AI冲击下劳动力正在被快速分化成不同物种，本文拆解了分化逻辑，帮你判断自身定位，应对AI替代风险。

1. 营收高增长下的大裁员成为新商业常态

Cloudflare（市值超500亿美元）在2026年一季度营收增长超30%时，仍裁员超过五分之一；Block在利润增长的背景下，将员工从一万多人砍到不足六千人，消息公布后Block股价上涨24%。 这类裁员不是降本增效，而是企业根据AI能力重新调整人员结构，「增长必然对应招人」的传统商业逻辑已经失效。 根据哈佛经济学家劳伦斯·卡茨的研究，美国占GDP超40%的金融、保险、信息、专业和商业服务四个行业，在ChatGPT发布后出现了史无前例的模式：实际GDP持续上升，但就业人数持平甚至下降。

2. 德鲁克的三类工作分工，在AI时代命运分化

管理学之父彼得·德鲁克曾将企业工作分为三类：直接造产品的构建者、负责卖产品的销售者、不直接创造价值只做评估优化的衡量者（包含内审、财务、法务、中层管理等）。 AI不会替代构建者，1个会用AI的构建者产出可达原来10倍，边际价值暴涨；也不会替代销售者，AI无法完成建立客户信任这种高度依赖人类社交认知的工作；但会直接吞掉衡量者，AI不知疲倦、更客观，当前已经比最好的人类员工做得更好。 Cloudflare裁员名单绝大多数为衡量者岗位，新招聘的1111个暑期实习名额全部为构建者和销售者，没有录取一个衡量者。

3. AI放大了同岗位内的能力分化，形成新三层物种结构

Anthropic（Claude母公司）的实验显示：52名专业程序员使用AI学习编程后，整体平均分比独立学习低17%；但会用AI加深理解的顶尖者得分86%，完全依赖AI逃避思考的人仅得24%，同类岗位内部出现巨大能力裂谷。 AI时代技术人才已经分化为三个物种：①定义者：全球仅数千名的顶级AI研究者，他们定义AI的方向，给AI定价，顶级研究者年薪可达数百万美元加丰厚股权，需求爆炸供给稀缺；②构建者：普通技术从业者，看似安全但门槛正在快速崩塌，目前「会写能跑的代码」已经从稀缺技能向基础设施滑落，只有用AI加速自身思考的人才算真正的构建者，依赖AI逃避思考的人本质是衡量者，随时会被替代；③赋能者：帮助AI系统落地的辅助岗位，AI自身进化速度远超人类，这类岗位很快就会被AI替代。

4. AI重构了企业组织逻辑，生态位更替正在发生

1985年IBM市值经通胀调整后仅为当前英伟达的1/20，员工人数却是英伟达的10倍以上，20倍的财富仅对应1/10的人力，这是两个时代企业底层逻辑的差异。 世界经济论坛数据显示，41%的雇主计划在2030年前因AI缩减员工规模，本质是企业人员结构权重被重新分配：构建者权重暴涨，销售者权重稳步上升，衡量者权重断崖式下跌，AI将衡量做到更便宜精准后，企业会把所有资源转移给创造和捕获价值的岗位。 判断个人定位的核心不是职位，而是日常工作：如果你的大部分工作是执行任务，价值建立在完成动作的速度准确度上，你本质就是衡量者，AI正在逐步吞掉你的工作颗粒；如果多数时间是定义问题，还要确认你是否还保留独立硬啃难题的习惯，长期依赖AI给答案会让核心能力悄悄萎缩，最终被替代。 2026-05-24 23:27

AI大厂正把人分成三个物种，绝大多数属于将被淘汰的那一种

本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust

有个叫Matthew Prince的人，最近做了一件在美国商业史上找不到先例的事。

先说他这个人。普林斯是Cloudflare的创始人兼CEO。Cloudflare这家公司你可能不熟，但你每天上网的时候，你访问的网站有相当一部分是跑在它的网络基础设施上的。

简单说，它是互联网世界的一个隐形管道工。这家公司市值超过500亿美元，客户遍布全球，2026年第一季度营收增长超过30%，属于那种不需要你操心它会不会倒闭的企业。

正因为公司发展得这么好，普林斯上个月做的那件事才让人没法理解。

他裁掉了超过五分之一的员工。

他自己查过。翻遍了公开数据，请教了分析师，结论是：在美国商业史上，还没有第二家营收增长超过30%的上市公司，在同一时间裁掉超过20%员工的记录。

不是裁员本身罕见，裁员当然不罕见。罕见的是"一边高速增长一边大裁员"。这在过去的商业世界里是互相矛盾的信号。增长意味着扩张，扩张意味着招更多的人，这是一百年来不需要重新论证的肌肉记忆。

普林斯打碎了这个肌肉记忆。他还说，这不是他一家公司的特例。"未来一年内，这将成为常态。"

为什么？他的答案要追溯到七十多年前一本书。1954年，彼得·德鲁克出版了《管理的实践》。德鲁克是谁不用多说了，管理学这个词基本上是他发明的。在那本书里，德鲁克把企业内的所有工作分成了三个桶。

第一个桶叫Builders。构建者。造东西的人。工程师、产品经理、设计师。他们的工作就是生产。代码有没有写出来，产品有没有跑起来，设计有没有落地。

第二个桶叫Sellers。销售者。卖东西的人。客户关系。他们负责让产品离开货架、变成收入。这个角色跟人类的信任机制深度绑定，人愿意从自己信任的人手里买东西，这个心理结构是写在基因里的，不是写几行代码就能覆盖的。

第三个桶叫Measurers。衡量者。内审、财务、法务、合规、中层管理、运营、营销。注意，这个桶里装的东西很杂，从法务到营销都有，但它们共享一个底层动作：量。量风险，量成本，量绩效，量合规，量流程。这些岗位不直接造东西，也不直接卖东西，它们负责让造和卖的过程被看见、被评估、被优化。

普林斯把这三个桶重新审视了一遍之后，得出了一个与时俱进的结论。

AI不会动Builders。因为如果一个工程师因为AI变成原来十倍的生产力，你不仅不裁他，你会想尽办法招更多这种人。一个能造东西的人加上AI，可以造出原来十个能造东西的人造的东西。这种人的边际价值在暴涨。

AI也不会动Sellers。AI可以写邮件，可以做CRM，可以做销售预测，但它没法替你去跟一个犹豫不决的客户吃一顿饭，没法在对方沉默的那几秒里捕捉到真正让他犹豫的原因，没法建立那种"我信任对面这个人"的化学反应。这些都是人类社交认知中最精密的部分，目前的AI做不了，短期内也看不到突破的迹象。

但Measurers，AI会吞掉它们。

理由很简单：不知疲倦、永远客观、同一时间审计每一项业务风险、不需要写周报、不会遗漏异常交易、不需要开晨会同步进度。这恰好是AI的天生主场。不是某一天才会变得擅长，是现在已经比你最好的人类员工做得更好了。

所以普林斯的裁员名单上，绝大多数是中层管理者、运营、营销和财务人员。他砍掉了Measurers，同时公司有超过110万人申请1111个暑期实习名额。录取的每一个实习生，他特别强调，全部是Builder或Seller。没录取一个Measurer。

同一家公司，同一个季度。一边在裁一种人，一边在疯狂招另一种人。这不是"降本增效"这种无聊的管理术语能概括的。这是在重新定义公司作为组织到底需要什么物种。

“20世纪发明的所有职业，都难逃AI的冲击！”

为什么造AI的人最怕AI：硅谷精英正在经历一场"认知内战"

猎杀顶级捕食者

普林斯不是一个人在做这件事。

几个月前，杰克·多西做了一件更生猛的事。多西这个人大家可能知道，他是Twitter的联合创始人，当年跟人合伙做出了那只蓝色小鸟，后来又创立了支付公司Block，前身叫Square。他是一个在硅谷存在感很强的连续创业者，属于那种永远在折腾下一件事的人。

他把Block的员工从一万多人砍到了不到六千人，一刀砍掉将近一半。

同样的背景音乐：公司利润在增长，业务在加速。多西给股东的信里没有一丝犹豫。"智能工具已经改变了建立和运营一家公司的意义。一个规模小得多的团队，使用我们正在构建的工具，可以做更多的事，而且做得更好。"

这句话的核心不是"我们困难所以我们要瘦身"，而是"我们发现公司根本不需要那么多人"。不需要。不是负担不起，是不需要。

消息公布当天，Block股价涨了24%。华尔街的反馈是清晰且冷酷的：干得好，早就该这么干了。那四千多个被裁的人呢？他们的反馈华尔街不关心。

被裁的人里有一个叫肯吉的机器学习工程师。五年前，如果你问硅谷哪个岗位是铁饭碗，答案里一定有机器学习工程师。

那句铁律是这样的：成为那个自动化别人的人，你就永远不会被自动化取代。机器学习工程师是这条食物链顶端的捕食者。他们拿着最高的薪水，设计着替代其他人的模型，对那些"AI威胁论"的讨论有一种职业性的不以为然。

肯吉就是这样的人。在Block，他做反欺诈系统。这个位置离公司的资金核心非常近，这类岗位在裁员潮里通常是被最后一批动的。而且他不是那种抗拒AI的老派工程师，他是公司自研AI工具的重度用户，Claude、Cursor也天天用。公司一直在强调"把AI融入工作流程"，他照做了，每一条都照做了。

他甚至怀疑，正因为照做得很彻底，他更快地帮公司验证了一件事：这个岗位，AI已经可以做得足够好了。

然后，他说了一句话，"在汽车时代，我确实觉得自己有点像马车。"

一个帮公司做自动化的人，被自己参与构建的系统自动化了。他在这个链条里既是加害者又是受害者，而且这两个身份之间没有矛盾，不需要和解，它们就是同时成立的。你越擅长训练那个替代你的东西，你被替代的速度就越快。这是一个奇怪的、让人不知道该怎么反应的悖论。

我在之前的文章里讲过这个趋势。现在它不是趋势了，它是正在大量发生的事实。Meta在裁人的同时，跟员工说要安装监控软件，录制鼠标移动和键盘敲击，用来训练AI代理。

内部备忘录的原话是："我们的愿景是让AI代理完成工作，人类的角色是指导、审查和帮助它们改进。"你现在坐在工位上教AI怎么干活，而教它的过程本身就是训练数据。你的每一次击键都在喂养那个将来取你而代之的系统。

美国经济还有一个更大的背景板。金融、保险、信息、专业和商业服务，这四个行业合计占美国GDP的40%以上，是整个白领经济的基本盘。从2022年ChatGPT发布以来，这四个行业同时出现了一种史无前例的模式：实际GDP在持续上升，但就业人数在持平甚至下降。增长还在。生意还在。人不需要了。

哈佛经济学家劳伦斯·卡茨研究美国劳动力市场几十年，他是这个领域里最被尊重的人之一。他的原话是："在没有发生真正经济衰退的情况下，出现持续就业增长缓慢且失业率逐渐上升，这几乎史无前例。"

"增长等于招人"这个等式，失效了。

网络内容正分成两层，大多数人将只能看到噪音和诈骗

0.02%的幸存者：当做一个APP比约人吃饭还简单，真正值钱的是什么？

中层的坍塌：两千年管理史，终结于一个AI循环

同样在用AI，但命运正在分叉

但普林斯的三分法只解答了第一个层面的问题：你在公司的功能是什么。这里面还嵌套着第二个层面的问题，更深，也跟少有人注意。

不是所有在写代码的人都是真正的Builder。

我在之前的一篇文章里详细讲过Anthropic做的一个实验。Anthropic是目前公认最强的AI模型之一Claude的母公司，由一群从OpenAI离开的研究者在2021年创立，现在估值据说已经超过9000亿美元。换句话说，他们是世界上最懂AI的一群人之一。

他们做的这个实验很简单。52名专业程序员，学一个叫做Python asyncio的异步编程库。一半人可以用AI辅助，一半人独立完成。然后所有人参加一场测验。

两个结果。

第一个结果：用AI的人，平均测验分数比不用AI的人低了17%。17%是什么概念？差不多两个等级。你考了B，不用AI的那个你考了A。AI在整体上把成绩拉低了。

第二个结果才是真正的故事。用AI的那组人内部，出现了一条深不见底的裂谷。

最会用AI的那一批人，得分86%。完全依赖AI的那一批人，得分24%。

86分的人在干什么？他们让AI生成代码，然后自己一行一行拆。追问为什么这样写，不那样写。主动测试边界条件，自己制造错误然后自己修。AI在他们手里是一台思维加速器，加速的是他们自己的思考，不是取代。

24分的人在干什么？第一个任务还自己上手。第二个任务发现AI能跑通，第三个就全丢出去了。他们完成的速度最快，平均19.5分钟。但测验的时候，大脑里什么也没留下来。那些看起来流畅的、正确的、完美的代码，没有在他们神经回路里留下任何痕迹。

AI让他们更快地走到了一个他们以为自己已经懂了的地方。你站在山顶上，你觉得自己征服了这座山。但你是坐缆车上来的。下一次你面对另一座山的时候，你甚至不记得怎么系安全绳了。

这不是"AI让人变笨"这种空洞的感慨。这是两类人的思维本质在AI的放大镜下被区分出来。第一类人用AI加深理解。第二类人用AI逃避思考。

他们表面上在做完全相同的工作，写代码，做技术，但你如果把这两类人放进普林斯的三个桶里，你会发现一个意外的结论：

第一类人属于Builders，因为他们通过AI强化了自己定义问题和创造解决方案的能力。第二类人虽然也在写代码，但他们的思维模式是Measurers，他们在执行被分配的任务，他们的价值依附于"完成"这个动作本身，而不是"创造"这个动作的深度。当AI能比他们更快地完成同一个动作，他们的价值就归零了。

在之前的文章里，我也谈到过AI的"去技能化"。一个大厂软件顾问，干了25年开发。他用AI帮自己写了几周代码以后，重新上手时每一步都多了一点犹豫。他后来描述那种感觉："我的挥杆动作不对了。"

你所有的知识还在脑子里，你完全看得懂每一行代码，你知道应该怎么改。但手指开始犹豫。那种经过二十五年反复训练磨出来的直觉、手感和笃定，像被什么看不见的东西软化了一点。

这个感觉意味着什么？你的效率变高了，产出变多了，但你支撑这些产出的核心能力，在悄悄变薄。AI先用效率把你哄进来，然后用依赖把你削弱，最后用替代把你清场。顺序很重要。先弱，后替。

第一批深度使用AI的人，正在被AI去技能化

K型社会分化在加速，三种人正在被AI放大

技术人才内部的K型撕裂

我在前面