一个在大厂做了六年产品的朋友，最近跟我说了一件事。
他们团队今年想招两个人，招聘名额一直批不下来。上面的理由是降本，但他觉得哪里不对。
因为公司别的部门该招的都在招，唯独他们这种需要大量人手做执行的岗位，集体被卡住了。
后来他看着AI工具在团队里一个一个嵌进来，越来越多的活儿被自动化掉，才慢慢明白，那两个名额可能不是暂时批不下来，是永远不会再回来了。
他问我，这是以后的常态吗？
我说，是的，而且比你想象的还要快。
那么多钱，为什么没变成工作
这是很多人困惑的事。AI那么热，资金进来那么多，招聘软件上怎么反而越来越难找到合适的岗位？
钱确实进来了，但流向了一个跟你我都不太有关系的地方。
微软、谷歌、字节在AI上的支出，绝大部分是买算力硬件，建机房，交电费。
这些钱流向了半导体厂商，流向了能源公司，流向了一小撮能设计训练框架的算法博士。
经济学里有个区分，一种叫资本支出，买设备的钱，一种叫运营支出，雇人的钱。
现在AI行业的钱，几乎全是前者，买设备的，还没到雇人的。
你想想2010年移动互联网那波是什么样的。
苹果做出了iPhone，接下来十年是无数公司疯狂招人做App、做运营、做地推，培训班学三个月iOS开发就能去找工作。
那是人力密集型扩张，钱直接流向了就业市场。
现在是修大坝的阶段。
修大坝需要最顶尖的水利工程师和最贵的重型机械，不需要安装工，不需要卖电饭锅的。
大坝修好，电通了，才轮到下一批人。
我们现在卡在大坝还没修完的地方。
比「新工作没来」更难受的事
岗位还没爆发，这个勉强能理解，等嘛。
更难受的是另一件事，旧的岗位先消失了。
例如在AI之前，软件行业有一条清晰的成长路径。先做初级工程师，写简单的功能，修边角料的bug，脏活累活都接，慢慢积累经验，慢慢往上走。
企业愿意招初级工程师，是因为有些简单的执行工作，大佬不值得做，但又确实需要人。
这批「简单但必须有人做」的工作，是年轻人的入场券。
现在这张入场券没了。
GitHub的CEO说，Copilot已经在写46%的代码。对资深工程师来说这是好事，相当于多了一个随叫随到、能力极强的助手。对刚毕业的学生来说，这是灾难。
那些「简单但必须有人做」的工作，现在AI做了。企业的招聘逻辑跟着变，以前是1个大佬带5个小弟，现在是1个大佬配AI，那5个小弟的位置直接消失。
梯子被抽走了，就在你脚下。
不是你不努力，不是你能力不够，是进入行业的通道本身在重组。
那个「先从初级做起，慢慢积累，一步步升级」的路径，在越来越多的岗位上正在消失或者变窄。
这话说出来很难受。但我觉得比假装没发生强，因为搞清楚了真实情况，才能找到真实的路。
真正的空档在哪里
说到这里可能有人想问，那是不是就没机会了？
不是，但机会不在你可能以为的地方。
现在有一个夹缝，几乎是真空地带。
一边是AI技术专家，他们懂模型、懂架构、懂怎么调训练，但通常不懂具体的业务，不知道一个律所的合同审查流程是什么样的，不知道一个制造厂的生产排期逻辑是怎么运转的。
另一边是各行业的资深从业者，他们懂自己领域里的门道和细节，但不知道AI能做什么，不知道怎么把自己的工作拆解成AI能接管的部分。
这两种人很少是同一个人。
而这个夹缝，是接下来几年最稀缺的位置。
不需要你去和算法博士竞争，也不需要放弃现有的专业积累。
你需要的是，在你已经懂的那个领域里，搞清楚AI能接管什么，不能接管什么，然后把这两个东西拼在一起。
这不是一个技术问题，是一个认知问题。
大坝总会修完，电总会通到每家每户。
那个时候需要的，是懂得「怎么用电」的人，不是懂得「怎么造发电机」的人。
这个阶段，大概就是现在到未来两三年。在这个窗口里先看清楚方向的人，会比大多数人多出一段相当有价值的提前量。