枝散葉，多方下注，

隨著時間的流逝，篩選出有利和無用的特征，淘汰掉不利的特征，

換言之，是生物被動為之。

主動 or 被動，本質上，是世界觀的差異。

主動，意味著未來可以預測，按照正確方向發(fā)展就行。

被動，意味著未來無法被預測，只能多方下注。

現(xiàn)實世界里，未來到底能否被預測？

當然不能。

因為，我們不可能掌握所有信息，

連明天有多少交通事故，我們都無法預知，又怎么可能預測更遙遠的未來？

正因為未來無從預測，變異，便是物種存活的依賴，

現(xiàn)階段看上去無用的性征，也許在下一個時代，便能挽救物種的命運。

換言之，物種需要具備多樣性，以應對不可預測的未來。

現(xiàn)代社會，溫飽不成問題，

但想過上更好的生活，本質上，仍然是一個，與不確定的外界環(huán)境（市場經(jīng)濟）博弈的過程，

一年后，哪些職業(yè)、哪些技能會得到市場的青睞，獲得更高的薪資？

沒人能預測，

因此，最優(yōu)策略便是，提升才華的復合性，以增大被市場選中的概率。

小結：

什么職業(yè)可以越老越吃香？

兩個關鍵點，

1、具備累積效應，策略是---選擇主要生產(chǎn)要素是資本、科技或數(shù)據(jù)的賽道，建立動作之間的前后關聯(lián)性，

2、多方下注，策略是---培養(yǎng)自己的復合型才華，不要將雞蛋放在同一個籃子里。

如目前AI技術的快速發(fā)展，迭代速度讓人眼花繚亂，一天不學，就感覺錯過了新技術的推出。

但如果想要跟上AI的技術迭代速度，說實話，除非你本身是這方面的領導者，否則你很難跟的上，但先入局，你是可以做到的。

不想投入很多費用，就自學，B站，抖音平臺抖有不錯的知識博主在免費分享一些使用技巧，學會幾個AI軟件的操作，問題不大。

想稍微深度學的，可以投個幾百塊錢去拜個師，運氣好，碰到有良心的知識博主，說不定還能帶你快速上手。

當然，如果你自學能力很差，又想進入AI這個行業(yè)，那只能報班了，至于國內那么多不靠譜的AI培訓結構怎么選擇，我也沒太多經(jīng)驗，我只知道一家還算靠譜的。