为什么最努力、最“正确”的那批人，反而最危险？就业替代的倒U型机制

先看一组对照。

一边是大换血。2025年年报显示，阿里巴巴员工总数较上年缩减34%^[1]，百度全年减员近7%^[1:1]，两组数字均来自企业向监管机构提交的年度报告。2026年3月，得物直接解散了独立前端开发部门，全员并入AI全栈团队^[2]，整个职能品类被取消。

另一边是疯抢。阿里国际2026届校招中80%为AI岗位，翰德《2025人才趋势报告》显示国内AI人才供需比仅为0.5，每两个AI岗位只匹配到一位合适的候选人^[3]。而海底捞、顺丰、美团配送的一线岗位几乎不受影响。美国的数据画出同一条线：沃尔玛选择为160万员工提供免费AI培训而非裁员^[4]，亚马逊在2026年1月证实累计裁减约3万个公司岗位^[5]。

同一种技术，一边裁三分之一，一边一个不裁。这不是管理理念的差异能解释的。真正的解释是：AI不是淹没一切的大洪水，而是一场精准狙击。

直接给结论：**被狙击的，不是底层劳动者，也不是顶层专家，而在中间那一层：中等技能、中等薪资、中上层院校毕业、承担标准化认知任务的人。**换句话说，好好读书、进好公司、掌握一门“硬技能”、拿一份体面薪水，按照过去二十年的标准答案活得最认真的那批人，恰恰站在替代风险的峰顶。

为什么是他们？因为AI替代本质上不是能力问题，是性价比问题。要看清这笔账，得先回答第一个问题：AI到底在替代谁？

核心判断

1. 被狙击的，不是底层劳动者，也不是顶层专家，而在中间那一层：中等技能、中等薪资、中上层院校毕业、承担标准化认知任务的人。
2. AI替代本质上不是能力问题，是性价比问题。
3. 而教育和职业的标准路径，把最多的人精确地送进了这个位置。

一、AI到底在替代谁？

哈佛大学的两位研究者做了一项大规模研究，覆盖2015年到2025年间全美国约28.5万家企业、6200万名工人的简历和招聘数据^[6]。

它给出了替代画像的第一个切面，不同职级的差异化影响。自2023年第一季度起，在采用AI的企业中，初级员工就业在六个季度后下降7.7%，八个季度后跌幅达到8%到10%。而资深员工的就业趋势”没有明显断点”，基本稳定甚至略有上升。

第二个切面是替代的方式。**初级就业的下降主要由招聘放缓驱动，降幅约22%，不是裁员。**企业没有大量赶走坐在工位上的人，而是悄悄关上了大门。这也解释了为什么冲击感被低估：被替代的不是你身边的同事，是那些本该进来、却再也进不来的人。中国企业的减员路径更隐蔽：不续签合同、绩效末位淘汰、调岗逼退，统计上只是”自然减员”，冲击感的低估更严重。

第三个切面最反直觉：学历。**受冲击最大的，是中上层院校的毕业生。985/双一流毕业生受影响较轻，大专院校毕业生受冲击最小，薪资本就不高，AI替代省不了多少钱。受挤压最重的是211和中上层双非：薪资已经高到企业有动力替代，能力壁垒却还没深到构成障碍。

中国的行业数据画出同一个轮廓。脉脉2025年报告显示，新经济行业整体人才供需比升至2.23^[7]，即2.23个人争1个岗位，其中AI岗位需供比却高达3:1、月薪超2万元。智联招聘数据显示，80%以上的AI招聘来自300人以下的中小企业^[8]。总量缺岗与结构性抢人同时发生，岗位密集缩减的区间，集中在中等技能、中等薪资的标准化认知岗位。

三个切面拼在一起，被替代者的画像已经清晰：初级而非资深，中上院校而非两端，标准化认知岗位而非体力岗位。

但画像本身带出一个更大的疑问：按常识，技术应该先取代最便宜、最简单的劳动，为什么底层几乎无感？最贵的顶层为什么反而最安全？

二、为什么不是顶层，也不是底层？

因为AI替代从来不是技术问题，是一笔投资决策。企业算的账很简单：左边是替代一个岗位省下的薪资，右边是部署AI的成本，加上替代失败的风险。只有左边明显大于右边，替代才会发生。用这笔账重新看两端，安全的原因完全不同。^[9]

顶层安全，是因为能力太强。资深专家的薪资确实高，看起来最值得替代，但他们卖的不是标准化产出，是综合判断、责任承担、对复杂局面的把握。这些能力目前的AI给不出稳定交付，替代失败的代价又极高：一次错误决策的损失，远超省下的那份年薪。

底层安全，是因为薪资太低。一线零售、餐饮、物流操作岗的时薪本来就低，就算AI加机器人能顶上，省下的钱也覆盖不了部署成本。更何况这些岗位大多要和物理世界、和活人打现场交道，恰恰是AI最笨拙的领域。

现在回头看开场那组对照，谜底已经出来了。海底捞和顺丰不受影响，不是管理层更仁慈，是他们的员工大头在门店、仓库和配送线路上，替代未必划算。而阿里缩减的34%、百度MEG砍掉的20%至30%，绝大部分落在中后台的标准化认知岗位上：运营、审核、客服、中层管理。同一笔账，不同的员工结构，算出了相反的结论。

学历那个反直觉的发现，也是同一笔账。985毕业生人力资本附加值高，AI难以替代；双非院校毕业生劳动力成本低，替代了省不了多少钱，AI部署反而更贵。而211和中上层双非的毕业生，薪资已经高到让企业有动力替代，能力壁垒却还没深到构成障碍。

把替代风险作为纵轴，技能和薪资从低到高作为横轴，曲线两端低、中间高：这就是就业替代的倒U型。峰顶不偏不倚，落在最努力、最“正确”的那批人头上。

但这笔账只算清了“划不划算”，还有问题没有解决：

凭什么中间层的能力壁垒恰好最浅？他们受过完整的高等教育，掌握着编程、写作、分析这些公认的硬技能。

三、为什么中间层的壁垒最浅？

哲学家波兰尼有一句著名判断：“我们知道的比我们能说出来的多。”能被明确表达、写进教材、编成代码的知识，叫显性知识；靠实践和经验积累、难以言传的知识，叫隐性知识。^[10][11]

这个区分之所以关键，是因为AI在训练中吞下的几乎全部是显性知识：教科书、文档、代码库、范文，互联网上一切被写下来的东西。AI的能力边界，大致就是显性知识的边界。

用这条边界重新审视整个职场。

资深员工站在边界外面：他们多年积累的行业直觉、对人和局面的把握，从来没有被写下来过，AI没处学。底层岗位大半也在边界外面：物理操作和现场交互写不进语料库。恰恰是中间层，站在正中央：因为他们承担的标准化认知任务，本质上就是显性知识的加工和搬运。

而更残酷的是，**过去二十年的职业标准答案，恰恰是一条显性知识的最优化路径。**考试考的、证书认证的、简历上写得出来的、面试里能展示的，全部是可编码的能力。

编程、写作、数据分析之所以被推崇为硬技能，正是因为它们可以被清晰描述、标准化教学、系统化考核。你越是认真地按标准答案走，你的能力构成里显性成分的占比就越高。最努力的人，把自己训练成了AI训练数据的同类项。

最努力的人，把自己训练成了AI训练数据的同类项。MAVERICK 判断

现在可以把倒U型的完整机制画出来了。

两条曲线：一条是替代的经济收益，随薪资上升；一条是替代的技术难度，随隐性知识占比上升。顶层收益高但难度更高，底层难度低但收益更低，只有中间层，薪资已经够高、隐性占比还很低，两条曲线在这里拉开最大的缺口。缺口最大的位置，就是倒U型的峰顶。而教育和职业的标准路径，把最多的人精确地送进了这个位置。

机制到此闭环。

四、怎么简单判断你在不在峰顶？

不需要复杂的模型，一个问题就够了。

打开你的任务清单，把过去一个月做的事分成两类：一类是拿到输入、按既定方法产出结果的执行，另一类是没有标准答案、需要你拍板并承担后果的判断。然后问自己：执行类占了多少，你的薪资又是按哪一类定价的？

如果执行占大头、薪资却不低，你就站在两条曲线缺口最大的地方。这和你用不用功、能力强不强无关，倒U型筛选的从来不是懒人，恰恰是把标准答案执行得最好的人。

体制内，比如公务员、事业编、国企等员工，可能觉得倒U型和自己无关，认为编制保护、不存在市场化裁员。但倒U型衡量的是“岗位内容被AI替代的经济动机”，不是“你会不会被开除”。体制内大量中层岗位的核心工作同样是标准化认知任务：审批、报告、数据汇总、政策文件起草。替代的压力不会以裁员的形式出现，而是以“缩编不补”、“合岗并岗”、“新进名额冻结”的形式慢性释放。考公考编的避险价值真实存在，但它保护的是存量岗位的稳定性，不是岗位内容的不可替代性。

好消息是，峰顶不是判决，是坐标。知道自己站在哪里，才谈得上往哪里移。至于怎么移，往哪个方向移，企业在这场替代里还有哪些没算清的账，是这个系列后面几篇的事。