AI技术浪潮之后③|中间层为什么最先被改写?

这是AI时代观察系列的第三篇

先说下本文的结论：这一轮并不是替代岗位，而是压缩专业门槛。

这篇源起于五一假期前几天，一个朋友跟我说了件事：他是做前端开发工程师的，之前在我这做了1年多，前两个月跳到了一家新公司，他去之前聊的岗是”前端负责人”，到了之后才发现团队就他一个前端，结果变成App开发他得做，后端接口对不上也得自己来看，偶尔还要碰碰数据库。他说感觉自己不像是换了家公司，而是像换了个工种——从一个前端变成了一个”小团队”。

我一开始觉得这不就是创业型团队的常态，人少事多，就得多扛一些，但后来仔细想想，不是这么回事儿。

他一个人能扛这么多，不是因为突然变强了，而是因为用了AI辅助写代码、查文档、排bug，原来需要3、4个人分工配合的事项，他自己一个人加上AI工具确实能跑得动了。他的能力没有翻三倍，但他的产出被AI放大了三倍，于是公司发现：嗯，一个人干也够了。

他的薪资涨了将近一倍，从20多K涨到40多K。但公司省下来的是2、3个初级开发的成本——大约50万一年。这笔账其实挺好算的。

差不多同一个时间，我们自己团队也出了类似的事。前端同事离职之后，没有再招新人，后端也只能把前端的工作补上了。同样也是靠AI辅助写页面、调样式，加上现在前端框架本身也成熟，一个人连着干下来效率还行。老板一看，干的也还行，那就不招人了。

这两件事我们放在一起看，也体现出了目前IT圈的一个现象：岗位的边界消失了。一个人能覆盖过去两三个人的职能范围，AI把中间那些”需要专门有人做”的事，变成了”顺手就能干”的事儿。

一、中间层是什么

这里先说清一个概念。文中的”中间层”，不是指按收入划线的中产阶级，而是按能力结构来定义的一群人。

他们的共同特征是：通过学习和经验积累，掌握了一套可以迁移的专业技能，再凭借这套技能获得了相对稳定的议价能力。程序员、会计、产品经理、内容创作者、设计师、技术型销售——都属于这个范畴。

这群人的”护城河”，本质上是认知复杂度。不是简单重复劳动，也不是那种需要十年以上沉淀才能做的顶层决策，是”经过系统训练+几年实战就能建立起来的专业判断力”。

过去四十年，这个群体越来越大。上一篇讲过，1970年美国”管理与专业技术”类岗位占就业的23%，到2020年超过40%。信息革命创造了海量的知识工作岗位——这些人就是”中间层”。

他们是过去几轮技术革命的最大受益者。但恰恰因为如此，这次轮到他们了。

二、为什么是中间层，而不是”最低端”

很多人有个直觉：AI替代，应该是从最简单、最低端的工作开始往上走。先替代流水线工人，再替代文员，最后才轮到工程师和管理者。

但现实中的路线不是单线程的这么做。

实际AI命中的优先级，是按”可标准化程度”排的。

一个环卫工人的工作看起来简单，但它高度依赖物理世界的实时判断，每天都不一样。一个顶尖外科医生的手术决策，涉及极端情境下的直觉和经验，很难被穷举。这两种工作虽然一个”低端”一个”高端”，但有一个共同点：不容易被标准化。

但是中间层的大量工作恰好相反。写需求文档、审阅财务报表、做竞品或市场分析、设计UI方案、写业务逻辑代码——这种都有流程、模板或历史案例来参考模仿，都有明确的好坏标准体系。所以它们可以被”训练、复制、验证”。

而大语言模型天生就是吃这种东西长大的，它从互联网上吸收了几乎所有可获取的专业知识，智能体框架让它可以按步骤执行流程，工具链再把输入到输出的通路给闭合了。这三层叠在一起之后，AI不再只是前几年那种”帮你干得快一点”的效率工具，而是已经开始有能力独立走完一段原本需要专业人士进行的完整流程。

但这里有一个更底层的逻辑：成本。

我们做智能硬件的团队里，一个嵌入式工程师按年薪40万，社保公积金再加15%，一年成本毛估估46万。Claude API调用费一个月大约2000多块，一年下来不到3万。这是近18倍的成本差。

更关键的是边际成本。一个工程师一天写800行代码，这是他的上限。但是AI工具没有上限——它可以同时给10个人服务，边际成本接近零，而人的边际成本是固定的，这个剪刀差只会越来越大。

所以从企业角度，算盘其实很简单：如果一个中级工程师+AI工具能覆盖过去三个初级工程师的工作量，那就不用招那两个初级岗了。省下来的60多万成本，给那个中级工程师涨10万，剩下50万直接就是利润。

这不是”技术替代”，而是”成本替代”。 技术只是提供了可能性和工具支撑，成本才是真实的驱动力。

人力的变化已经反映在数据里。在上一篇《AI革命之后②｜每次技术革命都”没事”，这次凭什么不一样？》我们也提过了，Bloomberg对2023到2025年全球1.8亿份招聘信息的分析显示，AI导致总体岗位需求下降了8%，其中执行型岗位降幅达30%。降幅最大的不是最底层的简单重复岗位，是有一定专业门槛但流程相对标准化的执行岗——恰好是中间层的核心地带。

组织内部正在发生一种安静的变化：岗位没有被正式取消，但职责在合并。原来三个人分工的事，现在一个人加AI就能交付。JD上可能写的还是”高级产品经理”，但入职后实际干的是过去产品经理+数据分析师+项目经理三个角色的活。

三、一个反常识的观察

在工作里我还看到了一个反常识的现象：被AI冲击最快的，往往不是”最落后”的行业，而是”技术扩散最快”的行业。

我因为做宠物智能硬件经常要对市场进行接触和调研，在2024年的时候，市面上的智能项圈主要功能还是GPS定位，额外有运动监测就是很高端的产品了。到了2025年，各种AI识别技术开始爆发：行为识别、情绪识别、健康预警、甚至宠物社交推荐。到2026年，已经开始内卷化了——同样的功能，半年前还是卖点，现在变成了标配。

技术扩散的速度，远超我们的预期。

专业门槛在快速下降。过去你需要一个算法工程师花三个月调模型，现在可能产品经理或业务人员用现成的API，一周就能跑通。过去你需要一个硬件工程师设计电路，现在AI辅助设计工具，两天就能出方案。

专业门槛的下降，直接导致”中间层”的价值被重新定价。你不是被”更专业的人”替代了，你是被”更便宜的解决方案”替代了。

而更让人不安的是，这个替代过程甚至不需要你配合，它正在静默发生。

四、蒸馏：你的工作正在被提取

上个月有一件事可以当做注脚。

路透社报道，美国的Meta（Facebook）启动了一个内部代号”MCI”的计划——在美国员工的工作电脑上采集鼠标点击、键盘输入、屏幕截图等数据，用来训练AI模型。把员工日常操作的每一个细节都记录下来，喂给AI学。内部备忘录写得很直白：”每位员工都能通过单纯地完成日常工作，来协助我们的AI模型实现能力的提升。”

这件事的刺痛之处不在于监控——大公司监控办公设备不算是新鲜事。刺痛在于它把一个逻辑彻底挑明了：你的工作流程正在被蒸馏。

什么叫蒸馏？就是把你的隐性知识显性化，把你的经验提取成AI能复现的模型。

回到开头那个前端朋友。他之前在我这做了一年多，我观察到一个细节：他处理跨端适配问题的速度特别快。别人可能要花半天调样式，他十分钟就搞定了。我问他怎么做到的，他说不出来，就是”处理多了就有感觉了”。

这种”感觉”，其实是他处理过几百个类似问题后形成的模式识别能力。但这种能力很难传授——你没法把”感觉”写进文档或讲出来。

不过AI改变了这件事。它不需要你”教”它，它只需要观察你做了什么。当它看过你处理1000个跨端适配问题后，它就能以黑盒的方式，蒸馏出你的模式，然后复现你的”感觉”。而且它的学习速度比人快得多——你用了一年积累的经验，它可能一个月就学会了。

而且这个过程是不可逆的。一旦AI学会了，它就不会忘记。你今天做的每一个操作，都在训练那个明天可能取代你的东西。而你没有选择权。

Meta不是唯一一家这么做的。它只是第一家不再遮遮掩掩的。

但有一点必须讲清楚：企业为什么必须这么做？

我认识几个创业公司的老板，他们不是不想保留完整的团队。但现实是：竞争对手用AI把成本降下来了，产品迭代速度快了一倍，价格还能打八折。你不跟进，半年后业务就没了。投资人也在问：为什么你的人效比同行低30%？

这不是”资本贪婪”，是生存压力。市场不会因为你想保留更多岗位就给你喘息的机会。技术一旦出现，不用它的人会被用它的人淘汰。这是过去每一轮技术革命都验证过的规律。

所以问题不在于”企业是否应该用AI”，而在于”当所有企业都在用AI，被替代的人该怎么办？”

你的工作越规范、越可拆解、越有”最佳方式”可以遵循，就会越早被瞄准。这些工作实在太”好学”了——况且AI是人类发明过的最快的学生。

不过事情没那么绝对。不是所有中间层都在同等受冲击。关键变量是：你的工作有多少是”可标准化”的，又有多少是”不可复制”的。

一个产品经理，如果只会写PRD和画原型，那就是高危人群；但如果他能深度理解用户、协调复杂利益关系、在模糊情境下做判断，那他反而会因为AI辅助变得更强。一个技术负责人，过去受限于团队规模只能做一条产品线，现在靠AI可以同时推三条，议价能力反而上升了。

但问题这样的人有多少？少数人会坐上更大的船，但大部分人被留在了岸上。

五、谁最先感受到冲击

对年轻人来说：入门的梯子被抽掉了

说心里话，我自己毕业后第一份工作，公司的企业文化是”在学习中成长 在创新中发展”。当时觉得这是理所当然的——年轻人本来就该通过做基础工作来学习成长。但现在往回看，这个必要前提正在被打破。

过去一个应届生刚开始参加工作，前两年干的基本都是”可标准化”的工作：写基础代码、做数据整理、出初版方案、跟进项目推进。这些工作本身是不值钱的，但它是用于上升的学习通道——通过做这些低复杂度的事，慢慢建立对业务的理解和判断力，接触到真实的团队协作和用户反馈。传统的学徒制逻辑就是如此：你先做杂活，在杂活里积累手感，然后一步步向上提升。

但现在这些基础的工作AI都可以包揽了。公司突然发现初级岗好像不需要那么多了，直接让中高级员工+AI覆盖。导致的现象就是入门级岗位逐渐系统性地减少。不是年轻人不够优秀，是连证明自己的机会都在变少。

更隐蔽的伤害是：当入门级岗位被替代，年轻人面对的不只是收入变化，还有”在实践中成长”的上升路径。梯子的第一级台阶没了，后面所有台阶都很难够到了。

对大龄劳动者来说：经验正在贬值

35或40岁以上的从业者，面对的是另一种困境。他们的职业路径建立在”经验值钱”这个前提上。一个干了十五年的财务，处理过的异常情况比教科书多得多，这就是他的职业壁垒。但当AI能在几秒内调用比他十五年积累更完整、更新的知识库时，”经验”的含金量就要被重新估价了。

更麻烦的是工具切换。这个群体里有相当多人并不习惯把AI嵌入自己的工作流——不是学不会，是整个思维方式和协作模式需要重建。留给他们适应的时间窗口，正和上一篇《AI革命之后②｜每次技术革命都”没事”，这次凭什么不一样？》讲的一样，”追赶窗口缩小”同步收窄。

对高级岗位来说：职责在膨胀，团队在缩编

产品总监还是产品总监，但现在一个产品总监会被期望用AI直接产出过去三个初中级产品经理的工作量。技术负责人还在，但原来下面四个开发变成了两个，剩下的工作必须要靠AI补。高级岗位没有消失，但它的”含人量”在下降——你一个人被期望覆盖过去一个小团队的产出，薪资不会因此翻三倍。

因此底部的工作被AI吃了，高级岗把中间的工作吞了，中间那一段两头受挤。

六、中间层变薄之后

上述的三类人群，虽然受冲击的方式不同，但都指向同一件事：中间层在变薄：年轻人上不去，大龄劳动者被推到边缘，高级岗在膨胀职责的同时被迫压缩团队规模。整个就业结构正在变形。

当然变薄不代表消失。新的中间层也正在形成——比如那些能熟练驾驭AI工具、可以在AI无法覆盖的领域建立壁垒的人。但新中间层的护城河变了：不再是”专业知识”，是”问题定义能力+工具编排能力+不可复制的关系网络”。

什么叫问题定义能力？举个例子：一个传统产品经理接到需求是”做一个用户反馈功能”，他会直接开始画原型、写PRD。新中间层的产品经理会先问：用户反馈的真实目的是什么？是为了收集bug，还是为了建立用户参与感？不同目的对应完全不同的解决方案。AI可以帮你执行方案，但它不会帮你质疑需求本身，就像《产品经理的能力不止于做决策》中写的，判断从哪里开始会更重要。

问题是：旧中间层的人能转化成新中间层的比例有多少？转化的速度能不能跟上旧岗位消失的速度？日本90年代泡沫破裂后也经历过一轮中间层萎缩，但那次是经济周期，这次是技术替代——前者可逆，后者几乎不可逆。

而这个群体不只是一群人，它是一整套社会运转逻辑的承载者。它变薄，震动的也不只是那些具体的个人，还有建立在他们之上的所有东西。

我们现在再回到开头那个朋友。他现在一个人干三个人的工作，收入涨了将近一倍，公司省了50万。

这笔账该怎么算，可能就是接下来很多人和企业要面对的现实。

下一篇，我想聊聊这个分配逻辑本身——当中间层被压缩，省下来的成本到底去哪了？是流向了资本、平台，还是被AI工具提供商拿走了？更重要的是：作为个体，我们该如何应对？