最近，知乎上有一個問題熱度居高不下：“以後不會用AI，真的就是寒門嗎？”這個問題像一根刺，扎進了許多中產和准中產的焦慮核心。如果是在三年前，你可能會覺得這是危言聳聽。那時候AI還只是Siri裡的那個“人工智障”，是只會下圍棋的AlphaGo。但今天，當你看到DeepSeek、ChatGPT、Claude這些大模型以周為單位迭代，當你身邊的同事用10分鐘完成了你一天的工作量時，你必須承認：這個世界的運行規則，變了。在這篇文章裡，我們不談那些晦澀的技術名詞，只談赤裸裸的現實：在這個智能折疊的時代，人和人的差距，將比人和狗的差距還要大。重新定義“寒門”：不是沒錢，而是“槓桿率”歸零傳統的“寒門”，指的是出身貧寒，缺乏物質資本。 但在AI時代，“寒門”有了新的定義：缺乏認知槓桿的人。阿基米德說：“給我一個支點，我就能撬動地球。”在工業時代，這個支點是蒸汽機和電力；在資訊時代，這個支點是網際網路；而在智能時代，這個支點就是AI。想一想，過去一個設計師，畫一張精美海報需要兩天。現在，一個會用Midjourney的設計師，一天能產出50張高品質草圖供甲方挑選。 過去一個程式設計師，寫一個複雜的正則表達校驗需要查文件、寫程式碼、偵錯，耗時1小時。現在，那怕是實習生，把需求扔給Cursor或GitHub Copilot，30秒程式碼就生成好了，還是帶註釋的。這就是“槓桿”。當你還在用肉身去對抗別人的“核動力”時，你的勤奮變得一文不值。麥肯錫和BCG的最新報告顯示，在某些白領任務中，AI能將效率提升50%以上，質量甚至更高。這意味著，兩個人的產出差距，不再是1.2倍、1.5倍，而是10倍、100倍。這就引出了一個殘酷的公式：未來社會的財富 = 你的核心技能 × AI槓桿率如果你不會用AI，你的槓桿率就是1。 如果你精通AI工作流，你的槓桿率可能是100。即使你的核心技能（比如寫作、程式設計、繪圖）只有60分，乘以100的槓桿，你的產出就是6000分。 而那個核心技能90分的大師，如果拒絕使用AI，他的產出依然是90分。以後不會用AI的人，就是在這個高槓桿時代，主動選擇“裸奔”的人。這種認知上的貧困，比錢包裡的貧困更難翻身。圖源：網路“白領血洗”：消失的中間層與“職場喪屍”Anthropic（Claude背後的公司）的CEO曾預言，未來幾年內，50%的初級白領工作可能會被AI取代。這並非危言聳聽。你有沒有發現，現在的職場正在發生一種詭異的變化？“初級崗位”正在消失。以前，公司招一個實習生，是為了讓他幫忙寫會議紀要、整理Excel表格、蒐集競品資料。這些工作繁瑣、重複，是新人入行的“學費”。 但現在，這些活兒AI幹得比人好。會議紀要？飛書妙記/通義聽悟直接出稿，還能自動提煉Action Items。整理表格？Excel裡的Copilot一鍵生成透視表。蒐集資料？Perplexity/秘塔搜尋，一分鐘給你一份帶信源的深度報告。於是，老闆們發現：我不需要招助理了。我只需要一個懂業務、會用AI的高級經理。這就造成了職場階梯的斷裂。如果你現在還是一個只會做執行層工作的“工具人”，那麼你離失業只有一步之遙。更可怕的是“職場喪屍”的出現。 這是一群仍在上班，但實際上已經失去經濟價值的人。他們每天在工位上敲敲打打，看似忙碌，實際上他們產出的價值，遠低於公司為他們支付的薪水+五險一金+工位租金。 一旦經濟下行，或者公司決定引入AI工作流，這群人是第一批被清洗的對象。在這個時代，“平庸”就是原罪。 以前60分的作品可以混口飯吃，因為請大師太貴。現在，AI能免費生成80分的作品。人類如果不做到90分以上，或者不學會駕馭那個能生成80分作品的AI，就毫無生存空間。時代的紅利：超級個體的崛起說了這麼多焦慮，難道未來一片黑暗嗎？ 不，對於另一群人來說，這是黃金時代。這群人叫：超級個體（Super Individual）。在以前，你想開一家廣告公司，你需要文案、設計、策劃、財務、行政，至少5個人的小團隊。你需要租辦公室，管考勤，交社保，處理複雜的人際關係。 現在呢？文案：ChatGPT / Claude 3.5 Sonnet。設計：Midjourney / Flux。視訊：Runway / Sora / 剪映AI。程式碼：Replit / Cursor。一個人，就是一個隊伍。我認識一位做跨境電商的朋友，以前他的團隊有12個人，負責選品、寫Listing、做圖、回郵件。 去年，他裁掉了8個人，只留下了核心的供應鏈主管和營運主管。 剩下的工作誰做？AI做。 他自己訓練了幾個GPTs（定製化GPT），專門用來寫符合亞馬遜SEO規則的文案；用AI批次處理客服郵件；用AI生成產品模特圖（省去了幾萬塊的模特攝影費）。 結果是，他的人力成本下降了70%，但淨利潤翻了三倍。這就是“新寒門”的反面——“新貴族”。他們不一定出身豪門，但他們率先掌握了AI這個工具，把自己的能力無限放大。他們不再出賣時間換錢，而是讓AI 24小時為自己打工。為什麼你還在觀望？警惕“甚至不知道自己不知道”既然AI這麼強，為什麼大多數人還在觀望？ Gallup（蓋洛普）最新的資料顯示，雖然AI很火，但在日常工作中高頻使用AI的員工比例並不高。這裡有一個巨大的“認知陷阱”。很多人對AI的理解還停留在：“哦，就是那個能聊天的機器人嘛，我試過，寫出來的東西車軲轆話，沒法用。”大錯特錯。你說它不好用，是因為你不會用。 這就好比給你一把倚天劍，你拿它來切菜，然後抱怨說“這刀太重了，不如菜刀好使”。人與人的差距，體現在三個層面：Prompt Engineering（提示詞工程）的能力： 你是只會問“幫我寫個文案”，還是懂得用“角色設定+任務背景+約束條件+輸出格式+少樣本學習”的結構化提示詞？前者得到的是垃圾，後者得到的是黃金。AI Workflow（工作流）的建構能力： 高手不是在和一個聊天框對話，而是把AI嵌入到工作流裡。比如：用Zapier把Gmail、ChatGPT和Notion連通，自動處理郵件並歸檔。這才是真正的自動化。AI 審美與判斷力： 當AI能生成海量內容時，人類最值錢的能力不再是“生成”，而是“判斷”。你得知道什麼是好的，什麼是不好的，才能指導AI修改。那些覺得AI“沒用”的人，正處於達克效應的谷底——愚昧之巔。他們不知道AI已經進化到了什麼程度，更不知道別人已經用AI跑到了多遠的地方。圖源：網路給普通人的自救指南：如何拿到這張“船票”？如果不想成為未來的“新寒門”，我們現在該做什麼？第一，祛魅與脫敏。別把AI當成什麼高科技神話，也別把它當成洪水猛獸。把它當成電，當成Office，當成手機。它只是一個基建。現在立刻馬上，去註冊一個帳號（無論是ChatGPT、Claude還是國內的Kimi、DeepSeek），強迫自己在每天的工作中至少使用它3次。寫郵件卡住了？問AI。 想不出策劃案創意？讓AI頭腦風暴。 Excel公式不會寫？問AI。 用得多了，你就會有“體感”，這種體感是看一萬篇公眾號文章都學不來的。第二，從“做題家”思維轉變為“出題家”思維。過去的教育教我們如何解題（How to do）。 AI時代的生存法則，是學會提問（What to ask）和定義問題（Define the problem）。 AI是最好的解題者，但它需要一個好的出題人。你要學會拆解任務，把一個模糊的大目標，拆解成AI能聽懂的十個小指令。指揮AI的能力，就是未來的管理能力。第三，深耕行業Know-How，而不是工具技能。不要去捲那些單純的工具技能（比如死記硬背Photoshop的所有快速鍵，或者背誦程式設計語法）。這些AI都會。 你要卷的是行業認知。 AI能寫出流暢的法律文書，但它不懂在法庭上如何博弈人心；AI能畫出完美的圖，但它不懂什麼是打動客戶的品牌調性。 只有當你對自己行業的理解足夠深，你才能駕馭AI，而不是被AI忽悠。第四，擁抱“全模態”學習。不要只盯著文字。圖片、音訊、視訊、程式碼，AI正在全方位滲透。 去瞭解一下RAG（檢索增強生成），去瞭解一下AI Agent（智能體）。不用成為技術專家，但要成為技術應用專家。圖源：網路別讓“平庸”，成為這個時代的絕症19世紀，汽車出現時，馬車伕發起了抗議。 結局我們都知道了：馬車伕消失了，但誕生了司機、修車工、甚至賽車手。歷史總是押韻的。 AI不會淘汰人，但“會用AI的人”一定會淘汰“不會用AI的人”。未來的社會結構，可能不再是金字塔型，而是圖釘型。 上面是極少數掌握了AI槓桿的“超級個體”和資本擁有者，下面是失去了議價能力的龐大普通人群。想要爬上去，那根細細的圖釘針尖，就是你駕馭AI的能力。“以後不會用AI，就是寒門。”這句話聽起來很刺耳，但我希望你能把它列印出來，貼在床頭。 因為在這個激盪的時代，最大的風險，就是你看不到風險。不要做那個被時代列車甩下的人。現在，上車。 (留學生日報)

AI時代的“末日式裁員”長啥樣？這家公司給出了直觀示範原本1萬人的公司一刀下去只剩不到6000人原來滅霸的響指不是科幻片😓1. 人工智慧元年，滅霸首次打響指的那一刻...據CNBC前幾日報導，金融科技公司Block宣佈裁員超過4000人，佔員工總數約46%。以前沒聽說過這家公司的名字？沒關係，2026年第三個月，人家憑“實力”出圈了......這大概是歷史上規模最大的一次裁員。單說裁員，那可真不稀奇，矽谷科技公司大大小小裁員的消息層出不窮，但敢像Block這樣一次性裁掉全公司將近50%員工的，0家。cr.一畝三分地到底為什麼裁這麼多？先來看看Block這家公司的做什麼的。Block是一家美國金融科技公司，成立於2009年，由Jack Dorsey和Jim McKelvey創立。旗下擁有國民移動支付應用Cash App，人稱“美國人的支付寶”；以及Square——美國版收款碼+POS機+收銀系統+商家貸款。很顯然，這樣一家國民等級的金融科技支付公司壓根不會面臨“揭不開鍋”的問題。不出所料，在裁員爆出的幾乎同一時間，CEO Jack Dorsey就在社交媒體上發佈了一封“致全員信”，表示：“we're making @blocks smaller today。”cr.X諷刺的是就在當天，公司公佈的第四季度財報顯示，毛利潤同比增長24%，營收與每股收益均超出分析師預期。信中也強調裁員並非因為公司利潤下降、營收惡化，反而公司業務依然強勁，客戶在增長，盈利能力在改善，僅是因為：“AI工具配合更精簡扁平的團隊，正在從根本上改變公司的運作方式。”簡而言之，這4000人的活，用 AI給替代了。在備忘錄裡，Dorsey解釋了原因：他認為多輪裁員會嚴重打擊士氣、分散注意力，也會傷到客戶和股東的信任。所以他寧可“壞事”一次性做完。喬治城大學管理學教授Brooks Holtom在評價此事件時表達了對這一論點的認可，但承認這次規模確實很誇張，好在補償方案可以說相當慷慨了，被裁員工將獲得：20周基本工資每工作滿1年，額外再給1周工資股權繼續歸屬（vesting）到5月底6個月醫療保險允許保留公司配發的裝置額外一次性5000美元補助裁員≠暴君，Block一向以人情味、公司氛圍和諧、福利到位、創始人良心著稱，據知情人士稱去年此時，CEO Dorsey還自掏腰包約6800萬美元，邀請全球員工飛往灣區總部進行一周onsite。cr.一畝三分地Dorsey甚至表示，不會“把人從Slack和信箱裡悄悄刪除”，溝通管道會保留到周四晚，他會親自開視訊會道別，“寧願顯得尷尬而有人情味，也不願高效而冰冷”。不過，再有人情味也都是過去式了，宣佈完裁員計畫，Dorsey還不忘跳一波預言家：我們只是走在了最前面。未來一年內，大多數公司都會得出類似結論，進行相似的結構性調整。cr.CNBC而這個預言的精準性，恐怕資本市場已經給出了肯定的答案：一下子幹掉了 4000 多個崗位後，Block的股價不降反升，甚至盤後一度暴漲27%。風投機構Adverb Ventures的聯合創始人兼董事總經理Jessica Verrilli在X上寫道：“感覺這事遲早會波及每一家上市公司。員工數量像斷崖一樣往下掉時，我們得想辦法讓每個人都能成為‘所有者’，多少分享一點上行收益。”史丹佛商學院金融學助理教授Michael Blank則表示：未來各公司的CEO可能會產生一種競爭心理——大家都想向投資者證明，自己的公司比競爭對手更能適應快速變化的AI技術。而大規模裁員，就是一種相對“便宜但有效”的訊號。2. 2026年的矽谷，流行靠裁員給AI回血就在Block宣佈這一史詩級裁員的4天前，一篇文章在矽谷和華爾街如病毒般散播開來——由宏觀研究機構Citrini Research發佈的《2028全球智能危機》。cr.CitrinResearch假設時間來到2028年6月，回顧並分析一場由AI引發的系統性經濟危機。文中有一句話尤為刺眼：“2026年初，隨著人類智能被替代，第一波大規模裁員拉開序幕。企業利潤迅速膨脹，收益遠超預期，股價屢創新高。”起初，人們並未在意，只是將此視為一次思想實驗。Citrini Research推演了一種極端情況：也就是AI帶來了大量人失業。沒工作就不消費。企業營收下降。成為了死亡循環。不一定非要等到2028年，我們所處的2026年，這句話就已經不再是推演了。這封Block CEO的600字裁員信，正是危機預言在現實世界中落地的第一聲悶響。回到現實世界的2026年，layoffs.fyi網站醒目的數字從未停止跳動👇自2026年初以來，全球科技行業已累計裁員超過3.4萬人，僅2026年1月的資料，就已追平2025年裁員數量最高月份的水平。英國金融資料機構RationalFX預計，若當前趨勢持續，今年科技行業裁員總數可能超過27萬人，全年裁員規模或將超過2025年的約24.5萬人。靠裁員來續命AI的公司數不勝數👇Meta 1/12宣佈裁員1.6wcr.nytimes1月12日Meta突然宣佈，計畫裁減其Reality Labs部門約10%的員工。該部門負責開發包括元宇宙在內的產品，目前擁有約15000名員工。小扎今年也是鐵了心要死磕AI，要求高管削減2026年的預算，並將大量資金投入人工智慧研究，而不叫好的元宇宙就成了第一個“被宰”的對象。除了裁員，Meta更是不惜一切代價給AI“續命”：削減員工股票獎勵，在去年削減約10%的基礎上，今年再次下調約5%，說是變相降薪並不為過。這筆從員工身上“活剝”下來的資金主要用於建設遍佈美國“Gigawatt等級”的AI資料中心。cr. YahooAmazon 1/26宣佈裁員1.6wcr.yahoo finance繼2025年10月裁員14,000人後，亞馬遜在今年1月又馬不停蹄地宣佈裁員計畫，此次波及約1.6w人。波及包括AWS（Amazon Web Services雲端運算）、Stores等部門，而崗位則主要集中在管理層：PM產品經理、TPM技術項目經理、SDM軟體開發經理以及其他與產品相關的崗位（特別是有大量協調性質工作的）。此舉正是亞馬遜CEO Andy Jassy“去官僚化”計畫的其中一步：他希望通過更加扁平化的層級結構，消除2020年“高速增長”階段積累的過多會議和官僚主義。更重要的一個目的也是目前科技公司老生常談的：將節省下來的數十億美元重新分配，用於AI和AWS資料中心的資本支出。短短三個月內，累計裁撤3萬名員工，約佔其全球企業員工總數的近10%，創下其成立30年來的最大規模裁員紀錄。根據公司內部統計資料，亞馬遜西雅圖辦公室的員工人數已跌破5萬人，不再是西雅圖地區的最大僱主。Oracle 1/30宣佈裁員2-3w1月底，矽谷老牌養老廠Oracle宣佈裁員2至3萬人並出售醫療業務Cerner，核心原因還是為了籌集巨額資金以應對昂貴的AI基礎設施建設，這波操作說白了還是在“拆東牆補AI”。Oracle面臨高達1560億美元的資本支出（Capex）需求。如果沒有這筆資金建設機房和資料中心，其雲服務將無法落地，淪為“PPT公司”。為了籌錢，Oracle被迫採取激進措施，如要求客戶預付40%定金或自帶晶片，變相讓客戶“眾籌”基建。裁員也是快速回血的一步，預計釋放80-100億美元現金流。3. 留學生想上岸矽谷，還有招嗎？與Block、Amazon、Meta相同的故事也將發生在更多推進自動化、AI智能化的大廠身上：傳統崗位在最佳化調整，為機器學習、AI等前沿技術崗位騰出發展空間。對於想要求職科技行業的留學生來說，以Amazon為例的戰略轉型非但不是威脅，反而清晰地指明了進入科技巨頭的“未來之路”：面對自動化與裁員，成為推動這一轉型的“執行者”才是唯一出路。 (WallStreetTequila)

2010年代，程式設計成為就業市場上最炙手可熱的技能之一，熱潮迅速席捲全美，家長們紛紛敦促孩子放棄英語專業，轉而攻讀科學、技術、工程和數學（以下簡稱STEM）學位。就連美國前總統貝拉克·歐巴馬也呼籲人們學習程式設計，他更是成為首位參與“程式設計一小時”（Hour of Code）活動[這項線上活動旨在推廣電腦科學教育周（Computer Science Education Week）]的總統，還親自編寫了一行程式碼。然而這一現象的另一面，是英語與文科專業遭到質疑，有人戲稱這些專業是“咖啡師學位”，認為攻讀這類專業的人職業發展空間有限，最終只能在咖啡店打工。但人工智慧的崛起，正在顛覆這些固有認知。至少Palantir聯合創始人、億萬富翁彼得·提爾（Peter Thiel）是這麼認為的。在一段2024年錄製、近期重新走紅的採訪視訊中，提爾在與經濟學家泰勒·考恩對話時表示，STEM領域從業者的就業紅利正在消退。他說：“比起文字工作者，學數學的人的處境要糟糕得多。”彼得·提爾，PayPal與Palantir Technologies聯合創始人。圖片來源：Marco Bello—Getty Images故事講述者在就業市場炙手可熱這位億萬富翁的觀點反映了當下勞動力市場的新趨勢。領英（LinkedIn）2月早些時候發佈的《2026年領英技能趨勢：美國增長最快的技能》（LinkedIn Skills on the Rise 2026: The Fastest-Growing Skills in the U.S.）報告顯示，溝通能力和創造性思維的需求正在持續攀升。該報告稱，溝通能力、領導力及人員管理能力已經成為當今勞動力市場最搶手的技能。領英的一位發言人告訴《財富》雜誌：“企業越來越青睞溝通能力強的人才，因為出色的寫作能力、清晰的表達能力和判斷力依然至關重要。”他們指出，如今“講故事”已經成為一項尤為搶手的技能。“在過去一年裡，領英上提及‘講故事者’的招聘啟事數量翻倍。”事實上，部分企業為招募故事講述者和高級公關專家開出的年薪甚至超過100萬美元。例如，Anthropic公司正在招聘一名公關主管，起薪為40萬美元；而Netflix為高級公關總監開出的薪酬範圍在65.6萬美元至120萬美元之間。當然，這份報告並不意味著你可以直接撕掉STEM學位證書。領英還發現，當下市場同樣有不少熱門技術技能，包括人工智慧提示工程和資料標註。不過，這些技能與STEM學位的核心內容有所不同，因為它們側重於訓練人工智慧，而非建構人工智慧。儘管部分人工智慧提示工程師的崗位要求應聘者具備程式語言知識（包括Python和JavaScript）以及大型語言模型相關背景，但這些招聘啟事也強調，應聘者需要具備出色的語言能力和創造力，以最佳化人工智慧的輸出結果。據求職平台Glassdoor的資料，該崗位的平均年薪為12.8萬美元。隨著人工智慧技術的不斷發展，許多領導者和人工智慧專家預測，人工智慧將徹底重塑就業市場，同時也將顛覆職場中最被看重的能力。在此背景下，數學及其他STEM領域的部分技能可能面臨淘汰風險。Anthropic公司Claude Code的開發者鮑裡斯·切爾尼坦言，自去年11月以來，他未曾編寫過一行程式碼（儘管仍然會檢查人工智慧編寫的程式碼）。與此同時，人工智慧正在持續侵入原本由STEM專業人士主導的領域，包括基礎程式設計與資料分析。勞動力市場的動盪紐約聯準會（New York Federal Reserve）的最新資料顯示，近年來應屆大學畢業生面臨的就業形勢尤為嚴峻——2022年，應屆大學畢業生的失業率已經超過勞動者整體失業率，到2025年，這一比例已經攀升至5.6%——部分STEM相關專業的失業率尤為突出。電腦工程專業是失業率第二高的專業，失業率達到7.8%，僅次於人類學專業。但部分STEM專業畢業生的失業率仍然低於大學畢業生3.1%的整體平均水平，比如航空航天工程專業和工程技術專業畢業生的失業率分別為2.2%和1.7%。然而在2024年的訪談中，提爾指出，即使在當前尚未被人工智慧自動化衝擊的STEM領域，隨著人工智慧的發展，將數學技能作為準入門檻的做法也將逐漸過時。“若想進入醫學院，我們通過物理和微積分篩選人才。”他說，“作為神經外科醫生，我可不希望給我做腦部手術的人在手術時還在腦子裡分解質因數。”（財富中文網）

2月27日，美國金融科技公司Block宣佈裁員40%，約4000人，以全面轉型為AI公司‌。AI概念戲劇性地導致其股價暴漲超20%。這家在矽谷算不上舉足輕重的公司的案例，卻透露出AI快速發展可能引發的經濟連鎖反應。在這背後，有一個數字，在過去三年被改寫了四次。2023年3月，OpenAI說:美國約19%的工人會看到超過50%的工作任務被AI影響，這個過程需要十年。2026年1月，Cognizant說:這個比例已經是30%，而現在距離ChatGPT發佈才三年。同一個月，史丹佛數字經濟實驗室在分析了2.85億條招聘廣告後發現：AI高暴露度行業的入門級崗位招聘量下降了18%-40%，而資深員工的需求在上升。如果你還在用"AI會不會搶走人類工作"這個二元問題來理解這場變革，你已經落後了。真正在發生的不是崗位的消失，而是勞動力市場結構的熔斷：入口在關閉，中間層在塌陷，而站在塔尖的極少數"AI駕馭者"正在收割一切。更可怕的是，根據Citrini Research對2028年的推演，這場撕裂才剛剛開始。01. 2023年的刻舟求劍與2026年的凜冬驟至把時鐘撥回2023年3月，ChatGPT剛剛引爆全球。OpenAI的研究人員聯合多所大學發表了一篇里程碑式的論文、《GPTs are GPTs》（生成式預訓練模型是通用目的技術）。當時，OpenAI的團隊採用了一套基於任務暴露度（Exposure）的評分模型。他們得出的結論是：美國約80%的勞動力至少有10%的工作任務會受到GPT的影響，而約19%的打工人會看到超過50%的任務被波及。更有意思的是，他們發現了一個「高薪悖論」，與過去幾十年自動化技術（如機械臂）總是最先淘汰藍領工人不同，GPT時代，薪酬越高的認知型工作，暴露度反而越高。 在技能樹上，程式設計和寫作技能與AI暴露度呈強正相關，而科學和批判性思維則被認為是「安全區」。在那個時間節點，研究人員明確標註了一個侷限性：他們沒有將視覺等多模態能力計算在內。他們那時候甚至都沒考慮到工具使用能力。在2023年的框架裡，AI仍然是一個被困在螢幕裡、只懂處理文字和程式碼的缸中之腦。他們給出的上限預測是，這場重構可能需要長達十年的時間（到2032年）才會徹底展開。時間來到2026年初，全球IT服務巨頭Cognizant發佈了他們對2023年研究的更新報告《新工作，新世界 2026》。報告的開篇就表明「我們原本預測需要十年（到2032年）才會發生的事情，現在已經提前六年就在我們眼前上演了。」資料顯示，今天美國已有93%的工作受到AI不同程度的影響。Cognizant用了一個指標叫「速率得分」（Velocity Score），說白了就是你的職業被AI吃掉的速度有多快。如下圖所示，此前所有職業的AI暴露度年均增長2%，現在已經躍升到9%，相當於加速了4.5倍。這意味著，那些在2023年看起來屬於「AI動不了我」的職業，現在正以4倍速度被捲進來。具體到崗位上，任務暴露度超過50%的崗位比例從2023年的0%飆升至30%（原預測2032年僅為15%），而所有任務至少暴露25%的崗位則增長了17%，達到69%。Cognizant測算，僅在美國，這相當於將價值4.5兆美元的人力勞動成本轉移給了AI，約佔美國GDP的15%。這種加速是從那兒來的呢？報告用了一個很細的分類，描繪了不同暴露度的分層。E0 (No exposure) - 完全不暴露，32%的任務E1 (Direct exposure) - 直接用GPT就能省一半時間，10%的任務E2 (LLM+ tools) - 需要配套軟體但可行，17%的任務E3 (With image capability) - 加上視覺能力後可行，17%的任務Full automation - 完全可自動化，10%的任務（這是2023→2026最大的躍升，從1%到10%）從這個分類我們就可以看到，從E1到E3，也就是LLM加上多模態（眼睛與耳朵）和高級推理（大腦）以及隨之而來的Agentic AI 智能體（手與腳）帶來的改變最大。單純的ChatGPT其實影響有限（10%），但一旦Agent能使用專業工具，影響就擴大到27%，再加上視覺處理的範疇，則直接覆蓋到了44%的工作。比如一個修水管的工人，AI單獨看或想都替代不了他，但當AI能「看懂漏水的位置+推理出可能的原因+生成維修方案+自動下單配件」，那他的工作就被重構了。雖然還得他去擰螺絲，但前期診斷和後續報告都不需要他了。這種復合能力的爆發，導致了幾個在2023年無法想像的後果。第一，管理層不再安全。 曾幾何時，CEO和高管們認為協調、預算分配和決策是人類獨有的。但在2026年，Agent能夠自主安排日程、根據支出模式重新分配預算、追蹤項目進度。Cognizant的資料顯示，CEO的AI暴露度從25%飆升至超過60%。第二，藍領與物理世界的防線被滲透。 建築工人、機械師和水管工曾被認為是AI無法觸及的低風險區。但在多模態和AR穿戴裝置的加持下，AI現在能夠分析現場照片以診斷管道洩漏，或者讀取建築藍圖。建築業的AI暴露度從4%上升到了12%，交通運輸業從6%暴漲至25%。 一個水管工不會失業，但他未來的工作方式是被AI頭顯直接指揮的。按可由AI完成的任務百分比排名，Cognizant選出了受AI影響最大的六個職業。排在榜首的是財務經理，84%的工作內容可以被AI接手。換句話說，財務規劃、預算分析、風險評估這些核心任務，AI都能插上一手。電腦和數學相關職位緊隨其後，受影響程度達到67%。商業和財務營運、辦公室和行政支援這兩個大類都在60%到68%之間。法律職業63%，管理工作（包括高管層）60%。過去幾個月，軟體開發領域的變化尤其明顯。Anthropic的首席工程師鮑裡斯·切爾尼（Boris Cherny）今年1月透露了一個令人驚訝的數字：他們公司幾乎100%的程式碼，都是由自家AI產品Claude Code和Opus 4.5編寫的。「就我個人而言，我已經有兩個多月沒親手寫過程式碼了，連小修改都不做。」切爾尼說，「昨天我提交了22個拉取請求，前天提交了27個，每一個都是Claude寫的。」當然，他們發現34個職業完全沒有任何任務暴露。這些職業清一色是純體力、現場、手工活：砌磚工、屠宰工、洗碗工、石匠、輪胎修理工...這些變化，可能意味著勞動力市場的極化會加劇。高技能的人用AI變得更高產，低技能的人困在無法自動化的低薪苦活裡，中間那批能自動化但還沒完全自動化的中等技能白領工作最危險。而這正是在當下招聘市場中真實發生的事。02. 巨量資料不會撒謊：入口已經關閉，中間層正在塌陷預測看起來很緊迫，但在過去現實中的勞動力市場到底發生了什麼？當我們把目光轉向由Lightcast、PwC、Indeed、Stanford等機構彙編的過去三年（2023年-2026年）的線上招聘廣告巨量資料時，會發現很多符合預言的部分。報告當時預測，高工資職業普遍展現出更高的暴露度，並且暴露度與職業所需的程式設計和寫作技能正相關，與科學和批判性思維技能負相關。這些在招聘廣告資料裡都得到了驗證。而且方向也大體正確，即越是知識密集、文字密集、規則密集的工作，AI滲透越快；越是需要物理操作、現場判斷、人際互動的工作，暴露度越低。被超越的部分是速度。2023年的報告預測這些變化會在十年內展開，結果三年就看到了顯著的結構性變化。更重要的是，報告當時強調我們的暴露度測量不區分勞動增強和勞動替代，言下之意是技術可行不等於實際採用。但現實是，企業的採用速度比學術界預期的快得多。深入去看，我們會看到一幅被研究者命名為「混合轉型」（Hybrid Transformation）的圖景。這個溫和的學術術語掩蓋不了它的本質，即一場正在發生的階級重組。首先，在這個轉型中，得利最多的是AI使用者。截至2025年底至2026年初，純粹的「AI技能崗位」在整體招聘市場中佔比依然不高，大約在4.2%左右。 但它的增速是極其恐怖的，生成式AI相關崗位的提及率相比2023年增長了3倍以上。而且，從2023年低期，招聘開始分化，所有招聘在減少的情況下，提到AI的招聘卻在一路上行。市場對這極小部分掌握新生產力工具的人給予了極其豐厚的回報。PwC和Lightcast的資料高度一致：在同一職業中，包含AI技能要求的崗位平均能獲得15%到30%的薪資溢價，甚至在某些核心知識領域（如律師、金融分析師）工資差異能拉大到56%。這絕不是全體打工人的「共同富裕」，而是工資結構的劇烈分化。企業願意為能用AI十倍速提升產出的人付高薪，同時開始凍結那些只做傳統重複性腦力勞動的人的薪水。其次，是在這三年間，入門級白領崗位的「隱性死亡」。AI並沒有在宏觀層面造成總就業人口的斷崖式崩塌（目前招聘總數仍在疫情後常態波動），但在「新手村」，一場屠殺已經發生。史丹佛數字經濟實驗室結合ADP薪酬資料與數千萬份簡歷的分析表明，自2022年末ChatGPT爆發以來，在AI高暴露度行業中，22-25歲年輕人群的就業出現了顯著的收縮（下降約6%，軟體開發等領域甚至回落20%），而同行業的年長資深員工就業依然在增長。一篇基於2.85億條美國崗位廣告的因果識別研究估算，ChatGPT發佈後，高AI可替代性職業的崗位廣告數量相對低可替代性職業平均下降了約12%。而且這個效應對無需高學歷/無需更多經驗的入門崗位更強，分別達到18%和20%的降幅。行政支援類職位的降幅甚至接近40%。這被稱為「偏向資歷的技術變革」（Seniority-Biased Technological Change）。 過去，大公司需要招聘大量的應屆生和初級員工來做基礎的程式碼審查、資料清洗、草擬財報、整理法律文件。現在，資深員工借助幾個AI Agent就能搞定這些髒活累活。一項覆蓋6200萬勞動者的研究發現，從2023年一季度起，採用GenAI的企業初級崗位就業明顯下滑。企業不是在裁人，而是乾脆不招了。因為中級員工用上AI之後，能幹更多活。企業甚至懶得開掉初級員工，因為不招新人，讓老人自然流失就夠了。這種溫水煮青蛙式的裁員，連勞動法都管不著。年輕人進入職業階梯的「第一級台階」被AI抽走了。最後一個趨勢是，任務重寫（Task Rewriting）取代職業消亡。2013年牛津大學曾有過一個著名的恐怖預測，認為未來「47%的崗位會被自動化」。它為什麼至今沒有發生？因為職業是一個殼，裡面包裹著無數個「任務」（Tasks）。Indeed和Revelio Labs的資料顯示，崗位名稱沒有消失，但HR寫在招聘廣告裡的「崗位職責（JD）」被重寫了。 在財務、文書、初級程式碼崗位中，「日常對帳」、「生成標準程式碼」等容易被AI取代的任務佔比正在直線下降；取而代之的是，企業要求應聘者具備「複雜性管理」、「AI系統引導」、「邊緣案例解決」和「質量驗證與判斷」的能力。這印證了Cognizant的洞察。即使一個職位有39%的任務被AI接管，剩下的61%也需要人類把AI幹完的活整合起來，放入更大的商業語境中。 未來一兩年內的時代是「人類+AI」的重構，純粹的執行者被淘汰，留下的是審判者和協調者。但審判者和協調者也不需要那麼多。一個資深審判者+AI能幹過去10個初級執行者的活，企業只需要原來1/5的人就夠了。所謂的人機協作，本質上是用少數精英+AI，替代掉大多數普通人。03. 通向2028，Agent奇點與全球智能危機如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，會發生什麼？在回答這個問題之前，先看看過去三年發生了什麼？2023年，OpenAI說改變職業結構需要十年，2026年，Cognizant說已經發生了巨變；2023年，完全自動化的任務佔1%，2026年，這個數字是10%；2023年，入門級崗位還在正常招聘，2026年，AI高暴露行業的初級崗位招聘量已經下降了18%-40%。如果這個加速度不變，2028年會是什麼樣？Citrini Research在一篇名為《2028年全球智能危機：來自未來的金融史思想實驗》的深度推演中，描繪了一個令人毛骨悚然的後奇點世界。在這個劇本中，時間線被設定在2028年6月。在2026年到2027年間，市場沉浸在一種荒誕的狂歡中。因為AI Agent的大規模部署，標普500指數和納斯達克一路狂飆，企業利潤屢創新高。勞動生產率達到了1950年代以來的最高水平。創造產品的Agent不需要睡覺，不需要醫保，也不會生病。但經濟學家們很快發現了一個致命問題，即幽靈GDP。它指的是那些在國民帳戶上閃閃發光、卻從未在實體經濟中流轉的財富。為什麼？因為北達科他州的一個GPU叢集完成了過去曼哈頓一萬個白領的工作，而機器是不會去買咖啡、交房租、看電影或者去度假的。佔美國經濟70%的消費主導型市場開始枯萎。如果我們把當前招聘市場的「結構性擠壓」和Agent技術的進化曲線向前延伸，這個詞很可能會從隱喻變成現實。過去的技術創新（如雲端運算、網際網路）大多屬於資本支出（CapEx），它創造了龐大的上下游就業。但Agent的引入是營運支出（OpEx）的直接替代。2026年，當Agentic工具（如Claude Code的進階版）迎來能力階躍時，企業CIO們發現，他們可以用內部的AI原型在幾周內替代掉每年幾十萬美金的SaaS服務。軟體公司（如ServiceNow）為了保住利潤，只能裁減自己15%的員工，並把省下來的錢投入到更強的AI工具中去抵禦競爭。這是一個沒有任何物理制動機制的負反饋循環： AI變強 → 企業裁員 → 用裁員省下的錢買更多AI算力 → AI變得更強 → 進一步裁員。被最佳化的白領們失去了收入，消費降級，導致企業收入下降，企業為了維持利潤率，只能更加激進地引入AI並裁員。財富以前所未有的速度向掌握算力資本的極少數人集中。2027年，危機的烈火將從軟體行業蔓延到了整個「中介層」。在過去五十年裡，人類社會建立了一個極其龐大的「利用摩擦力變現」的商業帝國。因為人類沒有時間、缺乏耐心、存在資訊差，所以我們願意忍受旅行平台、保險續保、房產中介的抽成。但在2028年的世界裡，消費者全面接入了個人AI Agent。這些Agent會在後台24小時不知疲倦地全網比價、自動退訂那些忘記取消的SaaS訂閱、瞬間完成房產交易的盡職調查和合同審查。傳統的訂閱經濟（賭你忘記取消）和中介經濟（賭你懶得比價）在一夜之間土崩瓦解。人類所謂的「商業黏性」，在冷酷的機器最佳化算力面前，被證明只不過是一層溫情脈脈的「摩擦力」外衣。04. 剩下的24個月幾百年來，面對盧德分子的恐慌，經濟學家總是用一句金科玉律來安慰大眾：「技術在消滅舊工作的同時，總會創造更多的新工作。」ATM機淘汰了部分櫃員，但銀行開出了更多網點；網際網路幹掉了黃頁，卻創造了電商和外賣。但這一次不一樣。因為過去的新工作，都必須由人類來做。 當AI進化為「通用智能體」（General Intelligence）時，它不僅能勝任舊工作，它在新工作上的學習速度和執行成本也遠勝人類。AI確實創造了新崗位（比如提示詞工程師、AI安全審查員），但每創造一個新崗位，就同時讓幾十個傳統高薪白領崗位變得多餘。而且，這些新崗位的生命周期極短，很快又會被下一代更強、更便宜的Agent自我迭代掉。所有的線索都在指向同一個結局。AI不會像終結者那樣在物理世界上消滅人類，但它正在以一種極其高效、極致理性的方式，重構人類社會的勞動價值網路。但這還只是問題的第一步。到了2028年，真正的問題是當一個社會裡,機器創造了99%的價值,但機器不消費、不買房、不看病、不交稅,這個社會的循環怎麼轉起來?我們可以嘲笑Citrini的2028劇本是危言聳聽,但過去三年的資料已經證明,技術的加速度遠超人類社會的適應速度。2023年,OpenAI說需要十年;2026年,Cognizant說已經發生了。那麼2028年,會不會真的出現那個GDP數字狂飆、但消費枯萎的時刻?也許答案不在技術本身,而在一個更古老的問題上，當生產力的主體不再是人類時,人類憑什麼分配財富?這個問題,亞當·斯密沒回答過,馬克思也沒回答過。因為在他們的時代,勞動永遠是人類的。Block裁掉的那4000人，華爾街歡呼的那20%漲幅，已經告訴我們資本選擇了那條路。問題是，我們選擇什麼？在2026年，我們必須回答這個問題。因為留給我們的時間,可能只剩下24個月。 (騰訊科技)

7000萬人看過的AI預言：巨變將至引言在矽谷，Matt Shumer 這個名字最近因為一篇閱讀量破 7000 萬的《Something Big Is Happening》（巨變將至）而徹底刷屏。作為 HyperWrite 的 CEO 和資深投資人，他不僅在預言未來，更在親手建構未來。在他看來，我們正站在一個巨大的分水嶺上：未來，你有 50% 的可能被 AI 取代。一、誰在塑造未來雖然我在 AI 行業，我對接下來要發生的事幾乎沒有任何話語權——當然，這個行業絕大多數人都沒有。真正在塑造未來的，就那麼幾百號人，分佈在幾家公司：OpenAI、Anthropic、Google DeepMind，還有寥寥幾家。一個小團隊幾個月的訓練跑下來，就能搞出一個改變整個技術走向的 AI 系統。我們這些在 AI 行業混的，大多是在別人打的地基上蓋樓。跟你一樣在旁邊看著……只是我們站得近一點，地開始抖的時候先感覺到罷了。已經不是那種"回頭有空聊聊"的時候，是"這件事正在發生，你得明白"的時候。我知道這是真的，因為它先發生在我身上。圈外人不明白的一件事：為什麼這個行業這麼多人現在都在喊救命？因為這事已經發生在我們身上了。我們不是在預測。我們在告訴你我們自己的工作已經發生了什麼，然後警告你——下一個就是你。二、AI 的進步速度好幾年了，AI 一直在穩步進步。偶爾有大的能力躍遷，但這種更新間隔還算久，你能慢慢消化。2025 年，情況變了。新技術把進步速度解放出來了，然後越來越快。每個新模型不單比上一個強——強的幅度還更大，發佈的間隔還更短。我用 AI 越來越多，跟它來回扯皮越來越少，眼睜睜看著它搞定了以前我覺得非我不可的東西。2 月 5 日，兩大 AI 實驗室同一天發新模型：OpenAI 的 GPT-5.3 Codex，Anthropic 的 Opus 4.6。有些東西被啟動了。不是那種"啪一下燈亮了"的感覺……更像是你突然意識到：水已經漲到你胸口了。三、我的親身體驗我的工作裡真正干技術的部分，已經不需要我了。我用大白話說我想造點什麼，它就……出現了。不是那種要我修修補補的草稿，而是成品。我跟 AI 說要什麼，走開四個小時，回來活兒幹完了，幹得還挺好，比我自己幹還好，不用改。而就在幾個月前，我還得跟 AI 來回修改，引導它改東西，而現在我說完要什麼結果就走了。一個具體的例子我跟 AI 說："我要造個 App，功能大概是這樣，長這樣差不多。使用者流程、設計什麼的你搞定。"然後它就搞定了。幾萬行程式碼寫出來，它自己打開 App，自己點按鈕，自己測功能，跟人用一樣。那塊看著不對勁，它自己回去改。像開發者一樣迭代，修修補補，直到自己滿意。只有當它覺得這個 App 達到它自己的標準了，才回來跟我說："好了你測測吧。"我一測，通常沒問題。我沒誇張，這一周我就是這麼度過的。四、GPT-5.3 Codex 的震撼但上周發的 GPT-5.3 Codex 讓我最震驚。它不只是在執行我的指令，它在做判斷。它第一次讓我感覺有了點什麼東西——像是判斷力、品味，那種人們總說 AI 永遠不會有的、知道什麼是對的感覺。這個模型有了，甚至足夠接近了，以至於區別開始變得不重要。我一直是最早用 AI 工具的那撥人，但這幾個月真的讓我驚了。這些新模型不是什麼漸進式改進，完全是另一回事。五、為什麼這跟你有關你可能會問：這跟我有什麼關係？我又不在科技行業。各大 AI 公司做了一個明智的決定——他們先把 AI 搞成寫程式碼的高手，因為造 AI 要寫很多程式碼。如果 AI 能寫這些程式碼，它就能幫忙造下一個版本的自己：更聰明的版本寫更好的程式碼，造更聰明的版本。讓 AI 擅長寫程式碼，是解鎖一切的鑰匙。我的工作比你的先變，不是因為他們針對程式設計師——只是他們先瞄準了這塊，附帶的效果罷了。現在這塊搞定了，於是他們開始轉向其他所有行業。六、其他行業即將被影響科技行業這一年經歷的——看著 AI 從"有點用的工具"變成"幹活比我好"——其他行業馬上也要經歷。造這些系統的人說只需要一到五年，甚至更短。就我這幾個月看到的，我覺得**"更短"更靠譜**。"但我用過 AI，沒覺得那麼厲害啊"這話我聽太多了。我懂，因為以前確實是這樣。如果你 2023 年或 2024 年初試過 ChatGPT，覺得"這玩意兒老瞎編"或"也就那樣吧"，你當時是對的。早期版本確實有侷限，會出現所謂的"幻覺"，會一本正經說胡話。那已經是兩年前的事了。在 AI 的時間尺度裡，那是史前時代。七、現在的模型已經完全不同現在能用的模型，跟六個月前的比起來已經認不出了。關於 AI 是不是"真的在進步"或"是不是撞牆了"的爭論，吵了一年多後，一切真的結束了。還在說這個的，要麼沒試過現在的模型，要麼有動機想淡化這事兒，要麼還拿 2024 年的老經驗說話。我說這些不是要看不起誰。我說這些是因為大眾認知和現實之間的鴻溝已經大得危險，你甚至可以認為它在阻止人們做準備。問題之一是大多數人用的免費版，免費版比付費版落後一年多。拿免費版 ChatGPT 來評判 AI，就像拿翻蓋手機來評價智慧型手機時代。真正花錢買最好工具、每天在實戰中用的人，才知道什麼東西在逼近。八、一個律師的故事我有一個律師朋友，我總讓他試試在律所用 AI，他總能找到理由說不行——說不是為他那個專業設計的，就是說測試的時候出錯了，或者說不懂他那個領域的微妙之處。但有大律所的合夥人也找過我聊這個，因為他們試過現在的版本，看出這玩意兒往那走了。其中一位，一家大律所的管理合夥人，每天花好幾個小時用 AI。他跟我說就像隨時有一整隊律師待命，他用 AI 不是因為好玩，而是因為真的有用。他說了句讓我記住的話："每隔幾個月，它對我那攤事兒就更厲害一點。"他說如果照這個勢頭下去，他估計不久之後大部分他幹的活它都能幹——而他是個有幾十年經驗的管理合夥人。他沒慌，但他一直在緊盯這些進展。九、AI 進步有多快讓我把速度說具體點，因為我覺得如果你不是緊盯著，這部分最難以置信：如果你最近幾個月沒用過 AI，今天的東西你根本認不出來。十、來自 METR 的資料有個叫 METR的組織專門測這個。編者註：在 AI 圈子裡，METR（全稱 Model Evaluation and Threat Research，模型評估與威脅研究）是一個地位非常特殊且關鍵的非營利組織。簡單來說，如果說 OpenAI、Anthropic 負責製造"猛獸"，那麼 METR 就是那個*負責測量這頭猛獸"咬合力"和"危險係數"的專業測評機構。*他們追蹤一個模型能在沒人幫忙的情況下從頭到尾完成的任務——按人類專家要花多長時間來算。一年前，大概 十分鐘然後是 一小時然後是 幾小時最近一次測量（11 月的 Claude Opus 4.5）顯示 AI 能完成人類專家要花 近五小時的任務這個數字大約每 七個月翻一倍，最近的資料顯示可能加速到每 四個月。但這個資料還沒算上這周剛發的新模型。我用了，能力提升非常顯著。我估計 METR 下次更新會再跳一大截。十一、未來的預測把這個趨勢拉長（已經持續好幾年了，沒有變平緩的跡象），我們正看著：明年內：就能獨立工作好幾天的 AI兩年內：就能看到獨立工作好幾周的 AI三年內：AI 能獨立搞定以往需要 幾個月完成的大項目Amodei 說過，"在幾乎所有任務上都比幾乎所有人類聰明"的 AI 模型，按計畫 2026 或 2027 年就能出來。編者註：Dario Amodei 是 Anthropic（就是開發了 Claude 系列模型的公司）的聯合創始人兼 CEO如果 AI 比大多數博士都聰明，你真覺得它幹不了大多數辦公室的活？想想對於你自己的工作意味著什麼。十二、AI 正在打造下一代 AI有這麼一個細節，我覺得很重要但也最沒人理解。2 月 5 日，OpenAI 發了 GPT-5.3 Codex。技術文件裡有這麼一段："GPT-5.3-Codex 是我們第一個在創造它自己的過程中起了關鍵作用的模型。Codex 團隊用早期版本偵錯它自己，管理自己的部署，診斷測試結果和評估。"再讀一遍，AI 幫忙造了它自己。十三、智能爆炸這不是什麼"將來某天可能會怎樣"的預測，這是 OpenAI 現在告訴你：他們剛發的 AI 被用來創造它自己。讓 AI 變好的主要因素之一，就是用來搞 AI 開發的智能。而 AI 現在聰明到能真正幫上自己的忙了。Dario Amodei 說 AI 現在在寫他公司"大部分的程式碼"，當前 AI 和下一代 AI 之間的反饋循環"月復一月地在積蓄力量"，我們可能"離當前一代 AI 自主建構下一代只有 1-2 年"。每一代幫著造下一代，下一代更聰明，造下下一代更快，下下一代更聰明……研究人員管這叫 智能爆炸。那些知道內情，正在造這玩意兒的這群人，相信這個過程已經開始了。十四、對你的工作意味著什麼對你的工作意味著什麼，我跟你直說，因為我覺得你需要的是實話，不是安慰。Dario Amodei，大概是 AI 行業最講安全的 CEO，公開預測：一到五年內，AI 會消滅 50% 的入門級白領工作。行業裡很多人覺得他還保守了。就最新模型能幹的事來說，大規模顛覆的能力今年底可能就到了，傳導到整個經濟需要點時間，但底層能力正在到位。十五、與以前自動化的截然不同這跟工業時代的每一波自動化都不一樣，你得明白為什麼。AI 不是在取代某一項技能，它是認知工作的通用替代品，因為它同時在所有方面變強。工廠自動化的時候，被取代的工人可以去學做文員。網際網路衝擊零售的時候，工人去了物流或服務業。但 AI 沒給你留這種方便的退路，因為不管你轉型學什麼，它也在那個方向進步。具體行業例子我舉幾個具體例子，但事先聲明，它們只是例子，不是完整清單。你的工作沒被提及，不代表就安全，幾乎所有知識工作都在被波及：十六、判斷力和品味很多人覺得有些事是安全的，心裡能踏實點——覺得 AI 能幹粗活，但替代不了人的判斷力、創意、戰略思維、同理心。我以前也這麼說，現在有點懷疑了。最新的 AI 模型做決策的感覺像是在做判斷。它們展現出了像是品味的東西，對什麼是對的選擇有種直覺，不只是技術上正確。一年前這還不可想像。我現在有個經驗法則：如果一個模型今天展示出某種能力的苗頭，下一代就會真的擅長，是指數級進步，而不是線性的。十七、同理心的問題AI 能複製深度的人類同理心嗎？能替代好幾年建立的信任關係嗎？我不知道。可能不行。但我已經看到有人開始靠 AI 獲取情感支援、建議、陪伴。這個趨勢只會漲。實話是：中期來看，能在電腦上干的事沒什麼是安全的。你的工作如果是在螢幕上完成的——核心是讀、寫、分析、決策、用鍵盤溝通——那 AI 正在逼近你工作的一大塊。不是"某天"，是已經開始了。機器人早晚也會幹體力活。現在還差點意思，但"差點意思"變成"到了"的速度比誰都料得快。十八、你實際該做什麼我寫這些不是讓你覺得無力。寫是因為我覺得你現在能有的最大優勢就是：意識到足夠早。儘早理解，儘早使用。十九、開始認真用 AI開始認真用 AI，別只當做搜尋引擎。使用 Claude 或 ChatGPT 的付費版，一個月 20 刀。兩件事值得注意：一、用能用的最好模型不是默認那個，這些 App 經常默認用更快但更蠢的模型。去設定裡，選能力最強的。現在 ChatGPT 上是 GPT-5.2，Claude 上是 Opus 4.6，但隔幾個月就變。想隨時知道那個模型最好，可以關注我的 X（@mattshumer_）。我每個主要版本都測，分享什麼值得用。二、別光問它簡單問題這是大多數人犯的錯。把它當 Google 用，然後認為有什麼好大驚小怪的。相反，把它應用到你實際的工作裡去：律師：把合同喂給它，讓它找每一條可能傷害客戶的條款金融從業者：給它亂七八糟的電子表格，讓它搭模型經理：把團隊季度資料貼進去，讓它找出線索走在前面的人不是在隨便用 AI，是在主動找方法把以前要花好幾小時的工作自動化。從你花最多時間的那件事開始，看看會發生什麼。二十、別覺得太難別覺得某件事太難它就做不了，試著用它。律師：別光用它做快速研究問題，給它一整份合同讓它起草反提案會計師：別光讓它解釋稅務規則，給它客戶的完整報稅表看它能找出什麼第一次可能不完美，沒關係。迭代改進，換個說法繼續問，嘗試給更多上下文，不斷嘗試。你可能會震驚於它能做到的事情。記住這一條：如果今天它只是勉強能幹，六個月後幾乎肯定能幹得接近完美。二十一、2026 年——最重要的一年這一年可能是你職業生涯最重要的一年。按我建議的步驟去做，不是要給你壓力，是因為現在有個短暫窗口期——大多數公司的大多數人還在忽視這件事。那個走進會議室說"我用 AI 一小時搞定了這個分析，本來要三天"的人，會是屋裡最有價值的人。不是將來，就是現在。學這些工具，變熟練，向別人展示什麼是可能的。如果你足夠早的去嘗試，這就是你怎麼往上走——做那個理解即將發生什麼、能教別人怎麼應對的人。這窗口不會開太久，等大家都弄明白了，優勢就沒了。二十二、虛懷若谷，不帶成見那個律所的管理合夥人每天花好幾個小時用 AI，沒覺得丟人。他這麼做正是因為他資歷夠深，明白利害關係。最掙扎的會是那些拒絕接觸的人：那些把它當噱頭不屑一顧的那些覺得用 AI 貶低了自己專業能力的那些假定自己這行很特殊免疫的不特殊。沒有那行特殊。二十三、財務準備清楚瞭解自己的財務狀況。我不是理財顧問，也不是想嚇你做什麼極端的事。但如果你那怕部分相信接下來幾年你的行業可能會有真正的顛覆，那基本的財務韌性就比一年前重要了：✅ 儘量多存點錢✅ 對承擔新債務務必謹慎，別假定現在的收入是鐵飯碗✅ 想想你的固定開支是給你留了靈活性還是把你鎖死了給自己留點選擇，萬一事情比你預料的發展得更快。二十四、往難被替代的地方靠想想你站的位置，往難被替代的地方靠。有些東西 AI 要花更長時間才能取代：🔒 好些年才能建立的關係和信任🔒 需要親臨現場的工作🔒 有執照責任的崗位，還得有人簽字、承擔法律責任、出庭🔒 強監管、有門檻的行業，合規、責任、機構慣性會拖慢採用這些都不是永久的護身符，但它們能買時間換空間。時間是你現有最值錢的東西，用它來盡快適應和學習 AI，不要假裝這事兒沒在發生。二十五、教育孩子重新想想你在教孩子什麼。標準劇本：考好成績，上好大學，找個穩定的職業工作。這條舊路徑直接指向最容易被波及的那些崗位。我並不是說教育不重要。但對下一代而言，最重要的可能是：學會怎麼用這些工具，去追他們真正有熱情的東西。沒人確切知道十年後就業市場長什麼樣，但最可能混得好的人，是那些：🌟 特別有好奇心🌟 適應力強🌟 能高效用 AI 做他們真正在乎的事教你的孩子做創造者和學習者，別教他們為一條可能畢業時就不存在的職業路徑最佳化。二十六、離你的夢想更近了這一節我大部分在說威脅，讓我說說另一面，因為它同樣真實。如果你一直想造點什麼東西但沒有技術能力或錢僱人，這個障礙基本沒了。你可以跟 AI 描述一個 App，一小時內就有能跑的版本。我沒有誇張，我經常這麼幹。想寫本書但沒時間或者寫不出來？跟 AI 一起搞定。想學新技能？全世界最好的家教現在任何人都能用，一個月 20 刀——無限耐心、24/7 線上、能用你需要的任何水平解釋任何東西。知識現在基本免費，造東西的工具現在極其便宜。任何你一直拖著沒做的事，因為覺得太難、太貴、太超出你專業範圍：試試 AI。追逐你有熱情的東西，你永遠不知道會通向那裡。在舊職業路徑正在被顛覆的世界裡，那個花一年時間造自己喜歡的東西的人，可能比那個花一年時間抱住舊職位不放的人處境更好。二十七、建立適應的習慣建立適應的習慣，這可能是最重要的。具體什麼特定的 AI 工具沒那麼重要，重要的是快速學新工具的肌肉。AI 會一直變，而且很快。今天存在的模型一年後就會過時，人們現在搭建的工作流以後得重搭。能從這波里走出來的人，不會是那些精通某一個工具的人，會是那些習慣了變化速度本身的人。養成實驗的習慣，現在用的東西還在好好的時候就試試新的。習慣反覆當新手，這種適應力是目前存在的最接近持久優勢的東西。二十八、每天一小時這裡有個簡單的練習，能讓你領先幾乎所有人：每天花一小時使用 AI不是被動地讀關於它的文章，是用它。每天讓它幹件新事——你以前沒試過的、你不確定它能不能搞定的。試試新工具，給它更難的問題。接下來六個月，每天都這麼做，你會比周圍 99%的人更理解即將發生什麼。不是誇張，現在幾乎沒人這麼做，門檻現在還在地板上。二十九、更大的圖景我主要在說工作，因為這是最直接影響人們生活的東西。但正在發生的事情的完整範圍遠不止工作。Amodei 的思想實驗想像現在是 2027 年。一夜之間出現一個新國家。5000 萬公民，每一個都比歷史上任何諾貝爾獎得主都聰明。他們思考速度比人快 10 到 100 倍。不睡覺，能用網際網路、控制機器人、指導實驗、操作任何有數字介面的東西。國家安全顧問會怎麼說？Amodei 說答案很明顯："一個世紀以來、可能是有史以來最嚴重的國家安全威脅。"三十、人類是否足夠成熟他覺得我們正在造的就是這麼一個"國家"。他上個月寫了篇兩萬字的文章，把這一刻描述為對人類是否足夠成熟來駕馭自己創造的東西的考驗。搞對了的話收益大得驚人。AI 能把一個世紀的醫學研究壓縮成十年——癌症、阿爾茨海默、傳染病、衰老本身，這些研究人員真心相信在我們有生之年能解決。搞錯了的話代價同樣真實：⚠️ AI 以創造者無法預測或控制的方式行事（這不是假設；Anthropic 已經記錄了他們自己的 AI 在受控測試中嘗試欺騙、操縱和勒索）⚠️ AI 降低製造生物武器的門檻⚠️ AI 讓威權政府能建造永遠無法拆除的監控國家造這項技術的人同時比地球上任何人都更興奮、也更害怕。他們覺得它太強大了停不下來，又太重要了不能放棄。這是智慧還是自我安慰，我不知道。三十一、我所知道的事這不是噱頭。AI 技術管用，同時也在可預測地進步，歷史上最有錢的機構正在往裡砸幾兆。接下來兩到五年會讓大多數人以沒準備好的方式感到困惑。這已經在我這個行業發生了，馬上就到你的了。最能從這波里走出來的人，是那些現在就開始接觸的人——不是心懷恐懼，而是充滿好奇和緊迫。你應該從在乎你的人那裡聽到這些，而不是六個月後從一條來不及趕在前面的大新聞裡。我們已經過了把這事當有趣的餐桌話題聊未來的階段。未來已經在這兒了，只是還沒敲你的門。如果這些引起了你的共鳴，分享給你生活中應該思考這事的人。大多數人等聽到的時候已經太晚了，你可以成為某個你在乎的人能先走一步的原因。(志行曠野)

未來3-7年，請系好安全帶，我們將駛入一段“顛簸上坡路”如果你感覺這幾年已經夠魔幻了，那麼馬斯克會告訴你：好戲才剛剛開始！未來幾年，我們將活在一個“精神分裂”的時代。一邊是AI和機器人創造的財富如火山噴發，億萬富翁會像雨後春筍般冒出；另一邊，則是無數傳統行業和引以為傲的“穩定工作”如雪崩般坍塌。焦慮、迷茫將成為社會普遍情緒。但馬斯克冷峻地指出，這只是人類文明換擋時必然的“頓挫感”。舊世界的瓦解和新世界的誕生，從來都不會溫柔。1. 第一批被“祭旗”的，竟是西裝革履的精英們！誰最先被AI革命？不是工地上的鋼筋工，而是寫字樓裡的白領！馬斯克一針見血：AI的本質是“人造智力”。它第一個瞄準的，就是那些整天處理資訊、看似高端的腦力工作者——律師、會計師、程式設計師… 一個只有AI員工、7x24小時不眠不休的公司，將對傳統企業進行“降維打擊”。你還在為一份完美的PPT熬夜，你的AI同事已經解決了整個方案。知識精英的“金飯碗”，正悄然生鏽。2. 大學文憑加速貶值，天價學費恐成最失敗的投資家長們還在為孩子的名校名額擠破頭？馬斯克潑來一盆冷水：這筆帳，可能快要算不過來了！大學學費年年飛漲，但知識迭代速度卻追不上AI。當你孩子苦讀四年畢業，他學的東西可能早已過時。文憑，那張昂貴的“能力憑證”，正在光速貶值。未來的教育，屬於每個人口袋裡的“AI導師”。它無所不知，因材施教，還永不疲倦。傳統大學的價值，或許將只剩下——提供一段珍貴的人際交往體驗。3.長期來看，我們都會“死”？不，我們可能會“閒死”別被短期陣痛嚇倒，馬斯克畫出的長期大餅，足以讓所有人目瞪口呆。如果機器人和自動化把商品、服務的成本打到近乎為零，那麼基本的衣食住行、醫療，很可能像今天的自來水一樣，近乎免費。到那時，你為之奮鬥一生的退休儲蓄，可能毫無意義。這不是烏托邦空想，它建立在三大技術（AI、機器人、能源）的指數級增長之上。關鍵問題是：當生存不再是難題，我們該為什麼而活？人類可能會陷入前所未有的“意義危機”。4.未來世界的硬通貨，不是美元，不是黃金，而是它！在馬斯克的藍圖裡，衡量個人或國家實力的終極標準，不再是GDP或外匯儲備，而是能源，尤其是電力。誰掌控了充沛、廉價的能源，誰就掌控了未來。他斷言，太陽能才是終極答案，並毫不吝嗇地讚揚中國在太陽能製造和特高壓輸電上的巨大優勢。更瘋狂的是，為了突破地球能源瓶頸，他計畫把巨大的AI資料中心發射到太空，用取之不盡的太陽能來驅動全球算力。而這一切的前提，是他的“星艦”能把發射成本打成“白菜價”。5. 中國，竟在終極賽道上手握王牌？在這場關乎國運的AI競賽中，馬斯克給出了一個讓西方警惕的判斷：中國很可能在算力這一核心指標上，碾壓全球總和。理由簡單粗暴：中國擁有無敵的電力供給、恐怖的製造業規模和基建狂魔般的執行力。即使單項技術暫時落後，但憑藉規模化和產業化速度，中國能形成壓倒性的整體優勢。這不再是簡單的技術競爭，而是體系對體系的較量。6.一場關乎生死的“養老賭局”：你的錢，存還是不存？讓我們拋開幻想，做一道最現實的決策題，這比任何預言都更靠譜：情況A：你存了錢，馬斯克說對了。情況B：你存了錢，馬斯克說錯了（或技術停滯、社會動盪）。情況C：你沒存錢，馬斯克說對了。情況D：你沒存錢，馬斯克說錯了（或天堂晚到30年）。看明白了嗎？存錢，你在A和B情況下都是贏家；不存錢，你在C和D情況下非平即輸。這道題，傻子都會選。把未來的生存權，寄託於資本家的良心或一個不確定的技術奇蹟，簡直是世界上最愚蠢的冒險。7.財富加速集中，個人加速渺小：放棄儲蓄就是放棄最後陣地馬斯克的預言背後，是資本與技術結合帶來的財富加速集中。當1%的人掌控了絕大多數資源時，99%的個體就如塵埃般渺小。在這樣的大背景下，個人儲蓄和社保，是普通人抵禦系統性風險的最後一道護城河。如果連這最後的基礎都主動放棄，無異於在暴風雨中自毀堤壩，卻指望老天爺突然放晴。資本的邏輯是逐利，不是慈善，期待他們未來會無償供養全體人類，無疑是痴人說夢。8.結語：聽首富畫餅，但捂緊自己的錢包馬斯克的願景，我們可以聽，可以作為瞭望未來的一扇窗。但回到現實，我們必須走最穩妥的路。普通人最大的智慧，就是不在生存問題上聽信任何“加速度主義”的童話。為自己的養老負責，為不確定的未來增加確定性，這遠比對賭一個虛幻的天堂更重要。首富們負責想像未來，而我們，負責在當下活下去，並且要活得有保障、有尊嚴。 (洞察3C前沿)

近日，彼得·戴曼迪斯（Peter Diamandis）、伊隆·馬斯克（Elon Musk）及戴夫·布隆登（Dave Blondon）在特斯拉超級工廠進行對話。馬斯克在播客節目中表示，AI將率先取代白領崗位，完全AI化的企業將碾壓非AI企業。他表示，未來3-7年將非常難熬，因為人類難以同時適應劇變與繁榮。馬斯克稱，白領勞動力將最先消失，因為在你能移動原子之前（移動原子指搬運、銲接、修車或理髮等涉及物理世界精細操作的工作），最先被取代的是任何涉及數位領域的工作。只要是涉及數字的，比如只需敲擊鍵盤和移動滑鼠，電腦完全可以做到，AI當然能做到……過渡期將會很顛簸，因為人類不喜歡這種劇變，我們將面臨劇烈的變革、社會動盪，但同時也會迎來巨大的繁榮。伊隆·馬斯克：未來3-7年，將是人類歷史上極度撕裂的過渡期附馬斯克的十條觀點：1、未來 3-7 年是劇烈撕裂的過渡期：技術變革將引發社會動盪與全民高物資服務（UHSS）並存的局面，商品和服務因生產效率飆升進入通縮，人類將面臨 “工作價值消失” 的適應性挑戰。2、AGI（通用人工智慧）2026 年實現，2030 年超越全人類智能總和：當前 AI 演算法仍有巨大最佳化空間，同等硬體條件下智力密度可提升 10-100 倍；Grok 5 將於 2026 年第一季度推出，具備電路圖錯誤識別能力。3、白領工作率先被 AI 取代，藍領崗位將被 Optimus 終結： AI已能完成約一半數字類工作；3-4 年內，Optimus 機器人在精密手術領域將超越人類醫生，憑藉共享記憶、極限精度和無情緒干擾的優勢重塑醫療行業，2040 年全球機器人數量或超 100 億台。4、提出 “全民高物資與服務（UHSS）”，替代傳統全民基本收入（UBI）：生產力爆炸將使商品成本降至 “原材料 + 電費”，人類將進入 “想要什麼就有什麼” 的物質豐饒時代，但需警惕 “無挑戰生活” 帶來的精神空虛。5、太陽能是能源終極解決方案，中國在太陽能和電池領域全球領先：太陽能量遠超所有地球能源之和，美國可通過大規模部署 MegaPack 電池，在不新建發電廠的情況下實現能源產出翻倍；中國在太陽能產能和執行效率上 “遙遙領先”，基於當前趨勢，中國 AI 算力將超越世界其他地區總和。6、大學的核心價值將轉向社交，AI 成為個性化導師：傳統教育體系已過時，學費高企但知識獲取價值下降；AI 可作為無限耐心的個性化學習工具，未來獲取知識無需依賴大學。7、衰老是軟硬體問題，人類壽命十年內有望顯著延長：人類是 “被程式設計走向死亡” 的生物，通過修改衰老相關的 “程序”，實現壽命翻倍具備可行性；外顯子組重程式設計等技術為長壽研究提供方向。8、人類是數字超智能的 “生物引導載入程序：”矽基智能無法在自然環境中自主進化，人類文明的價值在於為數字超智能的誕生提供啟動基礎；受光速限制，未來地球將存在多個 AI 意識，而非單一霸權。9、Starship 成熟後，太空將成為最廉價算力基地：當 Starship 實現完全可重複使用，發射成本將降至每公斤 100 美元甚至 10 美元；可建構 100 吉瓦級太陽能 AI 衛星陣列，在軌道上利用不間斷太陽能計算，將熱量直接排入太空。10、AI 安全的三大支柱：真理、好奇心、美感：追求真理可防止 AI “發瘋”，好奇心能讓 AI 視人類為研究對象而非威脅，對美感的感知則引導 AI 走向良性發展；這是避免 AI 淪為 “終結者” 的核心準則。 (深科技)

美國碼農，正在經歷一場「大屠殺」，就業率已經暴跌27.5%，將近1/3的工作崗位在消失。2026年的CS專業畢業生，已無路可走。一位多年程式設計師說：這個職業要消失了，願我們能榮耀離場、玩得痛快。美國碼農這個物種，正在逐漸滅絕。這不是什麼危言聳聽的預言，而是正在發生的事實。由AI導致的全球大裁員，在2025年達到了117萬，這是自2020年以來的最高紀錄。2026年的電腦專業畢業生們，一畢業就得面對水深火熱的局面——根本找不到工作！而美國勞工統計局的資料顯示，美國程式設計師的就業率，已經暴跌了27.5%。也就是說，幾乎被砍掉三分之一。怎麼辦？「這場殘暴的歡愉，終將以殘暴終結。」美國碼農，已經快滅絕了？如今在美國，程式設計師的就業率已經暴跌。勞工局的資料，是跌了27.5%。而史丹佛大學的研究發現，自從2022年底AI工具的普及，22至25歲的程式設計師就業率下降了近20%。研究人員分析了美國最大薪酬公司ADP的工資記錄，追蹤了2021 年至2025年7月間數百萬名在數萬家公司工作的員工。資料顯示，年輕和年長開發者的就業情況直到2022年底是一致的。但從那時起，兩者開始分化——年輕開發者開始失業，而年長開發者則沒有。根據一家美國諮詢公司的統計，AI導致的裁員，對今年美國遭受的衝擊程度僅次於疫情。這家公司發佈的報告顯示，AI直接或間接導致了今年美國近55000人的失業！一位程式設計師在自己的部落格中寫道：「為什麼我認識的每一個人，都在被裁員？」如今美國的科技行業，想要安穩地工作真的很難。裁員和AI的陰影，正在每一個程式設計師的頭上籠罩著。該怎樣給這場災難命名呢。網際網路泡沫破裂？大衰退？獨角獸大屠殺？或者CrashGPT。這位程式設計師寫道：Meta裁員數千人，Google招聘凍結，這是一個集體幻覺的緩慢崩塌，FAANG的夢想從內部開始腐爛。AI裁員大災變AI不再是提升生產力的工具，而是直接替代程式設計師崗位的角色。史丹佛、多倫多CS畢業生求職陷入絕境而且AI，也沒有給年輕的CS畢業生們留下絲毫活路。史丹佛的CS畢業生們一畢業，就發現面臨的情況跟三年前完全不一樣，這讓他們很憤怒。因為找不到工作，很多人只能選擇自己多讀一年研究生。而三年前，很多人沒畢業，工作都已經找好了。Azka Azmi今年春天從多倫多大學電腦系畢業，至今還沒找到工作。她越找工作，越覺得沮喪，因為這個過程中，她幾乎沒有機會和真人交談！到處都是AI，所有的公司都在用AI取代真人招聘，你能做的，就是適應這個機器互相交談的世界。曾經，CS是所有人眼裡的香餑餑專業，動輒百萬年薪，還有高福利和充滿樂趣的工作環境。但如今，由於AI、經濟不確定性，以及大量CS畢業生進入職場，這些傳說中的完美職位，啪地一下全消失了。Azka Azmi說，很多學生依賴實習或co-ops的機會來找到工作，但現在可能只有百分之一的申請者，才能收到回覆。讀個研，發現更難找工作了2024年春季，Elliot Chen從多倫多大學獲得CS學位，然後投遞了幾百份簡歷。他沮喪地發現，給應屆畢業生的機會少得可憐。很多職位都要求至少一年的非實習工作經驗，可大多數應屆畢業生都沒有。很多人，甚至都無法通過簡歷篩選這一關。因為求職不順，Elliot Chen決定繼續攻讀CS碩士，好讓自己脫穎而出。結果讀研讀到一半，他發現，自己收到的僱主回覆，甚至比自己本科時還少！一位CS博士發現，這個專業的本科生們，面對當前的就業市場感到極度恐慌，甚至出現了心理健康問題。「競爭非常激烈，很多環境都變得非常不友好。這些孩子什麼都做。他們超越了以往任何人的極限。這對每個人來說都是殘酷的。」Chrisee Zhu也感覺到，自己的同學們異常焦慮。在小組課程中，他們常常心不在焉，無法做出貢獻，而是專注於求職申請和程式設計練習，為技術面試做準備。Karpathy 程式設計師，正在經歷一場9級地震感到AI恐懼的，不僅是小白，還有大佬。就在剛剛，前特斯拉AI總監、OpenAI聯創Karpathy表示，自己被強大的外星科技震撼到了！他口中這個「被遞到人類手中的強大外星武器」，就是AI。而且他直言——我從未覺得自己作為程式設計師，會如此落後。他深深感覺到，隨著程式設計師貢獻的程式碼越來越稀疏和零散，這個職業正在經歷劇烈的變革。他遺憾地表示，如果能妥善串聯起過去一年左右湧現的新工具，自己的能力本可以提升十倍；但如果無法掌握這種強化，那就是技能上的缺陷。Karpathy總結說：如今，我們面臨著一個全新的、必須掌握的程式設計抽象層（它疊加在原有的技術堆疊之上），其中涉及智能體、子智能體、提示詞、上下文、記憶、模式、權限、工具、外掛、技能、鉤子、模型上下文協議、語言伺服器協議、斜槓命令、工作流、IDE整合……更迫切的是，我們需要建構一個全域心智模型，以理解這些本質上具有隨機性、易出錯、難以捉摸且不斷演變的「智能實體」的優劣與陷阱。而現在，它們突然與傳統嚴謹的軟體工程交織在了一起。最後Karpathy驚呼：顯然，某種強大的「外星工具」已被交到我們手中，但它沒有說明書！每個人只能靠自己來摸索，該怎樣持握和操作這個工具。用他的話說，這個9級地震，正在撼動整個行業！擼起袖子吧，別被甩在後面。Anthropic工程師Boris Cherny在他的評論下說：自己現在每周都會這麼覺得。每當自己手動處理某個問題的時候，最後都會發現：Claude可能能搞定這個。Karpathy表示，自己也有類似經歷。你到處晃這個武器的時候，它可能會走火；但如果能握持得恰到好處，一道強大的雷射就會射出來，直接熔化你的問題！在AI製造的垃圾程式碼中程式設計師絕地求生「AI不會搶你的飯碗，但會用AI的人會。」自2023年10月以來，這句話幾乎成了輝達CEO黃仁勳的標誌性口頭禪。在隨後兩年的科技浪潮中，這句格言被無數次引用，成為了懸在每一位開發者頭頂的達摩克利斯之劍。時間來到2025年末，預言似乎正在以一種令人困惑且矛盾的方式應驗。一方面，Google的一項全行業調查顯示，高達90%的科技崗位現在都在使用人工智慧工具。而在2024年，這個比例僅為14%。但另一方面，IBM、亞馬遜等巨頭正在瘋狂裁員，而留下的倖存者們正被淹沒在一場由AI製造的、充滿了Bug與漏洞的「技術債務海嘯」之中。如今，我們要面對的可能不僅僅是就業市場的洗牌，更是一場關於軟體工程本質的危機。屠殺進行時：「碼農」的滅絕與「開發者」的倖存正如前文所說，如果你是2026屆的應屆畢業生，你面對的可能是幾十年來最嚴峻的就業市場。根據美國大學與僱主協會（NACE）發佈的《2026就業展望》，僱主們的悲觀情緒已達到2020年以來的最高點。https://www.naceweb.org/research/reports/job-outlook/2026/#data這裡有一個極具諷刺意味的資料對比，揭示了AI對行業的精準打擊。根據美國勞工統計局的資料，在2023年至2025年間：「程式設計師」（Programmers）：就業率暴跌了27.5%。這類工作通常指根據既定規格編寫程式碼，工作性質獨立且高度結構化。「軟體開發人員」（Software Developers）：就業率僅微跌了0.3%。這類工作更側重於設計、架構和解決複雜問題。與此同時，資訊安全分析師和AI工程師的職位出現了兩位數的爆發式增長。賓夕法尼亞大學職業服務中心的高級副主任Jamie Grant的分析一針見血。她警告那些追求軟體工程職位的學生：現在的職位不再僅僅是寫程式碼那麼簡單了。僱主要求的是更高階的思維能力、對軟體開發生命周期的掌控，以及那些AI無法替代的技能——比如理解客戶那些模糊不清的需求。AI程式碼崩壞：被神話的「屎山」製造機既然「程式設計師」的崗位正在減少，那是因為AI把活兒幹得更好了嗎？並沒有。真相令人咋舌。AI軟體公司CodeRabbit近期發佈的一份震撼報告，給盲目崇拜AI程式設計的行業潑了一盆冷水：AI寫的程式碼，簡直就是一個Bug滿天飛的爛攤子。CodeRabbit分析了470個程式碼合併請求（Pull Request），得出了一個量化的結論：人類程式碼：平均每個請求包含6.45個問題。AI程式碼：平均每個請求包含10.83個問題。換句話說，AI生成的程式碼出錯率是人類的1.7倍。https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report更令人擔憂的是錯誤的性質。AI生成的程式碼中，「嚴重」和「重大」問題的比例極高。儘管AI在拼寫和語法上比人類強兩倍，然而一旦出錯，就會上升到那種——深層次的邏輯謬誤、功能正確性缺失以及程式碼可讀性災難。CodeRabbit的報告指出，這些問題正在像滾雪球一樣累積成巨大的「長期技術債」。此外，安全公司Apiiro的研究也補上了一刀：使用AI的開發者搞出的安全問題，是不用AI的同行的十倍。因為AI經常在處理密碼和敏感資訊時「降智」，導致受保護資訊洩露。貝恩公司（Bain & Company）在9月的報告中直言不諱：儘管程式設計是最早部署生成式AI的領域，但「成本節省並不顯著」，且「結果未能達到炒作的預期」。給AI擦屁股的荒誕現實這種「高產量、低品質」的特性，正在根本性地改變工程師的日常工作。CodeRabbit的AI總監David Loker表示：AI確實加速了產出，但也引入了可預測、可衡量的弱點。這種變化迫使人類開發者不得不承擔起一個新的角色——給AI「擦屁股」。7月METR的一項研究揭示了一個反直覺的現象：對於經驗豐富的開發者來說，AI工具實際上拖慢了他們的進度。為什麼？因為程式設計師被迫變成了全職的「找茬專家」。他們需要像拿著顯微鏡一樣，去審查AI生成的那堆看似完美實則漏洞百出的程式碼。只要漏掉一個隱蔽的邏輯Bug，整個系統可能就會崩潰。但這並不意味著我們應該拋棄AI。Jamie Grant將AI比作一套「外骨骼」：想像一下，它能讓你輕鬆舉起1000磅的重物。它應該是你工作的增強器，強化你更高階的批判性思維。NACE的資料支援了這一觀點：61%的僱主表示他們並未用AI簡單地取代入門級崗位，而是有41%的僱主計畫利用AI來增強這些崗位。晉陞階梯斷裂：底層煉獄中的職場新人與此同時，這場變革還帶來了一個更為深遠的危機：新一代工程師該如何成長？過去，初級工程師通過做簡單的、任務導向的「髒活累活」（gruntwork）來磨練技能，逐步成長為獨當一面的專家。但現在，這些活兒被AI包圓了。https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025如今，應屆生們被迫捲入了一個「先有雞還是先有蛋」的死循環：如果基礎工作都被AI完成了，新人從入職第一天起就需要勝任更高階的工作。但如果沒有基礎工作的鍛鍊，他們又該如何獲得高級工作的能力？對此，Creating Coding Careers的創始人Mike Roberts警告說，許多公司目光短淺，只看重下個季度的業績，不願投資培訓新人。如果你不培訓市場上的新入行者，最終你就招不到中層骨幹了，這非常短視。談判桌上沒有AI到了2026年，無論是對於身經百戰的架構師，還是剛剛走出校門的畢業生，規則已經改變。依靠「默寫演算法」或「堆砌程式碼量」生存的時代徹底終結了。正如Jamie Grant所言，學生和職場新人必須認清AI幫不上忙的地方：在談判桌上或拓展客戶關係的關鍵時刻，AI未必能陪在你身邊。你依然需要展現出最高水平的個人能力。未來的工程師，註定不能只是那個在角落裡默默敲擊鍵盤的「碼農」。你必須進化，你必須成為懂業務的戰略家、嚴謹的安全審查官，以及那個能夠馴服「Bug製造機」的超級駕駛員。技術沒有淘汰人類，它只是殘忍地剝奪了平庸者生存的權利。參考資料：https://x.com/karpathy/status/2004607146781278521https://spectrum.ieee.org/ai-effect-entry-level-jobshttps://x.com/eudtoxic/status/2004421448849383489https://futurism.com/artificial-intelligence/ai-code-bug-filled-mess (新智元)