AI时代下普通人的危机、拐点与机遇

当前来看，AI已从实验室走向产业深水区，当OpenAI以约8000人撬动7300亿至8500亿美元估值时，一个尖锐的问题也浮现在我们面前：AI创造的巨大产值，与普通劳动者的收入增长之间，正在出现系统性断裂。

一、AI将带来什么变化

AI对社会最深刻的冲击，在于它正在切断经济增长与就业扩张之间的传统纽带。

以我所在的制造业为参照，过去一家万人工厂能带动整个社区的繁荣；如今，AI巨头以极小的员工规模创造极高的产值，呈现出“资本密集、劳动稀疏”的极端特征。

近期世界经济论坛更是预测，到2030年全球将有9200万个岗位被AI和自动化取代，即使考虑到将新创造的1.7亿个岗位，但在这期间仍然将经历高达22%的劳动力剧烈洗牌。

这种冲击在中国表现为“硅基对碳基”的挤出效应。2023至2025年间，我国AI相关就业增加约270万人，而非AI相关就业减少了约980万人。

硅基增长体量较小，它的就业扩张很难弥补更大规模的碳基就业收缩。更值得关注的是，AI领域与其余行业的工资增速差也从1.9个百分点扩大至4.9个百分点，劳动力市场正在经历一场深层的结构性分化。

但AI带来的变化还不止于此。AI正在重塑整个社会的运行逻辑：数据成为核心生产要素，算法成为新型权力载体，平台与个体之间的关系被重新定义。

如果说工业革命的核心矛盾是资本与劳动的关系，那么AI革命的核心矛盾将是算法权力与个体能动性之间的张力。这种张力既带来风险，也孕育着前所未有的个体机遇。

二、AI影响行业的顺序

AI对行业的冲击不是均匀的，而是沿着“任务标准化程度”和“物理世界介入深度”两个维度有序推进的。

第一波（2020—2025，已发生） 替代的是“纯信息处理”任务——输入输出都是数字，无需物理世界交互。

电话客服、数据录入员、基础翻译、简单法律文书起草等岗位首当其冲。这些工作的共同特征是：任务高度标准化，输出可验证，不需要人际信任关系作为交付基础。

第二波（2025—2030，正在发生） 替代的是“认知判断”任务——知识本身可以被训练进模型。

初级程序员、初级律师助理、财务助理、市场调研分析等岗位正在被重塑。这一波最大的受害者是刚毕业的知识工人：他们能做的事AI也能做，而且更快更便宜。

第三波（2030+，将要发生） 替代的是“具身智能”任务——需要机器人硬件配合，受制于物理世界的不确定性，进展比纯软件慢，但冲击面更广。物流分拣、手术辅助、建筑施工监督等岗位将面临转型。

当然，AI不是直接消灭“职业”，而是先重组“任务”。岗位在这个过程中发生的是“任务重组”而非直接消亡，理解了这一点，就能理解为什么有些岗位看似安全却在被悄然削弱，有些岗位看似危险却在AI赋能下焕发新生。

三、AI+与互联网+

“互联网+”的本质是连接增强。它通过互联网平台实现信息流动与商业渠道的优化，催生了电子商务、共享经济等新业态。但本质上，它重构的是传统营销渠道和服务模式，解决的是“信息不对称”问题。

“人工智能+”则代表了全新的技术范式，其本质是计算增强。

这一差异在于：互联网+让信息流动起来，AI+让知识被运用和创造出来。互联网+的竞争核心是“谁的平台更大、连接更多”，AI+的竞争核心则是“谁的模型更懂、判断更准”。前者是网络效应驱动的规模经济，后者是认知能力驱动的智能经济。前者造就了平台巨头，后者正在催生“超级个体”。

两者是共存互补、协同演进的关系。互联网+构建了万物互联的数字底座，AI+在此基础上叠加认知能力，实现了从“连接”到“认知”的质变。

四、普通人在AI时代的机会

AI时代最大的机遇，恰恰隐藏在“资本密集、劳动稀疏”这一特征的背面：当大企业用极少的员工创造极高的产值时，个体借助AI工具也能以极低的成本完成过去需要团队才能完成的工作。创新的最小单元正在从组织下沉到个体。

《全国OPC发展观察报告（2026）》指出，借助“1人+AI”的新模式，个体便能完成过去需5至10人团队才能承接的全链条业务。具体而言，普通人的机会集中在以下几个方向：

其一，AI工具的应用与落地。大模型的能力已经足够强大，但将通用能力适配到具体场景，需要深刻理解行业痛点的人。

一位懂影视制作的创业者可以开发AI分镜工具，一位懂招聘的人力资源从业者可以打造AI模拟面试平台——这种“行业理解+AI工具”的组合，正是普通人最容易切入的位置。

其二，超级个体与一人公司。 AI时代的超级个体可以概括为“个人专业能力+AI工具+强大生态支持”的组合。个体的核心竞争力不再是掌握多少信息，而是能否定义问题、做出判断、整合资源。

其三，新型服务业的崛起。 AI降低了内容创作的门槛，但提高了内容分发和商业化的门槛。帮助创作者运营账号、帮助小企业做AI转型咨询、帮助传统行业对接AI工具——这些“翻译者”角色正在成为新的就业增量。

五、如何应对

第一步：从会用AI到用AI做出成果。 会用AI工具是必要条件，不是充分条件。关键在于：你能否用AI做出单凭AI做不出的东西，你的人类判断力、行业经验、人际关系是否构成了不可或缺的环节？

第二步：从执行者向判断者迁移。 AI先替代执行层，判断层更难替代。要有意识地积累那些只能靠实践得来的能力，如业务理解、风险识别、跨部门协调、客户关系。把自己从“被AI替代的人”变成“用AI解决问题的人”。

第三步：掌握协同决策力。 将AI的角色从“给答案的机器”转变为“挑战你的陪练”。把提问动词从“帮我优化”改成“挑战我”，让AI扮演立场对立的角色，在对抗中磨砺自己的判断力。

第四步：构建个人知识系统。 将散落的聊天记录、项目复盘、行业洞察，升级为系统化的“个人AI知识系统”。大模型最厉害的地方在于它能一秒钟读完几百万字，但它无法替代你建立自己的“上下文资产”——那些只属于你的经验、直觉和判断。

第五步：以一人公司为最小可行路径。无需追求大而全，聚焦一个具体场景、解决一个具体问题。

AI可以承担内容生成、客户沟通、数据分析、财务记账等标准化工作，而个人应专注于定义问题、建立信任、做出判断——这些是AI做不好的事。

正如一位OPC创业者所言：“你只要投入一点点资金和精力，打造一支Agent团队，24小时为你工作——这可能是普通人在AI时代最大的机遇。”

技术的洪流不可阻挡，但洪流的方向可以被引导。AI的“挤出效应”是阶段性的，当AI走向物理世界，将迎来曲线右侧的“繁荣拐点”。

对于普通人而言，与其焦虑被替代，不如从今天开始用起来、做出来、判断起来。未来属于那些能够驾驭AI、而非被AI定义的人。