现在看清了：AI不是平权，它是资本和劳动力的最后一战。越有钱跑得越快

　　这两天，《金融时报》发了一篇文章，标题很平静，但里面的数据和背后的趋势不太平静。

　　它说，高收入者正在 AI 上一路领先。

　　《金融时报》和研究公司 Focaldata 调查了美国和英国 4000 多名劳动者，结果发现，收入最高的人里，超过 60% 每天在工作中使用 AI；低收入者里，这个比例只有 16%。

　　我看到这个数字时并不意外，因为在去年的文章中，我们就推演了这种趋势。

　　不过，这个结果，可能会戳破过去两年都围绕 AI 的一个美好想象：AI 会让所有人站到同一条起跑线上。

　　一个普通人终于可以拥有自己的研究员、程序员、设计师、顾问、助理。一个人可以像一个团队。一个小公司可以挑战大公司。一个没有资源的人，可以借助 AI 突然获得过去只有大机构才有的能力。

　　这个叙事很动人。但现在看，它可能只说对了一半。

　　AI 确实给了普通人一些过去没有的能力，但它给有钱人、有资源的人、有组织位置的人，给得更多、更快、更深。

　　AI 不是把所有人拉到同一起跑线，而是先给原本跑在前面的人装上了发动机。

　　这才是《金融时报》那篇文章真正值得警惕的地方。

　　它表面上讲的是职场里的 AI 使用差距，深一层看，是新一轮生产力红利正在如何分配。再深一层看，它讲的是资本和劳动力之间那条老裂缝，正在被 AI 撑开。

　　过去我们讨论 AI，总喜欢问一个问题：AI 会不会取代人？

　　这个问题太粗了。

　　更准确的问题应该是：AI 提高出来的生产力，最后归谁？

　　员工用了 AI，八小时的工作四小时做完，剩下的四小时归谁？
团队用了 AI，十个人的活五个人干完，省下来的工资归谁？
公司用了 AI，利润率提高，市场给出更高估值，这部分收益归谁？

　　这几个问题不性感，但它们比“AI 有没有意识”重要得多。

　　因为大多数人的命运，不是被科幻里的超级智能改变的，而是被公司预算表、岗位编制、绩效考核、工资结构、管理半径这些东西改变的。

　　AI 最可怕的地方，不是它像人。是它正在让资本不再那么需要人。

　　
1、

　　在《金融时报》那篇文章中，有一个很重要的受访者，Daron Acemoglu。达龙·阿西莫格鲁。

　　他是麻省理工学院的经济学教授，也是诺贝尔经济学奖得主。他过去很多研究都围绕技术、制度和不平等展开。简单说，他不是那种看到新技术就兴奋鼓掌的人，他更关心技术被谁掌握，以及它会怎样改写社会结构。

　　他在文章里说，现在外面的叙事是，AI 工具会变得更加民主化。但现实是，要使用这些模型，你需要一定教育程度，需要抽象能力、定量能力，需要熟悉计算机，甚至需要懂一点编程。

　　然后他说了一句很重的话，AI几乎肯定会增加劳动与资本之间的不平等。他原话更粗一点，大意是：这会把我们带进一场烂摊子，shit show。

　　这句话听起来刺耳，但它抓住了问题的关键。

　　AI 从来不是一个孤零零的聊天窗口。它背后是一整套东西：模型、算力、数据、token、工程系统、组织流程、产品入口、企业预算、法律权限、用户关系。

　　普通人看见的是一个输入框。资本看见的是一套新的生产系统。

　　这两者不是一回事。

　　普通人用 AI，通常是问几个问题，写一段文案，总结一份资料，做一个 PPT，改一段代码。这当然有用。

　　但大公司怎么用 AI？

　　它把 AI 接进客服系统，接进销售系统，接进代码仓库，接进广告投放，接进供应链，接进人力资源，接进法务、财务、产品、运营。它不是让 AI 偶尔帮忙，而是让 AI 成为组织的一部分。

　　一个普通人每天问 AI 50 次，会觉得自己已经很高频。一个公司每天调用几千万甚至上亿 token，只是生产系统正常运转。

　　这就是差距。不是“你有没有 AI”，而是“你能让多少机器智力为你工作”。

　　过去的贫富差距，主要表现为谁有钱，谁有房，谁有股票，谁有公司。AI 之后，还会多出一种差距：谁拥有更多机器智力的调用权。

　　这个词可能有点拗口，但它会越来越重要。

　　机器智力调用权，就是你能使用多强的模型、消耗多少 token、调动多少算力、接入多少数据、运行多少自动化流程。

　　它像工业时代的煤、电和石油。

　　表面上看，大家都可以用电。可一个家庭的插座，和一座钢铁厂的高压电网，显然不是同一种东西。

　　2、

　　很多人会说，AI 不是已经很便宜了吗？几十美元一个月，普通人也能用最先进的工具。这不就是技术普惠吗？

　　这句话没错，但只在很浅的一层上没错。

　　就像说，每个人都能买一支笔，所以每个人都有了写出《红楼梦》的能力。

　　工具的可获得性，不等于生产力的平等。

　　AI 的真正门槛，不只是能不能打开它，而是你处在什么位置上打开它。

　　一个律师用 AI 审合同，他知道哪些条款危险，哪些表达只是看起来像法律语言，哪些地方真正会在交易里爆炸。

　　一个投资人用 AI 读财报，他知道哪些指标关键，哪些增长不可持续，哪些管理层话术是在遮掩问题。

　　一个程序员用 AI 写代码，他知道这段代码能不能进生产环境，知道哪里可能埋 bug，知道架构上的债以后会不会要命。

　　一个普通人让 AI 分析合同、财报和代码，可能也能得到一份很漂亮的答案。问题是，他不知道那份答案哪里错了。

　　AI 时代的核心能力，不是提问，而是鉴别。提问很快会普及。鉴别不会。

　　这就是为什么《金融时报》那篇文章里还有一个细节很有意思：最重度使用 AI 的人，并不是最年轻的人，而是三十多岁、任职时间更长、经验更丰富的人。

　　这和我们想象的不太一样。我们总觉得年轻人更懂新技术。但在 AI 这里，年龄不是唯一变量，经验变得更重要。

　　OpenAI 的首席经济学家 Ronnie Chatterji 也说，AI 更像是在补充专业能力，让已经成熟的专家变得更有效率。这句话很关键。

　　AI 不是凭空制造专家。AI 更像一种放大器。你原来是什么，它会先放大什么。

　　你有判断，它放大判断。你有资源，它放大资源。你有生态位，它放大生态位。如果你只有焦虑，它也可能放大焦虑。

　　一个处在高价值生态位上的人，使用 AI 之后，可能真的能一个人做过去几个人的事。他的产出提高，影响力扩大，收入和议价权也可能上升。

　　一个处在低自主性岗位上的人，使用 AI 之后，结果可能完全不同。

　　他做得更快，但工作量增加了。他效率更高，但团队减少了。他交付更多，但工资没怎么变。他用 AI 证明了这个岗位可以被更少的人完成。

　　这就是问题最冷的地方。

　　同样叫“使用 AI”，老板和员工不是同一种使用。投资人和分析师不是同一种使用。平台和创作者不是同一种使用。公司和个体也不是同一种使用。

　　有人用 AI 扩大自己的控制半径。有人用 AI 加快自己被考核的速度。

　　
3、

　　这几年，我们常听到一个词，叫“AI 平权”。

　　它的意思是，AI 会把高级能力下放给普通人。不会写代码的人可以做应用，不会设计的人可以出图，不会英语的人可以写英文邮件，不懂法律的人可以看合同。

　　这当然发生了。我自己也相信，AI 会给很多普通人打开过去不可能打开的门。但这不是完整的图景。

　　完整的图景是，AI 在降低某些门槛的同时，也在抬高另一些门槛。它降低了入门门槛，抬高了上限门槛。

　　过去，一个普通人和一个大公司之间的差距，当然也很大。但在信息获取上，互联网曾经制造过某种形式上的平等。

　　你和高盛分析师都可以搜索同一个网页。你和哈佛教授都可以打开同一篇论文摘要。你和大公司市场部都可以注册同一个社交媒体账号。

　　互联网时代的入口，至少在表面上是扁平的。AI 不一样。AI 的能力不是一次性给你的，它按层收费。

　　免费模型是一层。
个人会员是一层。
API 调用是一层。
企业版是一层。
私有化部署是一层。
接入内部数据是一层。
多智能体工作流又是一层。
最前沿、最强的模型能力，甚至可能根本不对公众开放。

　　越往上，越贵，也越强。这不是阴谋论，这是商业模式。

　　AI 公司的训练成本、推理成本、芯片成本、数据中心成本都摆在那里。越强的模型，越长的上下文，越复杂的推理，越高频的调用，都要烧钱。

　　所以 AI 时代会出现一种很奇怪的新景象：

　　普通用户还在纠结一个月几十美元的会员值不值，硅谷的大公司已经开始比较谁消耗的 token 更多。

　　这有点像工业革命早期。

　　普通人也能买到一点煤，点一个炉子取暖。但真正改变世界的，不是家里的炉子，而是工厂里的蒸汽机、铁路、矿山和电网。

　　今天的 token，就像当年的煤。

　　你可以把它当成聊天时消耗掉的一点字数，也可以把它看成机器智力燃烧时留下的灰烬。

　　在硅谷，很多团队早就不再讨论“要不要用 AI”。他们讨论的是，怎么把 AI 接进每一个流程，怎么让模型自动读完所有资料，怎么让代码、测试、客服、销售、研究、投放都被 AI 重新组织。

　　这是一场 token 竞赛。

　　谁能承受更高的调用成本，谁能购买更强的模型，谁能把更多业务环节交给机器推理，谁就更可能在同一段时间里试错更多次、迭代更多轮、压缩更多人工成本。

　　普通人以为自己和大公司都在用 AI。这就像一个骑共享单车的人，和一个拥有高速铁路网的人，都说自己在使用交通工具。

　　形式上是同一个词，实质上不是同一个物种。

　　4、

　　AI 对资本的诱惑，正在变得越来越清晰。

　　资本最喜欢什么？不是技术本身，而是可复制、可规模化、可控制、可替代人的生产力。

　　工业时代，机器替代了一部分体力。软件时代，代码替代了一部分流程。AI 时代，模型开始替代一部分认知劳动。

　　这里的变化很大。

　　过去很多白领之所以觉得自己安全，是因为他们相信自己的工作不是重复劳动。

　　我不是流水线工人。我不是收银员。我不是仓库搬运。我做的是分析、判断、沟通、写作、设计、协调、研究、管理。

　　这些词听起来都很高级。但 AI 最先进入的，恰恰就是这些地方。

　　法律、金融、咨询、教育、媒体、客服、软件开发、市场营销、企业管理，这些过去被认为很难自动化的地方，现在反而成了 AI 最活跃的试验场。

　　因为这些行业的共同特点是：大量工作都以文字、数据、图像、表格、代码、流程文档的形式存在。

　　而 AI 最擅长处理的，正是这些东西。它不需要真正进入一间办公室，不需要理解人类社会的全部复杂性。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。

　　这已经足够了。

　　一个初级律师过去要花几个小时看合同，现在 AI 可以先扫一遍。
一个投行分析师过去要整理大量行业资料，现在 AI 可以先生成初稿。
一个程序员过去要写很多基础代码，现在 AI 可以直接补齐。
一个市场人员过去要写几十条广告文案，现在 AI 可以一分钟给出一百条。

　　这些任务没有完全消失，但它们变便宜了。一件事变便宜之后，做这件事的人也会被重新定价。

　　这里有个更深的问题。

　　这些基础任务，过去不仅是工作，也是训练。

　　新人就是通过这些笨活，慢慢理解行业。一个律师从改合同开始，一个记者从整理资料开始，一个程序员从写小模块开始，一个咨询顾问从做 PPT 和访谈纪要开始。

　　这些活有时候很烦，很机械，很像牛马，但它们是职业金字塔的底部。

　　没有底部，就没有上面的专家。

　　现在 AI 正在掏空这部分。

　　资深员工可以直接指挥 AI 完成基础工作。公司也会越来越自然地问：既然 AI 能做，为什么还要招那么多新人？

　　这对资本很合理。

　　培养新人很慢、很贵、很不确定。新人会犯错，会离职，会要求成长，会在几年后跳槽。AI 不会。

　　它没有职业规划，没有情绪劳动，没有离职风险，也不会在深夜发朋友圈说自己被工作掏空。

　　当然，AI 会出错，但公司会算账。

　　如果 AI 出错的成本，低于雇佣和培养人的成本，那它就会被采用。不是因为它完美，而是因为它便宜、快、可控。

　　很多技术替代从来不是因为机器比人更好，而是因为机器足够便宜。

　　这句话放在 AI 上，会让人有点冷。

　　因为这次被比较的，不只是体力劳动，还有人的思考过程。

　　
5、

　　为什么说 AI 是资本和劳动力的最后一站？

　　这句话容易被误解成一种夸张的预言，好像明天所有人就会失业。

　　我不是这个意思。

　　劳动不会消失。人类也不会突然没事可做。历史上每一轮技术革命都会消灭一些工作，也会创造一些工作。这个判断太正确了，正确到几乎没有用。

　　真正的问题是，劳动的议价权会发生什么变化。

　　过去资本要扩张，需要组织大量劳动力。

　　工厂需要工人。公司需要职员。律所需要助理。媒体需要编辑记者。科技公司需要程序员。投行需要分析师。咨询公司需要顾问。

　　哪怕老板再有钱，他也需要一群人把工作拆开、执行、交付、维护。劳动力虽然被雇佣，但它仍然是生产系统不可绕过的一环。

　　AI 改变的是这个“不可绕过”。

　　它不一定完全替代人，但它给了资本一个新的选择：先问问机器能不能做。

　　以前公司遇到新任务，第一反应是招人。
现在越来越多公司的第一反应会变成：能不能自动化？能不能用 AI？能不能让现有团队加工具扛下来？

　　这个顺序的变化，会慢慢改变劳动者的处境。

　　一个员工要求加薪，公司会问：他的工作有多少能被 AI 承担？一个团队要求扩编，老板会问：为什么不是先上自动化？一个年轻人想进入行业，公司会问：这些基础活还需要人练手吗？

　　这不是某个坏老板的问题。这是生产系统的默认设置在变。

　　过去资本购买人的时间。现在资本开始购买机器的推理能力。

　　人的时间是麻烦的。它有限，有情绪，有边界，有法律保护，有社会舆论，有道德负担。

　　机器的推理能力不一样。它可以 24 小时调用，可以按量计费，可以随时扩容，可以在不被看见的地方完成大量任务。

　　对资本来说，这是梦一样的生产资料。而且，这种生产资料还有一个特殊之处：它复制的是过去最难复制的东西，脑力。

　　工业资本复制手的力量。数字资本复制信息的流动。AI 资本复制判断、表达、分析、生成和部分决策。

　　当认知劳动也开始被规模化复制，劳动力最后一个相对安全的堡垒就松动了。

　　我们过去以为，只要自己足够会思考，就不会被机器替代。

　　现在更残酷的问题来了：如果机器不能完全替代你的思考，但能替代你工作中 40% 的思考过程，你的工资还会按 100% 的人来给吗？

　　6、

　　还有一个更隐蔽的变化：AI 不只是在资本和劳动之间制造差距，它也在劳动者内部制造差距。

　　这点很重要。

　　很多人把“资本 vs 劳动”理解得太简单，好像资本在一边，所有打工人在另一边。

　　现实没这么整齐。

　　AI 会先增强一部分劳动者，让他们变得更像资本。

　　顶尖研究员、优秀工程师、资深律师、强投资人、头部创作者、优秀创业者，他们虽然也在出售劳动，但他们的劳动越来越像一种可放大的资产。

　　一个顶尖 AI 研究员的一个想法，可能决定几亿美元算力投资的方向。一个优秀工程师带着 AI，可以写出过去一个小团队才能写出的代码。一个头部内容创作者带着 AI，可以同时做选题、脚本、分发、私域、产品和商业化。一个强创业者带着 AI，可以把公司早期团队压缩到非常小。

　　这些人当然还是人，但他们已经不再只是“劳动力”。他们正在变成节点，变成杠杆，变成资本愿意高价购买的接口。

　　硅谷过去讲“10 倍工程师”，现在这个说法可能已经保守了。某些关键人才的价值，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。

　　这也是为什么大厂愿意为顶尖 AI 人才支付离谱的薪酬。从普通人的道德直觉看，这很荒唐。一个人凭什么值那么多钱？但从资本的角度看，这很理性。

　　如果一个研究员的判断可以让数十亿美元的算力不被浪费，或者让一个模型领先竞争对手两个月，那么给他开出天价薪酬，就是一笔可以计算的投资。

　　这会带来一种新的劳动力分层。

　　一部分人会被 AI 放大，成为超级个体。一部分人会被 AI 管理，成为可替代流程。一部分人会被 AI 绕过，连进入系统的机会都变少。

　　过去我们说阶层固化，主要看房产、教育、户籍、家庭资源。AI 时代还要加一项：你能不能站到 AI 放大器的一侧。

　　站在这一侧，AI 是杠杆。站在另一侧，AI 是秤。

　　它称量你的成本，称量你的效率，称量你和机器之间的差价。

　　这个词我想了很久，可以叫“智力租差”。

　　过去地租来自土地的位置差异。谁占了好地段，谁就收租。

　　AI 时代会出现一种新的租差：谁占了更好的模型、更好的数据、更好的算力、更好的工作流、更好的组织位置，谁就能收取机器智力带来的差额收益。

　　这不是传统意义上的聪明。它是聪明被基础设施化之后的收益分配。

　　
7、

　　很多人可能会本能地抗拒这种说法。

　　因为我们更愿意相信，AI 最终会普惠。就像个人电脑和互联网一样，早期总是精英先用，后来大家都会用，差距自然会缩小。

　　这确实可能发生一部分。

　　个人电脑刚出现时，也不是每个人都会用。互联网早期也属于少数人。但后来它们进入学校、家庭、办公室，成为普通基础设施。

　　AI 也会有这个过程。但这里有一个不一样的地方。

　　个人电脑和互联网的普及，主要降低的是信息处理和信息获取成本。AI 降低的是认知劳动的边际成本。

　　这是更深的一层。信息便宜之后，普通人可以获得更多知识。认知劳动便宜之后，资本可以购买更多“近似人”的产出。

　　这两个后果不一样。搜索引擎让你更容易找到资料，但它不会自动替老板写完一份分析报告。

　　AI 可以。

　　浏览器让你进入网页，但它不会自动替公司生成客服回复、营销文案、代码、合同摘要、销售线索评分。

　　AI 可以。

　　互联网让内容分发成本下降，于是出现了很多创作者。但平台也拿走了分发权，创作者最后发现，自己离不开算法。

　　AI 也可能这样。

　　一开始，它让你感觉自己更强。后来你发现，真正掌握入口、模型、分发和商业化的人，比你强得更快。

　　这是一种很现代的剥夺。它不是把工具从你手里抢走，而是让你也能使用工具，同时把更高层级的工具、数据和收益分配权留在别处。

　　你拥有体验。别人拥有系统。

　　8、

　　这里就到了最关键的问题：AI 红利到底归谁？

　　假设一个公司用了 AI，生产力提高 30%。这个 30% 会以什么形式出现？

　　员工工资上涨 30%？工作时间减少 30%？产品价格下降 30%？社会福利增加 30%？

　　也许会有一点，但很难是主要部分。更可能出现的是：公司减少招聘，压缩团队，提高利润率，资本市场给出更高估值，股东和管理层拿走最大的一块。

　　这不是恶意推测，这是现代公司的基本结构。

　　公司不是一个抽象的“大家庭”。公司有所有权结构。谁拥有公司，谁就拥有剩余收益。

　　劳动者拿工资。资本拿利润。

　　AI 提高效率之后，如果没有新的分配机制，收益天然会更多流向拥有系统的人。

　　这也是为什么一些经济研究已经看到一个趋势：AI 创新越密集的地区，劳动收入份额反而越容易下降。换句话说，技术进步确实发生了，但劳动者分到的那部分蛋糕没有同步变大。

　　这个现象有点反直觉。我们总以为，生产力提高之后，大家都会过得更好。但生产力不是收入。

　　生产力只是蛋糕变大的能力。至于蛋糕怎么切，是另一套规则。

　　AI 的问题就在这里。它可能同时带来更高的总体效率，和更差的分配结构。

　　这两件事可以同时发生，而且经常同时发生。

　　一个社会可以变得更富，同时让大多数普通人更焦虑。
一个公司可以变得更赚钱，同时让员工更没有安全感。
一个行业可以变得更高效，同时让新人更难进入。
一个工具可以让你更强，同时让你的议价权更弱。

　　这就是 AI 的悖论。它给了劳动者工具，也给了资本替代劳动者的工具。

　　而且后者通常更有钱、更有组织、更有耐心，也更能承受试错成本。

　　
9、

　　说到这里，很容易滑向一种悲观：普通人是不是没机会了？

　　不是。如果我真的这么认为，就没必要写这篇文章了。

　　普通人当然还有机会。甚至可以说，AI 确实会给一部分普通人带来过去不可能拥有的机会。

　　一个小团队可以做更大的产品。一个独立开发者可以更快上线应用。一个内容创作者可以拓展自己的能力边界。一个普通员工可以用 AI 学习、写作、分析、编程、做副业。

　　问题是，不能把这些机会误认为结构已经平等。

　　个人机会存在，不等于整体分配公平。彩票也有人中奖，但不能说彩票是财富制度。对普通人来说，真正重要的不是“我要不要用 AI”，这个问题已经太晚了。

　　真正重要的是，怎么避免只停留在 AI 使用的最低层。

　　最低层是什么？

　　把 AI 当搜索引擎。把 AI 当文案生成器。把 AI 当一个更会说话的百度。把 AI 当朋友圈里偶尔炫一下的玩具。

　　这当然比不用好，但不够。

　　普通人要尽快从“问 AI”变成“用 AI 建工作流”。

　　你每天重复做的事情是什么？你所在行业里最耗时间的环节是什么？你的工作里哪些东西可以被结构化？你能不能用 AI 建一个固定流程，让它持续帮你调研、整理、生成、检查、复盘？

　　一次性问答没有壁垒。工作流才有复利。

　　第二件事，是不要迷信提示词。

　　提示词会贬值。今天你花钱买的提示词模板，明天就会被模型能力吞掉。真正值钱的是专业判断，是你知道该问什么、该信什么、该删什么、该把 AI 的答案放进哪个真实场景。

　　AI 时代，“会用工具”只是入场券。“知道工具错在哪里”，才是门槛。

　　第三件事，是尽量靠近高价值生态位。

　　这句话听起来有点残酷，但必须明说。

　　AI 对不同岗位的增强效果不一样。

　　越接近决策、客户、产品、技术、销售、内容、资本和组织流程，越容易把 AI 变成自己的杠杆。越是纯执行、低自主性、被流程严格规定的岗位，AI 越容易变成管理你的系统。

　　所以，对一个普通职场人来说，学习 AI 当然重要，但更重要的是改变自己在生产系统里的位置。

　　工具会放大位置。但如果位置太低，工具放大的可能只是你的工作量。

　　10、

　　我以前写 AI，常常会提醒自己不要陷入两种偷懒。

　　一种是技术乐观主义，觉得工具一进步，人类自然变好。另一种是技术悲观主义，觉得每一次新技术都会把人推向更糟的命运。

　　这两种都太省力。

　　真正困难的是承认：AI 既可能给普通人机会，也可能加速普通人的边缘化；既可能创造新职业，也可能掏空旧职业的训练路径；既可能让一个人拥有前所未有的能力，也可能让他在更高效率的系统里变得更便宜。

　　技术本身没有道德方向。方向来自所有权、制度、组织和分配。

　　谁拥有模型？谁拥有算力？谁拥有数据？谁拥有平台？谁拥有客户？谁拥有收益分配权？

　　这些问题比“AI 会不会觉醒”更贴近普通人的命运。

　　因为你不会因为 AI 有了意识而失业，你更可能因为老板发现三个人加 AI 能干五个人的活而失业。

　　你不会因为超级智能统治地球而降薪，你更可能因为某个 SaaS 系统把你的工作流程拆成了可计价、可监控、可替代的小块而降薪。

　　科幻里的危险很壮观。现实里的危险很朴素。

　　它通常出现在预算会上，出现在招聘冻结邮件里，出现在“今年先不扩编”的会议纪要里，出现在一句很轻描淡写的话里：

　　这个岗位，先看看能不能用 AI 顶一下。

　　11、

　　AI 是资本和劳动力的最后一战，这句话真正的意思是：资本第一次拥有了一种可以大规模复制认知劳动的基础设施。

　　它不会让所有劳动消失。它会改变劳动被组织、被定价、被替代、被考核的方式。

　　过去，人出售时间。后来，人出售技能。现在，人可能要证明自己比一组模型调用更值得购买。

　　这件事刚开始。

　　今天很多 AI 还不够稳定，还会胡说，还需要人类修正，还不能独立完成复杂任务。很多公司也还没有真正改造流程，只是在表面上做 AI 化。

　　但方向已经出来了。

　　更强的模型会继续出现。更便宜的推理会继续出现。更长的上下文会继续出现。更复杂的智能体会继续出现。更多公司会把 AI 嵌入自己的组织结构。

　　到那时候，普通人再问“我要不要学 AI”，就像 2015 年还在问“我要不要学会用智能手机”。

　　问题会变成另一种：

　　你到底是在调用 AI，还是正在被 AI 调用？

　　这个区别很重要。

　　调用 AI 的人，把 AI 当成杠杆。他有问题，有判断，有场景，有位置，有收益出口。

　　被 AI 调用的人，被系统拆成一个接口。他接收任务，完成任务，交付结果，被模型和流程一起考核。

　　未来的职场可能会分成两种人。

　　一种人用 AI 组织生产。另一种人在 AI 组织的生产里出售时间。

　　这中间当然还有很多灰色地带。大多数人会在两者之间摇摆，一会儿觉得自己被增强，一会儿发现自己被压价。

　　这正是这个时代最难受的地方。

　　它不会一次性告诉你答案。它会一点一点改变你的工作，让你逐渐适应更高的效率、更快的反馈、更密的考核、更少的安全感。等你回过头，旧的劳动契约已经变了。

　　AI 不一定会抢走你的工作。它可能先抢走你对工作的定价权。

　　12、

　　最后，还是要说回普通人。

　　不要幻想 AI 天然站在你这边。AI 站在拥有它的人那边。

　　如果你只是偶尔使用它，它是工具。
如果你能把它嵌进自己的工作流，它是杠杆。
如果你拥有模型、数据、算力、客户和分配权，它就是资本。

　　这三层之间，差距会越来越大。

　　普通人要做的，不是把自己催眠成“我也有 AI，所以我和大公司一样了”。不是这样。

　　你和大公司都能用电，但你没有电网。你和平台都能发内容，但你没有分发权。你和资本都能用 AI，但你未必拥有 AI 创造的收益。

　　看清这一点，不是为了绝望，是为了别被廉价的技术平权叙事骗了。

　　真正值得争取的，不只是使用 AI 的权利，还有参与新生产系统的机会；不只是买一个会员，还有接触高质量模型、数据、项目和组织流程的机会；不只是学几个提示词，还有把自己移动到更高价值生态位的机会。

　　未来几年，很多人会发现，自己并不是被 AI 淘汰的。

　　他们是被更会使用 AI 的人淘汰的。被更能购买 AI 的公司淘汰的。被更早把 AI 嵌进组织的资本淘汰的。被一种新的生产资料重新定价了。

　　这件事不会像电影里的灾难一样轰然降临。它会很安静。

　　一个岗位少招两个人。一个团队不再补 HC。一个新人没有机会练手。一个中层发现自己管的人少了，但指标更重了。一个创作者发现内容越来越多，价格越来越低。一个程序员发现自己写代码更快了，绩效要求也更高了。

　　某个深夜，一个普通白领打开 AI，让它帮自己写一份周报。同一时间，另一栋楼里，一家公司正在让 AI 重新计算明年需要多少人。

　　这两个窗口，看起来都在发光。