本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust
有个叫Matthew Prince的人，最近做了一件在美国商业史上找不到先例的事。
先说他这个人。普林斯是Cloudflare的创始人兼CEO。Cloudflare这家公司你可能不熟，但你每天上网的时候，你访问的网站有相当一部分是跑在它的网络基础设施上的。
简单说，它是互联网世界的一个隐形管道工。这家公司市值超过500亿美元，客户遍布全球，2026年第一季度营收增长超过30%，属于那种不需要你操心它会不会倒闭的企业。
正因为公司发展得这么好，普林斯上个月做的那件事才让人没法理解。
他裁掉了超过五分之一的员工。
他自己查过。翻遍了公开数据，请教了分析师，结论是：在美国商业史上，还没有第二家营收增长超过30%的上市公司，在同一时间裁掉超过20%员工的记录。
不是裁员本身罕见，裁员当然不罕见。罕见的是"一边高速增长一边大裁员"。这在过去的商业世界里是互相矛盾的信号。增长意味着扩张，扩张意味着招更多的人，这是一百年来不需要重新论证的肌肉记忆。
普林斯打碎了这个肌肉记忆。他还说，这不是他一家公司的特例。"未来一年内，这将成为常态。"
为什么？他的答案要追溯到七十多年前一本书。1954年，彼得·德鲁克出版了《管理的实践》。德鲁克是谁不用多说了，管理学这个词基本上是他发明的。在那本书里，德鲁克把企业内的所有工作分成了三个桶。
第一个桶叫Builders。构建者。造东西的人。工程师、产品经理、设计师。他们的工作就是生产。代码有没有写出来，产品有没有跑起来，设计有没有落地。
第二个桶叫Sellers。销售者。卖东西的人。客户关系。他们负责让产品离开货架、变成收入。这个角色跟人类的信任机制深度绑定，人愿意从自己信任的人手里买东西，这个心理结构是写在基因里的，不是写几行代码就能覆盖的。
第三个桶叫Measurers。衡量者。内审、财务、法务、合规、中层管理、运营、营销。注意，这个桶里装的东西很杂，从法务到营销都有，但它们共享一个底层动作：量。量风险，量成本，量绩效，量合规，量流程。这些岗位不直接造东西，也不直接卖东西，它们负责让造和卖的过程被看见、被评估、被优化。
普林斯把这三个桶重新审视了一遍之后，得出了一个与时俱进的结论。
AI不会动Builders。因为如果一个工程师因为AI变成原来十倍的生产力，你不仅不裁他，你会想尽办法招更多这种人。一个能造东西的人加上AI，可以造出原来十个能造东西的人造的东西。这种人的边际价值在暴涨。
AI也不会动Sellers。AI可以写邮件，可以做CRM，可以做销售预测，但它没法替你去跟一个犹豫不决的客户吃一顿饭，没法在对方沉默的那几秒里捕捉到真正让他犹豫的原因，没法建立那种"我信任对面这个人"的化学反应。这些都是人类社交认知中最精密的部分，目前的AI做不了，短期内也看不到突破的迹象。
但Measurers，AI会吞掉它们。
理由很简单：不知疲倦、永远客观、同一时间审计每一项业务风险、不需要写周报、不会遗漏异常交易、不需要开晨会同步进度。这恰好是AI的天生主场。不是某一天才会变得擅长，是现在已经比你最好的人类员工做得更好了。
所以普林斯的裁员名单上，绝大多数是中层管理者、运营、营销和财务人员。他砍掉了Measurers，同时公司有超过110万人申请1111个暑期实习名额。录取的每一个实习生，他特别强调，全部是Builder或Seller。没录取一个Measurer。
同一家公司，同一个季度。一边在裁一种人，一边在疯狂招另一种人。这不是"降本增效"这种无聊的管理术语能概括的。这是在重新定义公司作为组织到底需要什么物种。
“20世纪发明的所有职业，都难逃AI的冲击！”
为什么造AI的人最怕AI：硅谷精英正在经历一场"认知内战"
猎杀顶级捕食者
普林斯不是一个人在做这件事。
几个月前，杰克·多西做了一件更生猛的事。多西这个人大家可能知道，他是Twitter的联合创始人，当年跟人合伙做出了那只蓝色小鸟，后来又创立了支付公司Block，前身叫Square。他是一个在硅谷存在感很强的连续创业者，属于那种永远在折腾下一件事的人。
他把Block的员工从一万多人砍到了不到六千人，一刀砍掉将近一半。
同样的背景音乐：公司利润在增长，业务在加速。多西给股东的信里没有一丝犹豫。"智能工具已经改变了建立和运营一家公司的意义。一个规模小得多的团队，使用我们正在构建的工具，可以做更多的事，而且做得更好。"
这句话的核心不是"我们困难所以我们要瘦身"，而是"我们发现公司根本不需要那么多人"。不需要。不是负担不起，是不需要。
消息公布当天，Block股价涨了24%。华尔街的反馈是清晰且冷酷的：干得好，早就该这么干了。那四千多个被裁的人呢？他们的反馈华尔街不关心。
被裁的人里有一个叫肯吉的机器学习工程师。五年前，如果你问硅谷哪个岗位是铁饭碗，答案里一定有机器学习工程师。
那句铁律是这样的：成为那个自动化别人的人，你就永远不会被自动化取代。机器学习工程师是这条食物链顶端的捕食者。他们拿着最高的薪水，设计着替代其他人的模型，对那些"AI威胁论"的讨论有一种职业性的不以为然。
肯吉就是这样的人。在Block，他做反欺诈系统。这个位置离公司的资金核心非常近，这类岗位在裁员潮里通常是被最后一批动的。而且他不是那种抗拒AI的老派工程师，他是公司自研AI工具的重度用户，Claude、Cursor也天天用。公司一直在强调"把AI融入工作流程"，他照做了，每一条都照做了。
他甚至怀疑，正因为照做得很彻底，他更快地帮公司验证了一件事：这个岗位，AI已经可以做得足够好了。
然后，他说了一句话，"在汽车时代，我确实觉得自己有点像马车。"
一个帮公司做自动化的人，被自己参与构建的系统自动化了。他在这个链条里既是加害者又是受害者，而且这两个身份之间没有矛盾，不需要和解，它们就是同时成立的。你越擅长训练那个替代你的东西，你被替代的速度就越快。这是一个奇怪的、让人不知道该怎么反应的悖论。
我在之前的文章里讲过这个趋势。现在它不是趋势了，它是正在大量发生的事实。Meta在裁人的同时，跟员工说要安装监控软件，录制鼠标移动和键盘敲击，用来训练AI代理。
内部备忘录的原话是："我们的愿景是让AI代理完成工作，人类的角色是指导、审查和帮助它们改进。"你现在坐在工位上教AI怎么干活，而教它的过程本身就是训练数据。你的每一次击键都在喂养那个将来取你而代之的系统。
美国经济还有一个更大的背景板。金融、保险、信息、专业和商业服务，这四个行业合计占美国GDP的40%以上，是整个白领经济的基本盘。从2022年ChatGPT发布以来，这四个行业同时出现了一种史无前例的模式：实际GDP在持续上升，但就业人数在持平甚至下降。增长还在。生意还在。人不需要了。
哈佛经济学家劳伦斯·卡茨研究美国劳动力市场几十年，他是这个领域里最被尊重的人之一。他的原话是："在没有发生真正经济衰退的情况下，出现持续就业增长缓慢且失业率逐渐上升，这几乎史无前例。"
"增长等于招人"这个等式，失效了。
网络内容正分成两层，大多数人将只能看到噪音和诈骗
0.02%的幸存者：当做一个APP比约人吃饭还简单，真正值钱的是什么？
中层的坍塌：两千年管理史，终结于一个AI循环
同样在用AI，但命运正在分叉
但普林斯的三分法只解答了第一个层面的问题：你在公司的功能是什么。这里面还嵌套着第二个层面的问题，更深，也跟少有人注意。
不是所有在写代码的人都是真正的Builder。
我在之前的一篇文章里详细讲过Anthropic做的一个实验。Anthropic是目前公认最强的AI模型之一Claude的母公司，由一群从OpenAI离开的研究者在2021年创立，现在估值据说已经超过9000亿美元。换句话说，他们是世界上最懂AI的一群人之一。
他们做的这个实验很简单。52名专业程序员，学一个叫做Python asyncio的异步编程库。一半人可以用AI辅助，一半人独立完成。然后所有人参加一场测验。
两个结果。
第一个结果：用AI的人，平均测验分数比不用AI的人低了17%。17%是什么概念？差不多两个等级。你考了B，不用AI的那个你考了A。AI在整体上把成绩拉低了。
第二个结果才是真正的故事。用AI的那组人内部，出现了一条深不见底的裂谷。
最会用AI的那一批人，得分86%。完全依赖AI的那一批人，得分24%。
86分的人在干什么？他们让AI生成代码，然后自己一行一行拆。追问为什么这样写，不那样写。主动测试边界条件，自己制造错误然后自己修。AI在他们手里是一台思维加速器，加速的是他们自己的思考，不是取代。
24分的人在干什么？第一个任务还自己上手。第二个任务发现AI能跑通，第三个就全丢出去了。他们完成的速度最快，平均19.5分钟。但测验的时候，大脑里什么也没留下来。那些看起来流畅的、正确的、完美的代码，没有在他们神经回路里留下任何痕迹。
AI让他们更快地走到了一个他们以为自己已经懂了的地方。你站在山顶上，你觉得自己征服了这座山。但你是坐缆车上来的。下一次你面对另一座山的时候，你甚至不记得怎么系安全绳了。
这不是"AI让人变笨"这种空洞的感慨。这是两类人的思维本质在AI的放大镜下被区分出来。第一类人用AI加深理解。第二类人用AI逃避思考。
他们表面上在做完全相同的工作，写代码，做技术，但你如果把这两类人放进普林斯的三个桶里，你会发现一个意外的结论：
第一类人属于Builders，因为他们通过AI强化了自己定义问题和创造解决方案的能力。第二类人虽然也在写代码，但他们的思维模式是Measurers，他们在执行被分配的任务，他们的价值依附于"完成"这个动作本身，而不是"创造"这个动作的深度。当AI能比他们更快地完成同一个动作，他们的价值就归零了。
在之前的文章里，我也谈到过AI的"去技能化"。一个大厂软件顾问，干了25年开发。他用AI帮自己写了几周代码以后，重新上手时每一步都多了一点犹豫。他后来描述那种感觉："我的挥杆动作不对了。"
你所有的知识还在脑子里，你完全看得懂每一行代码，你知道应该怎么改。但手指开始犹豫。那种经过二十五年反复训练磨出来的直觉、手感和笃定，像被什么看不见的东西软化了一点。
这个感觉意味着什么？你的效率变高了，产出变多了，但你支撑这些产出的核心能力，在悄悄变薄。AI先用效率把你哄进来，然后用依赖把你削弱，最后用替代把你清场。顺序很重要。先弱，后替。
第一批深度使用AI的人，正在被AI去技能化
K型社会分化在加速，三种人正在被AI放大
技术人才内部的K型撕裂
我在前面的一篇文章中详细拆解过K型分化。同一个技术冲击，同一个时间窗口，一部分人的曲线往上走，一部分人的曲线往下走。
普华永道去年的《全球AI就业晴雨表》，覆盖六大洲，分析了接近十亿条招聘广告，给了一个数字。具备AI技能的劳动者，薪资溢价达到56%。一年前，这个数字是25%。
一年翻了一倍。不是缓慢拉开，是加速撕裂。
如果你把这个撕裂的方向再拆得细一点，你会发现技术人才市场内部正在长出一个三层结构。这三层之间不是量的差距，是物种的差别。
第一层，我把他们叫做"定义者"。PhD级别的研究者，全世界可能只有几千人。他们定义AI能做什么、不能做什么、下一个方向往哪走。他们不是被AI定价的群体，他们是给AI定价的群体。
需求在爆炸，供给极度刚性，一个顶级AI研究员的年薪已经不是"几十万美元"这种量级了，是几百万加上股权加上你想都想不出来的各种保留奖金。这一层的人在K型的上轨往上加速，而且速度只会越来越快。
第二层，构建者。软件开发者、数据科学家、云架构师、技术产品经理。人数最多，也是最有迷惑性的一层。他们在普林斯的框架里属于Builder，听起来是安全的。但他们面临的处境有一种微妙的危险：安全是暂时的，而且很多人的安全是假的。
为什么？因为"会写代码"这件事本身的门槛正在以肉眼可见的速度崩塌。无代码和低代码工具的增长不是新闻，但很多人低估了它们的渗透速度。一个没有任何技术背景的高中生，用Claude Code或者Cursor，一天之内可以搭出一个能跑的应用来。这东西放在三年前，需要一个小团队干几周。
"会写代码"正在变成"会做Excel"。三十年前，简历上写"精通Excel"是一个显著的加分项。十五年前，它是一个默认项。现在你甚至不会把它写上去。写代码这件事的轨迹大概率是同样的。不是说编程不重要了，而是"会用编程语言写出能跑的代码"这件事，从稀缺技能变成了基础设施，从护城河变成了人行道。
Anthropic实验里86分和24分的那条裂谷，就是这个过程在微观层面的精确成像。同样在写代码，同样被称为"技术人员"，但你属于哪种类型，取决于你在用AI做什么。是在用它理解得更深，还是用它逃避必须的思考。这个区别比"你会不会写代码"重要一百倍。
第三层，赋能者。IT支持、UX设计、培训、采购。他们在组织里的角色是帮助AI系统落地和规模化。讽刺在于，"帮系统落地"这件事，AI系统自己会越做越好。你是来帮忙的，但被帮忙的那个东西进化得比你快，有一天它不需要你帮了。
这就是三个物种。定义者，构建者，赋能者。这当然不是一个精确的职业分类，你回去对着你的职位名称一一对应是没意义的。这里说的是你和AI相处的基本关系。
你是把AI当杠杆的那个人，AI就是在帮你。你是被AI推着走、替AI善后、给AI当管道的那个人，那你就是那个链条上最早被替换掉的环节。
永久底层：硅谷的AI从业者普遍认为，普通人已经“完蛋了”。
脂肪和肌肉
我在之前的文章中写过IBM和英伟达的对比。它值得再讲一遍。
1985年，美国最强大的科技公司是IBM。全世界市值最高的公司，全球雇佣接近40万人。那年代，一个人进IBM，一个家庭就进中产。企业的扩张逻辑是线性的：赚更多的钱，就需要更多的人来干活。这家公司的名字本身就是中产阶级稳定生活的信用背书。
四十年后，美国的科技霸主换成了英伟达。经通胀调整以后，英伟达今天的市值是当年IBM的20倍，利润规模是5倍。按照四十年前的逻辑，这家公司应该有几百万员工。它只有3万人。大概是当年IBM的不到十分之一。
20倍的财富，十分之一的人力。这不是两家公司的经营策略不同。这是两个时代的重力常数被重新设定了。
普林斯把员工砍了五分之一。但他自己在文章结尾特别说明了一件事：这场裁员不是为了缩编。他预计Cloudflare未来几年的员工总数还会继续增长。增长的全部是Builder和Seller。Measurers被砍掉之后省出来的钱和空间，全量转移给了另外两类人。
脂肪被抽走。肌肉被加强。
Block砍了快一半人，但业务照常。不是勉强维持，是利润在增长，股票在涨。多西在股东信最后加了一句："在未来一年内，我相信大多数公司都会得出同样的结论，并进行类似的结构性调整。"
普林斯的原话时间线也差不多："未来一年内，这将成为常态。"
世界经济论坛的数据是：41%的雇主计划在2030年前因AI缩减员工规模。但如果你盯着这个数字焦虑，你就漏掉了底下那个更值钱的信息。不是"工作总量减少了多少"，而是"工作总量不变的情况下，种类的权重被重新分配了"。Builder的权重在暴涨。Sellers的权重在稳步上升。Measurers的权重在断崖式下降。
德鲁克七十年前写那本《管理的实践》的时候，AI这种事连科幻小说都还没认真想象过。但他在那本书里反复强调了一个判断：衡量很重要，没有衡量的企业是瞎的。但衡量永远是为建造和销售服务的。最好的企业，永远会把自己最多的资源和最好的精力，投给那些真正创造和捕获价值的人。
普林斯做的事情不过是用AI把德鲁克的逻辑执行到了它七十年前无法想象的极致。AI可以把衡量做到比任何人类员工都便宜、都精准、都持续。那为什么不把省下来的每一分钱，都投给那些真正造东西和卖东西的人？
这个逻辑一旦被证明可行，它不是Cloudflare的策略选择。它是接下来每一个上市公司的CFO在董事会上被问到的问题："为什么我们的Measurer比例还没有降下来？"
这不是老板变狠了，是中介层的存在意义被技术清空了。
最后的狂欢：在通往新世界的吊桥升起之前
为什么聪明人正在纷纷逃离社交媒体？
你在哪个物种类别中？
现在没必要再问"你的工作会不会被AI替代"这种问题了。这个问题太粗糙了，而且我们已经在过去三年里听了无数遍，听到麻木了。麻木本身就是一个信号，说明焦虑已经太泛滥了，泛滥到没有行动价值。
但我觉得每个人值得想问自己一个更细的问题。你每天坐下来打开电脑之后，你做的事情里，有多少是在定义"做什么"和"为什么做"，有多少是在执行"怎么做"。
如果你大部分时间是在执行，你接任务，你做任务，你完成任务。你在流程里处理工单。你的价值建立在"我从A做到B的速度和准确度"上，那你不管职称上写的是工程师、分析师还是经理，你本质上是Measurer。
AI吃掉你，不是某一天的事。它正在一点一点地吞掉你的工作颗粒。今天替你写这段代码。明天替你审这份合同。后天替你写这个周的绩效报告。你还在工位上，但你真正在做的事、真正被需要的事，在减少。
如果你大部分时间是在定义问题，你决定做什么、为什么做、做到什么程度算好、交付给谁、他为什么需要这个东西。你就不在Measurer那个桶里。
但你还得再问自己一个更难堪的问题。你上一次遇到一个技术问题、一个逻辑问题、一个客户难题，没有立刻发prompt而是自己坐下来硬啃了半个小时，是什么时候？如果答案是很久以前，你穿的可能还是Builder的外衣，但衣服底下的肌肉在萎缩。
AI让你在短时间内看起来很猛，产出翻倍，报告写得飞快，但如果你把产出剥开，里面有多少是你自己的判断，有多少是你接受了一个流畅的、体面的、差不多的答案。这个比例就是你的安全指数。
当0.001%的人拥有的财富是全世界底层50%人口的三倍
普林斯的故事里还有一个被大多数人忽略的细节。公司一边裁Measurers，一边还在继续招人。总人数可能会涨。但不是涨回去，是涨到不一样的物种身上。被替代的岗位不会再被填上同一个人。空出来的预算，会变成两个Builder的Offer，或者一个Sellers团队的扩张。
公司这艘船的载重没变，但船舱在重新分割。以前有很大的一个隔间是给Measurers的，现在那个隔间被AI改成了引擎室，不需要住人了。多出来的人和空间被重新分配。你在旧分配方案里拿到了位置，不代表你在新分配方案里也有位置。
IBM 1985年，四十万人。英伟达2026年，三万人。
这两家公司没有做错任何事。它们都是在各自的时代里做到了最好的自己。它们只是恰好在不同的纪元出生。人和公司一样，有些时候不是你不够好，是你这个物种所在的生态位正在整体消失。
你在哪个纪元里当捕食者，这件事不由你的专业决定。由你今天打开Claude或deepseek的时候，是你先定义了问题然后让它帮你跑，还是它先给了你答案然后你点了接受。
这两件事情每天发生很多次，每一次都在重新决定你是放大你还是替你思考。放大和替代之间的边界，不在模型的能力里，在那几秒钟的交互中你还能不能、还愿不愿意自己先想。【懂】