是馬還是煤，決定5年后你的工作是否還存在

2026 年 3 月，美國科技行業至少已有 66 家公司宣布裁員，累計影響 39,482 個崗位。更刺眼的是，其中大約 9,238 個崗位，約占全年科技裁員的 20%，被直接歸因于 AI 采用和自動化。

也就是說，大約每 5 個被裁掉的科技從業者里，就有 1 個，是被“AI”這個理由推向門外的。這已經不是“未來趨勢”，而是正在發生的組織決策。

更值得注意的是，很多公司甚至不再掩飾這背后的邏輯。裁員說明、財報電話會、重組通告里，越來越頻繁地出現同一套表述：提升效率、組織扁平化、加速 AI 投資、用更少的人做更多的事。

其中最典型的一幕，發生在金融科技公司 Block，其CEO也是推特的創始人Jack Dorsey杰克·多西在推上解釋裁員4000人時，大意是：智能工具正在改變工作方式，小而扁平的團隊會成為新常態。與其在未來幾年里慢慢裁減，不如現在就誠實面對。

把這段企業語言翻譯得更直白一點，其實就是一句話：在某些公司看來，人就是馬。蒸汽機和汽車來了，馬就該退場。

但就在差不多同一時期，另一組數據也在出現：軟件工程師的招聘需求，同比增長了 6%。

一邊是裁員，一邊是擴招。一邊是“AI 正在替代人”，一邊是“AI 正在帶來新崗位”。

這兩件事同時發生，并不矛盾。

真正矛盾的是，直到今天，很多人還在用一種過于粗糙的方式理解AI對工作的沖擊：要么以為AI會替代所有人；要么以為AI只是一個提高效率的工具，和自己關系不大。

現實通常不是這兩種極端中的任何一種。

最近讀到兩篇文章，恰好提供了兩個很好的判斷框架。

一篇來自《大西洋月刊》，作者是 Annie Lowrey，標題叫《How to Guess If Your Job Will Exist in Five Years如何判斷你的工作五年后是否存在》。她沒有直接問“哪些職業最危險”，而是提出了一個極有畫面感的問題：

你是煤，還是馬？

另一篇來自 Andrew Yang，標題叫《What Jobs Are Safe?什么工作是安全的》。Yang是美國企業家、前總統候選人，也是較早持續討論自動化、AI 與就業沖擊的公共人物之一。他給出的不是宏大理論，而是一套很現實的職業識別方法：什么樣的工作更容易被自動化，什么樣的工作暫時更安全。

把這兩篇文章放在一起看，會得出一個比“AI 會不會搶飯碗”更準確的結論：

AI不是替代所有人。它更可能先替代三種人。而真正決定你的工作5年后是否還在的，不是職業名稱，是你在價值鏈中的位置。

一、一匹馬和一塊煤

1915年，美國農場里有26,493,000匹馬科動物。100年后，只剩約70萬。

馬沒有轉型。當聯合收割機開進苜蓿田時，它們沒有看懂谷倉墻上的字，沒有去申請工廠工作，也沒有去上社區大學。它們站在那里，啃胡蘿卜，等待被時代淘汰。

但農民轉型了。1880年，美國超過一半的勞動力從事農業；今天只有2%。農民變成了縫紉機操作工，他們的孩子成了蒸汽管道工，孫輩成了教師，再下一代成了真人秀節目的參賽者。那些名字已經陌生的職業——運貨馬車夫、卷揚機操作工、電話接線員——要么凋零，要么消失，但"工作"這件事本身沒有消失。

馬和農民的區別，不在于誰更聰明，在于誰擁有選擇。

然后說到煤。

1865年，英國經濟學家威廉·斯坦利·杰文斯（William Stanley Jevons）出版了一本書叫《煤的問題》。他在書里帶著一種近乎抒情的口吻寫道：煤是"這個國家的物質能量——是普遍的助力——是我們所做一切事情中的要素"。

Annie Lowrey在讀到這段話時忍不住調侃：去找一個像杰文斯凝視熔爐那樣凝視你的人吧。

杰文斯的核心洞察，后來被稱為"杰文斯悖論"（Jevons paradox）：蒸汽機效率提升，不會減少煤的需求，反而會擴大需求；因為效率降低了成本，成本降低拓展了應用范圍，應用范圍擴大帶來更多總消耗。

這個悖論一再被現實驗證。

LED燈更省電，但美國總用電量比50年前更高，因為用電設備數量翻了幾十倍。更快的芯片讓一切變成微型計算機，于是我們需要更多芯片。寬帶更便宜了，人們反而把更多時間、更多生活場景塞進了數字系統。

回到軟件工程師。AI讓寫代碼更容易，于是公司開始做更多過去做不起的項目，需要更多能開發和部署AI產品的人。效率提升，需求反而擴大。程序員沒有消失，他們是煤。

至于杰克裁掉的那4,000人，Block的一名前員工告訴《紐約時報》：那其實更接近"標準的成本管理和優先級調整"，不是什么AI驅動的重塑。AI敘事，是最順手的包裝紙。

這兩件事放在一起，就是這篇文章想說的全部：我們常常把馬的故事，貼到煤的身上。

二、AI教父的預言為何失手了？

2016年，AI教父、諾貝爾獎得主Geoffrey Hinto辛頓說了一句被媒體廣泛引用的話："我們應該停止培養放射科醫生，因為軟件很快會讓他們變得多余。"

今天是2026年，放射科醫生還在。

不只是還在，他們更忙了。醫學影像技術的進步解鎖了CT和MRI更多的應用場景，患者需要更多檢查，醫生開出更多檢查單，放射科醫生的工作量反而上升了。技術沒有把他們替換掉，把整個系統做大了，而他們站在這個更大的系統的關鍵節點上。

為什么預測失手了？

杰文斯悖論是一個原因：更好的影像技術降低了成本，于是用得更多，需求擴張速度超過了自動化速度。

另一個原因更現實，但很少被提到：醫學影像軟件必須通過FDA的審批流程，周期長，成本高。技術上能做到的事，和被允許大規模部署的事，中間隔著一道很厚的墻。

這里藏著一個真正重要的洞察：

AI能不能替代某個工作，是技術問題。AI會不會被決策者選擇去替代，才是現實問題。

組織慣性、監管框架、客戶信任、人際摩擦，這些才是真正決定替代速度的變量。技術只是其中一層，而且往往不是最決定性的那層。

忽視這一層，就會產生像Hinton那樣的預測：邏輯上正確，現實上失手。

三、現在哪些工作是馬：三個結構性特征

最先承壓的，通常不是最辛苦的人，而是工作特征落在以下幾個區間里的人。

第一：工作已經被寫成了流程。

如果你的產出主要是文檔、表格、郵件、匯報、資料、常規分析——輸入清楚，步驟可以拆解，邏輯穩定——這份工作就很容易進入AI的"可接管區間"。職位名稱里帶分析師、研究員、行政、翻譯的，都在這個區間里。

AI最先吃掉的，不是整個崗位，而是崗位里最流程化、最重復、最容易量化的那些任務。結果是：你還在，但你的工作在悄悄貶值。同樣的活，團隊人數在變少；同樣的崗位，招聘門檻在提高；同樣的薪資，要求你一個人做過去兩個人的工作。

AI的第一輪沖擊，往往不是讓你失去工作，而是先讓你的工作貶值。

第二：離收入遠，離決策遠。

Andrew Yang是美國前總統候選人，這些年持續從經濟、政策、社會多個角度討論自動化和就業問題。他有一個判斷，很直接也很現實：組織在裁員時，看的不是誰最忙，而是誰最接近結果。

如果你的工作本質上是支持性的、協調性的、輔助性的，雖然重要，但不直接帶來收入，也不掌握關鍵資源，它就更容易成為被壓縮的對象。在上市公司里，這個邏輯更明顯：資本市場不會因為某個崗位"很辛苦"就給它更高估值。

最先被保留的，是離客戶更近、離收入更近、離關鍵結果更近的人。法律、咨詢行業里真正能帶來客戶和合同的人，被替換的成本遠高于收益。但支持性、執行性的角色，決策者會很快算出那筆賬。

第三：主要靠基礎信息差生存。

過去很多白領崗位有一個隱性價值來源：信息差。你比別人更會搜資料、更會整理、更會輸出一份"像樣的東西"。在過去，這是可以形成壁壘的能力。

AI壓縮的，恰恰就是這類基礎信息差。以前需要培訓才能掌握的技能，正在變成越來越便宜的通用能力，研究員、助理、分析師、初級文案、翻譯，這些崗位的入門門檻都在快速下降。

危險的不是信息不重要了，而是只會處理信息、不負責最終判斷的人，正在變得越來越不稀缺。

會搜資料的人越來越多，能拍板的人仍然少。會生成內容的人越來越多，愿意對結果負責的人仍然少。

四、AI時代的煤：暫時更安全的人

Yang在newsletter里寫了一件很具體的小事：他的妻子給他買了10節私教課。私教叫Aaron，31歲，準備求婚，正在擔心AI健身App會讓他失業。

Yang給他的建議分三點。第一，有些人就是看重和真人一起訓練。第二，你在曼哈頓，客戶是對價格不敏感的富裕人群，他們付溢價不只是買訓練方案，而是買一個活生生的人站在旁邊盯著他們。第三，你的客戶年齡偏大，更傾向于面對真人。

Aaron聽完，放心了。幾周后，求婚成功。

這個故事里有一個很值得提煉的判斷：工作安不安全，不只取決于工作內容，還取決于你在什么地方、服務什么人、在什么組織里。

暫時更安全的工作，有幾個共同特征：

需要和人、孩子、病人、動物發生身體接觸的工作。這不只是因為機器人還不夠靈巧，更因為接觸本身就是服務的一部分。

沒有人會因為"AI也能給診斷建議"就不需要醫生觸診。護理、理療、心理咨詢，這類工作的核心不只是提供答案，而是建立信任、形成互動、推動行動。

工作會把手弄臟的人。水管工、電工、修車師傅、技工，每個現場都不一樣，需要在物理世界里移動、判斷、應變。

這類工作很難標準化，大模型坐在云端吃不了。Yang提到，灣區最常見的職業不是AI工程師，而是家庭健康助理。

服務于對價格不敏感的客戶的人。這是一個經常被低估的變量。在紐約曼哈頓做私教的Aaron，和在三線城市做私教的教練，面對的是完全不同的替代壓力。

有錢人付溢價買的是體驗和信任，不是最便宜的方案。越靠近愿意付高價的人，被替代的速度越慢。

在政府、工會組織、非營利機構里工作的人。自動化壓力在這里小得多，不是因為AI不能做，而是因為沒有人有足夠強的動機去推動這件事。Lowrey注意到，FDA嚴格的審批流程本質上減緩了AI替代放射科醫生的速度。

制度本身，是AI滲透速度最有效的減速帶之一。

五、真正決定你5年后是否失業的，是你在價值鏈中的位置

這大概是這兩篇文章給我們的最大啟發。

別再只問：“我是程序員嗎？”“我是設計師嗎？”“我是老師嗎？”“我是咨詢顧問嗎？”

這些標簽已經越來越不夠用了。因為同一個職業里，不同層次、不同環節、不同位置的人，面對 AI 的命運完全不同。

真正要問的是：

我在這個職業里，做的是哪一層工作？

你做的是最容易被寫成流程、交給工具接管的那一層，還是那個必須理解上下文、做判斷、扛責任、整合資源的那一層？

你做的是把材料整理漂亮的那一層，還是那個決定什么該做、什么不該做、結果由誰負責的那一層？

你做的是“誰來都差不多”的那一層，還是那個一旦失去你，組織就會明顯失速的那一層？

同樣是程序員，有人主要在寫重復性代碼，有人負責架構、業務理解、系統整合、團隊協作，風險就完全不同。

同樣是設計師，有人做的是基礎出圖和改稿，有人做的是品牌表達、策略判斷和整合創意，也完全不同。

同樣是老師，有人只是傳遞知識，有人能管理課堂、塑造關系、激發學生，這種價值短期很難替代。

所以，未來最危險的，不是某個職業整體，而是這個職業內部那些最容易被工具接管、又無法向上升級的部分。

你是否安全，最終取決于三件事：

你是否接近真實結果；你是否掌握別人替代不了的判斷；你是否處在組織和客戶都愿意保留的位置上。

說到底，AI 帶來的真正分化，也許不是“白領和藍領”的分化，不是“程序員和非程序員”的分化，甚至不只是“會不會用 AI”的分化。

而是另一種更鋒利的分化：

有些人仍然只是流程中的一個環節；有些人已經站到了價值鏈更上游的位置。

前者會越來越便宜。后者會越來越少，也會越來越貴。

所以，比起反復問“AI 會不會搶走我的工作”，更值得反復追問的，可能是另一件事：

當組織開始重新給每一個崗位定價時，你到底站在價值鏈的哪一段？

這個問題，沒有哪個模型能替你回答。

但越早開始回答它的人，越不容易在五年后，突然發現自己已經站在了時代的邊緣。

六、煤也會走向馬的命運

Lowrey的文章有一個結尾，我覺得是整篇最有意思的部分。

英國最后一座燃煤電廠，在2024年關閉。今天英國的煤炭使用量，已經回落到1666年的水平，那時候最常見的職業還是農奴。

煤最終也走向了馬的命運。

但杰文斯寫《煤的問題》的時候，一個來自賓夕法尼亞的人，被人們叫作德雷克上校，雖然他實際上并不是上校，正在琢磨著向地層深處鉆探，把石油抽上來。石油取代了煤，正如煤曾取代生物燃料，而太陽能正在慢慢取代石油。

每種能源都有它的峰值，也有它的終局。

這個邏輯對職業也是一樣的。今天看起來像煤的崗位，不代表永遠是煤。判斷自己是煤還是馬，是此刻的定位，不是終身的判決。

所以Yang最后給出的建議，我倒覺得比任何分析框架都更接近問題的核心：

"要防止老板把你的工作自動化掉，最好的辦法就是你自己變成老板。因為那樣一來，唯一能開除你的人，就只剩你自己了。"

這不是一個容易實現的建議。但它指向的邏輯很清楚：煤有價值，但煤本身沒有選擇權。馬更慘，馬也沒有選擇權。

人和它們的本質區別，在于人可以判斷自己現在站在哪里，然后主動移動。

你現在的工作，是煤還是馬，這是今天的問題。

而德雷克上校正在往地下鉆的那個東西，又是什么，這是需要你睡覺時想的問題。【懂】

歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

歡迎訂閱不懂經知識星球，星球即將漲價。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由