夜雨聆风
如果2026还在用"AI 会替代哪些职业"来理解这轮AI的变化，一定得不到正确的答案，这个问题本身就是错的。
更准确的问题是：AI 会替代哪一层的能力？
AI 领域，一边头部公司为顶级 AI 研究员开出超过 2 亿美元的薪酬包，仍然留不住人；另一边，AI 暴露度最高的早期职业岗位正在加速收缩，年轻人进入白领阶梯的机会都变少了。
这是一个更深刻结构变化：最容易被挤压的，不是最弱的人，而是最标准的人，弱小不是生存的障碍，标准化才是。
一端暴涨一端收缩
一端在暴涨。
庞若鸣，上海交大毕业，原苹果 AI 模型团队负责人。Meta 为他开出超过 2 亿美元年薪，围绕顶尖 AI 人才的竞价，已经与整个行业脱钩。
另一端在收缩。
"AI 教父" Geoffrey Hinton 公开建议年轻人去做水管工。全美职业技能导向社区大学的入学人数自 2020 年以来激增。越来越多年轻人开始重新评估一个问题：能被AI结构化的工作正在被模型吸收，物理世界的技能是不是反而更稳？
斯坦福大学的一项研究发现，22 年底到25 年，AI 暴露度最高的早期职业岗位，22 至 25 岁人群的就业率相对下滑了约 16%。Anthropic CEO 也公开预测，AI 可能在 1 到 5 年内消灭大量入门级白领工作。
一端是几个亿的薪酬包抢不到人，另一端是年轻人连入场的机会都在消失。中间正在被压缩。
标准比弱小更危险
这里的"中间层"不是收入的中间层，不是职级的中间层，而是"可编码的重复性专业能力"所在的那一层。
什么叫"可编码"？任务是否有明确的输入输出边界，能不能写成规格书？它是否有成熟的评价标准，好坏是否有一套公认指标？
这个定义能解释一些反直觉的事。外卖骑手暂时是安全的，因为他们的工作在物理世界中完成，AI 啃不动。中级程序员反而是危险的，因为代码是最结构化的，Anthropic内部代码现在基本 100% 都是 AI 写的。
AI 对中间层的替代，跟技能高低无关，跟是否标准化强有关。
这个判断不是猜测。多个数据正在同时指向同一个方向：世界经济论坛《2025 年未来就业报告》预测。AI 高暴露行业的入门岗招聘在收缩，本科中等技能路径也在承压。
这句话可能不好听，但它比"努力学习就有稳定回报"更接近现实。
企业正在重新选择值得培养的人
这个压缩在招聘市场上已经出现了，人才招聘正在走极端。
很多公司在重新选择什么样的人值得培养。过去最典型的路径是：本科毕业，进入公司，做几年标准化专业工作，慢慢成为中层骨干。现在这条路变窄了。
一端，企业把人才入口前置。吉利启动面向应届高中毕业生的特才培养计划，让年轻人更早进入真实产业场景里成长。腾讯这也在通过实习和专项培养，更早识别年轻技术人才。企业不是只想要更便宜的人，而是想要更早找到能和 AI 工作流一起长出来的人。
另一端，企业继续抢真正能做判断的老手。很多上了年纪多年不写代码的老登，用上了 Claude code之后发现自己又行了，原来一直自己做不了的需求，现在用 AI 都可能实现，不再被执行资源和能力卡住。
老手的价值，不是执行标准任务，而是判断什么值得做，拆复杂问题，处理 AI 处理不了的人和场景。
中间那段最尴尬。三到五年经验，过去是一个人最有性价比的时候，现在它反而变成一个危险区间。
这不能简单说是岗位和能力的替代，而是结构性重塑。
中间管理层正在被重新定价
企业削减中间管理层，也应该放到这个结构里看。
组织不再愿意为太多中间传递层付费。
过去很多中间管理者承担的是，信息传递和流程推进。向上汇报进度，向下拆解任务，横向协调资源，把一线情况加工成老板能看懂的材料。
这个角色在传统组织里非常重要，因为信息流动有摩擦，管理半径有限，老板不可能直接看到所有一线细节。
AI 改变的是这个摩擦本身。
一线数据可以自动汇总，过去需要通过三层经理才能看到的信息，现在可能通过系统直接看到。很多中间管理岗位，最稳定的价值支柱，过去恰恰就是信息加工和流程推进。
企业一边削减中间管理层，一边增加 AI 资源的投入。组织不是简单变小，而是在改变形状，金字塔中间变薄，上面需要更强判断，下面需要更强执行，中间的传递层被AI 短路了。
这是中间层塌陷的组织版本。
教育也在塌陷中间层
教育是这个问题最让人不安的维度。
过去最可靠的路径，"读个本科、学门专业、找份稳定工作、进入中产"，正在受到结构性压力。
需本科路径承压的原因不止 AI 一个。经济周期、产业结构调整、学历通胀原因都有。
AI 只是其中一个正在加速的结构性力量，本科教育最常培养的恰好是"可编码的中间专业能力"：够专业到有市场定价，但不够深到无法被替代。
当 AI 把这层能力标准化之后，本科学历作为"中间层入场券"的功能就在衰减。
对下一代来说，这不是"要不要读大学"的问题。而是读完大学之后，你会站在中间那一层。
教育的选择跟个体应对，是同一个逻辑的两个面：往深处钻，掌握底层能力和不可编码的深度专业，或者往宽处扩，培养沟通、协作、艺术和人际能力。中间那条"学个专业、找个安稳工作"的路径正在变窄。
标准化教育的中间层在塌陷。
新中间层会出现吗
历史上每次技术革命，都消灭了旧的中间层，但最终都创造了新的中间层。工业革命、电气化、信息化都是这样。
AI 时代会不会也一样？
这个质疑是有道理的。但有一个值得正视的不同。
前几次技术革命，旧技术的扩散速度受限于物理基础设施。蒸汽机需要铁路，电气化需要电网，信息化需要个人电脑的普及。
从这个大约有 25 到 30 年的窗口期，有足够的的缓冲期，让这一代人重新安置。
AI 有不一样的结构特性特征，AI 几乎是踩这前面几次技术革命的身上起来的。
第一，AI 的能力进步有自我加速特征。以前模型半年一年发一次模型，现在可能三个月就发下一代，能力曲线不是简单线性的，而且模型逐渐自进化。
第二，AI 的部署边际成本接近零。蒸汽机要铺铁路，AI 只需要 API 调用。 chatgpt 和 openclaw 的指数增长就是很好的案例。
这两个特性意味着，AI 对中间层的挤压可能比历史几次技术革命更快、范围更广。WEF 报告预计全球将消失 9200 万个岗位，新增 1.7 亿个岗位，但新增岗位的分布是不均匀的，高端和低端占大头。更重要的是，这在多个行业同时发生。
我们确定地说新中间层会不会出现。但当下数据不似乎不太乐观。
不够黑也不够白
回到个体。在不确定的时代，如何应对 AI 这种结构性的变化可能是几条，但是不局限于下面几条。
往下钻。掌握不可编码的深度专业知识。不是"终身学习"这种空话，而是找到你所在领域里 AI 做不了的那一层，然后钻到底。
往横扩。综合判断力加人际能力加系统思维。中级专业能力被编码之后，"能看懂全局、能做跨领域判断、能带人"的能力变得更值钱。
往物理世界退。需要物理介入、现场判断和人类温度的领域。这些工作有一个共同特征：AI 啃不动。
但无论选哪条路，真正要避开的都是同一个位置：不上不下，刚好在中间。
电影《绿皮书》里有一个黑人钢琴家。他说:我不够黑，也不够白，甚至不够男人，那谁来告诉我，我是谁。
他的处境很特别：黑人社区觉得他不够黑，他给白人弹钢琴住大房子，白人觉得他不够白，钢琴弹得好，但他仍然黑人，两边都受排挤。
这是 AI 时代很多中间层的处境的隐喻，不够黑，也不够白。
要问自己核心命题不是，AI 会不会替代我，AI 会替代哪些职业。
而是：我是否与众不同，我与 AI 有什么不一样？
