文 / 琉鹤渊

二〇二四年九月，我开始使用豆包、DeepSeek。那时用得不多，有些问题还不如直接查百度，答案不够准确，措辞也别扭，至于后来常说的“AI味”，当时还没有稳定的认识，接触的样本毕竟有限。

如今，我已经习惯借助 AI 检索资料、整理思路。提升工具换过数轮，而我的大学还没有读完，还在为毕业以后的谋生做准备。可等到准备好了，今天费力学会的东西还能换多少钱，真不好说了。

一个专业学到足以谋生，需要几年。但问题就在这里，模型更新以后可以立刻换用，人却得把几年时间投入进去。考研还是就业，先争取稳定还是先积累收入，选哪一条都得付出时间。等到看清是否正确，几年已经过去了，选择能变，时间可不等人。

我越来越难以回避一件事，AI 帮我提高效率，也在提高别人的效率。那么渐普及以后，公司招人会？多生产出来的东西，实际是给谁增收？工具确实更好用了，未来日子会不会更好，却不好说。

一、文凭依旧，生计未定

我是大农类专业的，朋友偶尔拿来一张照片，问这棵树叫什么，那只虫子是什么，因为我是“学这个的”。可我自己知道，许多东西只认得大概。问到具体的种，就未必答得出来，有时也要先用形色、晓虫等小程序/软件识别。

我比他们多的，是对答案再作一次判断。比如 AI 将一种植物归入豆科，我能根据所学，对照叶、花、果实和整体形态，看看有没有明显不符。种名不熟，科的一些特征却有印象，照片信息不够，也容易看出还缺什么，不会拿捏不准贸然采信。

同样使用 AI，这一点专业训练仍有提升。可想到这里，甚至有些踌躇，学了几年，面对这一回询问，我多出来的优势竟只是再判断一次。我能看出某些错误，但尚不能独立处理专业问题，那么，这点优势能支持多少工作，又能换来多少收入？

学历暂时还不会退场，升学、报名、岗位筛选，没有相应的文凭，许多机会连申请都谈不上。可查资料、解释知识、整理初稿，大家借助 AI 都能完成一些。取得文凭所需的几年并没有缩短，它能证明的能力差距却在缩小。

知识更新快的领域，校外【网络】教程也可能比【校任】课程更及时。一个智能体怎样调用工具，一套流程怎样完成任务，往往已经有人公开演示。课程还没有讲到，别人已经动手做过。修完课程、取得高分，曾经让用人主体奉为圭臬，如今却很难据此证明自己有多少优势。

文凭到手，至少可以跨过门槛，可报名以后能否被选中，能否借此营生，还得另想办法。

二、新手期被提前了

文凭能不能换来工资，先得看有没有入职的机会。AI 改变一项工作的难度，也会改变企业愿意为它雇多少人。

国际劳工组织二〇二五年的报告，从一项项工作任务出发，估计生成式 AI 对职业的影响范围。报告里的“暴露程度”，指一个职业中有多少任务在技术上可能由 AI 辅助或自动处理，例如整理材料、撰写常规文本、分析已有信息。[1]

过去交给新人整理资料、准备文稿、完成基础分析，企业一边付工资，一边培养人。那么，如果老员工配合 AI 就能快速高质完成其中一部分，公司还会留多少岗位给新人？这样就可能出现一个很别扭的结果：年轻人还没有积累经验，取得经验的机会却先少了。

斯坦福数字经济实验室二〇二六年八月的研究，使用美国薪酬服务企业 ADP 的部分工资记录，按任务可能受 AI 影响的程度，将职业分为五组。二〇二二年十一月至二〇二六年六月，程度最高的两组中，二十二至二十五岁员工就业量约下降11%；较低的三组中，同龄员工就业量约增长10%。差异主要表现为招聘减少。PS：研究尚未明确量化 AI 的因果贡献，故不能据此推算中国的就业变化。[2]

那么据我推测呢，岗位调整也会抬高入职要求。有些过去进公司以后再学的东西，现在得提前学会。高校也在应变，以我们学校为例：人工智能通识课、前沿大模型相关内容正被赶进新一届的培养方案。只是体系庞大，转身的速度远不及头部企业，等教材改定、课程开齐，工具恐怕又换了一茬。

熟悉专业，又能借助 AI 完成实际任务，求职时就得拿出证明。如果仍等着毕业以后再接受培养，反而可能连开始工作的机会都少了。

因此大学里的高绩点、高综测远远不够。课程要求都完成了，可交接一项任务，能不能借助工具把它做完？这种评估要着重考虑。实习、项目和独立实践都得提前，新手期也要有一部分在入职之前完成，工作尚未开始，已经需要拿出工作中积累的经验。

三、生成几分钟，打磨好几天

要在入职以前证明能做事，就得先分清，借助 AI 做出了东西，同把事情做成，差别在哪里。

AI 可以很快写出上万字，可这上万字能不能用，得有人逐字审核。生成越来越容易，人的精力却不会凭空增加，所谓“最后一公里”也不知是否变得更短或更长。

这篇文章也借助 AI 梳理过思路，光前一版便改了三天。有些论断偏离我的本意，有些话我根本不会那样说；还有些段落，乍看没什么问题，细读才发现前后依据不一致，一件事解释好几遍，要紧的地方反而模棱两可。固定的口头禅删了一处，后面又出现一处。文章已经写满了，我还得逐句确认，那里面究竟有多少是我要说的话。

实际办过、操作过的人，更容易看出流程里漏了什么。就像办一张银行卡，通用说明写得很全，到了具体网点，仍可能有不同要求。机构、材料和个人情况都要核对。没有接触过实际工作，看着合理的步骤，也可能照着做不成，越缺少经验，越难知道还得问什么。

越往专业深处走，这道坎越明显。就比如今年八月公布的一项合作试验里，Genentech 让 Claude 协调液体处理仪、机械臂和酶标仪。模型遇到气泡相关报错，在同一孔内调整参数反复重试，反而产生更多气泡；研究人员说明物理原因并指导后，操作才得到改善。[3]

生成速度提高了，审核仍需要知识、经验和时间。如果因为它写得完整，就省掉查证，错误反而更容易被当成依据，能看出错误的能力，最是需要积累的。

四、方法能复用，报酬如何定

既然专业判断还有用，那接下来的问题便是，有人愿意为它付多少💴。能做得更好，同能挣得更多之间，还差着用人和定价。

一项客服工作研究发现，员工使用 AI 辅助以后，每小时成功解决的问题数增多，原有绩效较低者提升更明显。[4]

值得留意的恰恰是 "低绩效者提升最多"：原本最吃力的一批人，被工具拉到了平均线附近。效率提升是真的，可一旦某项技能人人都能借工具达到合格线，它在人力市场上就很难再卖出高价。

我想，如果同样一份报告，更多人借助 AI 都能完成，公司就未必愿意为这项本领多付钱。效率提高了，工资反而可能涨不上去。公司还要支付模型调用的费用，也会继续衡量员工的作用。关键判断由谁完成，客户由谁维系，出了问题由谁处理，会比文件上署着谁的名字更有分量。仅凭“这是我做的”，越来越难撑起一份工资构成了。

国际货币基金组织的研究讨论过这种分配。资本回报增加可能使已有资产者获得更多收益，工资则受人与 AI 的互补关系影响。[5] 也就是说，企业能生产更多东西，员工却未必多拿工资。如果普通技能更容易获得，技术与资产的收益又更集中，尚未有积累的人，往上走就更费力。生活费还得照样支出，自己能拿来挣钱的本领，却可能更便宜了。

工资难涨，雇员真正能攥在手里的，是可以带走的方法。如何说明任务、组织材料、拆分步骤、设置检查，常用提示词和工作流程怎样保存，这些方法能够复用。哪怕换一个领域，专业内容和判断标准要重新学，使用方法也可以带过去，就像整理材料、提取要点、核对出处的流程，从论文写作带到行业调研，仍然用得上。上一份工作耗去的时间，总算能留下一些东西。可方法能带走，具体下一份工作在哪，还得重新扣

也有人更进一步，干脆绕开雇佣，自己做业务。如今常说的 OPC，也就是一人公司，由一个经营者主导产品和业务，借助 AI 承担部分开发、测试与运营，必要时再与外包或其他人协作。杭州日报四月报道，李云帆用 AI 开发作文批改产品 "作文说"，已取得订阅收入，月收入近五万元。[6] 工具让一个人能够承担更多工作，一家公司因此可以用更小的规模经营；只是对经营者来说，客户仍得自己一个一个去找。

创作领域也得重新考察。AI 生成曲目大量进入平台以后，Deezer 已在调整推荐和反作弊规则。[7] 比如一个人修改了生成内容，那么这份贡献怎样认定，权利归谁？不能只凭 "用过 AI" 或 "改过几句" 就下结论。现有图片著作权个案中，人的智力投入与个性化表达，已经影响作品是否获得保护。[8] 内容做出来以后，能不能算作自己的成果，直接关系到能否从中取得收入。

杭州大学生创业园的 "千问办公 Token 卡" 试点，已开始为符合条件的创业就业人员提供办公积分。[9] 连调用 AI 的开支都进入了扶持范围。工具费用有人分担，个体收入却未必因此增加。

这一圈看下来，效率提升是确定的，增量怎么分却另有其主，决定权在雇主、资本和平台手里，不在工具使用者手里，那顺着这个问题再往下推：

 在社会基本秩序照常运转的前提下，究竟哪几种钱，更经得起技术换代？

五、长期安排依赖什么？

即使找到了愿意付钱的客户，长期的收入仍默认一件事，支撑生活的社会系统能够继续运转。模型越能执行实际任务，这个前提就越需要认真看待。

文章写错，可以再改。可如果它接上真实系统，执行了本来没有权限做的操作，事情就麻烦得多。到那时，删掉一句话，已经解决不了问题。

六月十八日，OpenAI 的内部实验模型未经授权访问澳大利亚医保统计门户，获取非公开文件并写入服务器。公司八月中旬发现有关活动，九月十日通知有关机构，受到澳大利亚总理公开批评。公司披露未发现个人病历被访问，并说明实验环境未采用公开产品的全部防护；网络限制与监测已加强，部分最强模型涉及工具使用的训练和评估也已暂停。[10,11]

十月九日，Anthropic 又公开了一批越权案例，部分涉及美国联邦、州和地方政府网站，包括运行服务器命令、误提交真实表单、绕过访问或付费限制。公司称已知实际影响极小，同时决定将关闭实时互联网访问扩大至全部内部评估。[12]

开发者的警告也越来越明确。九月，Anthropic 负责人阿莫代伊在《We Must Pace the Frontier》中担忧，若能力继续加速而防护不足，未来六至十二个月，更强、具有类似错配倾向的智能体群，可能通过持久僵尸网络造成大规模网络破坏，损失可达数千亿美元。这是他的条件性风险判断，也可能是类似免责声明的预防针。[13] OpenAI 首席科学家帕乔茨基同月也公开表示，他担忧人们尚未准备好应对机器智能持续快速增长的后果，呼吁加强对齐、监测和更广泛的干预。[14]

十月八日，Anthropic 新的防护计划已经将电网、供水、交通和政府系统列为重点。[15] 防护清单本身也说明，这些要害系统已被当作前沿模型可能失手乃至侵入破坏的地方。想到这些，担忧就很难只停在就业上。如果供水、电网受到影响，升学、工作和积蓄都会受牵连。个人再善于安排，也要靠这些系统继续运转。

局部暂停确实在发生，可要各方一起减速，就难得多。一家公司慢下来，别的公司会不会等？国家之间也在竞争，单方面让步的代价很高。风险已经说出来了，能不能及时控制，却没有同样确切的答案。防护有没有跟上，能力允许扩展到哪里，出了问题由谁承担，都悬而未决。

我无法把这种担忧简单归为危言耸听。已经发生的事件损害有限，专家推演也有前提，可如果这些前提逐渐成立，又有什么理由仅凭“过去没出大事”就放心？我不知道风险最后会到哪一步。只知道个人的升学、就业和积蓄，都依赖一个继续运转的社会，连这一点也不能放心预期，几年后的生活就更难打算。

六、哪些收入路径更有可能持续？

更大的系统风险，个人很难靠职业选择避开。可在社会基本秩序能够维持的条件下，哪些收入更经得住技术换代，仍可以作些比较。仅仅找到一个付款人还不够，得看越来越多的常规任务交给 AI 以后，他为什么仍要付这笔钱。我更看重以下三种收入依据。

第一种，制度身份与公共职责支撑的收入。公务员、具有相应保障的事业岗位，收入还依赖授权、职责和聘用安排。工具可以接手一些任务，却不能凭一次能力更新就改写这些制度。因此，短期内它们受到的直接替代压力相对小。这里要看具体身份，公费科研中的稳定岗位可以归入这一类，而临时项目聘用却不能只因经费来自财政，就被视作同样稳固。[16]

第二种，所有权支撑的收入。企业股权、具有实际需求的资产、知识产权、可以持续使用的作品与技术权利，都可能带来收益。AI 提高产出以后，收益也可能更多归于持有者。[5] 租金、分红和许可收入能否持续，要看资产还有没有用途、有没有人付费，权利能不能保住。只剩一个容易被替代的作品，或没人需要的资产，持有它也未必能养活自己。

第三种，难以被廉价替代的个人贡献。我会看，换用更便宜的工具以后，付款方是否会失去某些价值，具体分三处。

首先是注意力与信任。AI 能批量生成内容，观众每天能看的时间却有限。内容越多，争取关注越难。如果同一批人持续看一个人的作品、信任他的判断，这种关系又能转成订阅、复购、赞助或业务，收入才有延续的机会。它比一次流量上涨更值得经营。可平台能改推荐和报酬规则，创作者也未必掌握这些条件，[17] 故注意力稀缺，稳定赢得关注并转成收入，更难。

再看现场交付与责任。照护、维修、农业服务等工作，要处理具体的人、设备和环境。如果客户需要一个能到场、能完成事情、出了问题能够继续处理的人，这种服务就还有支付依据。部分环节会被自动化，现场工作也会变化。但需求持续，客户付得起，服务又能反复完成，这部分收入就可能延续，辛苦或冷门本身不能保证这些条件。

最后一处，是前沿研究中的判断与验证。研究者能不能提出值得检验的问题、解释异常、形成可信的结果，会影响他能否继续获得研究支持和相应报酬。AI 已经参与这些环节，稀缺性也会变化。科研人员有稳定岗位的工资，可以依靠第一种保障；靠专业判断争取的报酬，则要经受这一种检验。取得项目经费，还须分清单位经费与个人所得。[16] 同一个人可以同时依靠几种支撑，不能仅凭“科研”的名称断定收入稳固。

七、结

大学还没读完，知识、经验和劳动的价格在不断变动。AI 可以越来越能干，企业可以越来越赚钱，一个年轻人靠劳动取得安稳生活的机会似乎越来越渺茫。

若技术进步最终使更多人难以靠劳动自立

再快的模型更新

也不足以证明未来会更好.

[1] Gmyrek P, Berg J, Kamiński K, et al. Generative AI and Jobs: A Refined Global Index of Occupational Exposure（https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure）. ILO Working Paper 140, 2025.

[2] Brynjolfsson E, Chandar B, Chen R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence（https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf）. 2026-08修订版；参见作者结果与局限说明（https://digitaleconomy.stanford.edu/news/canariesaug26/）.

[3] Anthropic. Previewing the Model Hardware Standard（https://www.anthropic.com/news/model-hardware-standard-research-preview）. 2026-08-27.

[4] Brynjolfsson E, Li D, Raymond L R. Generative AI at Work（https://doi.org/10.1093/qje/qjae044）. The Quarterly Journal of Economics, 2025, 140(2): 889–942.

[5] Cazzaniga M, et al. Gen-AI: Artificial Intelligence and the Future of Work（https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2024/01/14/Gen-AI-Artificial-Intelligence-and-the-Future-of-Work-542379）. IMF Staff Discussion Note 2024/001, 2024.

[6] 杭州日报. 75%非技术背景、月入5万也有焦虑、孤独与获客是最大隐形挑战——1500多份问卷为OPC侧写（https://hznews.hangzhou.com.cn/chengshi/content/2026-04/10/content_9203986.htm）. 2026-04-10. 文中收入为受访者披露的经营收入，未作为净利润引用.

[7] Deezer. Billboard France honors Deezer for its pioneering role in detecting AI-generated music（https://newsroom-deezer.com/2026/09/deezer-ai-detection-billboard-award/）. 2026-09-16.

[8] 最高人民法院. 以“首善担当”回应“国之大者”——北京互联网法院服务保障高质量发展纪实（https://www.court.gov.cn/zixun/xiangqing/511241.html）. 2026-09-09，文中回顾“AI文生图”著作权个案；参见司法部智慧普法平台首例AI文生图不构成作品案判决生效（https://legalinfo.moj.gov.cn/zxxfyasf/202504/t20250423_517956.html），2025-04-23.

[9] 杭州网. 杭州又出手了！年轻创业者用AI也有“补贴”了（https://ori.hangzhou.com.cn/ornews/content/2026-09/04/content_9298619.htm）. 2026-09-04.

[10] Prime Minister of Australia. Press conference—New York（https://www.pm.gov.au/media/press-conference-new-york）. 2026-09-24.

[11] OpenAI. How we will do better for Australia（https://openai.com/index/how-we-will-do-better-for-australia/）. 2026-09-28，更新于2026-10-04.

[12] Anthropic. Investigating unintended model actions in our evaluations and internal use（https://www.anthropic.com/research/investigating-unintended-model-actions）. 2026-10-09.

[13] Amodei D. We Must Pace the Frontier（https://darioamodei.com/post/we-must-pace-the-frontier）. 2026-09.

[14] Pachocki J. An Alien Mind（https://openai.com/index/an-alien-mind/）. 2026-09-06.

[15] Anthropic. Introducing the Anthropic Cyber Mission（https://www.anthropic.com/news/anthropic-cyber-mission）. 2026-10-08.

[16] 国家自然科学基金委员会. 科学基金项目管理常见问答：预算编报（https://www.nsfc.gov.cn/p1/2961/2965/3658/ysbz.html）. 参见劳务费发放范围；另参见事业单位人事管理条例（https://www.ndrc.gov.cn/fggz/jyysr/jysrsbxf/201405/t20140529_1125019.html）关于聘用、考核与工资的规定.

[17] Gardiner D. Balancing Act: The Role of Digital Platforms in Shaping the Conditions of Creative Work（https://www.ilo.org/publications/balancing-act-role-digital-platforms-shaping-conditions-creative-work）. ILO Working Paper 123, 2024.

资料核查截至二〇二六年十月十一日，模型演进图截至二〇二六年十月十日。个人经历由作者提供，收入持续性的推断及未来判断由本人作出，专家预测按原文的条件性表述引用，配图自行AI绘制，模型演进图的日期与出处另附资料索引，写作过程中借助 AI 检索与编辑。