前阵子跟一个在车企做智驾的朋友吃饭，他说了件事。他们部门去年招了六个算法工程师，今年一个都没留，全转岗去做数据标注和模型微调了。不是被裁，是活儿变了。以前写规则代码那套东西，现在模型自己就能跑出来，人反而成了给AI打杂的。他灌了口啤酒说，感觉就像自己亲手养了条狗，结果这狗越长越大，现在开始琢磨谁才是主人了。

这话听着糙，但理不糙。大模型这波跟以前那些自动化工具压根不是一回事。以前搞个RPA，你得把流程拆得清清楚楚，告诉它第一步点哪儿第二步填啥，本质上还是人在指挥。现在你扔给GPT一段话，它自己就知道该怎么拆解任务、调用什么工具、输出什么格式。中间那些逻辑链条，它自己长出来的。你不需要懂编程，不需要懂算法，甚至不需要懂业务——只要能把需求说清楚，剩下的它全包了。

这就麻烦了。过去我们总觉得，脑力劳动比体力劳动安全，创意比重复值钱。可现在你看看，写代码的、画图的、写文案的、做数据分析的，哪个没被AI捅过刀子？我认识一个在4A公司干了八年的文案，上个月被优化了。走之前老板跟她说，不是她写得不好，是AI写得太快了。客户要十个slogan，她憋一下午出三个，AI三分钟出五十个，虽然大部分是垃圾，但挑出三个能用的，比等她憋出来快多了。她跟我说这话的时候，语气里没有愤怒，就是有点茫然——干了这么多年，突然发现自己最值钱的那部分，好像也没那么值钱了。

但你要说AI真能彻底取代人，那也扯淡。我观察下来，现在的情况更像是一种“任务级替代”。什么意思？就是一份工作里，可能60%的具体任务AI能干了，但剩下那40%它干不了，或者干不好。问题是，以前这60%是新人练手的活儿，是培养一个熟手的必经之路。现在这条路被AI堵死了，新人没机会练手，熟手又得重新找定位。这才是真正要命的地方。

举个例子。我有个表弟在律所，以前刚进去就是做法律检索、整理卷宗、写备忘录。这些活儿枯燥，但干上两年，你对法条的理解、对案件走向的判断，就是在这些琐碎里磨出来的。现在这些活儿全交给AI了，他直接跳到了跟客户沟通、出庭策略的层面。听起来是好事对吧？但他跟我说，心里特别虚。因为那些底层的逻辑他没亲手摸过，跟客户聊的时候，总觉得自己在背台词，而不是真的懂。

所以你说AI觉醒，我觉得现在谈觉醒还早。它更像一个极其勤奋、极其便宜、但没什么判断力的实习生。你让它干啥它干啥，干得飞快，但干完了你得自己兜底。问题在于，当所有人都开始用这个实习生，整个行业的节奏就被带起来了。以前三天出方案，现在客户说一天行不行？你说不行，隔壁用AI的团队说行。最后大家都得跟着跑，跑着跑着，那些需要慢功夫的东西——深度思考、复杂决策、人际信任——反而成了稀缺品。

那普通人怎么办？我的看法是，别跟AI比它擅长的事。它擅长的是广度、速度、标准化。你擅长的是深度、温度、非标准化。一个做了十年的销售，他能从客户一句“再考虑考虑”里听出七八种意思，这种对模糊信息的处理能力，AI再练五年也够呛。一个带团队的leader，他知道什么时候该逼一把，什么时候该给个台阶，这种对人性的拿捏，模型学不来。

但前提是，你得真的在那十年里长出了这些东西。如果你只是把一年的经验重复用了十年，那AI确实能替代你。它替代不了的是那些在具体场景里、跟具体的人、处理具体矛盾时积累下来的手感。这种手感，数据喂不出来，算法算不出来，只能靠时间熬。

说到底，AI不是来抢工作的，它是来重新定义什么叫“有价值的工作”的。以前你靠信息差、靠熟练度、靠堆时间能混口饭，现在这些护城河全被填平了。你得往更深的地方走，走到AI够不着的地方去。那个地方可能不大，但足够你站住脚。

我那个车企的朋友后来想通了。他说现在干的活儿，更像是在教AI怎么理解人的意图。以前是写代码让机器执行，现在是写提示词让模型理解。看起来都是打字，但一个是在命令，一个是在沟通。他说这活儿挺有意思的，因为每天都能感觉到，自己离那个“人机协作”的边界越来越近。

至于边界那边是什么，他也不知道。但他说，总得有人先走过去看看。