夜雨聆风2025年春，北京望京的一间出租屋里，35岁的王姐又一次失眠了。
她在一家中型电商公司做了八年客服，每天处理上百个消费者的投诉和咨询。上个月，公司上线了一套AI客服系统，她的工位从热热闹闹的格子间搬到了后台——名义上是“AI训练师”，实际上就是每天给机器人的回答打钩打叉。老板说这是“效率升级”，但王姐清楚，这个岗位上的人已经从12个缩减到了5个。
与此同时，二十公里外的海淀区，一家科技公司的招聘会上人山人海。计算机专业的应届生小李发现，自己苦学四年的编程技能，在AI代码助手面前似乎不那么值钱了——HR告诉他，公司现在更看重的是“会指挥AI干活”的能力，而不是“自己写代码”的能力。
一个在焦虑中下沉，一个在迷茫中寻找方向。这两个普通人的故事，折射出当下社会最真实的AI焦虑。
当媒体铺天盖地宣传“大模型颠覆世界”，当资本市场的热钱一波接一波地涌向AI赛道，我们不得不问一个问题：这场技术变革，对普通人而言，究竟是生产力进步带来的时代红利，还是资本推动的概念泡沫？失业的寒潮是否真的在逼近？
要回答这些问题，我们需要一双冷静的眼睛。
一、生产力视角：AI确实带来了效率飞跃，但不是对所有行业都有意义
从生产力的角度审视，AI带来的效率提升是真实可感的。
麦肯锡全球研究院2024年发布的报告指出，生成式AI技术每年能为全球经济带来2.6万亿至4.4万亿美元的增长。这个数字超过了英国一年的GDP。高盛的预测同样乐观：AI技术有望在十年内将全球GDP提升7%。
这些数字背后，是实打实的效率跃迁。
在软件开发领域，GitHub Copilot等工具能让程序员的编码效率提升40%至55%，原本需要一天完成的基础代码模块，现在可能只需要一两个小时。在法律服务行业，AI文档审查将合同审查时间从数十小时压缩到几小时，错误率却显著下降。在医疗领域，AI辅助诊断系统已经在影像识别上达到了顶级专家的水平，帮助基层医生完成了过去难以企及的工作。
但问题在于：效率的提升，并不等同于价值的普惠。
我们需要清醒地看到，AI带来的效率提升具有强烈的选择性。它首先且最深刻地作用于知识密集型行业——程序员、设计师、作家、分析师、客服。这些岗位有一个共同特点：大量工作是对既有信息进行处理、重组和输出。而这恰恰是大语言模型最擅长的领域。
然而，对于制造业流水线上的工人、对于风吹日晒的建筑工、对于需要双手技艺的厨师和裁缝，AI的影响几乎是零。
也许，我们不得不面临一个残酷的真相：生产力水平的提高，并不自动惠及所有劳动者。 生产力是人与自然之间的物质变换能力，但人与人在生产关系中的地位从来不是均等的。当AI大幅度提升知识工作者的效率时，它同时也在重新定义这些岗位的“含金量”——一个能用AI工具高效完成工作的人，价值翻了数倍；而一个只能做基础性、重复性工作的人，价值正在被快速稀释。
这才是真正需要警惕的分水岭。
二、生产关系视角：谁在从AI中获利？
如果说生产力视角回答的是“AI能做什么”，那么生产关系视角要回答的问题是：“谁在从中获益？”
这个问题马克思早在十九世纪就给出过深刻的分析框架。在《资本论》中，马克思指出，生产力的发展往往首先服务于资本的增值需求，而不是劳动者的福利改善。技术进步本身是中性的，但它嵌入的生产关系决定了收益的分配。
今天的AI革命，正在完美地印证这一判断。
第一，AI的核心收益者，是掌握资本和技术的少数群体。
训练一个大语言模型，需要数亿美元的投资和数以万计的GPU算力。全球范围内，只有极少数科技巨头——OpenAI、微软、Google、Meta、 Anthropic，以及中国的百度、阿里、字节等——有能力参与这场游戏。普通人既没有资本去训练模型，也没有渠道去获取最先进的技术。
国际货币基金组织（IMF）2024年的研究给出了直白的结论：AI技术可能导致发达经济体约30%的工作岗位被影响，而其中大部分是中等收入岗位——也就是传统意义上的“中产阶级”。这部分人恰恰是社会稳定的基石。
第二，AI正在加剧而非缩小收入差距。
麦肯锡的调查显示，全球范围内，只有13%的企业真正将AI的效率收益转化为了员工薪资的提升。更多的企业选择将AI带来的成本节约转化为利润，或者投入到更多的技术研发中——进一步扩大领先优势。
在中国，这种趋势同样明显。智联招聘的数据显示，2024年AI相关岗位的平均薪资同比上涨了23%，但同期传统岗位的薪资增长仅为3.2%。一个会使用AI工具的设计师，收入可能是不会使用AI的设计师的两到三倍。“会用AI”正在成为一种新的门槛。
第三，劳动者在AI面前的谈判权正在被削弱。
传统的劳动关系中，劳动者通过罢工、集体谈判等方式争取权益。但在AI替代的威胁面前，这种谈判力几乎失效——因为替代你的不是另一个要更高工资的工人，而是一台24小时不眠不休、且成本持续下降的机器。
当一家公司决定用AI替代客服团队时，被裁员的员工甚至没有一个具体的“谈判对象”。他们面对的是董事会的效率优化决议，是市场竞争对手的压力，是股价维系的刚需。这种结构性力量，远比单个劳动者的反抗更加不可抗拒。
这也是最残酷的地方：技术本身不邪恶，但技术的应用方式和利益分配机制，往往有利于资本而非劳动。当我们谈论AI的就业影响时，如果只讨论“效率提高了多少”，而不讨论“效率提高带来的收益流向了哪里”，那么我们看到的只是一个被阉割的真相。
三、历史规律：三次工业革命是如何重塑就业的？
面对AI带来的焦虑，很多人会搬出历史来安慰自己：历史上每一次技术革命，最终都创造了更多的就业机会。蒸汽机取代了手工纺织，但催生了铁路工人和机械工程师；电气化淘汰了蜡烛工厂，却带来了电气工程师和产业工人；互联网消灭了打字员和胶片冲洗员，却创造了程序员和电商从业者。
这个逻辑当然有它的道理。约瑟夫·熊彼特所说的“创造性破坏”——新技术的出现破坏旧的经济结构，同时创造新的经济结构——确实是工业革命的一般规律。
但我们需要追问：这个“最终”是多长时间？代价是什么？谁承担了代价？
第一次工业革命中，英国的纺织工人经历了长达三四十年的苦难期。机器纺织机的普及摧毁了手工业者的生计，著名的“卢德运动”中，工人们愤怒地砸毁机器，但最终无法阻止历史的洪流。在这漫长的三四十年里，一代人的青春和生计成为了进步的燃料。
第二次工业革命中，美国的农场主在农业机械化浪潮中大批破产，涌入城市成为工业后备军。从19世纪末到20世纪中叶，大约六千万美国农民经历了从自耕农到雇佣工人的身份转换。
第三次工业革命——信息技术革命——同样如此。BB机寻呼员、胶片冲洗师、打字员、电话接线员……这些职业在短短十年间消失得无影无踪。虽然计算机和互联网创造了新的岗位，但新岗位所需的技能与旧岗位所需的知识几乎完全断裂。一个四十岁的胶片冲洗师，不可能自然地变成一个程序员。
历史的经验教训是明确的：技术革命确实会创造新岗位，但“创造性破坏”的时间窗口往往长达一代人。在这期间承受代价的，恰恰是那些最无力转型的人。
更值得关注的是，AI革命与前三次工业革命存在一个本质性的不同。
前三次革命，替代的主要是体力劳动。蒸汽机替代的是人的手，电气化替代的是人的肌肉，计算机处理的是简单的逻辑运算。人脑中最核心的能力——创造力、推理能力、情感理解能力——始终无法被机器触及。
但AI不同。大语言模型第一次让机器具备了类人的语言理解和生成能力，第一次让机器可以替代人的认知劳动。客服、翻译、基础文案、初级编程、基础数据分析——这些过去被认为是“脑力工作”、被认为“安全”的岗位，正在被批量替代。
这意味着：过去可以通过“从小事做起、从基层干起”来积累经验和技能的上升通道，正在被AI提前截断。 一个年轻人想通过做基础客服来积累行业经验、然后逐步升迁的道路，正在变得越来越窄。
历史不是简单的“旧岗位消失、新岗位诞生”的线性故事。历史的真相是：每一次技术革命都伴随着剧烈的社会分化，一部分人成为新时代的赢家，另一部分人成为时代的代价。
四、现实观察：2024-2025年AI落地的真实情况
说了这么多理论，让我们把目光拉回到当下。2024年至2025年，AI在中国究竟落地到了什么程度？普通人感受到的，究竟是概念炒作还是真实变革？
客服行业：已经是正在进行时。
多家电商平台和金融机构的客服岗位正在经历快速AI化。某头部电商平台的AI客服已经能够处理超过70%的常规咨询，覆盖售前咨询、订单查询、售后服务全流程。客服岗位的招聘需求在2024年同比下降了31%。这一趋势在银行、保险、运营商等行业同样明显。
翻译行业：两极分化加剧。
基础翻译、文档翻译正在被AI大幅替代。有译员反映，AI出现后，翻译单价下降了40%至60%。但高端翻译——尤其是涉及文化背景理解、情感表达、专业领域深度知识的翻译——需求依然旺盛。这是一个典型的“AI消灭了中间层”的案例。
设计行业：工具革命而非岗位革命。
Midjourney、Stable Diffusion等AI绘图工具的出现，确实让设计效率大幅提升。但设计行业的情况比客服和翻译更为复杂。AI能生成图像，但难以独立完成品牌策略、用户洞察和创意概念这些更高阶的工作。2024年的行业观察显示，AI更多地扮演了“超级助手”的角色，替代的不是设计师，而是不会用AI的设计师。
编程行业：结构性调整而非全面替代。
GitHub Copilot、Cursor等工具正在深刻改变程序员的工作方式。基础的CRUD代码、简单的Bug修复、重复性的前端页面搭建，AI已经可以高效完成。但复杂的系统架构、算法创新、需要深度业务理解的后端逻辑，仍然需要人类来完成。2024年，初级程序员的就业市场确实感受到了压力，但中高级工程师的需求依然旺盛。
制造业：缓慢渗透，而非颠覆性变革。
与媒体渲染的“机器换人”不同，制造业的AI落地相对缓慢。工业视觉检测、智能排产、预测性维护等应用在头部企业逐步推广，但中小制造商的数字化程度仍然有限。机器人技术更多是与人协作（人机协作），而非完全替代人。
总体判断：AI不是神话，也不是鬼故事。 它正在以比以往任何技术更快的速度渗透职场，但它的影响是不均衡的——某些岗位被快速替代，某些岗位被重塑，还有些岗位因为AI的赋能而变得更有价值。关键在于，你所在的岗位，位于这个光谱的哪个位置？
五、中立判断：机遇与代价并存，关键在于谁在定义“进步”
写到这里，我们有必要做出一个客观的判断。
AI确实带来了真正的生产力进步。 这一点无需否认。一个会用AI工具的设计师，确实比不会用的效率高出数倍；一个能借助AI辅助诊断的医生，确实能服务更多患者；一个用AI优化供应链的企业，确实能降低运营成本。这些效率提升是真实的，是有价值的。
但同样真实的是：这场进步的代价分配是高度不均的。 资本获得了最大份额的效率红利，技术精英获得了话语权和定价权，而普通劳动者——尤其是那些技能单一、抗风险能力弱的群体——承担了转型期的最大压力。
这并不是说AI“不好”，而是说技术的社会后果从来不是技术本身能决定的。蒸汽机可以是解放劳动力的工具，也可以是加剧剥削的帮凶——取决于它被谁拥有、为谁服务。AI同样如此。
关键的问题在于：谁在定义“进步”？
如果“进步”的定义权只掌握在资本手中，那么“进步”的叙事必然是：效率提升、利润增长、股价上涨。至于劳动者是否被抛下，那是“转型的阵痛”，是“必要的牺牲”。
但如果我们有更健全的社会保障体系，有更完善的职业培训体系，有更公平的税收和再分配机制，那么同样的技术进步，完全可以带来不同的社会后果。技术是蒸汽机还是火车，取决于铺什么样的轨道。
这也是为什么，单纯的技术乐观主义和技术悲观主义都是片面的。真正需要关注的，不是AI“好不好”，而是我们如何塑造AI时代的生产关系。
六、结尾：普通人需要的不是恐惧或盲从，而是参与规则制定的权利
回到文章开头的那个故事。
王姐后来怎么样了？她参加了公司组织的“AI训练师”培训，虽然留了下来，但工作内容从直接服务消费者变成了标注和审核机器人的回答。她发现，这份工作比做客服更枯燥、更乏味，而且随时可能再次被优化。
小李呢？他最终拿到了一家科技公司的offer，但岗位名称从“Java开发工程师”变成了“AI应用工程师”。他恶补了提示词工程、AI工作流设计等新技能，终于在这个疯狂的时代找到了自己的位置。
这两个普通人的故事，没有惊天动地的转折，有的只是无数普通人在时代洪流中的微小挣扎和适应。
对于普通人而言，需要警惕的两种极端态度是：恐惧和盲从。
恐惧让人陷入无力的焦虑，每天刷着“AI将要取代哪些职业”的短视频，越看越慌，最终陷入“习得性无助”。盲从则让人盲目追逐每一个新工具、新概念，疲于奔命地学习一个又一个“必备技能”，最后发现学的速度永远跟不上淘汰的速度。
真正需要的，是参与规则制定的权利。
这意味着：我们需要更完善的社会保障体系，让被技术替代的人有基本的生存尊严；我们需要更普惠的职业培训体系，让劳动者有能力适应新的岗位要求；我们需要更公平的税收和再分配机制，让技术进步的收益能够更广泛地惠及全社会；我们需要在AI治理中有普通劳动者的话语权，而不是仅仅由资本和技术精英来决定算法如何运行、岗位如何消失。
技术进步的列车已经呼啸而来。它会驶向一个少数人狂欢的乐园，还是一个多数人受益的社会？这个问题的答案，不取决于AI本身，而取决于我们每一个普通人，是否愿意并且有能力去影响这辆列车的方向。
“资本不是一种个人力量，而是一种社会力量。” 当我们审视AI对就业的影响时，我们看到的不仅仅是技术问题，更是社会力量的重新配置。
普通人或许无法阻止技术的进步，但普通人有权利发声：在这场技术变革中，不要成为无声的代价。
📢 关于我们
本文由**「老易在」小龙虾团队——老易与四虾居**辅助创作而成。
如果你对 AI话题感兴趣，欢迎关注我们，一起探索"养小龙虾"的乐趣！
"老易与四虾居"的四名成员：司理、采微、染翰、丹青
