马尼拉，傍晚五点。
高层写字楼里涌出大量员工，白衬衫，工牌，赶末班车的样子。二十多年来，这片商业区一直是菲律宾最成功的经济样本——外包行业雇佣约190万人，每年创造400亿美元收入，约占菲律宾经济的10%。
丽莎（化名）在这里做了十五年内容写作。大学毕业就开始写，做过多年自由撰稿人，最后走上了很多菲律宾年轻人走过的那条路：加入跨国公司，投身外包。
她一直觉得没必要在工作里用AI。她的原话是："我可以自信地说，我能够胜任我的工作，能按时完成任务。在我看来，没有必要使用AI。"
在最新这份岗位上做到第八个月，距离正式转正只剩一个月，她被裁了。
被裁之前的几个月，公司一直被客户要求提供AI生成的材料，她和同事们的活变成了给AI产出的内容做编辑——顺便，让AI学会公司的写作风格。
丽莎后来说了一句话。这句话在这轮AI就业讨论里，可能是最锋利的一句：
"是我们亲手训练出了取代我们的AI。"
一、印度：一个被AI做空的国家
如果说菲律宾是慢性失血，印度就是断崖。
印度曾被称为"世界后台办公室"。技术外包岗位支撑着大量欧美公司的日常运转。直到几年前，印度的IT巨头每年能吸纳约60万名应届毕业生。
根据行业统计，这个数字在过去两年已骤降至约15万人。
四分之三，没了。
不是裁员数字，是招聘数字。裁员至少还有个人在岗位上被拿走了位置；招聘数字腰斩再腰斩，意味着那些位置从一开始就不存在了。没有人被开除，只是门在关。
印度媒体开始用一个说法自嘲："一个被AI做空的国家。"
二、反常识的一组数据
看到这里，正常的推论是"AI正在消灭初级岗位"。
但有一份数据，会让这个推论卡壳。
马里兰大学和LinkUp做了一个项目，统计了2018年以来1.55亿条美国招聘信息。结论是：截至2025年第四季度，没有证据显示AI在整体经济层面压垮了招聘需求。
最反直觉的是应届生这一档。"AI先干掉初级岗位"这话听了两年，可这份数据里，明确面向应届生的岗位占比不降反升——从2022年第四季度的11.7%，涨到2025年第四季度的12.6%。
光是2025年第四季度，这类岗位就有53.2万条，比2018年第一季度高出63%。
就连最该被"屠戮"的数学和计算机职业，应届生岗位数也比2018年第一季度高出55%。
报告里还有一个更反直觉的观察：年轻、经验浅的员工反而更可能从AI工具里吃到红利，因为AI最擅长的就是把海量经验一键喂到他们面前，这让他们在雇主眼里成了"便宜又好用"的早期采用者。
连两位最有资格唱衰的人也在改口。
7月28日，奥特曼在播客《Invest Like the Best》里说，人们"并不真正想要一个AI CEO"，因为大家想知道一家公司到底是谁在做决定、出了事该找谁负责。他还提到，自己曾试过让AI替他回Slack和邮件，署名"这是Sam的AI"，结果没多久又改回自己回——他发现人们真的很在乎和人打交道。今年5月他就承认过，自己高估了AI消灭初级白领岗位的速度。
几乎同一时间，黄仁勋在YC的创业课上说："AI毁掉工作的叙事，完全搞反了。"他的拆解是：一份工作有一个目的，为达成目的要完成很多项任务；AI能接管其中一部分任务，但接管任务不等于消灭整份工作。他给的数字是软件工程师岗位同比增长约10%，放射科岗位过去几年涨了约20%。原因是积压太多——医院排队的病人、等着被写出来的软件，本来就消化不完。
所以到底谁在说真话？丽莎，还是那1.55亿条招聘数据？
三、真相在中间：消失的不是工作，是台阶
两边都没说谎。它们在说两件不同的事。
总量没崩，但入口在收窄。
过去一个年轻人是怎么成长起来的？往往从最标准化的入门活干起：数据录入、初级代码、基础分析、整理资料、跑腿核对。这些活枯燥、重复，看上去毫无技术含量。
但正是靠一遍遍干这些活，人才慢慢攒出手感、经验和判断，磨出那身不可替代的本事。
而这些标准化任务，恰恰是AI最先接管的那一批。
一位Meta的高级工程师说过一个很小但很致命的细节：他在规划项目时如果发现一个小bug，以前的做法是交给初级工程师；现在如果事情不大，他会直接打开一个AI窗口，几分钟搞定。
"不需要跟初级工程师交流，我自己就三下五除二干完了。"
大项目仍然需要人。但那些曾经撑起初级工程师工作量的琐碎任务，正在被高级工程师手边的AI顺手消化掉。
于是出现了一个诡异的局面：招聘广告上写着"招应届生"，岗位数量甚至在涨；但进去之后，那些能让你从新手长成熟手的活，已经没有了。
对职业初期的人来说，AI省掉的，恰恰是他们最需要的那部分思考和试错过程。
效率提高了，学习机会消失了。
这不是"失业"，这是断代。它不体现在失业率上，它体现在五年后——当这一批人该成为骨干的时候，行业发现自己缺了一整代熟手。
四、国内的版本
国内的故事换了个壳，内核一样。
一位211本科的计算机专业女生，讲了她一年多的求职经历：简历投到数不清，不断降低要求——先是接受加班，后来接受实习期没工资——依然没有着落。夜不能寐，开始焦虑掉发，慢慢开始自我怀疑，觉得是自己能力不够。
然后一位有5年经验的程序员现身说法，给出了另一组更冷的数字：他从上一家离职后开始找工作，2月份公司开的条件是1.4万一个月，3月降到1.1万，4月只能给9000，现在只有7000。
同一个人，同样的经验，半年时间，薪资腰斩。
还有一层更隐蔽的挤压：2026年上半年全国居民人均可支配收入实际增速约4.2%，而一台入门级主流笔记本的市场价格已经涨了六成以上，一部中端智能手机三个月涨幅接近两成，连通勤的电动车都在悄悄提价。
原因不复杂：AI数据中心疯狂扩产，对全行业芯片产能形成虹吸。
于是普通人第一次如此真切地体会到——同一个工资口袋，被前后掏了两次：一次是岗位入口收窄压住了收入，一次是AI推高的成本抬起了支出。
五、门在关的时候，怎么办
我不想给一个"拥抱变化"式的结尾。那话说了等于没说。
三条更具体的：
第一，别再等一个"入门岗位"来培养你。
这是最需要改的观念。过去的路径是"进一家公司—干几年基础活—长成熟手"，这条路径正在断。等着有人给你铺台阶，可能等不到了。
现在的替代路径是：自己造项目当台阶。不是学一门课，是完整地做完一件有交付物的事——从接需求、拆解、执行、交付到复盘。哪怕这件事只值三千块，它给你的东西是一门课给不了的。因为AI能替你写代码、写文案、做图，但它替不了你走一遍"从模糊需求到客户点头"的全过程，而那才是熟手和新手真正的分界线。
第二，认清AI对不同层级的价值是分裂的。
对已经有经验、能识别问题和把握方向的人，AI是纯粹的杠杆：以前想到要做两周的分析就头疼，现在立刻可以开始。
对职业初期的人，AI是一把双刃刀：它让你迅速产出看起来很像样的东西，但也让你跳过了那个必须自己撞墙的阶段。
所以新人用AI的正确姿势，不是"让它替我做"，而是"让它教我做"。 同一个任务，先自己想出答案，再让AI给一版，然后逐条比对差在哪。慢，但这是唯一能把AI的经验真正转成你的经验的方式。
第三，尽早给自己开一条不依赖雇主的产权线。
这一波AI最实在的红利，不是让打工人在公司里更值钱，而是第一次让一个人有可能低成本地拥有一条完整的生产线。
内容领域是最典型的：一个人现在可以独立完成过去需要五个人的选题、脚本、成片、分发。AIGC沙龙里我们见过太多这样的样本——不是辞职创业，是先用业余时间把一个小工作室的流程跑通：定死一个细分方向，建一套自己的prompt与素材库，跑通从获客到交付的最小闭环，攒出稳定现金流，再决定去留。
OPC（One Person Company，一人公司）这两年在国内跑得快，原因没那么玄。当组织能提供的成长台阶在消失、能给出的定价越来越算法化，一个人需要一个不由别人定价的地方。
这不是让所有人去创业。这是说：在只有一个收入来源、且这个来源的规则正在被重写的时候，风险敞口太大了。
尾声
丽莎那句话之所以扎心，是因为它说破了这个时代最尴尬的一件事：
大多数人不是被AI打败的。是被自己参与训练出来的AI替换掉的。
而且这个过程通常没有恶意——公司要降本，客户要更快，AI要数据，每个环节的人都在做对自己合理的事。合理的事叠在一起，就成了一台没有人负责的机器。
黄仁勋说AI毁掉工作的叙事完全搞反了，他的逻辑其实是成立的，但藏着一个前提：企业要把AI省下来的效率，拿去做更大的生意、招更多人。
如果市场需求就那么大，或者老板把这笔红利直接换成裁员降本——那岗位照样会少。
这个前提成不成立，不由我们决定。
但我们至少可以决定一件事：不要把自己的全部未来，压在别人替我们做的那个假设上。
那扇门确实在关。
关得不快，但一直在关。
在它彻底合上之前，最该做的不是敲门，是自己开一扇。
脑机派对
2026.08.08