这一次，织布机可能真的会赢

Sarah Chen 做了十一年翻译。英中互译，技术文档和法律合同是她的专长。她的客户包括两家《财富》500 强公司和一家国际律所。工作稳定，收入体面，每年涨一点。

2024 年春天，第一家客户通知她：以后技术文档的初稿会由 AI 完成，只需要她做”人工审校”。工作量砍了一半，价格砍了 60%。她不情愿地接受了。

到了秋天，连审校的活也没了。客户上了一套 AI + 自动质检的流程，省掉了人工环节。第二家客户很快跟进。律所那边的合同翻译量也在断崖式下降——法律 AI 工具已经能处理标准合同条款的多语言版本了。

2025 年初，Sarah 打开 Upwork 找新客户。翻译类职位比一年前少了将近两成。剩下的职位里，报价被压到了她成本线以下——因为无数人在用 AI 出初稿、然后以低价接单。和 AI 竞争价格，她必输。

她不是不努力。她去学了 prompt engineering。她试着把自己定位成”AI 翻译质量顾问”。但市场上需要这种角色的公司太少了，而愿意为此付费的更少。

十一年的专业积累，在十二个月里被一个 $20/月的工具吃掉了大部分价值。

与此同时，她的 LinkedIn 首页满是”AI 时代如何拥抱变化”的鸡汤文章，引用着 ATM 和银行柜员的故事，告诉她历史证明一切都会好起来的。

她想问：那个”好起来”到底什么时候到？在那之前，房租谁来付？

ATM 的故事，你只听了上半场

每次关于 AI 和就业的讨论，ATM 的故事都会被搬出来。”ATM 出现了，银行柜员反而增加了。所以别怕。”

Paul Kedrosky 在仔细拆解数据后指出了一个被绝大多数转述者忽略的事实：ATM 确实让每个银行网点需要的柜员更少了。从 1985 年开始，每个网点的柜员数量一直在稳步下降。这就是 ATM 的真实效果——完全符合”机器替代人”的直觉预测。

那柜员的总就业量为什么没跌？因为同一时期，美国通过了 Riegle-Neal 法案（1994 年），解除了对银行跨州设立网点的限制。银行突然可以在全国各地开分行了，网点总数大增。网点多了，即使每个网点柜员少了，总数也维持住了。

救了柜员就业的不是 ATM 带来的”新需求”，而是一项和 ATM 毫无关系的监管改革。Kedrosky 的结论很冷：”除非你能识别出具体的补偿力量，否则就业存活可能只是巧合，而非机制。”

织布机的故事同样经不起追问。

机器让棉布变便宜了 → 需求暴涨 → 纺织工人总数增加了。这个因果链是对的，但它省略了一个关键的外部条件：19 世纪英国纺织业的需求暴涨，很大程度上来自殖民帝国的全球市场——印度、非洲、美洲的几亿人成了英国廉价棉布的消费者。这不是”自动化创造需求”的纯粹经济机制，而是地缘政治和军事力量加持的市场扩张。

电气化时代的就业膨胀依赖于一个全新消费阶层（中产阶级）的整体崛起——工业化、城市化、移民潮、消费信贷、两次大战之间的全球格局共同催生的一次性结构红利。互联网创造了 App 经济，但也创造了零工经济——一个以不稳定、无福利、收入波动大为特征的就业形态。6400 万美国”自由职业者”里，有多少是真正自愿的，有多少是因为找不到全职工作而被迫”灵活就业”？

每一个被用来安慰我们的历史类比，背后都有特殊的、不可复制的外部条件。把这些条件剥掉之后，”技术革命总是创造更多就业”这个判断还剩多少底气？

最关键的区别在于速度。蒸汽机从瓦特的改进版到全面工业化普及，大约 80 年。电气化从爱迪生的发电站到覆盖 75% 的制造业，将近 50 年。互联网从商业化到全面渗透，大约 20 年。ChatGPT 从上线到覆盖 1 亿用户，2 个月。

过去的技术革命之所以没有造成长期大规模失业，一个核心原因是替代速度慢到足以让劳动力市场有时间调整——旧岗位消失和新岗位出现的速度大致匹配，工人有一代人的时间来转型。

如果 AI 的替代是指数级的，但新岗位的创造仍然是线性的——需要教育体系调整、新产业形成、新消费习惯建立——那中间的”摩擦期”不是几年的阵痛，而是一整代人的困境。

通用认知替代的没有退路

过去的每一次自动化，替代的都是一种特定的、有边界的任务。ATM 替代的是”数钱”和”存取款”。电子表格替代的是”手工计算”。在每一种情况下，人类都有一大片”机器做不了的事”可以退守。

AI 替代的不是一种工序。它替代的是一种能力——理解语言、生成文本、分析数据、写代码、做推理。这些不是某个行业的某个环节，它们是几乎所有知识工作的底层基础设施。

当机器只能做”数钱”的时候，人可以退到”和客户聊天”。当机器能做”数钱”又能做”聊天”又能做”分析行为”又能做”写文案”又能做”生成报告”的时候，人退到哪里？

2024 年诺贝尔经济学奖得主 Daron Acemoglu 在他的论文中给出了一个冷静估算：AI 在未来 10 年内对美国 GDP 的贡献仅约 0.93%-1.16%。远低于 Goldman Sachs 预测的 7%。他的核心论点：大部分 AI 应用场景的成本效益并不支持大规模部署，只有约 5% 的工作任务能被 AI 有效且经济地自动化。

但这里有一个反直觉的陷阱。如果 Acemoglu 是对的，AI 的经济效益被高估了，那”AI 会创造大量新岗位”的乐观叙事就失去了基础——因为新岗位的创造依赖于 AI 带来的市场膨胀，如果膨胀有限，新岗位也有限。但如果乐观派是对的，AI 的影响确实是革命性的，那被替代的规模也会远大于他们愿意承认的。

无论哪种情况，中间的大量劳动者都面临一个尴尬的处境：AI 替代他们不需要”革命性”的 AI，只需要”够用”的 AI。而”够用”已经到了。

四把正在落下的刀

第一把：白领中间层塌陷。

Anthropic CEO Dario Amodei 2025 年 5 月警告：AI 可能在未来几年内消灭 50% 的入门级白领岗位。一年后数据显示他方向没错——顶级科技公司入门级招聘同比下降 30-50%。那个定义了硅谷 20 年的”应届毕业生软件工程师”岗位正在被悄悄废弃：一个资深工程师加上 AI 编程助手，现在能干以前一个资深加两个初级才能干的活。

大型律所放缓了一年级律师招聘。四大会计师事务所重组入门级审计岗位。华尔街银行计划未来 3-5 年裁撤约 20 万个岗位，裁员集中在初级分析师和后台运营。

乐观派说这些人会”升级”到更高级的岗位。但金字塔上窄下宽是有道理的。一个公司需要 100 个初级分析师来喂数据，但只需要 10 个高级分析师来做决策。当 AI 替代了那 100 个初级的活，不会凭空多出 100 个高级岗位。

更深层的问题是人才管线。2026 年裁掉的初级员工，就是 2030 年缺失的中层骨干，是 2035 年不存在的高管候选。已经有两家 Fortune 100 的 CHRO 意识到了这个问题。但大多数公司还在用季度财报的视角看这件事，管线断裂要到三五年后才会显形。

第二把：自由职业的 AI 化。

Bloomberry 分析了 500 万条 Upwork 职位数据：ChatGPT 发布后，写作类职位减少 33%，翻译类减少 19%，客服类减少 16%。翻译时薪下跌超过 20%。中端自由职业市场正在经历系统性坍塌——logo 设计、社交媒体运营包、品牌刷新这些过去支撑大量自由职业者的小订单，正在被客户用 AI 自己搞定。剩下的订单集中在两端：低端不如直接用 AI，高端需要真正的创意判断但这种活本来就少。中间的人被挤出去了。

第三把：一人公司是特权，不是普惠。

乐观叙事里最动人的故事是”一人公司”——用 AI 工具创业，月入六位数。但 Indie Hackers 数据显示独立创始人的中位月收入是 $3,000，年化 $36,000。那些 $1M+ 的名字之所以可见，是因为幸存者偏差。

更根本的问题是门槛。能用 AI 创业的人需要英语能力、技术直觉、产品感觉、市场判断力、风险承受力、以及对 AI 工具链的熟练掌握。这些条件加在一起，排除了绝大多数面临 AI 替代风险的劳动者。”一人公司”对硅谷有技术背景的年轻人是机会，对被裁掉的 45 岁银行柜员来说是一个和自己无关的故事。

第四把：产能过剩。

Jevons 悖论假设效率提升带来的需求扩张能消化供给增长。但 AI 时代的问题是：供给端的约束几乎消失了。以前写一篇文章需要一个作者花半天，现在 AI 十分钟能写十篇。以前开发一个 App 需要一个团队几个月，现在一个人几天就能搞定。

当人人都能做内容、产品、服务的时候，需求端有没有等比例增长？没有。人一天还是 24 小时。企业预算没有翻十倍。结果是供给过剩、价格下跌、竞争白热化。”人人可做”不是就业的扩张，而是收入的稀释。这在自由职业市场上已经清晰可见——不是岗位消失了，而是每个岗位的价值被压扁了。

数据里的另一半故事

乐观派的数据经不起拆解。

“AI 技能岗位工资溢价 56%”——属于已经掌握了 AI 技能的人。对不会用 AI 的普通白领，同一时期总招聘量同比下降了 11.3%。一边是 AI 技能者的溢价飙升，另一边是非 AI 技能者的市场在缩小。数据上的”平均增长”掩盖了分配上的两极分化。

“AI 暴露行业就业增长 38%”——增长的主要是 AI 工程师、机器学习专家、数据科学家。一个被 AI 替代了工作的翻译或初级客服，能直接转型成 AI 工程师吗？BLS 预测数据科学家岗位 2024-2034 增长 33.5%，同一份报告里信息录入岗位预计下降 35%。增长的是塔顶，萎缩的是塔底和塔中。

那些在中间的人去了哪里？Brookings 的研究给出了一个不安的答案：很多被技术替代的工人最终没有进入”更高级”的岗位，而是滑入了更低薪的服务业工作。被机器人替代的工厂工人没有变成工程师，他们变成了外卖员和保安。

再看公司层面。Klarna 裁了人，发现裁错了，CEO 承认”成本成了唯一的考量，这是错误的”，重新开始招人。Block 一次裁 40%，华尔街叫好，但分析师质疑裁员过激。HBR 的调查揭示了一个惊人的事实：公司裁员是基于 AI 的预期能力而非实际表现——AI 还没真正证明自己能替代这些岗位，但公司已经在裁了。Robert Half 调查：29% 的招聘经理已经重新开放了此前因 AI 而裁撤的岗位。

这是一种先裁后悔的荒诞循环。每一轮循环中，被裁的人承受了全部代价，而这些代价在宏观就业数据里几乎隐形。

乐观是奢侈品，准备是必需品

回到 Sarah。

不是每个被 AI 替代的人都能在六个月内学会 Python、转型成 AI 产品经理、然后用 AI 创业月入六位数。这个叙事存在，但它属于一个很小的群体。对更多的人来说，现实是：十年的专业积累被一个 $20/月的工具压平了，而再培训的出路也不确定。

Brookings 指出了再培训叙事的三个结构性困难。第一，可供升级进入的高技能岗位数量可能根本不够。第二，有家庭负担的中年劳动者无力承受再培训的时间和收入损失。第三，再培训项目经常出现”从一个即将被自动化的岗位培训到另一个即将被自动化的岗位”的荒诞结果。

“历史证明一切都会好的”是一种危险的麻醉剂。历史证明的是：长期来看，技术革命创造了更多就业。但”长期”是多久？如果是 20 年，今天 35 岁被裁的人到 55 岁才能等到新岗位出现。房贷、学费、医疗费不会等 20 年。

个体层面，有三件事值得做。

识别你工作中 AI 真正无法替代的部分。 不是”AI 还没学会做的”——那只是时间问题。而是本质上需要人类参与的：高风险决策的责任承担，复杂的人际关系管理，以及物理世界中需要身体在场的操作。把精力集中到这些方向。

不要等公司来安排你的转型。 大部分公司的视角是季度财报，不是你的职业生涯。Klarna 裁了人、发现裁错了、又招回来——这个循环里承受代价的不是公司，是被裁的那个人。主动建立跨行业的技能和人脉，在被动裁员到来之前就开始探索替代路径。

认真对待社会安全网。 如果转型速度真的超过了再培训速度——目前的证据越来越倾向于此——那纯粹依赖个人努力是不够的。技能补贴、过渡期收入保障、教育体系的结构性调整，这些不是”福利”议题，而是经济转型期的基础设施。

AI 可能最终会创造更多就业。历史的大方向也许确实是乐观的。但”最终”和”也许”对于今天正在失去收入的人来说，不是答案。

Sarah 不需要有人告诉她”ATM 出现后柜员变多了”。她需要有人告诉她，这个月的房租怎么交。

乐观是奢侈品。准备是必需品。

附：本文引用的资料来源

ATM 寓言的反驳（Paul Kedrosky）：https://paulkedrosky.com/ai-and-the-fable-of-the-atms/
Acemoglu “The Simple Macroeconomics of AI”（NBER / MIT）：https://economics.mit.edu/news/daron-acemoglu-what-do-we-know-about-economics-ai
Dario Amodei 预测 + 入门级白领岗位数据：https://shawnkanungo.com/blog/dario-amodei-was-right-entry-level-white-collar-jobs-are-disappearing-fast
Upwork 500 万职位数据分析（Bloomberry）：https://bloomberry.com/blog/i-analyzed-5m-freelancing-jobs-to-see-what-jobs-are-being-replaced-by-ai/
AI 再培训的局限性（Brookings）：https://www.brookings.edu/articles/ai-labor-displacement-and-the-limits-of-worker-retraining/
公司基于 AI 预期裁员（HBR）：https://hbr.org/2026/01/companies-are-laying-off-workers-because-of-ais-potential-not-its-performance
Block 裁员 40% 分析（Forbes）：https://www.forbes.com/sites/ronshevlin/2026/02/27/block-lays-off-40-of-staff-and-blames-it-on-ai-dont-buy-the-excuse/
Klarna AI 裁员反转（Forbes / Fast Company）：https://www.digitalapplied.com/blog/klarna-reverses-ai-layoffs-replacing-700-workers-backfired
AI 岗位增长 / 裁员统计（Novoresume）：https://novoresume.com/career-blog/ai-job-creation-statistics