一组数据背后的行业分化

2026 年第一季度，全网上线微短剧约 12.8 万部，其中 AI 微短剧占 12.2 万部，占比 95.3%。同期，横店短剧剧组数量同比下降 80%-90%，演员片酬腰斩——配角日薪从 1500-2000 元降至 400-500 元，群演日薪跌至两位数。

据财新周刊报道，有横店演员"过完春节后突然没活了"，头部制作公司西安丰行从月承制 106 部真人短剧降至 30 部 AI 短剧，100 多人离职后全面转向 AI 生产。

这不是孤立现象。2026 年 3 月，摩根士丹利宣布裁员 2500 人——尽管当期营收创历史新高，裁员理由直指 AI 替代。Anthropic CEO Dario Amodei 在多个场合指出：法律、金融、咨询等行业的入门级岗位，1-2 年内将被 AI 替代，单人加 AI 可完成原来 12 人团队的工作量。

但一个值得深挖的矛盾点在于：同一轮冲击中，并非所有人都被波及。

头部演员收入未降，甚至多了 AI 肖像授权收入；嵌入业务团队的 HRBP 反而因 AI 清除了事务性工作，角色更加重要。这说明一个关键结论——AI 替代不是均匀分布的，而是有清晰的分化逻辑。

基于对横店剧组转型、HR 行业变迁、以及开发者社区的多维度观察，那些在 AI 冲击下依然稳固的岗位，普遍具备以下三个特征。

特征一：输出非标品，从事"非可编程"工作

AI 的核心能力边界在于：它擅长处理高频率、低变异的任务。格式统一的合同、模板化的文案、流程化的报告——这些是 AI 的舒适区。经济学上称之为"可编程工作"——输入输出明确，规则可穷举。

但在横店剧组中，有一类岗位 AI 始终无法替代：道具师中的"做旧师"。

他们的工作没有标准流程：导演说"我要一种王朝末代的破败感"，道具师需要根据剧本年代、角色身份、场景光线的综合判断，通过做旧、调色、改造等方式定制每一件道具。这不是"输入 A 输出 B"的问题，而是需要将模糊的、定性的描述转化为具体的物理实现——每一步都需要人的判断。

同样的逻辑适用于 HR 领域的组织发展（OD）岗位。当 AI 将简历筛选、面试邀约、入职办理等事务性工作接管后，OD 岗位的价值反而凸显出来。原因是：OD 的核心工作——业务部门与员工之间的灰度协调、组织架构调整中的人性化处理、文化建设中的软性干预——每一个 Case 都不重复，没有标准操作流程可循。

牛津大学经济学家 Carl Benedikt Frey 的研究佐证了这一观点：工作内容是"非程序化"且需要"情境判断"的岗位，被 AI 替代的概率比程序化岗位低 60% 以上。 判断标准很简单：如果你的工作可以用"如果 A 就 B"的规则来写清楚，那么它就可以被自动化。

特征二：关系导向而非任务导向——对人负责而非对流程负责

AI 在任务执行层面表现优异——它可以生成一份完美的招聘 JD，可以在毫秒级筛选匹配简历。但它不具备的一个核心能力是：在信息不充分的情况下，对人的判断。

一场面试中，候选人的履历是显性信息，但"学习意愿是否真实""抗压能力如何""与团队风格是否契合"——这些判断依赖的是非结构化信息的综合处理，包括微表情、语气变化、回答时的细微犹豫。AI 可以分析语言内容，但它无法理解为什么一个人会在某个问题前停顿了三秒。

麦肯锡 2026 年全球工作趋势报告指出，人际互动密集型岗位（需要深度沟通、协商、建立信任的工作）在过去三年中，薪资溢价反而上升了 12%-18%。原因是：当 AI 替代了事务性工作后，企业对人处理复杂关系的能力估值更高了。

以 HRBP 为例：AI 将事务性工作清空后，优秀的 HRBP 可以将 70% 以上的时间用于业务理解、团队诊断、组织干预——这些恰好是"对人负责"的工作本质。一位资深 HR 高管的原话值得思考："AI 负责淘汰不合适的简历，HR 负责不淘汰不合适的人。"

横店的情况同样印证了这一点。被 AI 冲击最严重的是"腰部演员"——处于金字塔中间层、缺乏不可替代特征的群体。而金字塔顶端的演员反而因 AI 获得新增收入（肖像授权、声音授权）。好莱坞工会提出的"蒂莉税"方案（对 AI 演员征税）本质上也是在为这个群体争取权益。

AI 清理的是"填表的人"，而非"对人负责的人"。

特征三：干预物理世界——超越信息处理的边界

这是最容易被低估的一点。AI 处理的对象永远是信息——文字、图像、代码、数据。但大量高价值工作发生在物理世界中，需要直接干预物理环境和人际关系。

横店近期出现的"反弹"信号提供了很好的案例。2026 年 5 月下旬，横店开机量回升，80 多个剧组在拍或筹备。原因是市场发现：AI 短剧虽然成本极低（仅为真人短剧的 1/10），但观众对"实物质感"的需求并未消失。一位投资 500 万元引进退役空客 A319 真机的场景商直言："AI 无法替代实景的质感。" 调灯光、搭场景、现场协调——这些发生在物理世界中的执行环节，AI 无法介入。

同样的逻辑可以延伸到大量"非数字化"的商业场景：

• 催收欠款
  ：AI 可以生成催款邮件和话术，但坐在客户面前观察对方反应、根据现场氛围调整谈判策略、最终收回款项——这件事需要的是人际感知力和临场应变能力。
• 跨部门协调
  ：AI 可以生成项目进度报告和三方沟通纪要，但让一个不配合的部门配合你，靠的是在走廊里的一次偶遇、在会议室里的一次眼神确认。

Gartner 2026 年的一份研究报告显示：需要在物理场域中完成的工作（需要出现在现场、接触实物、面对面交流），自动化潜力仅为纯信息处理工作的 1/3。 原因是这些工作包含大量"默会知识"——无法编码、无法文档化、只能通过亲身实践积累的判断力。

写在最后：三个问题帮你做自我诊断

AI 替代焦虑是真实的，但焦虑的方向往往错了。与其追问"我的岗位会不会被替代"，不如用三个维度做一次自我诊断：

第一，我在做标准化的事，还是非标的事？ — 决定的是否容易被程序化替代。
第二，我对流程负责，还是对人负责？ — 决定的是否有价值护城河。
第三，我只需要处理信息，还是需要出现在现场？ — 决定的是否存在物理壁垒。

如果你发现自己三个都在左侧——不用慌。意识到这一点的这一刻，就是转向的起点。

数据来源：36氪、财新周刊、麦肯锡全球研究院、Gartner、牛津大学 Carl Benedikt Frey 研究。