本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust
2026年3月，美国科技行业至少已有66家公司宣布裁员，累计影响39,482个岗位。更刺眼的是，其中大约9,238个岗位，约占全年科技裁员的20%，被直接归因于AI采用和自动化。
也就是说，大约每5个被裁掉的科技从业者里，就有1个，是被“AI”这个理由推向门外的。这已经不是“未来趋势”，而是正在发生的组织决策。
更值得注意的是，很多公司甚至不再掩饰这背后的逻辑。裁员说明、财报电话会、重组通告里，越来越频繁地出现同一套表述：提升效率、组织扁平化、加速AI投资、用更少的人做更多的事。
其中最典型的一幕，发生在金融科技公司Block，其CEO也是推特的创始人Jack Dorsey杰克·多西在推上解释裁员4000人时，大意是：智能工具正在改变工作方式，小而扁平的团队会成为新常态。与其在未来几年里慢慢裁减，不如现在就诚实面对。
把这段企业语言翻译得更直白一点，其实就是一句话：在某些公司看来，人就是马。蒸汽机和汽车来了，马就该退场。
但就在差不多同一时期，另一组数据也在出现：软件工程师的招聘需求，同比增长了6%。
一边是裁员，一边是扩招。一边是“AI正在替代人”，一边是“AI正在带来新岗位”。
这两件事同时发生，并不矛盾。
真正矛盾的是，直到今天，很多人还在用一种过于粗糙的方式理解AI对工作的冲击：要么以为AI会替代所有人；要么以为AI只是一个提高效率的工具，和自己关系不大。
现实通常不是这两种极端中的任何一种。
最近读到两篇文章，恰好提供了两个很好的判断框架。
一篇来自《大西洋月刊》，作者是Annie Lowrey，标题叫《How to Guess If Your Job Will Exist in Five Years如何判断你的工作五年后是否存在》。她没有直接问“哪些职业最危险”，而是提出了一个极有画面感的问题：
你是煤，还是马？
另一篇来自Andrew Yang，标题叫《What Jobs Are Safe?什么工作是安全的》。Yang是美国企业家、前总统候选人，也是较早持续讨论自动化、AI与就业冲击的公共人物之一。他给出的不是宏大理论，而是一套很现实的职业识别方法：什么样的工作更容易被自动化，什么样的工作暂时更安全。
把这两篇文章放在一起看，会得出一个比“AI会不会抢饭碗”更准确的结论：
AI不是替代所有人。它更可能先替代三种人。而真正决定你的工作5年后是否还在的，不是职业名称，是你在价值链中的位置。
睹马思人，我们可能严重低估了AI拐点的倒计时
大事正在发生，但绝大多数人还没有意识到
一、
一匹马和一块煤
1915年，美国农场里有26,493,000匹马科动物。100年后，只剩约70万。
马没有转型。当联合收割机开进苜蓿田时，它们没有看懂谷仓墙上的字，没有去申请工厂工作，也没有去上社区大学。它们站在那里，啃胡萝卜，等待被时代淘汰。
但农民转型了。1880年，美国超过一半的劳动力从事农业；今天只有2%。农民变成了缝纫机操作工，他们的孩子成了蒸汽管道工，孙辈成了教师，再下一代成了真人秀节目的参赛者。那些名字已经陌生的职业——运货马车夫、卷扬机操作工、电话接线员——要么凋零，要么消失，但"工作"这件事本身没有消失。
马和农民的区别，不在于谁更聪明，在于谁拥有选择。
然后说到煤。
1865年，英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）出版了一本书叫《煤的问题》。他在书里带着一种近乎抒情的口吻写道：煤是"这个国家的物质能量——是普遍的助力——是我们所做一切事情中的要素"。
Annie Lowrey在读到这段话时忍不住调侃：去找一个像杰文斯凝视熔炉那样凝视你的人吧。
杰文斯的核心洞察，后来被称为"杰文斯悖论"（Jevons paradox）：蒸汽机效率提升，不会减少煤的需求，反而会扩大需求；因为效率降低了成本，成本降低拓展了应用范围，应用范围扩大带来更多总消耗。
这个悖论一再被现实验证。
LED灯更省电，但美国总用电量比50年前更高，因为用电设备数量翻了几十倍。更快的芯片让一切变成微型计算机，于是我们需要更多芯片。宽带更便宜了，人们反而把更多时间、更多生活场景塞进了数字系统。
回到软件工程师。AI让写代码更容易，于是公司开始做更多过去做不起的项目，需要更多能开发和部署AI产品的人。效率提升，需求反而扩大。程序员没有消失，他们是煤。
至于杰克裁掉的那4,000人，Block的一名前员工告诉《纽约时报》：那其实更接近"标准的成本管理和优先级调整"，不是什么AI驱动的重塑。AI叙事，是最顺手的包装纸。
这两件事放在一起，就是这篇文章想说的全部：我们常常把马的故事，贴到煤的身上。
AI逼出了教育的真相，美国大学开始复兴一种古老传统
关于AI革命的最好启示，藏在19世纪的五本书里
二、
AI教父的预言为何失手了？
2016年，AI教父、诺贝尔奖得主Geoffrey Hinto辛顿说了一句被媒体广泛引用的话："我们应该停止培养放射科医生，因为软件很快会让他们变得多余。"
今天是2026年，放射科医生还在。
不只是还在，他们更忙了。医学影像技术的进步解锁了CT和MRI更多的应用场景，患者需要更多检查，医生开出更多检查单，放射科医生的工作量反而上升了。技术没有把他们替换掉，把整个系统做大了，而他们站在这个更大的系统的关键节点上。
为什么预测失手了？
杰文斯悖论是一个原因：更好的影像技术降低了成本，于是用得更多，需求扩张速度超过了自动化速度。
另一个原因更现实，但很少被提到：医学影像软件必须通过FDA的审批流程，周期长，成本高。技术上能做到的事，和被允许大规模部署的事，中间隔着一道很厚的墙。
这里藏着一个真正重要的洞察：
AI能不能替代某个工作，是技术问题。AI会不会被决策者选择去替代，才是现实问题。
组织惯性、监管框架、客户信任、人际摩擦，这些才是真正决定替代速度的变量。技术只是其中一层，而且往往不是最决定性的那层。
忽视这一层，就会产生像Hinton那样的预测：逻辑上正确，现实上失手。
三、
现在哪些工作是马：三个结构性特征
最先承压的，通常不是最辛苦的人，而是工作特征落在以下几个区间里的人。
第一：工作已经被写成了流程。
如果你的产出主要是文档、表格、邮件、汇报、资料、常规分析——输入清楚，步骤可以拆解，逻辑稳定——这份工作就很容易进入AI的"可接管区间"。职位名称里带分析师、研究员、行政、翻译的，都在这个区间里。
AI最先吃掉的，不是整个岗位，而是岗位里最流程化、最重复、最容易量化的那些任务。结果是：你还在，但你的工作在悄悄贬值。同样的活，团队人数在变少；同样的岗位，招聘门槛在提高；同样的薪资，要求你一个人做过去两个人的工作。
AI的第一轮冲击，往往不是让你失去工作，而是先让你的工作贬值。
第二：离收入远，离决策远。
Andrew Yang是美国前总统候选人，这些年持续从经济、政策、社会多个角度讨论自动化和就业问题。他有一个判断，很直接也很现实：组织在裁员时，看的不是谁最忙，而是谁最接近结果。
如果你的工作本质上是支持性的、协调性的、辅助性的，虽然重要，但不直接带来收入，也不掌握关键资源，它就更容易成为被压缩的对象。在上市公司里，这个逻辑更明显：资本市场不会因为某个岗位"很辛苦"就给它更高估值。
最先被保留的，是离客户更近、离收入更近、离关键结果更近的人。法律、咨询行业里真正能带来客户和合同的人，被替换的成本远高于收益。但支持性、执行性的角色，决策者会很快算出那笔账。
第三：主要靠基础信息差生存。
过去很多白领岗位有一个隐性价值来源：信息差。你比别人更会搜资料、更会整理、更会输出一份"像样的东西"。在过去，这是可以形成壁垒的能力。
AI压缩的，恰恰就是这类基础信息差。以前需要培训才能掌握的技能，正在变成越来越便宜的通用能力，研究员、助理、分析师、初级文案、翻译，这些岗位的入门门槛都在快速下降。
危险的不是信息不重要了，而是只会处理信息、不负责最终判断的人，正在变得越来越不稀缺。
会搜资料的人越来越多，能拍板的人仍然少。会生成内容的人越来越多，愿意对结果负责的人仍然少。
不懂经：AI吃掉的不止是软件，而是整个互联网
AI时代个体的竞争优势，根本不在于拥有什么能力
四、
AI时代的煤：暂时更安全的人
Yang在newsletter里写了一件很具体的小事：他的妻子给他买了10节私教课。私教叫Aaron，31岁，准备求婚，正在担心AI健身App会让他失业。
Yang给他的建议分三点。第一，有些人就是看重和真人一起训练。第二，你在曼哈顿，客户是对价格不敏感的富裕人群，他们付溢价不只是买训练方案，而是买一个活生生的人站在旁边盯着他们。第三，你的客户年龄偏大，更倾向于面对真人。
Aaron听完，放心了。几周后，求婚成功。
这个故事里有一个很值得提炼的判断：工作安不安全，不只取决于工作内容，还取决于你在什么地方、服务什么人、在什么组织里。
暂时更安全的工作，有几个共同特征：
需要和人、孩子、病人、动物发生身体接触的工作。这不只是因为机器人还不够灵巧，更因为接触本身就是服务的一部分。
没有人会因为"AI也能给诊断建议"就不需要医生触诊。护理、理疗、心理咨询，这类工作的核心不只是提供答案，而是建立信任、形成互动、推动行动。
工作会把手弄脏的人。水管工、电工、修车师傅、技工，每个现场都不一样，需要在物理世界里移动、判断、应变。
这类工作很难标准化，大模型坐在云端吃不了。Yang提到，湾区最常见的职业不是AI工程师，而是家庭健康助理。
服务于对价格不敏感的客户的人。这是一个经常被低估的变量。在纽约曼哈顿做私教的Aaron，和在三线城市做私教的教练，面对的是完全不同的替代压力。
有钱人付溢价买的是体验和信任，不是最便宜的方案。越靠近愿意付高价的人，被替代的速度越慢。
在政府、工会组织、非营利机构里工作的人。自动化压力在这里小得多，不是因为AI不能做，而是因为没有人有足够强的动机去推动这件事。Lowrey注意到，FDA严格的审批流程本质上减缓了AI替代放射科医生的速度。
制度本身，是AI渗透速度最有效的减速带之一。
别再学巴菲特了：致富的主战场已经转移，但没人告诉你
顶尖算法工程师都被裁了，AI时代到底还有什么"铁饭碗"？
五、
真正决定你5年后是否失业的，是你在价值链中的位置
这大概是这两篇文章给我们的最大启发。
别再只问：“我是程序员吗？”“我是设计师吗？”“我是老师吗？”“我是咨询顾问吗？”
这些标签已经越来越不够用了。因为同一个职业里，不同层次、不同环节、不同位置的人，面对AI的命运完全不同。
真正要问的是：
我在这个职业里，做的是哪一层工作？
你做的是最容易被写成流程、交给工具接管的那一层，还是那个必须理解上下文、做判断、扛责任、整合资源的那一层？
你做的是把材料整理漂亮的那一层，还是那个决定什么该做、什么不该做、结果由谁负责的那一层？
你做的是“谁来都差不多”的那一层，还是那个一旦失去你，组织就会明显失速的那一层？
同样是程序员，有人主要在写重复性代码，有人负责架构、业务理解、系统整合、团队协作，风险就完全不同。
同样是设计师，有人做的是基础出图和改稿，有人做的是品牌表达、策略判断和整合创意，也完全不同。
同样是老师，有人只是传递知识，有人能管理课堂、塑造关系、激发学生，这种价值短期很难替代。
所以，未来最危险的，不是某个职业整体，而是这个职业内部那些最容易被工具接管、又无法向上升级的部分。
你是否安全，最终取决于三件事：
你是否接近真实结果；你是否掌握别人替代不了的判断；你是否处在组织和客户都愿意保留的位置上。
说到底，AI带来的真正分化，也许不是“白领和蓝领”的分化，不是“程序员和非程序员”的分化，甚至不只是“会不会用AI”的分化。
而是另一种更锋利的分化：
有些人仍然只是流程中的一个环节；有些人已经站到了价值链更上游的位置。
前者会越来越便宜。后者会越来越少，也会越来越贵。
所以，比起反复问“AI会不会抢走我的工作”，更值得反复追问的，可能是另一件事：
当组织开始重新给每一个岗位定价时，你到底站在价值链的哪一段？
这个问题，没有哪个模型能替你回答。
但越早开始回答它的人，越不容易在五年后，突然发现自己已经站在了时代的边缘。
AI2028-AI2027-AI2026：巨变倒计时与普通人自救指南
AI时代的风险是锁死，2026年打工人更应该马上开始创业
六、
煤也会走向马的命运
Lowrey的文章有一个结尾，我觉得是整篇最有意思的部分。
英国最后一座燃煤电厂，在2024年关闭。今天英国的煤炭使用量，已经回落到1666年的水平，那时候最常见的职业还是农奴。
煤最终也走向了马的命运。
但杰文斯写《煤的问题》的时候，一个来自宾夕法尼亚的人，被人们叫作德雷克上校，虽然他实际上并不是上校，正在琢磨着向地层深处钻探，把石油抽上来。石油取代了煤，正如煤曾取代生物燃料，而太阳能正在慢慢取代石油。
每种能源都有它的峰值，也有它的终局。
这个逻辑对职业也是一样的。今天看起来像煤的岗位，不代表永远是煤。判断自己是煤还是马，是此刻的定位，不是终身的判决。
所以Yang最后给出的建议，我倒觉得比任何分析框架都更接近问题的核心：
"要防止老板把你的工作自动化掉，最好的办法就是你自己变成老板。因为那样一来，唯一能开除你的人，就只剩你自己了。"
这不是一个容易实现的建议。但它指向的逻辑很清楚：煤有价值，但煤本身没有选择权。马更惨，马也没有选择权。
人和它们的本质区别，在于人可以判断自己现在站在哪里，然后主动移动。
你现在的工作，是煤还是马，这是今天的问题。
而德雷克上校正在往地下钻的那个东西，又是什么，这是需要你睡觉时想的问题。【懂】