纽约时报最近有一篇文章，题目大意是：硅谷正在为一个“永久底层”做心理准备。

这个说法很刺耳，也很容易被误读。

如果把它读成“AI 一定会让大多数人失业，并且社会马上分裂成少数 AI 资本家和大量无用人口”，那它就太像一个恐吓故事了。这样的故事传播很快，但也很容易让人直接拒绝。

我更愿意把它读成一个风险信号：

AI 对普通人的冲击，可能不会先表现为你明天突然没有工作。
它可能先表现为：你在工作流里的执行层价值被压缩。

这件事比“失业”两个字更隐蔽，也更现实。

不要只盯着失业率

很多人讨论 AI 和工作时，第一反应是问：

哪些岗位会消失？
失业率会不会暴涨？
AI 到底能不能完全替代人？

这些问题当然重要，但它们不是最早出现的信号。

更早的信号可能是：

公司少招一个初级岗位
一个小团队不再补执行型人手
原本需要三天推进的整理、修改、生成和校对，现在半天完成
新人能练手的任务越来越少
同样的岗位，工资谈判空间变小
同样的团队，老板开始期待更快的产出

这些变化不一定会立刻变成“某个岗位被 AI 替代”。它们更像是慢慢改变你在流程里的位置。

如果你只盯着失业率，可能会错过真正发生变化的地方。

AI 最先拿走的，是可描述、可检查、可重复的执行

我越来越觉得，“AI 会不会替代人”这个问题问得太粗。

更准确的问题应该是：

你的工作里，有多少部分是可描述、可检查、可重复的执行？

如果一个任务可以被清楚描述，有上下文，有输入输出，有验收标准，有失败后重试的方式，那么 AI 就越来越有机会接走这段执行。

这不意味着 AI 一定能独立承担整个岗位。

但它可以拿走岗位里的某些层：

整理资料
生成初稿
修改局部代码
批量改文案
根据 issue 执行一组变更
根据检查结果继续修
产出可 review 的版本

这些动作以前很占时间，也常常是普通人在组织里证明自己价值的入口。

问题是，如果这些动作被压缩了，人的位置就会被重新计算。

入门岗位真正危险的地方，不是“AI 比新人聪明”

我不认为 AI 简单地“比新人聪明”，所以新人就没有用了。

真正危险的是：很多新人过去是通过执行层成长起来的。

你先做整理，做校对，改小 bug，补文档，跑测试，做表格，跟进流程，处理重复问题。你在这些任务里熟悉业务、理解上下文、建立判断力。

如果 AI 先接走这些任务，组织会出现一个很现实的问题：

资深的人还在，因为他们能定义问题和判断结果。
初级的人变少，因为他们原本练级的执行任务被压缩了。

这不是一个“AI 立即替代所有人”的故事。

这是职业阶梯变窄的故事。

如果没有新的训练方式，很多人不是直接被 AI 替代，而是没有足够机会从执行层长到判断层。

这也是为什么我觉得 NYT 那篇文章的“永久底层”说法虽然夸张，但不能完全当成噱头。它真正提醒的是：如果入门路径被切断，长期流动性就会出问题。

但“永久底层”不是技术必然

这里必须降温。

AI 影响工作，不等于岗位自动消失。

一个岗位暴露在 AI 能力下，也不等于这个岗位会被替代。ILO、OECD、David Autor、Acemoglu 和 Restrepo 这些研究反复提醒我们：技术会替代一些任务，也会补充一些任务，还可能创造新的任务。最终结果取决于采用成本、业务流程、需求扩张、制度安排、教育训练和收入分配。

所以我不认为“永久底层”是一个已经被证明的未来。

更准确地说，它是一个可能被制度和商业激励推出来的风险。

如果 AI 带来的效率收益主要被资本和少数平台捕获，而普通人只是承担转型成本；如果企业不断减少入门岗位，却没有新的训练和晋升机制；如果公共政策只等到失业数据变难看才反应，那么阶层固化风险就会变高。

但如果我们承认问题，并重新设计教育、训练、工作流、分配和组织方式，这个结果并不是必然。

技术不是命运。

工作流设计、制度选择和个人迁移速度，都会影响结果。

普通人真正要迁移的位置

我之前写过一篇文章，说我看到 AI 按 issue 驱动完成真实项目里的大量变更后，第一次强烈感到“我，真快失业了”。

后来我意识到，这句话不完全准确。

更准确的说法是：

不是我这个人马上失业，
而是我过去依赖的一部分执行层价值正在失效。

如果我只是那个“亲手做完执行动作的人”，风险会越来越大。

但如果我能迁移到另一个位置，价值就不一样：

我能定义任务
我能给出边界
我能组织上下文
我能判断结果
我能设计验收
我能管理证据
我能决定是否进入下一阶段

这不是把人包装成“管理者”。

它更像是：人必须从单点执行者，变成工作流的负责人。

你不一定要会写所有代码，不一定要亲手画所有图，不一定要逐字写完所有文案。但你要知道任务为什么做，边界在哪里，结果怎么算合格，风险在哪里，证据怎么留下，什么时候不能继续。

这部分能力，短期内反而会更重要。

AI 时代的普通人，不是只学会用工具

很多 AI 教程会告诉你：学会提示词，学会某个工具，学会自动化。

这些当然有用。

但如果只停在工具层，还是不够。

真正的问题是：

你能不能把一个模糊需求，变成 AI 可以执行、可以检查、可以复盘的任务？
你能不能判断 AI 的结果哪里可靠、哪里危险？
你能不能把一次执行沉淀成下一次更稳定的流程？

如果不能，你仍然只是被工具带着走。

如果能，你才开始把 AI 的执行力变成自己的工作流能力。

这也是我为什么越来越少把 AI 当成“聊天工具”，而更愿意把它看成“工作流里的 worker”。

聊天工具回答问题。

worker 承接任务。

前者改变的是信息获取，后者改变的是劳动结构。

最危险的不是 AI 太强，而是你还把自己放在执行层

NYT 那篇文章的标题很重。

“永久底层”这个词会让人不舒服，也应该让人不舒服。

但我不想把它读成一个结论。我更愿意把它读成一个问题：

如果 AI 先拿走执行层，
普通人还能靠什么保持向上流动？

我的答案还不完整。

但至少有一点越来越清楚：不要只问“AI 会不会替代我”。这个问题太晚了。

更早的问题是：

我的价值是不是还主要绑定在可描述、可检查、可重复的执行上？

如果答案是肯定的，就要尽快迁移。

迁移到哪里？

迁移到定义任务、组织上下文、判断结果、管理证据、设计流程、承担边界。

这不是更轻松的位置。

但它更接近 AI 时代普通人还能保住主动权的位置。

参考与延伸阅读