夜雨聆风2026年5月20日，Meta突然宣布全球裁员10%。
7800人。同一天，6000个正在招聘的岗位被直接关闭。
扎克伯格在内部信里说了一句话：「善用AI的一个人，就可能完成过去需要大型团队才能完成的专案。2026年，将是AI彻底改变工作方式的一年。」
6天之后，Cloudflare裁员1100人，占员工总数的20%。讽刺的是，同一天公布的季度财报显示，公司营收创下历史新高——6.398亿美元，同比增长34%。
CEO马修·普林斯的解释更加直白：过去三个月，公司内部AI使用量狂飙了600%。部分员工在AI辅助下生产力提升了2倍、10倍，甚至100倍。
所以他才裁掉了五分之一的人。
再两天后，网站建设平台Wix宣布裁掉1000人。理由如出一辙：AI正在改变一切。
这不是经济下行导致的周期调整。这些裁员，发生在各家科技巨头营收创新高的时候。
用一位经济学家的话说：企业正在从「人手模式」过渡到「Token模式」。一个会用AI的员工，可以替代过去整个团队。
这意味着什么？意味着我们过去几十年对「好工作」的理解，可能要从头重写。
一、这一轮不一样：白领第一次站到被替代的第一排
过去每一次技术革命，都有一个基本规律：最先被替代的，是体力劳动者。
蒸汽机替代了纺织女工的手臂。流水线替代了装配工人的重复动作。挖掘机替代了挖土的人。
但白领的工作，一直被认为是安全的。因为它们需要「脑子」。
要思考、要判断、要创造。机器再怎么厉害，能写合同吗？能做财务分析吗？能写代码吗？
能。
而且做得还不错。
国际货币基金组织（IMF）把工作岗位分成三类：
第一类叫「高暴露、低互补」——标准化、重复性强的脑力劳动。会计、编辑、销售、程序员、客服。这类岗位，AI替代风险最高。
第二类叫「高暴露、高互补」——依赖经验、情感和复杂判断的工作。谈判协调、战略决策、创意设计。AI能帮上忙，但很难彻底取代。
第三类叫「低暴露」——需要复杂物理操作和实时感官反馈的岗位。水电维修、护理、清洁、表演。短期内AI还够不着。
关键数字在这：IMF预测，全球约40%的工作属于第一类。发达经济体这个数字是60%。
六十年来第一次，受冲击最大的不是流水线工人，而是坐在办公室里敲键盘的人。
北京大学张丹丹教授团队的研究印证了这一点。他们分析了125万条在线招聘信息后发现，受影响最大的20个职业，全部集中在知识密集型白领岗位。
不是你不够努力。是你所在的这个岗位类型，正处于AI替代的射程之内。
二、年轻人和中年人的双重困境
斯坦福大学数字经济实验室在2025年11月发布了一份报告。报告里有一个令人不安的数字：在美国AI高暴露职业中，22到25岁初级员工的就业人数，下降了约16%。
16%。
这不是自然波动。这是系统性的入口收窄。
为什么年轻人首当其冲？
因为初级岗位，天然就是AI的舒适区。整理资料、撰写初稿、基础翻译、简单代码——这些事情，AI做得更快、更便宜、还不用交社保。
以前一个刚毕业的学生，可以从「打杂」做起，慢慢积累经验，成长为独当一面的专业人士。
现在呢？打杂的事AI全干了。那你从哪开始？
2026年，中国高校毕业生的数字是1270万。再创历史新高。
而吸纳应届生最多的互联网、金融、教培行业，恰恰是受AI冲击最猛的三个领域。
这不是短期的摩擦性失业。这是一个结构性问题。
另一端的困境，属于中年人。
Anthropic的研究数据显示，那些已经在高AI暴露岗位上的中年人，面临的是另一种压力：不是你不够好，而是你「太贵了」。
一个做了十年翻译的人，和一个AI翻译工具，谁的性价比更高？
答案不言自明。
瑞银2026年的一项调查显示，42%的受访企业预期AI将促使他们显著减少招聘。这个数字比去年跳升了11个百分点。
更残酷的数据来自另一项调查：采访了近900名企业高管，99%的人预判自己的企业会借助AI缩减在岗人数。
99%。
不是愿不愿意的问题。是时间问题。
三、一个新的收入分配时代正在到来
如果只是部分岗位被替代，那只是「阵痛」。真正值得警惕的，是收入分配逻辑的根本改变。
过去我们相信一个简单公式：努力工作 = 好收入。
这个公式成立的前提是：你的「努力」有价值。
但如果AI能以极低的成本完成同样的工作呢？
粤开证券首席经济学家罗志恒指出了三个正在发生的事情：
第一，白领工资开始承压。
那些处于「高暴露」岗位的白领，面临的不只是失业风险。更普遍的情况是，收入在不知不觉中缩水。
因为你的议价能力，正在被AI侵蚀。
第二，顶尖人才反而更值钱了。
会用AI的人，生产力倍增。以前一个团队才能完成的事情，现在一个人加AI就够了。
于是出现了「一人抵多人」的超级员工。他们的薪资不降反升——因为他们创造的价值，确实比以前高得多。
第三，底层服务业工资也被压低。
这可能是最让人难受的部分。
那些被AI替代的白领去哪了？一部分人「向下流动」，进入门槛更低的服务业。
当大学毕业生开始送外卖、做网约车司机时，原本从事这些工作的人怎么办？
结果是：底层劳动力供应过剩，大家的工资一起被压低。
三个力量叠加，就形成了一个「K型」社会：会跟AI协作的人，财富向上走；不能的人，财富向下滑。
这不是危言耸听。这在很多行业已经发生了。
2026年，掌握AI协作能力的开发者，薪资比传统编程岗位高出35%。
而纯编码岗位的薪资，同比降了62%。
不是编程不值钱了。是不跟AI一起编程的方式不值钱了。
四、历史上每一次技术革命，最终都创造了更多就业。但这次呢？
很多人会用历史数据来安慰自己。
没错，过去80年，美国超过85%的就业增长，由技术驱动的新职业贡献。现在美国约60%的劳动者，从事的是1940年还不存在的职业。
如果只看这个数据，似乎不必担心。AI替代一些岗位，也会创造新的岗位。人类历史上每一次技术革命都是这么过来的。
但这里有一个关键问题：节奏。
过去的技术替代是「渐进式」的。一条生产线、一个行业、一个地区，逐步推进。被替代的劳动者有时间、有空间去学习和转型。
AI替代是「并进式」的。它同时冲击翻译、会计、设计、编程、客服……横跨多个行业，几乎同步发生。
世界经济论坛在2026年1月发布了警示报告。核心观点是：AI技术演进极快，但劳动力技能转换严重滞后。我们正在进入一个「替代时代」——岗位消失的速度，远远快于新岗位的创造速度和劳动者转型的速度。
圣路易斯联邦储备银行的一项研究更直接：2022到2025年间，美国各地区生成式AI的普及程度，与当地失业率的上升幅度，存在统计学上的正相关。
当然，也有不同的声音。
耶鲁大学在2025年10月发布的研究指出：ChatGPT发布后33个月内，美国就业结构变化并不显著。就业结构的改变，实际上始于2021年——比生成式AI普及要早。
这两种观点都对。但它们描述的是同一个现象的两个阶段。
就像冰山。水面上露出来的只是一角。水面下的部分，更大、更重、更难以察觉。
目前的宏观经济数据，也许确实还没有显示出AI对整体就业的显著冲击。但特定行业、特定岗位的替代，已经非常明显了。
高盛的判断是：AI可能取代美国6%到7%的劳动力。这个数字说大不大，但请注意——这还只是开始。
五、中国面对的挑战，比欧美更复杂
当一个中国读者读到这的时候，可能会觉得：你说的这些都是美国的事情，Meta裁员、Cloudflare裁员，跟我有什么关系？
关系很大。
因为中国面对的AI就业冲击，实际上比欧美更复杂。
第一个原因：中国AI落地更快。
斯坦福大学的人工智能报告明确指出，中国在AI应用方面更侧重「技术落地与产业应用」，而美国更聚焦前沿突破。
中国员工定期使用AI的比例，全球领先。
这意味着什么？意味着「岗位出清」的速度可能更快。
第二个原因：青年的就业压力已经很大了。
2026年高校毕业生1270万。加上之前两年未充分就业的存量，青年就业市场的压力在AI冲击之前就已经非常严峻了。
AI不是雪上加霜。AI是让本来就很冷的天，又下了一场冻雨。
第三个原因：人口老龄化形成了双重压力。
老龄化导致劳动力短缺，这本来应该让劳动者更「稀缺」、更「值钱」。
但事实恰好相反。
因为劳动力短缺，企业反而更有动力用AI来替代人力。劳动力越稀缺，替代的紧迫感越强。
同时，老龄化又抑制了消费需求——老年人消费率低，导致服务业就业创造能力有限。
一边是替代加速，一边是新岗位创造不足。两头挤压，这才是真正的挑战。
六、什么样的人不会被淘汰？
写到这里，我不想把文章停在一个让人焦虑的位置。
焦虑解决不了问题。行动才能。
基于前面的分析，三个基本判断：
第一，AI不是来替代「职业」的，是来替代「任务」的。
一个平面设计师的工作，不是整个被替代。而是其中的「抠图」「调色」「排版」等重复性任务，被AI接管了。
但「理解客户需求」「把握品牌调性」「创造独特的视觉语言」，这些依然需要人。
所以关键不是「我的职业会不会被替代」，而是「我的工作中，多少比例是AI能干的」。
把这个比例降到最低。把精力集中在AI干不了的事情上。
第二，最值钱的能力，是「用AI的能力」。
2026年最明显的趋势是什么？
AI产品经理岗位，增速129%。智能体开发人才，增速455%。AI工程化岗位，需求增长420%。
这些岗位的共同特征是：既懂专业，又懂AI。
不是为了学AI而学AI。而是把AI变成你的杠杆。
第三，做「难的」「乱的」「新的」事情。
什么事情AI不容易替代？
难的：需要深度专业知识、复杂判断力的事情。 乱的：需要协调多方利益、处理模糊情况的事情。 新的：没有先例、没有数据、需要从零创造的事情。
如果你做的事情是「标准的」「重复的」「有明确规则的」，警惕。AI的射程离你已经很近了。
如果你做的事情是「独特的」「复杂的」「需要创造的」，放心。你的护城河还在。
最后的话
2026年5月，Cloudflare的CEO说了一句话，我印象很深。
他说：「这不是关于采用新工具。而是关于彻底改造公司的构建、思考、管理和运营方式。」
我想把这句话里的「公司」换成「自己」。
这不是关于学一个新工具。而是关于彻底改造你的构建能力、思考方式、学习和成长的方式。
工业革命时代，最危险的事情不是机器替代了你。
是你等机器替代了你之后，才意识到自己其实可以学会开机器。
