微软CEO的生存悖论与永久裁员的AI时代

每天，一家叫 Mercor 的美国公司，要付给三万名承包商总共超过四百万美元。

Mercor 不是那种雇人打标签、把猫的照片圈出来的传统数据公司。它 2023 年成立，去年十月融资时估值已经到了 100 亿美元，最近又在和投资人谈一轮翻倍的价钱。

如今，它招募的人，是专攻广义相对论的物理学博士，是能用流利希伯来语扮演客服的配音演员，是在卢旺达行医三年以上的医生，有的岗位时薪开到 225 美元。他们的工作只有一件：把自己脑子里的东西倒出来，喂给 AI，训练那个将要取代他们的模型。

另一家公司 Handshake 走得更远。它正在搭建一个叫"银行家基准测试"的东西：一个人扮演客户，几个人扮演投行银行家，按真实分布把一家投行内部的每一次交互复刻下来，逐分钟捕捉，配上九十项加权评分标准。

这一切只为回答一个问题，用 Mercor 那位二十三岁 CEO 的原话说："他们在高盛到底做什么？"

上面的内容是《纽约时报》的报道，记者写到这里，补了一句干巴巴的话：高盛的员工接下来会怎样，不必多说。

一位跟 Mercor 签约的律师说，赶工最狠的项目要连续做 72 小时，中间靠在沙发上打个盹。熬到后来，专家们发现活越来越少：模型学会了，就不再需要老师。中药里有个现成的词，可以送给这些被榨干即弃的人：药渣。

就在《纽约时报》报道这群人的同一周，微软 CEO 纳德拉发了一篇长文，警告全世界：小心，你的知识正在被大模型一滴一滴蒸馏走。然而，讽刺的是，也是同一周，微软宣布裁员四千八百人。

一边预警蒸馏，一边裁掉被蒸馏干净的员工。这就是纳德拉的悖论。要理解的不是虚伪，是一台机器已经开始了日常运转。

这台机器把蒸馏变成了基础设施。AI 时代的裁员，从此不再跟着经济周期的涨落走，它跟着这台机器的日常运转走。纳德拉在文章里开了药方，但药方里没有普通人的位置。普通人的位置，得自己找。

一、纳德拉看见了那台机器

先说纳德拉以及他看见了什么。

萨提亚·纳德拉，2014 年接手微软的 CEO，把一家守着 Windows 过日子的旧巨头，改造成了全球市值最高的公司之一。微软也是 OpenAI 最早、最大的外部金主，论对这场 AI 浪潮的理解，全球大公司的掌门人里，很难找出看得比他更透的。过去一个月，他连发两篇长文，值得所有还在上班的人认真读。

六月那篇谈宏观，标题是《没有生态的前沿是不稳定的》：AI 模型正在持续吸收人和组织的专业知识，再把这些知识变成大宗商品。他说他最不愿看到的世界，是所有行业的所有公司都向少数几个模型输送价值，而"这些模型吞噬眼前的一切"。所以要建的是前沿生态，不是前沿模型。

七月最近那篇更具体。他给自己看到的东西起了个名字：反向信息悖论。

这里要先交代一个背景。肯尼斯·阿罗，诺贝尔经济学奖得主，六十多年前描述过信息市场的一个死结：买家在拿到信息之前，不知道它值多少钱；可一旦拿到，他等于免费占有了它。卖信息的人，为了卖，得先冒白送的险。

纳德拉说，AI 把这个死结整个翻了过来。现在冒险的是买家。你越想让模型帮上忙，就越得把自己的东西喂给它。你为智能付两次钱：第一次用钱，第二次用你必须交出去、才能让它好用的专有知识。

重要的不是纳德拉得出的结论，而是这背后的机制。模型从"废气"里学习：你写下的每一条提示词，智能体调用的每一个工具，尤其是模型出错时你做的每一次纠正。

每一次纠正，都是从你的组织里蒸出来的一滴 know-how。它算不上偷窃，更像渗透和榨油，一条痕迹一条痕迹地渗，安静到你自己都没发现。学习一旦只朝一个方向流动，经济价值就会向学习基础设施的所有者集中，而轮不到知识的创造者。

纳德拉把这台机器看得比谁都清楚。只是他看的方向只有一个：向上。

二、但纳德拉自己就是那台机器

因为向下看的时候，他就是那台机器本身，上周微软的这批裁员通知，就是证据。这已经是一种熟悉的企业仪式了：一边保持盈利，一边大举投资 AI，一边周期性地把人裁掉。这不是微软一家的节奏。

今年五月，Cloudflare 裁掉了超过 20% 的员工，CEO 在《华尔街日报》上说，他没见过哪家美国上市公司在增长超过 30% 的同时砍得这么深，然后补了一句："我们的做法，很可能在未来一年成为常态。"同一个月，思科报出创纪录的季度营收，同时宣布裁员近 5%。

把这些事放在一起看，结构就露出来了。纳德拉怕的是什么？怕 OpenAI 蒸馏微软，那个跑在微软云上的模型，日复一日地学习微软的软件、编程、工作流，把它消化吸收，直到有一天不再需要微软。

去年八月，马斯克在 X 上撂下一句话："OpenAI 会把微软活活吃掉。"当时纳德拉在评论区回得很快，语气也很轻松："这事儿人们试了五十年了，这才是乐趣所在！每天都在学新东西，创新、合作、竞争。已经等不及在 Azure 上跑 Grok 4 了，Grok 5 也在等着。"

如今，微软、纳德拉还有微软的员工，恐怕都危机感满满。

微软的员工怕的是什么？怕自己的判断、经验、纠错被公司的系统吸收干净，直到有一天公司不再需要自己。

这是同一件事，只是发生在不同的楼层。两家公司今年解除了维持多年的独家排他协议，从贴身结盟松到各奔前程，本身就是这条链绷紧的证据：上一层的牙齿已经咬到肉了。

所以没必要把纳德拉看成一个伪君子。虚伪是可以选择不做的事；纳德拉没有这个选项，他面对的只是结构。他不裁员、不蒸馏、不把组织变成爬山机器，微软就会被那个更快爬坡的对手吃掉。

这叫结构性共谋：你看得清清楚楚，你照做不误，因为食物链中间的位置没有暂停键。先知与帮凶，在他身上是同一个职位的两项职责。他看得清头顶的捕食者，因为他自己就是脚下的捕食者。

能同时看清自己正在被吃、也正在吃人的，已经是极少数；看清了还能停下来的，一个也没有。

三、每一层楼都在发生同一件事

过去两年，我写过十几篇资本与劳动力脱钩的文章，：人类劳动正在失去它在经济系统里的中心位置。这一篇想讲的是"怎么发生的"。答案藏在一个几何性质里：这台机器是分形的。

数学家曼德博研究过海岸线：在一千公里的尺度上看，和在一百米的尺度上看，它弯折的方式一模一样。他给这种性质起名叫自相似。蒸馏这台机器，正好长这样。同一个吞噬动作，在三个尺度上一模一样地重复。

个人这一层，开头已经看过了。AI 实验室雇物理学博士和律师，把他们的专业倒进模型，倒空即弃。

企业这一层，OpenAI 之于微软，前沿模型之于所有公司。纳德拉那两篇长文，本质上是这一层的被捕食者在喊话。

还有再往上一层，产业层。乔治·霍茨，网名 geohot，十七岁就破解了第一代 iPhone 的黑客，后来创办自动驾驶公司 Comma.ai，是硅谷最不留情面的技术评论者之一。

他今年六月份写过一篇《AI 将带来大规模通缩》，里面有个拖拉机的比喻。拖拉机取代了挖坑的工人，搞金融的人以为，拖拉机市场会有原来挖坑市场那么大。错了。挖坑一旦便宜十倍，挖坑市场的美元规模就缩小十倍，坑的用途就那么多。

他认为大多数知识工作就是这个结局：知识工作者的薪水，相对于他们消耗的能量被严重高估，AI 会来矫正这件事。训练成本低一个量级的模型正被一批一批免费放出来，前沿模型自己也在被蒸馏、被通缩。连食物链顶端的实验室，头顶也悬着同一把勺子。

个人被实验室蒸馏，实验室的客户被模型蒸馏，模型被更便宜的模型蒸馏。三个尺度，同一条规则：谁拥有学习回路，谁攫取价值；谁的知识单向流出，谁被抛弃。我把这个结构叫递归蒸馏，一条蒸馏食物链，每一层都在被上一层蒸馏，同时蒸馏着下一层。

注意，这不是"大鱼吃小鱼"那句老话。大鱼吃小鱼讲的是体型，体型大的未必赢，微软的体型是 OpenAI 的许多倍。这条食物链上的位置，由学习的方向决定：你的痕迹流进谁的模型，谁就在你上面。

四、被抽干的护城河

接下来的问题更根本：被蒸馏走的，到底是什么？

每个真正做过几年事的人都知道，你会的东西分两层。一层写得进简历：学历、证书、工具、方法论。

另一层写不进去，你甚至说不出来：什么时候该打破流程的直觉，一份报告里哪句话会惹恼客户的嗅觉，一眼看出数字不对劲的手感。老师傅带徒弟，从来不靠讲义，靠的是让徒弟在旁边站三年。

说不出来的这一层，曾经是专业者最深的护城河。机器学不会没法编码的东西，你的判断和手感锁在你的神经系统里，公司买得到你的工时，买不走你这个人。过去所有的自动化都卡在这里，所以专家永远安全，被替代的永远是流程里可以写明白的那部分。

AI 蒸馏的革命性，恰恰在于它第一次不需要你说出来。它不问"你是怎么判断的"，它看你怎么做。纳德拉列举的那些泄露渠道，痕迹、纠正、评估，还有那套逐分钟捕捉投行日常的银行家基准测试，捕的全是这类东西：不是你的陈述，是你的行为。

那些说不出的知识，第一次可以从行为的残渣里被逼出来。护城河没有被跨过，它被抽干了。

这件事有它的历史。哈里·布雷弗曼，美国劳工研究者，年轻时在布鲁克林海军船厂做了四年铜匠学徒，往后又当了多年铜匠和钢铁工人，1974 年才写出《劳动与垄断资本》。他记录了泰勒制在二十世纪初干的事：把工匠脑子里的技艺一点点观察、记录、编码成标准流程，交到管理层手里，工人从构想者降为执行者。构想与执行的分离。

更早还有巴贝奇原则，1832 年就写下来了：把工序拆碎，每一段只雇刚好够格、最便宜的劳动力。药渣不是新发明，它是这条一百九十年老路的终点站。

今天的数据训练产业，是同一件事的终极版本。但有两点真的不一样，而差异比相似更值钱。

第一，上一轮抽走的是手艺，人还保留着脑子；这一轮抽走的就是脑力活动本身，连"构想"都在被编码。第二，泰勒的流程手册不会自我改进，模型会。

德州一所州立大学的生物学助理教授阿曼达·布朗，去年夏天开始在这些平台打零工，有的任务时薪 60 美元。几个月后她发现，模型进步得太快，越来越难找到它不会的东西，她的班次越来越难做。学生把老师逼到失业。连"训练 AI"这个最后的岗位，本身也是一次性的。

纳德拉在文章里引了亚历克斯·卡普的话。。卡普说，技术客户想要的是对算力、模型、数据栈的控制权，"他们想确认自己拥有生产资料，而且它没有被转移给别人"。

生产资料，这个十九世纪的词，2026 年被两个大公司 CEO 一本正经地用出来。他们很清楚，正在被转移的是什么。

五、永久裁员：一台机器的新陈代谢

理解了蒸馏，就能理解为什么裁员不再像裁员了。

过去的裁员是坏消息，跟着衰退来，跟着复苏走。现在的裁员跟着财报来：AlphaSense 分析了各行业的财报电话会，高管们同时提到 AI 和裁员的次数，从 2022 年 ChatGPT 发布时的每季度不到五次，涨到了今年的每季度一百多次。

哈佛商学院的富勒教授给这种新节奏起了个名字：持续微调。不再是一次性的大手术，而是小规模、反复出现、永不结束的调整。

《商业内幕》给这个时代起的名字更直接：永久裁员的时代。

机制其实纳德拉自己已经说破了。当企业把自己改造成一台爬山机器，一个每次使用都在改进的学习回路，持续优化就意味着持续脱落。某项判断一旦被系统学会，携带这项判断的人就从资产变成了成本。

裁员不再是这台机器的危机，而是它的代谢。健康的机器才代谢旺盛，所以你会看到最赚钱的公司裁得最勤。

我在《大脱钩》那篇文章里写过，增长的引擎和就业的车厢正在松绑，资本不再需要通过雇人来扩张。那篇讲的是结果。这台爬山机器补上的是过程：知识先被蒸进机器，人再被代谢出去，一层一层，直到财报电话会把 AI 和裁员放进同一句话里说，说一百多遍。

七十多年前有人预言过这一天。诺伯特·维纳，控制论的创始人，MIT 的数学家，1950 年在《人有人的用处》里写：第一次工业革命贬值了人的体力，正在到来的第二次工业革命，会同样贬值常规的脑力劳动。他当年担心的自动工厂还很粗糙。我们看到的版本精致多了，它连"常规"的边界都会自己往外推。

不过，"永久"和"稳态"之间充满了张力和冲突。同一篇报道里，富勒和斯坦福的普费弗都指出：反复裁员是昂贵的循环，遣散、招聘、重新培训，样样要钱；不少公司已经发现自己裁过了头，不得不回聘那些指望 AI 顶上的岗位；而且越往 AI 深水区走，公司越需要懂流程、懂市场、懂客户的人，"你需要留住懂行的人。"

更准的说法或许不是稳态，是默认代谢：这台机器的倾向是不断蒸馏、不断脱落，但它咬着一条自己的尾巴，把懂行的人蒸干，它就失去了继续爬坡的燃料。

这条自噬的尾巴，正是个人唯一的缝隙。

六、普通人的药方

在讲怎么办之前，我们先把 geohot 的冷水泼完。他会说：知识工作者本来就拿着相对能耗被严重高估的报酬，通缩只是迟来的矫正，你没有解。

他说对了一半。纯执行型的知识工作确实会被通缩，而且越标准化的死得越早，银行家基准测试已经证明，初级投行分析师的工作可以被拆成九十项加权标准，而一切能被拆成标准的东西，都能被蒸馏。这一半不用挣扎，挣扎也没用。

但他错的那一半在于：通缩矫正的是可蒸馏的部分，不是全部。纳德拉两篇文章里被忽略的一句话，恰好划出了这条线：人力资本不会因为 token 资本的增长而贬值，只会更值钱，他列的清单是判断力、人际关系、创造力、跨域的模式识别。可蒸馏的会通缩，不可蒸馏的会升值。

纳德拉的思路和对策很清楚：建私有评估，建自己的学习环境，确保换掉任何一个模型，公司的"老兵能力"还留在自己手里。问题是，纳德拉的药方是写给企业的，收件人栏里没有普通员工。如果把他翻译成个人版，就是两件事。

第一件，划出你的信任边界。企业的边界靠算力和私有评估；个人的边界靠那些你不外包的东西：对"什么答案不能信"的判断，对"什么代价没写进表格"的嗅觉，还有品味，还有关系。

我在之前的文章里写过"战略性无知"，讲的是把认知资源从信息流里撤回来；也反复提过一个概念，叫"不被算法提前算完"。放在蒸馏食物链上，它们有了一个更硬的版本：不被蒸馏完。

第二件，拥有自己的学习回路。同样一小时的劳动，读、写、改、纠错，流进别人的模型，就是废气，按次结清，然后蒸发；沉淀进你自己的体系，就是我之前写过的"权益沉淀"，是可以复投的"头寸"。

那三万个把脑子倒进模型的博士，个个都会学习；他们签掉的，是学习的所有权。判断本身拦不住蒸馏，判断发生在谁的回路里，才是那条分界线。

纳德拉在 6 月那篇文章里有句原话："你可以外包一个任务，甚至一份工作，但你永远无法外包你的学习。"他是说给财富五百强的 CEO 们听的。我想把这句话取出来，转交给每一个正在被倒空、或者正准备自愿倒空自己的人。

在蒸馏食物链上，个人和微软面对的是同一道题，只是个人有一样微软没有的东西：你不必向股东交代增长，你可以选择哪些学习绝不进入别人的池子。

被外包出去的学习，最后都熬成了别人的药；留在自己回路里的学习，才会产生复利。

这台机器还会继续运转。它会把更多人的知识倒进同一个池子，池子的主人会越来越少。你拦不住它，纳德拉也拦不住。你能决定的只剩一件事，恰好也是这条食物链收不走的一件事：你的学习，往哪里流。

别做那只被倒空的瓶子，做那个拥有配方的人。【懂】

经叔最近做了一个网站:https://budongjing.com

人肉筛选挖掘的硬核优质内容及深度原创，重点关注科技、文化、财富、权力四大要素以及它们之间的互动与影响。网站定价1999元/年，目前内测优惠价1299元/年，感兴趣的读者可以加经叔微信订阅。

另外，欢迎加入经叔的知识星球。在这里，我们拒绝无用的焦虑，只谈底层的逻辑与实战的干货。我会结合最新的AI前沿动态、深度的商业创新分析（如一人企业的构建）和独特的文化思潮（如麦克卢汉的媒介洞察），帮助大家把握时间窗口。

我是不懂经的经叔，国内最早翻译介绍了纳瓦尔的《如何不靠运气获得财务自由》，以及影响了纳瓦尔、中本聪、马斯克等大佬的《主权个人》。

不懂经知识星球，众多百万粉丝大V、千万及亿万富翁订阅。专注分享一人企业、一人创投主题，关键词：AI、IP、创投、科技及商业前沿的高杠杆内容。

愈懂愈自由