夜雨聆风
当旧地图找不到新路:AI时代,我们到底应该规划什么
一个翻译、一个学生和一个程序员
露娜英语专业毕业，拿了CATTI证书，在一家外贸公司做了近十年笔译。
2023年底，公司开始测试AI翻译工具。她没当回事儿——机器翻译已经搞了几十年了，一直替代不了人。但这一次不一样。从GPT-4开始，AI的翻译质量已经相当于初级译员的水平；微软研究团队的数据显示，AI可以覆盖翻译岗位98%的核心任务。
更要命的是成本差距。AI翻译的报价是1000字4到7分钱，人工翻译1000字150元——差距不是十倍，是两千倍。
去年10月，露娜的合同到期，公司没有续签。HR给的理由是四个字：降本增效。她离开公司之后，在外滩旁边坐了很久。
同一篇报道里还有一个叫小罗的学生，沈阳一所高职院校动漫设计专业大三。他去找工作的时候，因为不精通Midjourney被拒了。三年学的手艺，卡在了一个AI工具上。麦可思研究院的数据显示，2023届动画专业毕业生中，有18%从事与专业无关的工作，主要原因就是技能不匹配，远高于全国本科平均水平的10%。
还有一个叫Helen的程序员，在西安软件园一家外企做了八年。项目引入AI工具之后，整个团队缩编了两轮，他撑过了第一轮。签离职协议那天晚上，他躺在床上翻来覆去睡不着——房贷怎么还，跟父母怎么交代，长期看，除了写代码还能干什么。
以上三个人的故事，来自显微故事公众号2026年4月10日的报道。
三个人，三个完全不同的领域——翻译、设计、编程。但他们遇到的问题，有一个共同的底色：当年选专业时被认为”靠谱”的技能，在AI面前，忽然变得不那么靠谱了。
数据里的真实世界：没有想象中那么坏，也没有宣传的那么好
先说一组让人安心的数据。
2026年3月5日，Anthropic（Claude背后的公司）发布了一篇关于AI对劳动力市场影响的研究论文。这篇论文之所以受关注，是因为它不只谈理论，还拿出了真实使用数据。
Anthropic的研究团队用了Claude全量使用数据，结合美国职业任务数据库，提出了一个新概念——”观测暴露度”。简单说就是：不光看AI理论上能做什么，还要看AI在真实工作场景中实际做了什么。
结论是什么呢？以计算机和数学类职业为例，过去的研究认为超过90%的任务都可能被AI加速。但从Claude实际使用数据来看，当前AI的覆盖率只有三分之一。
⚡ 理论 vs 现实
三分之一和百分之九十，这个落差很重要。
为什么理论和实际差距这么大？论文列了一串现实因素：法律限制和责任风险、软件系统不兼容、人类审核成本……用论文的话说，”纯技术的替代，不代表真实世界的替代”。
然后是另一组更微妙的数据。美国劳工统计局的数字显示，2023年到2025年间，”程序员”（programmer）的就业率暴跌了27.5%。而”软件开发人员”（software developer）只微跌了0.3%。
这两个职业听起来差不多，区别在哪儿？据半拿铁播客的分析：程序员主要是根据设定好的规格和要求写代码，工作高度结构化——这恰恰是AI擅长干的。而软件开发人员更多侧重设计架构、解决复杂问题，需要判断该用哪个语言、架构分几层、怎么通信。打个比方，一个是施工队，一个是建筑师。
类似的分化还体现在招聘端。斯坦福大学数字经济实验室的研究发现，ChatGPT发布之后，AI高可替代性职业的岗位广告数量相对下降了12%，对入门级岗位的冲击更大。他们追踪了数百万名员工的工资记录，发现年轻开发者和年长开发者的就业情况在2022年底之前走势一致，此后明显分化——年轻的开始失业，年长的并没有。
教育系统也在做出反应。据相关报道，中国传媒大学2025年一次性裁撤了翻译、摄影、漫画等16个本科专业和培养方向。南昌大学停招了戏剧影视文学、广播电视编导、动画艺术设计等8个专业。华东师范大学停招了翻译、广告、绘画、雕塑等24个专业。根据教育部2024年度数据，全国高校新增专业点1800多个，停招2200多个，裁撤1400多个——调整规模创历史之最。
新增最多的专业是人工智能，2020年到2024年全国新增了406个AI相关专业点。
你会发现一个有意思的现象：AI正在同时杀死一些旧专业，催生一些新专业。但这中间有一个巨大的时间差——学生需要四年才能毕业，而AI的能力可能每半年就上一个台阶。
世界经济论坛《2025年未来就业报告》的预测是，到2030年全球将新增1.7亿个岗位，同时有9200万个岗位被替代，净增加7800万个。听起来还行。但报告本身也承认了一个关键问题：净增长的岗位和消失的岗位，不是同一批人干的。翻译失业了不能直接去当AI工程师，动画师丢了饭碗也当不了机器人维修工。
Anthropic的论文传递了一个核心信息——不要只盯着失业率。AI更可能改变的是谁能被雇佣、哪些岗位不会扩张、以及哪些职业的入口在收紧。它是一个结构性的、渐进式的变化。不是除夕夜在雪山上突发结石那种断崖式冲击，而是像水渗进墙缝，等你发现的时候，墙面已经鼓了。
旧地图为什么失效了
说到这里，有必要引入一个判断框架。
过去几十年，我们的生涯规划逻辑很简单：选一个”好专业”，进一个”好行业”，找一份”好工作”，然后在一条相对稳定的轨道上持续积累。张雪峰老师做的事情，本质上就是帮信息差巨大的普通家庭看清这条轨道——计算机好找工作，翻译能赚钱，口腔医学是铁饭碗。
这套逻辑在过去是有效的，因为行业变化的周期远远长于一个人的职业准备周期。你花四年读完大学，出来的时候，行业基本还在那儿。
但AI把这个前提打破了。
计算机，曾经是张雪峰老师最推荐的专业方向之一。但现在，20到24年全国新增了406个AI相关专业点，它们学的东西和传统计算机专业已经不太一样了。而美国劳工统计局的数据，程序员就业率暴跌27.5%。翻译就更不用说了。提示词工程师（prompt engineer），两三年前还吹上了天，现在已经被公认是一个”大模型不够完善时的阶段性岗位”。AI短剧、AI慢剧里的很多工种，保鲜期可能只有一年。
动态配置
经济观察网有一篇文章说得透彻：过去人们把专业理解为一次性选择，好像买到一张多年有效的船票。但在AI时代，它更像是一种动态配置。
这里面有一个更深层的问题：AI替代的优先级不是按专业的热门程度排的，是按任务的可标准化程度排的。
这是我在梳理大量素材后得出的一个核心判断框架——三层价值模型：
第一层：标准化任务
规则明确，可重复，结果可验证。比如翻译一段商务邮件、按照规格写一段代码、根据模板做一张海报。这些任务AI的替代能力最强，而且替代速度最快。
第二层：半标准化任务
有流程但需要判断。比如设计一个软件架构、审核一份合同、制定一个营销方案。AI可以大幅提速，但方向把控和质量把关仍然需要人。这一层的关键词是“人机协作”。
第三层：非标准化任务
高度依赖情境、关系和判断。比如读懂一个客户没说出口的需求、在一个不确定的市场里做决策、调动一个团队的士气。这一层AI目前只能辅助，核心壁垒还在人这边。
用这个框架回看前面三个人的故事，就清晰多了。露娜做的笔译是典型的第一层任务——标准化、可重复、结果可验证。Helen写代码如果主要是”根据规格实现功能”，也是第一层。小罗学的传统手绘技能，在AI生图工具面前，属于”执行层”——AI现在能做得又快又便宜。
但设计行业并没有”完蛋”。知名AI博主数字生命卡兹克评论GPT-4o image 2的文字渲染能力——它能生成中文长篇课文、数学试卷，几乎没有明显错误。但他的结论是：
💡 核心观点
“画图员的时代结束了，设计师的时代才刚刚开始。”
他的意思是，当AI把执行层的成本打到接近于零，真正需要人的是审美判断、用户理解、创意方向——这些都是第二层甚至第三层的能力。
多邻国的故事也可以用这个框架理解。据报道，2023年AI的出现帮多邻国大幅降低了课程开发成本——大量练习题、对话、语法解释过去需要语言学家和外包翻译团队完成，现在AI接管了。2024年初多邻国宣布裁掉了约10%的外包合同工，利润率从5%飙到了27%。股价涨了666%，被封为”AI受益股”。
但同一个AI故事，换个方向讲也说得通。Google、Apple、OpenAI都在做跟语言学习重叠度越来越高的产品。一个开发者周末花一天时间用AI就能开发一个语言学习APP。多邻国的护城河——游戏化机制——突然变得不那么坚固了。从2025年6月开始，多邻国股价从544美元跌到100美元，市值从140亿美元缩水到40多亿。
还有一个经典反转。据报道，瑞典金融公司Klarna的CEO在2024年公开宣称，AI客服助手已经处理了公司三分之二的客服对话，相当于700名全职客服的工作量。这被当成AI替代人类的标杆案例。结果到了2025年，Klarna开始重新招聘人类客服。CEO说了一句很诚实的话：
⚠️ 走得太远了
“过度依赖AI导致服务品质下降，客户不满意，我们走得太远了。”
AWS的CEO Matt Garman也说过一句值得琢磨的话：
“用新技术取代初级工程师和员工是糟糕的商业决策。如果你不建设人才梯队，不培养初级员工成长，企业将错失最优秀的创新思路，这种做法终将自食其果。”
这些反转不是说AI不行。它们说明的是：AI替代的是任务，不是职业。 一个职业里有多少比例的任务属于第一层，决定了它受冲击的程度。但只要一个职业里还包含大量第二层和第三层的任务，它就不会消失——它会变形。
到底要怎么做
写到这里，我想从一个个人视角切入。
我在一个国际学校做老师，接受家长咨询的时候，被问到的高频问题之一，就是关于选课和将来专业的选择。过去两年，这类问题的焦虑程度明显上了一个台阶。家长们的典型追问是：计算机还能不能学？学语言是不是完了？AI专业会不会也是个泡沫？到底我们将来应该选择什么样的专业？
说实话，我也给不出一个确定的专业推荐。就算是张雪峰，大概也很难说一个专业四年之后会怎么样——变化太剧烈了。世界经济论坛的报告说，到2030年全球39%的核心技能将发生变化。一个即将报志愿的高中生，等他毕业的时候，接近四成的”核心技能”已经不是今天这个样子了。
但我可以分享一个我跟家长和学生沟通时越来越确定的思路——选专业不如选能力。
具体来说，就是用前面的三层模型做一次自检。
第一步：拆解你的工作（或你想进入的职业），看看它由哪些任务组成
不要用”我是翻译””我是程序员””我是设计师”这种标签来思考。把你每天做的事情列出来，逐项归类：
比如，一个翻译如果只做商务邮件的逐句翻译，那几乎全是第一层。但如果这个翻译还负责理解客户的文化背景、把控品牌调性、在中外团队之间协调沟通，那他的工作里就有大量第二层和第三层的成分。
第二步：问自己一个关键问题——在我做的事情中，什么是不可被标准化的部分？
这才是生涯规划的新核心。过去我们规划”做什么”——选哪个专业、进哪个行业。现在要规划的是”什么是我做的事情中不可被标准化的部分”。
2025年哈佛商学院和凯洛格商学院的研究团队在《自然·人类行为》上发表了一篇论文，分析了超过1000种职业和7000万次职业转换的数据。结论是：拥有广泛基础技能的人，比那些只有少数高度专精技能的人学新东西更快、赚得更多、晋升更快，在市场变化的时候更扛得住。
什么是”广泛基础技能”？还是那些听起来老套但越来越值钱的东西：沟通、协作、适应性、在模糊环境下做判断的能力。
Google内部做过一项研究，复盘了几千份绩效评估，发现最好的管理者不是技术最强的那个，而是擅长沟通和辅导的人。LinkedIn的调查数据显示，69%的美国雇主更看重候选人的软技能。企业在软技能培训上的投入从2024年的38%增长到了2025年的47%。
德勤2025年的调查发现了一个有意思的悖论：将近三分之二的年轻职场人在努力学习AI技能，但超过85%的人认为沟通、共情和领导力等软技能对长期职业发展更重要。大家都在焦虑要不要学AI、要不要转码，但数据显示，真正在AI时代最保值的能力，还是跟人打交道、在模糊问题下做判断、说服别人、理解别人没说出口的意思。
第三步：对学生和家长，我额外想说的
如果你的孩子正在面临报志愿的选择，比起纠结”哪个专业未来不会被AI淘汰”，更值得关注的是：这个孩子有没有在培养那些第三层的能力？
他能不能清晰地表达自己的想法？他有没有处理过冲突和挫折？他能不能在一个团队里跟不同性格的人协作？他有没有自己真正感兴趣的事，而不只是”分数够得上”的专业？
我注意到一个趋势：身边越来越多做过大量分析和反思的家长，最后得出的结论惊人地相似——与其焦虑AI会不会淘汰某个专业，不如让孩子培养一些爱好，让他们更能适应变化，更会跟人交往，更擅长调整心态。这些能力恰恰是我们的教育体系里比较缺失的。我们还停留在上一个叙事里——”学好数理化，走遍天下都不怕”——但那个叙事的前提是：世界变化得足够慢。
现在变化不慢了。
历史的回声和未被回答的问题
每一次大的经济结构转型，社会都会发明一个新名词来安置旧结构装不下的人。
1979年知青返城，他们被称为”个体户”。1992年国企下岗潮，那叫”下海”。2014年经济换挡，口号是”大众创业、万众创新”。2020年之后，”灵活就业”成了新的关键词。据财新2026年第八期封面报道，中国灵活就业人口规模已超过2亿，在7.4亿总就业人口中占27%，接近三分之一。
而现在，最新的名词是”AI赋能的一人公司”——OPC（One-Person Company）。据一段被广泛转发的视频分析，OPC热潮背后有一条清晰的利益链：政府需要就业数据好看，商业地产需要有人填充空置的创业园区，AI厂商需要更多付费用户。三方的需求凑在一起，就形成了一股推力。
但这并不意味着OPC本身是骗局。正如那段视频中指出的，每次浪潮中，都有人真的成功了。关键区别在于：成功的人不是追随名词，而是解决了真实问题。 他们利用红利，但不依赖红利。他们在浪潮过去之前，建立了可持续的能力。
而AI确实在降低一些成本。一个人配一群AI做事，从”想法”变成了”可行方案”。但OPC最核心的挑战——找到愿意付费的客户——AI帮不了太多。据相关分析，美国前些年有过18亿美元的OPC造假案例，一人公司的光环下面，不全是金子。
把视线拉回到AI对就业的影响，Anthropic论文的作者写了一句话：
⚡ 核心判断
**历史经验告诉我们，对新技术冲击就业的判断都是高估短期，低估长期。**
这句话值得反复咀嚼。
短期来看，AI没有制造大规模失业。Anthropic的研究用美国当前人口调查的数据，对比了高暴露职业和低暴露职业在2022年底之后的失业率变化——走势几乎一致，统计学上跟零没有显著差异。
但长期呢？一项覆盖六千多万劳动者的研究发现，从2023年第一季度起，采用AI的企业初级岗位就业明显下滑。原因很直接：中级员工用上AI之后能干更多活了，就更不需要初级员工了。从2024年起，22到25岁刚毕业的年轻劳动者进入高AI暴露职业的新岗位进入率明显下降，降幅大约14%。
⚡ 最安静的变化
**它不是裁员，是不招了。不是断崖，是入口在收窄。**
这个变化最棘手的地方在于，它不会体现在失业率统计上。年轻人可能会延迟就业——考研、考博、考公、留学、退出劳动力市场。这些在统计口径里都不算”失业”。但每一个做出这种选择的人，心里都清楚这意味着什么。
没有结论的结尾
我没有办法预测五年后哪些职业会消失，哪些会新生。没有人能。
但有一些东西我越来越确定。
第一，AI替代的是任务，不是职业。你的职业安全度，取决于你的工作中有多大比例是不可标准化的。
第二，生涯规划的核心问题变了。过去是”我该做什么”，现在是”在我做的事情中，什么是不可被标准化的部分”。
第三，真正稀缺的能力——沟通、判断、共情、在不确定中做决策——恰恰是我们的教育体系最不擅长培养的。
第四，短期高估、长期低估。眼下的数据确实没有支持”大规模失业”的结论，但入口在收窄、结构在变形——这种变化比失业更安静，也更深远。
写这篇文章的时候，我反复想到一句话。来自经济观察网的一篇报道：
旧地图与新路
“这个时代真正危险的不是专业冷热的变化，而是家庭还在用昨天的地图给孩子找明天的工作。”
地图在失效。
新的地图长什么样，没有人画好了等着你。但至少，你可以开始问一个不同的问题：在我做的事情里，什么是AI做不了的？
那个答案，可能就是你接下来要走的方向。