AI越来越便宜,白领该靠什么变贵?

最近跟几位在大厂和中型公司带团队的朋友聊起今年的招聘，大家不约而同地提到了一个很微妙的变化。

过去十几年，一个职场新人只要肯在某一项具体手艺上花功夫，不管是写前端页面、做财务报表、翻译商务合同，还是画活动视觉稿，只要苦练三五年把熟练度磨到八十五分，在市场上就能稳稳换回一份不错的中产薪水。那时候的涨薪逻辑很直接：你比新人干得快、出错少，公司就愿意为你的熟练工时多付一倍的钱。

但今年，恰恰是这批工作了三到五年、手艺稳定在八十五分的熟练白领，在谈薪和晋升时感到了前所未有的阻力。

并不是他们突然不努力了，而是他们赖以涨薪的那部分熟练度，正在被迅速拉平。一个刚入行半年的新人，配合顺手的大模型和编程辅助工具，写常规业务代码、整理周报数据、出第一版活动方案的速度，已经能做到七八十分的水准。虽然距离直接上线交付还有差距，但过去那种靠三年工龄堆出来的效率优势，确实不像以前那么值钱了。

OpenAI 掌门人山姆·奥特曼在近期的《三大观察》和早年的《万物摩尔定律》里，曾从技术成本与财富分配的角度谈过这一趋势。如果我们剥掉舆论场上的夸张渲染，把他的底层数据放到今天的职场里看，会得出一个更冷静也更实在的结论：

在《三大观察》一文中，山姆·奥特曼给出了一个非常关键的行业观测：使用同等智力水平 AI 的成本，大约每十二个月就会下降十倍。他以自家的模型举例，从 2023 年初的 GPT-4 到 2024 年中期的 GPT-4o，每个 token 的价格在一年半里下降了大约一百五十倍。

当然，模型调用价格下降一百五十倍，绝不等于白领的专业价值也会按同样的速度缩水。真实的工作远比跑通一段代码或生成一篇初稿复杂得多，中间隔着需求沟通、异常处理、系统联调和上线维护。

但奥特曼的这组数据，准确解释了为什么八十五分熟练工的涨薪空间会率先受到挤压。因为一个五年资历的白领，每天的工作其实可以拆成两部分：一部分是需求明确、结果容易验证、失败成本较低的标准化任务；另一部分是处理模糊边界、跨部门协调和兜底异常风险的非标任务。

过去，公司之所以愿意给五年熟手开高薪，很大程度上是在为第一部分买单，因为熟手写基础模块、跑常规报表、改常规设计图比新人快得多。而现在，恰恰是这类规则清晰、容错率高的标准化任务，被大模型压低到了极低的成本。

如果一个工作五年的老员工，每天百分之八十的精力依然停留在把需求文档翻译成基础代码、把现成数据拼成周报幻灯片，那么他在老板眼里，就很难再证明自己比一个带着工具的应届生贵出一倍的理由。

当标准答案越来越便宜，工作流里什么环节反而变得更贵了？

奥特曼在《三大观察》的第三部分提到，当每个人都拥有相当于不同领域虚拟专家的工具时，高价值的能力将转向正确决定该做什么，以及弄清楚如何在变化的环境中推进事情。

落到我们日常的职场环境里，这就是单纯交活儿与真正懂业务的分水岭。

我们可以看一个身边真实发生过的团队变化。

一家做日用消费品出海的中型电商团队，去年底对商详页制作和用户评论分析流程做了一次改造。在引入工具之前，每次上新季需要两名初级文案、三名视觉设计和一名数据分析员配合五天：数据员先导出上万条海外差评手工分类，文案写多语种卖点，设计师再按不同渠道尺寸改几十张图。

接入大模型和多模态工作流之后，差评初步归类、多语种初稿和基础尺寸延展被压缩到了半天。团队后来没有再补招初级修图和基础翻译岗位，但负责这块的资深运营不仅没被边缘化，年底反而拿到了全组最高的调薪。

原因很简单：工具虽然半天就能吐出几百条差评摘要和几十版卖点文案，但工具分不清哪些差评是偶发的物流挤压，哪些是真正影响复购的硬伤。这位资深运营没有停留在改字眼上，而是拿着初步筛出的三十条关于封口渗漏的反馈，直接找仓库抽检了同批次包材，又拉着供应链同事核对了海运货柜的温湿度记录，最终推动工厂更换了封口垫片，把那款主力单品的退货率实打实压下了四个百分点。

这个真实切面把懂业务拆解得非常清楚：

第一，懂业务意味着能越过表面需求，定位真实的问题。工具擅长在给定的题目里生成答案，但在真实的商业环境里，题目往往是错的。转化率掉了，未必是海报不够好看，可能是定错了价格带；系统响应慢了，未必需要重写底层架构，可能是某个高频接口的业务逻辑设计不合理。能把账算清楚、把上下游链条摸透的人，才知道该让工具去解决哪个问题。

第二，懂业务意味着具备验收和兜底的能力。实习生用工具十秒钟跑通一段脚本很容易，但这段脚本放进日活百万的生产环境里会不会引发内存泄漏？生成的合同条款在极端违约场景下有没有漏洞？工具只负责生成概率上的最优解，而资深白领的价值，恰恰在于一眼看出那百分之十五的隐患，并在签字上线前把它改对。

除了在业务链条里往深处扎，奥特曼在《万物摩尔定律》里讨论的另一个经济趋势，也给职场人提了一个醒。他在文中花了大量篇幅探讨制度层面的财富分配方案，但他的前提判断非常直接：随着能思考、会学习的软件承担更多常规工作，经济收益会进一步从单纯的常规劳动向资本与资产倾斜。

对大多数拿月薪的普通白领来说，谈百亿级的算力资本或不动产并不现实；哪怕自己用编程助手写一个小工具，要真正变成持续收费的产品，中间也隔着获客、维护、售后和合规等一连串商业门槛，绝不是写完代码就能躺着收租那么简单。

那么，一个普通职场人真正能握在手里、并且能持续产生复利的现实资产到底是什么？其实就藏在每天的工作交付里：

第一类，是经过实战检验的流程资产与行业错题本。

公开文档和教科书上的通识技能，大模型学得比谁都快；但你所在行业里那些没有写进公开网页的真实避坑记录、特定客户群体的常见异议清单、复杂项目的验收标准表，却是极具价值的私有经验。如果你在每次做完项目后，有意识地把这些经验沉淀成结构化的排查清单、提示词模板或自动化校验脚本，把原来需要三天干完的活儿固化成两小时的标准流程，这套能直接复用的系统就是你的业务资产。

第二类，是认人不认工牌的专业口碑与信任关系。

当机器让平庸的初稿泛滥成灾时，靠谱反而成了职场上最硬的通货。很多人在公司干了五年，离开平台后之所以瞬间失去位置，是因为他过去只是流水线上的一个匿名节点。而那些真正建立起信任资产的人，无论是内部跨部门协作的同事，还是外部对接的客户，大家都清楚一点：只要是经他手交付的方案，关键数据一定核对过、边界风险一定推演过。这种跟着个人名字走的确定性口碑，是任何算法都替代不了的渠道资产。

第三类，是给自己留出试错空间的财务安全垫。

技术迭代越快，职业转型的窗口期就越紧凑。在收入尚且稳定的阶段，克制非必要的面子消费，用稳健的储蓄和现金流管理为自己攒下一笔能够覆盖一到两年生活成本的安全垫，它的意义不在于追求一夜暴富，而在于当岗位发生变动、或者你需要抽出一半年时间深入学习新业务时，你手里有从容转身的选择权。

面对技术平权，最无益的反应是陷入空泛的替代焦虑，或者继续用延长加班时间来证明自己的苦劳。

八十五分的纯手艺之所以面临贬值，是因为工具把及格线抬高到了八十分；但从八十五分到九十五分那段需要判断力、上下文理解和结果验收的路，依然掌握在活生生的人手里。

与其空想未来五年的宏大出路，不如从这周开始，在自己的工位上做一件小事：

当你开始用工具省下纯执行的时间，并把省下的精力投向问题判断、结果验收与经验沉淀时，你其实就已经跨过了八十五分熟练工的瓶颈，走在了越来越贵的路上。