2025年3月，一个叫Sarah的姑娘坐在旧金山的一家咖啡店里哭。
不是因为失恋。不是因为生病。
是因为她刚被裁了。
Sarah是加州大学伯克利分校计算机科学系毕业的高材生。
2023年入职一家SaaS公司做初级软件工程师，年薪12万美元。
她妈打电话给亲戚的时候，说的是"我女儿在硅谷做码农"。
两年后，公司用Claude和Cursor替掉了整个初级开发团队。
HR跟她说的原话是："We're restructuring to invest more in AI capabilities."
翻译一下就是——AI能干你的活了，而且不要年薪，不请病假，不抱怨996。
Sarah坐在那家咖啡店里，刷LinkedIn。
满屏都是前同事"excited to announce"新工作的帖子。
但她知道，那些帖子里有一半人其实也在慌。
她后来在一个播客采访里说了一句话："我不是输给了一个人，我是输给了一行代码，我甚至不知道该恨谁。"
Sarah不是个例。
2025年，美国有117万人被裁员，其中5.5万人的裁员理由直接写着"AI"。
Amazon砍了14000个企业岗位，Workday砍了8.5%的员工，说的都是同一句话：AI让我们可以更精简。
而在太平洋的另一边，一个完全不同的故事同时在发生——
北京中关村，一个叫王磊的36岁产品经理，2024年底被一家教育科技公司裁掉了。
理由不是"AI替代"，而是"业务调整"。
但他心里非常清楚——他负责的那条产品线，核心功能已经被大模型的API替代了。
公司不再需要一个产品经理来设计"智能问答"模块，因为大模型本身就是最好的智能问答。
裁员后的王磊做了一件事——他没有继续投产品经理的岗位，而是花了三个月研究怎么用AI工具做教育内容。
2025年6月，他在某知识付费平台上架了自己做的AI辅助英语教学课程，第一个月收入4万块。
不多。但方向对了。
Sarah和王磊的故事，会贯穿今天这篇文章。因为它们代表了AI时代两种完全不同的命运：
一个人被AI推下了悬崖，另一个人把AI变成了垫脚石。
区别在哪呢？
不在于谁更聪明。不在于谁更努力。
在于谁更早看清了：AI真正改变的是什么。
于是一个问题就冒出来了——
AI越来越聪明，人类是不是越来越危险？失业会不会越来越多？
今天我要分享给你一个可能会让你身体不适的真相：
这个问题本身，就是一个精心设计的认知陷阱。
大部分人对AI和就业的关系，有三个致命误解——
第一：AI在大规模取代人类的工作？
第二：AI越进步，人类灭亡的概率越大？
第三：这一次技术革命和以前不一样，这次真的会造成永久性大规模失业？
以上这三条，全部都是贩卖恐慌！
为什么？
看完这篇文章你会明白三件事：
为什么"AI灭亡论"是一个被严重高估的伪命题；
为什么真正的就业危机不在于"失业"而在于"降级"；
 以及——最重要的——一个普通人到底该怎么在AI时代保住自己的位置。
来吧，上车～！

AI灭亡论是怎么变成"常识"的

你有没有想过一个问题——
"AI会灭亡人类"这个说法，到底是谁先说的？
不是普通网民，不是科幻电影导演。
而是AI公司的CEO们。
OpenAI的Sam Altman说过，Anthropic的Dario Amodei说过，Google DeepMind的Demis Hassabis说过。
诺贝尔奖得主Geoffrey Hinton说得最狠——他说AI在未来30年内导致人类灭绝的概率是10%到20%。
等一下。
造AI的人跑出来说AI很危险，这个逻辑你不觉得很奇怪吗？
就好像卖刀的老板天天上新闻说"刀太锋利了，可能会伤到人"。
你第一反应是什么？害怕？
不对。你第一反应应该是——他为什么要这么说？

恐惧是最好的广告

2023年5月，几百位AI专家签了一份联合声明，原话是："减轻AI导致人类灭绝的风险，应该和防范大流行病、核战争一样，成为全球优先事项。"
听起来很吓人对吧？
但你注意看签名名单——排在最前面的，全部都是AI公司的高管和投资人。
这背后有一条隐藏的商业逻辑：
当你把AI描述成"可能毁灭人类"的存在，你同时也在告诉全世界——这个东西强大到足以毁灭人类。
什么样的产品值得全球恐慌？只有真正改变世界的产品。
这不是阴谋论，这是营销101。恐惧是注意力的放大器。
你回想一下——2023年到2024年，全球关于AI最大的新闻是什么？
不是某个AI帮某个科学家发现了新药。不是某个AI在教育领域让偏远山区的孩子也能享受到名师辅导。
而是——"AI可能毁灭人类"、"AI之父警告AI威胁"、"AI公司CEO呼吁暂停AI研发"。
每一条都是恐惧。每一条都上了头条。
当整个世界都在讨论"AI会不会灭亡人类"的时候，没有人会质疑"AI到底有没有那么厉害"。
更没有人会质疑"为什么这些AI公司在喊暂停的同时，一天都没有真正的停过研发"。
OpenAI在签完那份"暂停声明"之后做了什么呢？
发布了GPT-4o。然后发布了Sora。然后发布了o1。一个比一个强。
嘴上喊着"太危险了"，手上一刻没停。
这不是很矛盾吗？
不矛盾。因为恐惧叙事本身就是竞争壁垒的一部分——当你把AI塑造成一个"需要负责任地开发"的超级武器，你就在暗示"只有我们这些大公司有能力负责任地处理这个东西"。
小公司、开源社区、个人开发者？他们"不够负责任"。
恐惧叙事不仅是广告，还是护城河。
但是实际情况呢？

RAND智库做了一件没人做过的事

2025年，美国最权威的智库之一RAND做了一件事：他们不讨论"AI想不想杀人"，他们只研究"AI能不能杀人"。
他们的方法很硬核——用场景推演法分析了AI可能利用的三种灭绝路径：
核武器、生物病原体、地球工程（比如操纵气候）。
结论是什么呢？
 
在所有三种场景中，要实现真正的人类灭绝，都极其困难。
RAND的研究员Michael Vermeer在《科学美国人》上发文说了大实话：他们团队一开始的假设就是"人类太多了、太分散了、太能适应了，AI用任何工具都不可能把我们全干掉"。
然后他们花了整个项目试图推翻这个假设。
结果呢？推翻不了。
他们发现，AI要构成灭绝级威胁，需要同时满足四个条件：
一，能接管关键的物理基础设施（电网、核设施、供水系统）。
二，能在没有人类维护的情况下自己活下去。
三，拥有"消灭人类"这个明确目标。
四，能欺骗人类，不被发现。
四个条件。同时满足。
你想想，我们连一个不会崩溃的Windows都做不出来，你告诉我AI能自己维护自己的硬件、自己给自己发电、自己修复自己的bug、还能同时瞒过全人类？
这不是不可能。但概率有多大呢？
2022年一项AI研究者调查给出的中位数是5-10%。但注意——这是AI研究者自己给的。
而专业的超级预测者呢？他们给出的概率是0.38%。
零点三八。
你今天出门被车撞的概率都比这高。

但为什么你觉得AI灭亡论很真实？

因为你被一种叫做"可得性偏差"的心理机制绑架了。
简单说就是——你越容易想到一个画面，你就越觉得它有可能发生。
《终结者》你看过吧？《黑客帝国》你看过吧？《西部世界》你看过吧？
好莱坞花了40年时间，在你脑子里植入了"AI叛变"这个画面。
现在Sam Altman说一句"AI可能灭亡人类"，你脑子里自动就弹出了天网发射核弹的画面。
这个就是：条件反射。
而真正的危险——那个正在发生、正在改变数百万人命运的东西——反而因为太无聊、太渐进、太不戏剧化，被你忽略了。
这才是最讽刺的地方。
你在担心天网，但真正动你饭碗的，不是天网。
是一个安安静静的聊天框。
还记得王磊吗？那个被裁掉的产品经理。
他后来跟我说了一句话："我在被裁之前的半年，其实已经感觉到了。 我负责的产品每个月的用户在涨，但团队在缩。 以前需要5个人做的功能迭代，现在1个人加一个AI工具就搞定了。 我不是不知道，我只是不愿意面对。"
不愿意面对？？？
这可能是AI时代最贵的四个字。
刚才讲的是第一颗炸弹：灭亡论本身是一个被严重高估的恐慌叙事。
但灭亡论只是冰山上面的部分。
接下来这个，才是水面下面的巨兽
[paywall]

AI不是在"消灭"工作，是在"降级"你

如果你去问一个经济学家"AI会不会导致大规模失业"，大概率你会得到一个让你放心的答案。
世界经济论坛2025年的报告说：到2030年，AI会取代9200万个岗位，但同时会创造1.7亿个新岗位。 净增7800万。
Goldman Sachs的研究说：即使把现有的AI应用推广到整个经济体，面临被替代风险的也只有2.5%的就业岗位。
Yale大学Budget Lab的分析更直接：目前各种AI暴露度指标和失业变化之间，根本没有显著关联。
好的，听完是不是安心了？
先别急。
因为这些数据说的是"宏观层面的总就业量"。
它们没有告诉你的是——同样是"有工作"，这份工作的含金量可能已经天差地别了。
 

一个设计师的真实遭遇

2024年初，一个在深圳做了8年平面设计的人——我们叫他阿杰——手上有稳定的客户群，每个月能接到十几单，
每单报价3000到8000不等。活不算轻松，但收入还行。
他在南山租了一个40平的小工作室，墙上贴满了他最得意的作品。
他老婆怀孕的时候，他还跟朋友开玩笑："做设计这行，只要审美在线，饿不死。"
2024年下半年，变化是从一条微信开始的。
一个合作了三年的老客户发来消息：
"阿杰，我用Midjourney出了几个方案，你帮我挑一个调一下就行。预算1000。"
阿杰有点懵。这个客户以前每次找他做VI，起步价就是6000。
他没好意思说什么，接了。
然后第二个客户也来了："这次预算少，你能帮我把AI出的图修一修，排个版。500行不行？"
然后第三个。第四个。
到2024年底，阿杰还是有活干，他没有"失业"。
但他的收入从3万掉到了8000。
他的工作内容从"创意设计"变成了"AI输出物的后期修补"——调色、对齐、换字体、改尺寸。
他的客户不再需要他的脑子，只需要他的手。
有一天晚上，他老婆哄完孩子出来，看到他坐在工作室里发呆。
电脑屏幕上开着Midjourney，他在试着用AI给自己出图，看看能不能进一步降低成本。
他老婆问他："你在干嘛？"
他说："我在学怎么用机器替代我自己。"
这不是段子。这是2025年中国几百万创意工作者正在经历的现实。
统计数据上，阿杰依然是"就业人口"。GDP报告上，他的工作室依然在为经济"贡献产出"。
但你知道、我知道、他的银行卡余额知道——事实早就已经悄悄的改变了

数据里藏着的秘密

达拉斯联储在2026年初发了一篇研究，里面有一个细节特别值得注意：
在AI暴露度最高的职业里，20到24岁年轻人的就业占比从2022年11月的16.4%下降到了2025年9月的15.5%。
看起来只有不到1个百分点？
但关键在于——这个下降不是因为年轻人被大量裁员。
而是因为他们根本就进不去了。
达拉斯联储的数据很清楚：年轻劳动力进入AI高暴露行业的入口流量在下降。
不是被赶出来，是门关上了。
想一想这意味着什么。
一个2023年毕业的计算机系学生，面对的就业市场和2020年毕业的那个人，已经是两个世界。
不是因为他不够优秀，是因为整个入口的标准变了。
J.P. Morgan的研究印证了这一点：美国大学毕业生的失业率在上升，而且趋势出现了一个历史上极其罕见的现象——大学生的失业率开始高于总体失业率。
在正常情况下，学历越高，失业率越低。
这是过去60年的铁律。
现在这个铁律被打破了。
为什么？

"入门"这件事正在被重新定义

圣路易斯联储的研究提供了一个硬核的数据点：他们分析了不同职业的AI暴露程度和失业率变化的关系，发现了一个0.57的相关系数。
0.57在社会科学领域是什么概念？这已经是相当强的正相关了。
而且，暴露度最高的那一组——计算机和数学类职业——失业率上升幅度最大。
注意这里的反直觉：不是送外卖的、不是工厂流水线工人、不是体力劳动者失业率涨得最多。
而是程序员，是数据分析师，是会计师。
是那些你花了四年大学、甚至两年硕士去学习的"高端"技能。
为什么？
因为AI替代的不是"低级"任务，AI替代的是"可编码"任务。
什么是可编码任务？就是那些有明确输入、有明确规则、有明确输出的东西。
写一份标准合同？可编码。
翻译一篇文章？可编码。
做一个基础的数据分析报告？可编码。
写一段初级代码？可编码。
这些任务以前需要大学学历才能做，但它们的本质，其实就是高级别的"重复性劳动"。
而真正不可编码的东西是什么呢？
是你走进一个会议室，用30秒判断出谁在说谎。
是你在混乱的信息里，凭直觉感到"这个事情不对劲"。
是你和一个愤怒的客户通完电话之后，对方不仅不骂你，还觉得你是个好人。
这些东西，AI做不了。至少目前做不了。
但问题是——这些能力恰恰不是学校教你的。
你在学校学的，恰恰是那些最容易被编码的东西。
扎心吧？无奈吧？

工业革命的幽灵

你可能会说：别慌，历史上每次技术革命都有人喊"狼来了"，最后就业量不全都恢复了吗？
没错。历史确实是这样。
1800年代英国纺织工人砸机器，最后呢？纺织业的就业量不降反升，因为机器让布料变便宜了，需求暴涨，需要更多人来操作机器、维修机器、卖布料。
1900年代汽车淘汰了马车夫，最后呢？汽车产业创造了几百万个新工作——加油站、修车厂、公路建设、郊区开发、汽车旅馆、度假产业。
Henry Ford付高工资，让工人买得起自己生产的车，需求上去了，就业也上去了。
2000年代ATM机取代了银行柜员，最后呢？银行柜员的总数确实下降了，但银行雇佣了更多的客户经理、理财顾问、风控专员。
McKinsey有个经济学家说了一句特别精辟的话："被消灭的工作是看得见的、具体的。但被创造的工作，在出现之前，是无法想象的。"
这句话在逻辑上完全正确。
1900年没有人能想象"网站设计师"这个职业。
1950年没有人能想象"社交媒体运营"。
2000年更没有人能想象10几年后"短视频博主"能养活一家人。
所以按照这个逻辑，AI也会创造大量我们现在无法想象的新工作。
事实上，这已经在发生了——还记得王磊吗？他现在的工作叫什么？"AI教育内容创作者"。
三年前这个职业根本不存在。
但——
这次有一个关键变量不一样了。
以前所有的技术革命，替代的都是"机械肌肉"——蒸汽机替代了人力搬运，流水线替代了手工组装，ATM替代了柜员点钞。
这一次，AI替代的是"机械大脑"。
这意味着什么？
意味着以前的"安全区"——坐在办公室里用脑子干活的那群人——第一次暴露在自动化的火力范围之内。
这不是说蓝领就安全了（他们也有自己的问题）。
而是说，第一次在人类历史上，"读了大学、坐在电脑前工作"这件事，不再自动等于"不会被机器替代"。
Goldman Sachs有一个估算：在AI过渡期内，全球失业率可能上升半个百分点。他们说，根据历史经验，这种技术性失业通常两年后就恢复了。
两年。
对一个经济学家来说，两年是一个可以忽略的统计噪音。
但对Sarah来说呢？
对阿杰来说呢？
对那个2024年毕业、投了200份简历、一个面试都没拿到的应届生来说呢？
两年不是噪音，两年是房租、是贷款、是父母的期望、是凌晨三点睡不着觉时盯着天花板的那种绝望。
宏观永远是乐观的，因为宏观不需要交房租。
Sarah在被裁后的第四个月找到了新工作——一家初创公司的"AI运维工程师"。
工作内容是维护和调优公司内部使用的AI系统。年薪8万美元，比之前少了三分之一。
她跟朋友说："至少这份工作，AI暂时替代不了我，因为我的工作就是照顾AI。"
一句黑色幽默。
但里面藏着一个深刻的真相。
刚才讲的是AI对就业的真实冲击——不是消灭，是降级，是入口收窄。
但这些只是"已经发生"的部分。
接下来我要讲的，是这一切背后那个没人敢说的真相。
而这个真相，会彻底改变你对自己职业生涯的判断。

真正的危机不是AI太强，而是你的"护城河"太浅

让我先讲一个真实的故事。
2024年底，LinkedIn上有一个帖子很火。一个叫Marcus的美国律师发的。
Marcus在一家中型律所工作了11年，专门做合同审查
他的工作就是每天阅读几十份合同，找出其中的风险条款、不合理的表述、潜在的法律漏洞。
这份工作他做了11年，非常熟练，非常专业，年薪大约18万美元。
2024年秋天，律所引入了一个AI合同审查系统。
Marcus说，第一周他就知道自己要完了。
不是因为AI做得比他好——在判断模糊条款的法律含义时，AI也经常犯低级错误。
而是因为AI的速度。
他一天能看30份合同。AI一天能看3000份。
即使AI的准确率只有他的70%，一个初级律师+AI的组合，也能在一天之内完成他两周的工作量。
成本呢？初级律师年薪8万，AI系统年费2万。合计10万。
Marcus年薪18万。
数学题不用算了吧。
2025年初，Marcus被"优化"了。
他没有抱怨AI。他在LinkedIn上写了一段话，大意是：
"我花了11年成为最快的人类合同审查员。但'最快的人类'这个头衔，在AI面前毫无意义。 我的护城河不是'做得快'，应该是'做得到AI做不到的事情'，但我从来没有想过去建那条护城河。"
这段话被转发了几万次。
因为它戳中了一个真相——

大多数人的"专业能力"其实是"高级重复能力"

你想想你每天的工作。
把所有任务列出来。
然后问自己一个问题：这些任务里，有多少是"给我输入A，我按照规则B，产出C"？
填报表——输入A，规则B，产出C。 写周报——输入A，规则B，产出C。
做基础数据分析， 翻译文档， 初级代码开发——，制作PPT等
这些都是！
你可能觉得这些任务需要"专业知识"，没错，它们确实需要。
但这里有一个残酷的区分——
有些"专业知识"的本质是"记住了大量规则，并且能熟练地应用"。这叫程序性专业能力。
有些"专业知识"的本质是"在模糊的情境中，能做出无法被简单规则描述的判断"。这叫判断性专业能力。
AI碾压的是第一种：程序性专业能力。
因为AI的底层就是规则引擎的终极进化——它记住的规则比你多得多，它应用规则的速度比你快得多，它不会疲倦，不会情绪化，不会因为昨晚没睡好而漏看一个条款。
你跟一台"规则引擎"比"应用规则"？请问你怎么赢？
但第二种——判断性专业能力——AI目前做不到。
为什么做不到？
因为判断性能力的输入不是结构化的数据，而是混乱的、模糊的、甚至自相矛盾的现实世界信号。
一个经验丰富的谈判专家走进会议室，看到对方的肢体语言、听到他语速的微妙变化、感知到空气中那种"他其实想让步但不好意思开口"的氛围——然后做出一个连他自己都说不清楚依据是什么的判断。
这不是规则。这是数十年浸泡在真实人际互动中形成的某种"隐性知识"。
AI读不了这个。
至少现在还读不了。

为什么"创造力"也不是万能的护城河

很多人说"AI替代不了创造力"。
这话对了一半。
因为"创造力"本身也分两种。
第一种：组合式创造力——把已有的元素重新排列组合。
这正是AI最擅长的。你给它"赛博朋克+中国风+猫"，它三秒钟能给你出20张图。你让它"用莎士比亚的风格写一首关于咖啡的诗"，它十秒钟搞定。
Midjourney、nano banana 、Sora——全都是组合式创造力的机器。
第二种：源发式创造力——从无到有地提出一个从未存在过的问题、角度、或框架。
这个AI做不到。
因为AI所有的"创造"都是基于它被训练过的数据。它能重新组合已有的元素，但它不能凭空生成一个它从未见过的维度。
毕加索把立体主义带到世界上，不是因为他把之前所有的绘画风格混合了一下。
而是因为他问了一个之前没人问过的问题："为什么我们只能从一个角度看一张脸？"
这种"提出从来没有存在过的问题"的能力，AI暂时没有。
但说实话，大多数人也没有。
大多数人的日常"创造"，本质上就是组合式创造——把老板的需求和过去的经验混合一下，产出一个"够用"的方案。
这种"创造力"，AI做得到。甚至做得更好。
所以问题不是"创造力能不能保护你"。
问题是——你的创造力到底属于哪一种。

被忽略的第三种护城河

说到这里，你可能觉得挺绝望的——程序性能力AI能干，组合式创造力AI也能干，那普通人还剩下什么？
答案是一种几乎所有人都忽略的能力：关系性价值。
什么意思？
就是你在别人的生活里、工作里，扮演的那个"不可替代的人"的角色。
不是因为你的技能不可替代，是因为你和他们之间的信任、理解、默契不可替代。
一个好的家庭医生，他的价值不只是"能看病"——AI也能看病，甚至诊断准确率更高。
他的价值是，当你凌晨三点打电话过去说"我老公胸口疼"，他能在30秒内判断这是焦虑症还是心梗，而且你愿意相信他的判断。
一个好的销售总监，她的价值不只是"能卖东西"——AI也能写销售邮件、销售文案，能做客户画像分析。
她的价值是，她能在客户犹豫的时候说出那句恰到好处的话，让客户觉得"跟你合作我放心"。
一个好的老师，他的价值不只是"能传授知识"——AI传授知识效率更高。
他的价值是，他能看到那个坐在最后一排、假装很酷但其实快崩溃的孩子，然后在下课后拍拍他的肩膀说"你还好吗"。
这些东西，AI做不了。
不是因为技术还不够。是因为这些东西的本质就不是"信息处理"——它们是人和人之间的连接。
信任不能被编码。
默契不能被训练。
"我信你"这三个字背后的分量，不是任何算法能够生成的。
这就是你真正的护城河。
但讽刺的是——我们的教育系统花了20年教你的，恰恰不是这个。
它教你记忆、应用、执行、标准化产出。
它把你训练成了一台"程序性专业能力"的机器。
然后AI来了，做了一台更好的机器。

一个关于马车夫的故事，以及它的另一面

每当有人讨论技术替代就业，总有人拿出这个例子：
"当年汽车替代马车的时候，马车夫失业了，但汽车创造了更多的新工作。"
这话没错。但很少有人讲这个故事的另一面。
马车夫被淘汰了。但马呢？
马没有被"重新培训"去开汽车。马没有"转型"成为汽车修理工。
马被送进了屠宰场。
1900年美国有2100万匹工作马，到1960年，只剩下300万。减少了85%。
为什么这个细节很重要？
因为大多数人在技术革命的类比中，把自己代入的是"马车夫"——一个可以学新技能、换新工作的人类。
但如果你的核心价值只是"执行规则"，那你在AI面前的角色，可能更接近那匹马——
你不是被"重新培训"了，你是被"不再需要"了。
马车夫之所以能转型，是因为他们有一个马没有的东西——学习和适应的能力。
马车夫能转型去当出租车司机、当汽车修理工、当加油站工人，因为这些新工作需要的核心能力——
理解交通规则、和客户沟通、解决突发问题——和赶马车是相通的。
但马不行。马只会一件事：拉东西。当"拉东西"这个需求被引擎替代后，马就没有了用处。
现在回到AI。
阿杰的问题是什么？他8年的平面设计经验，核心是什么？
如果核心是"审美判断+客户需求理解+创意概念开发"，那AI替代不了他。
但如果核心是"熟练使用Photoshop把客户的需求翻译成图像"——那这就是一种可以被更快、更便宜的工具替代的"拉东西"的能力。
王磊为什么能转型？因为他在做产品经理的时候，积累的不只是"会画原型图、会写需求文档"这些可编码的技能。
他还积累了"理解用户到底需要什么"的判断力。这个判断力让他能看出——
用户不需要一个"更好的智能问答产品"，他们需要的是"一个能帮他们真正学会英语的老师"。
AI提供了知识，但"怎么把知识变成用户愿意买单的产品"这个判断，是王磊自己做的。
问题是：你有在用这个能力吗？
还是你已经把自己训练成了一台只会执行固定程序的"马"？
这才是AI时代真正的存亡之问。
不是"AI会不会取代人类"。
而是"你是一个人，还是已经把自己活成了一台机器"。

如何在AI时代找回我们的价值，如何改变？

三个动作，不要求你辞职、不要求你创业、不要求你花钱去上什么AI培训班。只要求你从明天开始做。

第一个动作：给你的工作做一次"AI审计"

拿一张纸，或者打开一个文档。
把你过去一周做的所有工作任务列出来。
每一条。不要笼统地写"做项目"，要具体到"写了一份竞品分析报告""给客户发了三封跟进邮件""整理了上周的销售数据"。
然后在每条后面标一个评分：1到5分。
1分 = 这件事AI完全做不了（比如"安慰了一个要辞职的下属"）
2分 = AI能辅助，但核心判断必须是人做（比如"决定是否给某个大客户破例降价"）
3分 = AI能做一部分，但需要人类审核和调整（比如"写了一份初步的市场分析"）
4分 = AI能做得和我差不多好（比如"翻译了一份英文合同"）
5分 = AI已经比我做得更好更快（比如"整理并格式化了一份数据表格"）
标完以后算平均分。
如果平均分在4以上——你需要认真考虑转型了，不是因为你明天就会失业，而是因为你的工作内容正在被快速贬值。
你可能还有工作，但你的议价能力在以每年20%的速度流失。
阿杰就是例子——他到今天还有活干，但他的收入已经掉了70%。
如果平均分在2-3之间——你暂时安全，但你要开始有意识地把时间往1-2分的任务上倾斜。
主动争取那些需要判断力、需要人际互动、需要面对模糊性的工作。
那些任务才是你未来5年最重要的"资产"。
如果平均分在2以下——恭喜你，你大概率干的是那些AI最后才能碰到的工作。
继续深耕，但也别掉以轻心——AI的能力边界在扩张，今天它做不了的事情，三年后可能就能做了。
这个动作我建议每三个月做一次，把每次的结果存下来。
你会看到一条趋势线——你的工作正在变得更不可替代，还是更容易被替代。
这条趋势线，比任何新闻头条都能准确预测你的未来。

第二个动作：成为"AI+人"的组合体

纯人力干活，效率干不过AI。
纯AI输出，质量还到不了"可以直接用"的程度。
中间地带才是黄金位。
什么意思？举几个真实场景。
场景一：写作。 如果你的工作涉及写报告、写方案、写文案——你不应该拒绝AI，也不应该完全依赖AI。
你应该这样做：先花5分钟把你对这份文档的核心判断写清楚——"这份报告要说服老板追加投资，重点是ROI数据和竞品对比"。 然后让AI基于你的方向快速生成初稿。 最后你负责做AI做不了的事——判断哪些数据在你公司的具体情境中更有说服力、补充AI不知道的内部政治和人际关系背景、调整语气使其符合你老板的阅读偏好。
这个模式下，你的工作速度提升了3-5倍，但你的价值不仅没有被替代——反而因为你能驾驭AI而增加了。
场景二：客户服务。 AI可以处理80%的标准化客户咨询，但那20%需要判断力的，比如客户情绪激动、问题涉及公司政策的灰色地带、需要做出让步决策——这些必须由人来处理。 聪明的做法不是"抵制AI接管客服"，而是把自己定位成"处理AI处理不了的那20%的专家"。 那20%的价值，远远大于那80%。
场景三：编程。 Sarah的新工作就是这个模式的活例子。AI可以写代码，但AI不能判断一段代码在特定的业务逻辑下会不会出问题、不能理解为什么用户报了一个bug但描述的和实际情况完全不同、不能在凌晨三点系统崩溃的时候做出"先修这个还是先修那个"的优先级判断。
关键点在于：不要做AI的"修补匠"（阿杰的悲剧），而要做AI的"指挥官"。
因为修补匠是被动的——AI出了什么，你就修什么，你的价值取决于AI的输出量。
指挥官是主动的——你决定让AI做什么，你判断AI做得好不好，你决定最后产出的样子。 你的价值取决于你的判断力。
同样是"用AI"，这两个角色的薪资差距可以是3-5倍。
王磊就是一个典型的"指挥官"——他用AI生成教学内容，但课程的结构设计、卖点提炼、用户痛点挖掘，全是他自己做的。AI是他的工具，不是他的替代者。

第三个动作：投资"不可编码"的能力

最后一个，也是最重要的。
你需要刻意训练那些AI做不到的能力，这些能力有一个共同特征——它们都依赖于真实的人际互动，无法通过数据训练获得。
具体来说，有三项：
一、复杂谈判能力。 不是那种"讨价还价"的谈判，而是那种涉及多方利益、情绪、面子、长期关系的复杂博弈。
去参加一些需要面对面协商的项目，主动承担那些"需要跟人打交道"的任务。 这些经验是你的隐性资产，AI拿不走。
二、跨领域判断能力。 AI在单一领域内很强。但当一个问题同时涉及技术、政治、人情、文化、法律的时候，AI经常给出看起来正确但实际上完全不可行的方案。
你需要有意识地拓宽自己的知识面——不是为了成为"杂学家"，而是为了在复杂决策时能考虑到AI考虑不到的维度。
也就是我后来要大力研究和分享的课题：如何搭建多模态个人成长进化系统？
三、信任建设能力。 这是最被低估的一项。在一个AI可以帮任何人写出专业邮件、做出漂亮PPT的时代，"专业"不再是区分度。 区分度来自于——别人是否愿意把重要的事情交给你，而这取决于你是否值得信任
信任的建立没有捷径，它来自于一次又一次的守信、一次又一次的兑现承诺、一次又一次在困难时刻没有掉链子。
这三项能力有一个共同点——都不能在网课上学到，都不能在书本上找到，都不能通过刷题来提升。
它们只能在真实的人际交互中被锻造。
这意味着什么？
意味着在AI时代，最好的"技能投资"可能不是去学Python、不是去考AI证书、不是去上什么"人工智能应用大师班"。
而是去做那些需要你和真人面对面的事情。
去带团队，去处理冲突，去谈生意，去安慰一个崩溃的同事，去和一个难搞的客户建立关系。
这些事情又累、又慢、又不爽。
但它们是AI最后才能碰到的领域。
也是你未来最值钱的东西。

最后说几句

回到开头的那个问题：AI越进步，人类灭亡是不是越近？失业是不是越来越多？
答案是——
灭亡？大概率不会。RAND推演过了，那四个条件同时满足的难度，比你中彩票还大。
但是我们也不要掉以轻心，因为毕竟AI的发展是以指数级增长的
大规模失业？也不太会。历史上每次技术革命都伴随恐慌，但最终创造的工作都多于消灭的。 这次也不会例外。
真正在发生的，是一场安静的"降级运动"——
你的职称可能没变，你的工位可能还在，但你做的事情在贬值，你的议价能力在下滑，进入你所在行业的入口正在收窄。
这不是一场末日。
这是一场温水煮青蛙。
回到Sarah和王磊的故事。
Sarah后来怎么样了？她现在做AI运维，年薪少了三分之一，但她说了一句话让我印象很深： "以前我写代码，觉得自己在创造。现在我维护AI，才发现： 理解一个系统为什么出错、怎么出错、怎么才能不出错——这件事比写代码难多了。而且AI暂时做不了这个。"
她在被迫降级之后，反而找到了一个更难被替代的位置。
王磊呢？他的AI教育课程到2026年初已经月入12万了，但他说他最大的体会不是"赚到了钱"，而是——"我花了10年做产品经理，以为我的价值是'懂产品'。被裁之后才明白，我的价值其实是'懂人'。
我懂用户为什么焦虑，懂家长为什么愿意花钱让孩子学英语，懂怎么用一个标题让人停下来看。这些东西AI做得没我好
两个人，两种路径，同一个结论——
你需要做的，不是恐惧AI。是看清自己。
看清你的价值到底建立在"规则执行"上面，还是建立在"不可编码的人际连接"上面。
如果是前者——赶紧转。不是明年转，是现在转。
如果是后者——继续深耕。你会越来越值钱。
不要和工具对抗，要和工具结盟。不要活成一台机器，要活成一个人。
如果你身边有人正在焦虑AI、正在恐惧被替代——把这篇文章发给他。
不是因为这篇文章有多好。是因为他可能需要有人告诉他：
——恐惧是正常的，但恐惧不是答案。看清楚，然后动起来，才是！