AI这轮浪潮，改的不是生产，是分配

2024年2月，瑞典金融科技公司Klarna的CEO发了一封公开信。信里说，他们的AI客服上线第一个月处理了230万次对话，约占客服总量的三分之二，相当于700名全职人工客服的工作量。这封信当年在全球科技圈传了一圈，很多公司内部讨论的都是同一个问题，我们什么时候开始。

一年多之后，还是这家公司，还是这位CEO，在2025年5月对彭博承认了一件事，当初把省钱排在了质量前面，服务质量掉下去了，公司已经开始重新招人。

同一段时间，招聘市场上另一个岗位在悄悄变热。前向部署工程师，英文缩写FDE，干的事是把AI装进客户的业务现场。全球这个岗位的数量从2025年4月的643个涨到2026年4月的5330个，一年增长729%，同期科技行业整体招聘在收缩。2026年5月到7月，五家科技巨头先后宣布组建AI部署团队，合计投入接近百亿美元，钱花在把工程师送进客户现场。

这两件事放在一起，能看到同一条逻辑的两面。AI一边在砍岗位，一边在养岗位。但砍掉的和养出来的，落在两批完全不同的人身上。

这篇文章想把这条线讲透。钱从省下来到流出去，走的是哪条路；这类事在历史上发生过三轮，账本长什么样；被替代的人去了哪；最后落到两个具体的问题上，企业怎么办，个人怎么办。

一组织为什么瘦身，瘦的顺序

先看组织这一头。

瘦身的案例这几年不缺。IBM的CEO克里希纳2023年5月公开说，公司非面向客户的岗位大约2.6万人，未来五年其中30%会被AI和自动化取代，算下来约7800个岗位，相关招聘随即暂停或放缓。客服、文案、初级代码、基础数据分析，这些可以照着模板干活的岗位，是全球科技公司瘦身的第一批对象。

斯坦福大学2025年8月发布的一项研究，给这波瘦身提供了到目前最扎实的一份数据。研究者拿了美国最大薪酬处理机构ADP的数百万条工资记录，从2022年底一路看到2025年7月，结论有三个。第一，在AI暴露度高的职业里，22到25岁的年轻从业者，就业相对下降13%，部分模型里达到16%。第二，同样的岗位，年龄更大的员工就业稳定甚至上升。第三，冲击集中在AI可以自动化替代的任务上，用AI做辅助的岗位几乎没有损失。研究的第一作者布林约尔松把年轻员工叫作煤矿里的金丝雀，气体变了，他们先倒下。

第三个结论最关键，它解释了瘦身的顺序。AI先接走的从来都是岗位里那些可以写成模板的任务，所谓岗位，本来就是由一堆任务拼起来的。回答账单到期日的客服、写标准周报的助理、改小bug的初级程序员，这些任务先被接走。接走之后，公司发现留一半人就能干完原来的活，招聘冻住，岗位从这里开始消失。所以瘦身先瘦职能岗，再轮到要下现场的岗位；服务业先，制造业后。FDE岗位一年涨729%，跟客服缩编发生在同一个劳动力市场里，顺序就藏在一涨一缩的对比里。

对企业来说，瘦身的账还要往后算一步。省下来的钱有三个去处，打成价格战，变成利润，或者投进下一轮能力建设。这笔钱最后落在哪，企业自己说了算，三个去处对应三种完全不同的未来。只把AI当成本工具的企业，通常走第一条路，省的钱很快在价格战里吐回去。Klarna那位CEO的反思，价值就在这里，他把省钱排在质量前面，结果两头都受损。

13%这个数字要拆开看。所谓相对下降，指的是同样的行业里，这批年轻人的就业水平，比没有AI冲击时的预期轨迹低了13%，跌掉的主要是新进场的名额。在职的老人先不动，门口的新人不放进来了，这就是这轮瘦身的真实形态。

这波瘦身还有一层连锁反应，眼下看不出账面损失，十年后会显形。初级岗位是人才流水线的第一级台阶，资深的工程师、顾问、销售，都是从改小bug、写周报、跑腿拜访练出来的。AI把第一级台阶拆了，公司眼下省了钱，行业十年后会发现，资深的从哪来成了问题。斯坦福那项研究的作者专门提醒了这一点，入门岗位塌掉，技能管道就会断。这笔账，单看一年的成本表是看不出来的。

二钱往哪里流

组织瘦下来，钱省出来了。接下来看钱往哪里流。

AI产业链按钱的流向可以分成五层，模型和算力所在的底座三层，利润的大头沉在这里；应用层在下面接活。这轮浪潮里，钱往两头走，方向相反。

一头往上，向巨头集中。模型和算力是资本开支的游戏，训练一个大模型、建一个数据中心，门槛以十亿美元计，这个层面只会有少数玩家，钱也集中在这一层。巨头们2026年两个月宣布的近百亿美元部署投入，买的其实是人的时间。这轮投入跟以往不同的地方也在这里，钱没有全部砸进机器，有一大块花在了把工程师送进客户现场。

另一头往下，向中小企业下沉。把模型装进一家具体的工厂、一家具体的连锁门店，需要人到现场干活。这个层面巨头干不过本地服务商，因为活太碎、太贴身。于是部署服务层长出大量中小公司，活的形态从大项目变成教练加陪跑。国内已经有机构给这个路数起了名字，叫中国式FDE，核心做法是把外部的AI教练和企业内部的业务骨干捏在一起，让企业自己长出用AI的本事。

这个下沉的速度正在加快。海外大厂的部署团队是五到六人一组进驻客户，一个周期45天上下，配自主智能体处理基础任务；国内的服务商照着这个打法改，把人效再压低一档，报出的价格就能落进中小企业的预算里。巨头负责把模型的底座打厚，中小服务商负责把它塞进千行百业，这个分工在2026年基本成型。

钱往上游集中，活往下游下沉，中间夹着的正是分配问题。有两份数据把这件事的底色讲得很清楚。

国际劳工组织2024年9月发布的报告显示，全球劳动收入份额从2004年到2024年下降了1.6个百分点，降到52.3%。这个数字看起来温和，换算成钱很惊人。假如份额维持在2004年的水平，仅2024年一年，全球劳动者本可以多拿2.4万亿美元。报告还点了名，自动化等技术进步是推手之一，劳动者没有公平地分享到技术进步的收益。

世界不平等实验室2022年发布的报告口径更扎眼，数据口径是2021年。全球最富的10%的人拿走约52%的收入，拥有76%的财富；从1990年代中期到报告发布，全球新增财富的38%流向了最富的1%，底层一半的人只分到2%。

把这几组数字连起来看，逻辑就浮出来了。AI没有发明新的分配规则，它做的是把老规则加速。企业利润和资产价格的涨幅长期跑在工资前面，AI把这个剪刀差又加大了一档。裁掉一个岗位省下来的钱，进的是利润表和资本开支，没有进任何人的工资条。财富从劳动向资本搬家，这件事在AI时代只会更快。

还有一种更隐蔽的转移，藏在工资单上看不见的地方。同一个岗位，AI让产出翻了一倍，工资没动，多出来的产出记在了设备和软件的账上。涨上去的效率归资本，干活的人拿原来的钱，剪刀差就是这样一剪刀一剪刀剪出来的。

三这不是第一次

看到这里容易得出一个灰色的结论，AI这轮不一样，这次真的要大规模失业了。历史上这话被说过很多遍，值得把账翻出来对一对。

1811年前后，英国的织布工人砸掉了引入工厂的织机，史称卢德运动。他们砸机器，因为机器确实在砸他们的饭碗。但两百年回头看，机器没有消灭就业，它消灭的是某一种就业。

最有说服力的账是美国农业。1900年，美国约41%的劳动力在种地；到1970年，这个比例降到4%，今天不足2%。半个世纪里上千万农业劳动力离开了土地，粮食产量没有跌，反而翻着倍地涨。这段历史里没有发生农业人口的大规模长期失业，因为工厂和服务业把人接走了。

更近的例子是ATM机。1995年到2010年，美国ATM的数量从约10万台涨到约40万台，涨到了原来的四倍，按直觉银行柜员该消失了。波士顿大学经济学家贝森算了这笔账，1980年到2010年，美国银行柜员从约50万人微增到约55万人。原因是ATM把单个网点的柜员从约21人降到约13人，开网点变便宜了，银行反而多开了店，城区的营业网点数量涨了四成以上。柜员的活也从点钞填单，变成了卖理财、维护客户关系。MIT经济学家奥托尔把这个案例写进论文，用来说明一个反直觉的事实，技术替代的对象是任务，人是被重新安排的。

信息革命那一轮，其实已经预演过一次白领冲击。MIT经济学家奥托尔团队的研究发现，1980年代之后的美国就业市场出现两极化，高技能和低技能两端的岗位在增长，中间层的文书、行政、数据录入这类岗位在收缩。白领岗位被技术挤压，上一轮已经发生过一次，这一轮AI只是把剧本演得更深，波及的人更多。

蒸汽、电气、信息，三轮技术革命的账本放在一起，能看到同一条规律。总量上，每一次革命都让社会更富，就业总量长期是增长的。过程上，每一次都有整整一代人承受了迁移的代价，技能作废、收入断档、地区衰落，这些账每一轮都真实发生过。区别只在周期长短和波及范围。

AI这轮的特殊性有三个。第一，周期被压短了，农业机械化用了七十年，AI替代一个客服团队用了一年半。第二，波及面变了，前三轮先替代体力劳动，白领最后受影响，这一轮第一批就是白领。第三，新岗位和旧岗位的技能错位更大，被裁掉的客服很难直接转成FDE。周期短加错位大，意味着迁移的代价会更集中地砸在某一群人身上。历史安慰不了这一代人，但它能告诉我们，疼痛的来源究竟是技术本身，还是分配和转移的机制没跟上。

四被替代的人去了哪

说回到人。

大众叙事里有个词叫自由职业，听着体面，仿佛被裁掉的人转身就成了自己的老板。真实的机制要粗粝得多，相当一部分被替代的人，是被挤进灵活就业的。

中国的官方口径里有个数字，国家统计局2021年披露、此后多次沿用的口径，我国灵活就业人员已达2亿人左右。其中依托互联网平台的新就业形态人员，第九次全国职工队伍状况调查（2023年发布）显示有8400万。外卖骑手、网约车司机、网络主播、居家客服，这个蓄水池每年都在变大。

蓄水池里的收入成色怎么样，看一下工作形态就清楚了。计件计酬，多劳多得，停手就停钱；社保覆盖不全，职业上升通道模糊。灵活就业的名义是自由，多数人的实际状态是收入不稳定。

要说明的是，蓄水池里也有另一群人，有手艺的设计师、程序员、咨询师，主动选择单干，收入比上班还高。这部分人真实存在，只是占比小，而且他们的自由建立在一门拿得出手的手艺上。决定这个池子底色的，是从别处被挤进来的那批人。

还有一层分化发生在同一种职业内部。前面那项研究里，同一个岗位上的年长员工就业稳定甚至上升，年轻员工下降13%，差别的根源是经验攒出了AI替代不了的判断。会用AI的人，效率是别人的几倍，溢价握在自己手里；不会用的人做同样的事，价值被压到地板价。同一种职业，正在裂成两种命运。

Klarna在2025年的新动作像是给这个趋势做了个注脚。他们重新招客服，招法变了，试点一种类似网约车的按需用工，学生、偏远地区的居民都可以按需登录接单处理客户问询。公司用工在变轻，个人收入在变碎。同样一份客服的活，以前是一个带社保的全职岗位，现在拆成了按需接单，用工形态往哪走，这个注脚已经写得很清楚。

平台经济把这道门修得很宽，进来容易，往上走难。干骑手的第二年，跟第一年干的是同样的活，拿的是同样的价，经验在这里几乎不涨工资。传统职业里熬年头能换来的东西，很多灵活就业的岗位上没有对应的梯子。这才是灵活就业的难处所在，短期的收入托底它能做，长期的收入爬坡它接不住。

五两头怎么办

分析到这里，最后落地说怎么办。企业一头三条，个人一头三条。

先说企业。

第一条，别把AI只用成成本工具。Klarna的教训值得每个老板记住，AI客服替掉的是可以写进话术库的任务，判断和共情替不掉，把后者也一刀切掉，丢的就是客户。稳妥的切法是先让AI接标准化任务，把省出来的人挪去干判断性的活，收缩通过不再补招完成，硬裁员放在最后。动手之前先做一件小事，把公司里的岗位拆成任务清单，哪些可以写进模板交给AI，哪些必须留在人手里，画完这张清单再决定收缩谁。很多企业裁错人，就裁在没有这张清单上。

第二条，把能力沉淀在组织身上。买软件、雇人只能解决一时，真正的落地是把数据、流程、现场判断一点点整理进系统，让组织自己长出用AI的本事。能力留在谁身上，AI红利的分配就向谁倾斜，这条规则对企业对个人一视同仁。

第三条，抓窗口期。部署服务层正在下沉，教练型服务商的报价还没涨上去，中小企业现在请得起，两三年后未必。公司里那个懂业务、会用AI的翻译官，越早养出来越值钱。这个翻译官不用非得技术出身，车间主任、销售总监都行，关键是懂业务又肯学AI，他就是企业自己的前向部署工程师。

再说个人。

第一条，往现场走。越贴近具体业务的岗位越安全。坐在现场的人知道客户为什么皱眉，知道哪道工序的判定标准该怎么定，这些活AI隔着屏幕干不了。

第二条，往交叉点走。纯技术的活竞争最激烈，纯业务的活AI也能接走一半，值钱的是交叉处。能把业务问题翻译成AI能干的活，再把结果翻译回业务语言的人，在哪都缺。

第三条，经营自己的判断力。可以写成模板的任务会持续贬值，判断、共情、担责这些活会持续升值。Klarna那位CEO举过一个例子，客户刚失去亲人，想申请延期还款，这种请求写不进任何话术库，接住它靠的是判断和分寸。把这样的活列进自己的清单，就是最实在的积累。看一两年太短，要看十年，把时间投在那些十年后还涨价的能力上。

回到标题那句话。技术从没有放慢过创造财富的速度，放慢的从来都是分配财富的速度。AI把创造的速度又提了一档，分配的矛盾就提前、也更近地摆到了每个企业和每个人面前。对经营者，这轮浪潮里最重要的账在分配表上，不在成本表上；对个人，最重要的事是往自己的任务清单里，加几项别人拿不走的活。

最后交代一个边界。这篇拆的是分配的机制，给的是企业和个人视角下的应对；宏观层面的转移支付、社会保障这些更大的话题，需要更高的层面去回答，本文不越界。

浪潮不改方向，只改位置。看清钱往哪流、人往哪走，然后站过去。

风险提示：本文为产业观察，不构成任何投资建议；涉及的企业与数据均来自公开报道与公开研究，以官方披露为准。