夜雨聆风Salesforce在2025年干了一件事：把客服团队从9000人砍到5000人，AI接过50%的客户对话。裁掉4000人，满意度没降。
这不是一个SaaS公司的内部调整。这是"AI大压缩"在商业世界第一次把规律说得这么赤裸。
香港大学李晋教授2025年提出了这个概念——AI对认知劳动价值的系统性压缩。蒸汽机压缩了能量转化链路，互联网压缩了信息传递链路，AI压缩的是认知劳动本身。“人理解意图→操作工具→输出结果"这条走了几千年的链路，正在被坍缩成"意图→AI交付”。报告给出的量化判断：交付周期压缩2到4个数量级——原本几个月的项目级别工作，压缩到小时级甚至分钟级。法务合同审查从数天缩到几分钟，蛋白质晶体结构预测从数月缩到小时。时间被压碎之后，支撑这条时间链条上的中间环节——审核、转译、协调、汇总——就失去了存在的理由。
Salesforce不是孤例。Anysphere公司旗下产品Cursor，以大约300人的团队做到了20亿美元年化营收，人均年化营收约700万美元。这家公司从0到10亿美元ARR的速度创造了SaaS行业历史。300人干出了传统软件公司3000人的收入体量。人少不是省成本，是这个组织形态下根本不需要那么多人。另一个反例来自Klarna：曾在2024年高调宣布用AI取代数百名客服，但到了2025年5月又重新招聘人工客服——压缩不是直线前进的，有些场景AI先占住后再退回来。
但AI大压缩不是均匀降临的。报告提出了一个四维评估框架来判断哪些行业先被碾过去。第一维是数据就绪度——行业核心知识有没有被高度数字化和结构化。代码、金融文本这些天然结构化，撞线最早。教育和医疗的隐性知识大量存在老专家的脑子里，还没被写成可训练的数据，所以撞线更晚。第二维是容错率空间——业务能不能容忍概率性错误。营销文案写错了顶多转化率低两个点，医疗诊断错了就是一条命。第三维是标准化程度——业务流程有没有清晰的输入输出边界和客观的评价标准。第四维是监管壁垒——技术能做了不等于法律允许你做。
这四个维度叠加在一起，画出了大压缩的抵达时间表。法律和金融的知识工作正在最早被重塑，教育和医疗在中间地带，创意和战略决策处于远景区。但远不等于安全——Cursor压缩的是编程，Salesforce压缩的是客服，这两个工种几年前还被普遍认为"AI替代不了"。
更值得警惕的不是某个岗位被替代，而是组织结构的系统性压缩。报告引用了a16z的分析：AI让个体效率提升了10倍，但没有一家企业因此变得10倍有价值，因为高效个体拼不出高效组织。这跟1890年代美国工厂用电动机替换蒸汽机时的困境一模一样——把蒸汽机拆了换电动机，工厂效率没怎么提升。真正释放电力价值的，是三十年后的流水线重组。今天的企业面临同一个问题：把人裁了换上AI，组织架构不变，效率提升有限。但组织架构一旦为AI重组——砍掉所有转译层、审核层、汇总层，只保留端到端的决策节点——裁掉的就不是几个人，是整层整层的中间岗位。
报告将这种纵向压缩做了量化测算：当一个组织完成从多层分工到AI驱动的端到端垂直整合时，资源消耗可压缩8到33倍。核心效率来源不是AI算得快，而是人与人之间的协调开销被消除了。过去一个需求从客户到交付，要经过销售、售前、方案、研发、测试、运维六七层转译，每一层都在损耗信息、增加周期。AI压缩后只剩两层：意图输入和结果输出。价值链的塌陷会进一步传导至组织结构——当多层分工被压成端到端节点，支撑多层架构的管理岗位就变成了剩余成本。
报告还补充了一个对中国的特别观察。中国的认知劳动密集型行业利润长期被庞大的信息转译和加工人力成本侵蚀——微笑曲线在中国的管理层级中被进一步拉长。AI大压缩对中国的结构性冲击幅度将高于认知劳动成本占比低的经济体。压力更大，但也意味着压缩完成后释放的人均效率提升空间更大。
这是当前白领焦虑的底层逻辑。不是AI比你聪明，是AI让企业发现中间那一大堆"协调型岗位"从来就不是必需的。它们是组织膨胀的副产品，是信息不对称时代的必要摩擦。摩擦一旦被消除，岗位就蒸发。
Salesforce裁了4000人，满意度没降。下一个被重新丈量人效比的行业会是谁，已经不是技术问题，是CEO什么时候有勇气按下那个按钮的问题。
报告还指出了一个更深层的趋势：大压缩不是匀速向前的，它会经历三个阶段。第一阶段是"任务级压缩"——AI接管单个任务，比如写代码、审合同。第二阶段是"流程级压缩"——AI接管端到端流程，比如从客户咨询到售后服务全链条AI化。第三阶段才是"组织级压缩"——企业的组织结构因为AI而根本性重构。Salesforce裁4000人属于第二阶段刚刚开始。真正可怕的是第三阶段的到来：组织不再围绕部门职能来设计，而是围绕AI的输入输出边界来设计。到那时，不是裁掉40%的人，而是40%的岗位类型从组织设计图纸上直接消失。
这份报告的联合作者阵容——香港大学、中国信通院、模驭AI——也暗示了一个信号：AI大压缩已经不是学术圈的纸上推演，产业信号和政策信号同时在亮灯。
新加坡国立大学AI研究所2025年10月的研究表明，科学文献中纯AI生成文本的比例每三个月翻一番，2024年9月已超10%。而在特定领域如计算机科学，这个比例可能超过25%。AI在"制造知识"的速度上正在超越人类在"消化知识"的速度——这意味着大压缩的燃料是自我加速的：AI生成得越多，人类认知劳动的相对效率就越低，压缩就越快。
数据来源： 《2026年AI大压缩：智能经济时代的生产范式转移研究报告》
