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)