AI 狂飙时代,被卡在中间的中年人

最近刷短视频、看资讯，有一个感受越来越强烈：中年人被裁员、被优化、被迫转行的相关内容，出现的频率明显变高。和身边朋友聊起，大家也有类似观感。

这一波职场变动背后，AI 对标准化岗位的重构是近年愈发凸显的一个变量，叠加行业周期调整、企业降本增效等多重因素，共同带来部分行业岗位结构的调整与重塑。在不少行业，AI 最先挤压标准化的职场入门岗位，年轻人求职会最先感受到这股压力。

但这篇文章里，我把观察重心放在 35—45 岁群体。35 岁在统计口径上仍属于青年，但在真实职场，它已是年龄门槛显性化的起点，多行业招聘普遍以 35岁 为线；而 45 岁以后，多数人要么已进入管理层，要么转向灵活就业、自主经营，主动求职的机会和意愿都大幅下降。35—45 岁，正是“仍想留在主流职场、却遭遇门槛陡升”的矛盾最集中、压力最典型的夹层。

现实里不难见到这样的情况。

这不是个例，而是蔓延开来的结构性困境。很多人简单将中年失业归因于“年龄大、能力落后”，但根源在于技术迭代、人才培养体系、企业责任、社会保障之间的脱节，让处在职业夹层的中年人，被动承担了时代转型的主要代价。

聊 AI 对职场的冲击，很多人第一反应是：中年人最危险。我一开始也这么觉得，但看了几份研究之后，发现真实情况比这个印象复杂得多。

北京大学教授戴锦华指出，依靠固定模板、套路拼接的基础性内容工作，已经被 AI 高效替代；但依托人生阅历、深度思考和复杂研判的创造性工作，机器很难取代。

但这不意味着 35+ 就安全了。做标准化、可编码、可重复工作的，不管 25 岁还是 45 岁，都一样会被替代。区别在于被替代之后的事：年轻人丢了工作，还有时间试错、转行、从头再来；35+ 的人丢了工作，房贷、子女教育、老人赡养一样不少，转身的代价大得多。

而且 AI 带来的不只是“替代”，还有“门槛抬升”。很多岗位的要求正在从“会做”变成“会用 AI 做，并且能判断 AI 做得对不对”。习惯了过去工作方式的人，不知不觉就被推到了能力边缘。经验曾经是护城河，现在这条河正在变窄，不是经验没用了，而是经验里那些可标准化的部分，正在被快速折旧。

35+ 群体的脆弱性，核心是就业市场隐性存在极高的再进入壁垒。

年轻人失业，尚有充足时间试错转行、沉淀重启；中年人失业，则大概率面临职业发展的长期停滞。他们未必是能力不足、跟不上时代，更多是职场隐性年龄门槛与企业用人偏好，抬高了中年人的再入场门槛。更何况，技术迭代正让技能的贬值周期不断缩短，中年人的经验折旧在加快，一旦离场，学习新技能、重返职场的窗口比以往更窄。年龄壁垒与技术进步叠加，让“离场即出局”成为当下中年职场人最无解的困境。

个体职业困境，最终会传导为全社会的经济隐患。

北京大学国家发展研究院院长黄益平提出警示：AI 带来的效率红利大多流向资本端，普通劳动者薪资难以同步增长，容易滑向“供强需弱”，让经济陷入长期“替代螺旋”。

戴锦华教授指出，新技术革命正在制造结构性的“弃民”。这和传统意义上的剩余劳动力不同，它意味着一部分人在产业结构层面不再被需要。她引用过一位谷歌高级顾问的判断：这轮技术革命将造成 98% 的“剩余劳动力”，出路是“争当那 2%”。她的回应是一句反问——假定自己成了那 2%，剩下的 98% 被划为弃民，这 2% 的日子也不会好过。倘若绝大多数普通人被产业结构边缘化，仅剩少数精英获利，整个社会的运转体系终将受到冲击。

技术迭代带来的岗位变迁和过去机器替代体力劳动有本质不同：过去机器主要替代体力劳动，存在明确的成本边界；而 AI 可以替代大量标准化脑力工作，边际成本很低，适用场景持续拓宽。基础会计核算、合同初审筛查、初级程序员开发、常规文案整理这类标准化脑力任务，已经可以借助 AI 实现部分自动化处理。

站在技术快速迭代、职场结构重塑的当下，面对 AI 带来的就业变局，最承压的正是被卡在中间的中年人，而解决这个问题，我认为需要社会不同层面各尽其责。

我认为，技术进步的成本，不该由个体独自承担。AI 重塑就业是大势所趋，但公共政策应做好托底与平衡。

北京大学林毅夫教授曾提到，要以税收和再分配手段，让在 AI 浪潮中获得巨大收益的企业和资本回馈社会一部分，社会保障必须更加普惠有力，根本则在于教育公平和终身学习。中国社科院原副院长蔡昉也多次指出，技术进步能做大蛋糕，却不会自动解决分配问题，更好的岗位并非经济自发创造的结果，人力资本的调整很难靠市场独自完成。若任由市场自行“优胜劣汰”，转型的成本最终会全部落在普通劳动者身上。

参考欧盟 AI 法案对高风险岗位的前置监管思路，结合我国《实施就业优先战略“十五五”规划》导向，未来需要更完善的就业保障与转型缓冲机制。一方面，可以建立 AI 大规模替代人工的前置评估机制，让岗位迭代更加有序温和，避免行业无序裁员、剧烈震荡；另一方面，针对中年群体的技能断层、就业年龄歧视问题，推出更落地的引导与帮扶，搭建适配中年职场人的转型通道与保障。

长远来看，随着 AI 持续承接大量重复性劳动，社会也需要重新思考财富分配与普惠福利体系的建设。当市场可提供的有偿岗位持续收缩，若大量群体失去收入来源，全社会消费循环就会承压。这就需要探索从数字经济增量收益中筹措资源，构建基础保障体系，守住民众基本生活购买力，维持经济循环稳定，以此稀释技术迭代带来的阵痛。

当下很多企业享受着 AI 降本增效的红利，却将转型压力完全转移给员工。企业追求效率无可厚非，但长远健康的发展，绝不是简单替换大龄员工、压缩人力成本，而是带领存量员工完成工具升级、能力升级，让团队和企业一起适应时代变化。

在这方面，东风汽车已经做出实践。2026 年，它把 AI 培训做成了覆盖全员的事：全员开通学习账号、上线六大方向的课程，从普及、能力提升到线下实训、小工种竞赛分四步推进；再从各领域遴选出三十名“头雁”骨干，带着岗位问题重点培养，学成之后回到各自单位带动全员。这种把技术升级内化为团队能力整体跃升的做法，比简单的人员汰换更能沉淀组织能力。

技术变革的速度，已超过传统教育和行业研究的更新节奏。学界需要更及时跟进 AI 对就业结构的影响，持续输出真实、细化、分行业的岗位变化数据和趋势研判，避免讨论停留在浅表层面。

北京大学国家发展研究院副院长、经济学教授张丹丹团队基于 162 万余条岗位—求职者匹配数据开展研究，持续跟踪 AI 对岗位能力需求的变迁，这类实证正是政策制定和企业决策需要的参照。同时，人才培养体系也要适配时代：既要教会年轻人掌握 AI 工具能力，也要研究面向中年群体的轻量化转型课程，填补当下职场培训的空白，为全社会就业转型提供理论支撑和路径参考。

最后，也是最贴近我们每个人的现实：外部大环境很难凭个体改变，但我们可以重新理解人与 AI 的边界，调整自身的能力重心。

很多文章常说，未来要让 AI 负责执行，人负责决策。但这句话只说了分工，没说为什么有些事只能由人来做。在我看来，人与 AI 仍存在两个层面的区别：

其一，AI 是依赖算力、电力与硬件载体的工具性存在，一旦失去供电与硬件支撑，它的能力就会停摆，它的“智能”是被配置、被供应的。而人是自主的生命主体，是创造和使用工具的目的本身，拥有内在的能动性与自主性，不会因外部供给中断就丧失行动与思考。

其二，AI 所有输出，都源于训练语料、数据库里已有的信息，本质是对已有素材的重组、拟合。它并不具备真正的原创创新能力，也很难脱离既有经验做出价值层面的独立研判。而人类拥有个体化的思考差异，面对陌生、矛盾、信息庞杂、多方博弈的复杂场景，能够跳出既有模板，动态权衡利弊，在不确定的局面里做出辩证研判。

落实到个人日常行动上，未来方向其实很清晰：熟练驾驭 AI，努力成为团队里最会用 AI 的人；同时重点打磨 AI 难以替代的能力，大致有三类：

与此同时，也值得为自己准备一个备案：假如离开现在的岗位，自己的特长结合 AI，能不能跑通一个最小的商业闭环；同时把财务和消费控制在合理比例，为自己守住一份工作之外的安全感和意义感。

AI 重塑职场是时代大势，转型阵痛在所难免。问题从来不在技术本身，而在技术红利如何分配、转型代价由谁分担，这关乎公平与价值取舍。阵痛不该由普通劳动者独自承担，也不该被简单归因于个人能力。它需要各方共同回应：社会做好托底与再分配，企业让员工共享效率红利，个体与AI做好协同、持续打磨 AI 难替代的能力。唯有多方合力、权责匹配，AI 才能真正成为社会进步的助力，而不是困住千万普通人的无形围城。