一位常年写科技行业观察的作者最近描述过这样一幕:地铁上,对面坐着个西装革履的年轻人,电话里全是EBITDA、ARR、利润率扩张这类黑话,语气平得像在念说明书。快到站时,他却从包里翻出两根织针,给侄女织一顶毛线帽子。那一刻他眼里的光,是讲了半小时财务术语时都没出现过的。
这不是孤例。越来越多高薪知识工作者开始聊起陶艺、编织、去乡下种地、"消失一段时间"。这届人不是突然想过慢生活,是突然怀疑自己每天在办公室里做的事,到底有没有意义。
情绪先跑到了数据前面
先看情绪面的数字:2026年科技从业者的职业倦怠率从上一年的44.7%升到55.7%,职业乐观度从54.8%掉到48.7%。CNBC与SurveyMonkey的调查发现,37%的科技从业者认为AI让自己的工作更没保障,而全行业平均只有19%——几乎是两倍差距。Blind上关于Meta的负面AI言论帖占比,从2024年的两成飙到2025年末的83%(样本自选,不代表全行业,但情绪指向很清楚)。
焦虑是真的,而且集中在科技行业内部。
但真正把裁员账算在AI头上的,只有1%
再看事实面。Gallup的数据是这场落差的关键一环:被裁员工里,只有1%把AI/自动化列为被裁的首要原因。同时,IMF估计发达经济体约60%的岗位暴露于AI,OECD算出27%的就业处于高自动化风险,听起来都很吓人——但ILO与NASK的研究把口径拉细:全球约四分之一劳动者所在职业存在生成式AI暴露,真正落在"最高暴露"档的只有3.3%。Anthropic的经济指数也类似:AI出现在约36%职业的部分任务里,但只有约4%职业被AI覆盖了四分之三以上的任务。
这几组数字指向同一个结论:暴露不等于替代,任务被自动化不等于整个职位消失。世界经济论坛甚至预测,到2030年结构性变化会让全球净增约7800万个岗位。
- 结论.眼下更像放大器不是收割机——AI真正杀伤力小,但它先把安全感的地基掏空了。
焦虑的真实来源,是去技能化悖论
那这份情绪从哪来?一份关于专业写作任务的实验给了线索:用ChatGPT的员工完成任务快约40%,质量评分还高约18%。哈佛商学院对咨询顾问的研究也类似——用GPT-4的顾问任务量多12.2%、速度快25.1%。但一到超出AI能力边界的任务,用AI的人正确率反而低了19个百分点。
研究者管这个叫"锯齿状技术前沿":AI能让新手看起来跟专家一样厉害,前提是别撞上它不擅长的那块区域。问题是,长期依赖AI的人从没机会真正锤炼判断力,一旦工具失手,没人知道怎么诊断。这恰恰是初级岗位和学徒制最先被挤压的地方——年轻人本该在磕磕碰碰里练出的专业判断,现在被AI悄悄接了过去。
Workism这套契约,原来这么脆
理解这份焦虑,得回到Derek Thompson六年前提出的"Workism"——工作对高学历高收入群体来说,越来越像宗教替代品,提供意义、社群和身份。这套契约的隐性条款是:专业能力换来地位、收入和自主权。
AI冲击的不是这份工作本身,是这条换算公式。82%的科技从业者说AI让自己更高效,但敬业度和安全感并没有跟着涨。效率曲线往上走,心理稳定感曲线不动,两条线彻底脱钩。古人讲"君子忧道不忧贫",这批高薪白领的紧张,恰恰不是缺钱——是他们赖以立身的"道",突然没了着落。
效率提升买不回安全感,这是AI留给知识工作者最难消化的一课。
还有一层讽刺很难绕开。2010年代,正是这批知识精英劝所有人"去学编程";疫情期间,他们坐在家里远程办公,前线工人冒着风险送外卖。现在,他们又亲手建起了威胁自己饭碗的AI。轮到自己体验不确定性了,喊疼的资格,值得掂量一下,但这份体验本身,倒是提醒了一个更朴素的事实——技术冲击从不挑人。
- 风险.初级岗位和学徒制被AI率先挤压,一代人可能缺失专业判断力形成的通道,这个代价现在的失业率数据完全测不出来。
真正值得盯的,不是AI什么时候会大规模裁员——目前的数据不支持这个叙事。该盯的是这道1%与37%的落差会不会持续拉大:如果企业继续用"重组""降本"包装真实决策,而不肯说清AI在裁员里的实际权重,情绪层面的信任崩塌,会比任何一次真实失业潮都更难收场。织毛线不是逃避,是身体先于数据,替你说出了那句"这活儿到底图什么"。