AI越来越强，工作似乎更难找了。对谈GPT5.6 Sol：AI浪潮下，何去何从

今天，突然有这个念头，我想让GPT捋一捋，对当下AI浪潮的看法。

AI 到底会让普通人的工作变得更好，还是更糟？

作为一个从传统 Java 开发转向 AI 应用开发的人，我当然能看到 AI 带来的机会。

我自己就是这波技术变化的受益者之一。

过去一年多，我用 AI 编程做项目、做产品、搭 Agent、做自己的系统。

很多以前需要一个团队才能做的事情，现在一个人配合 AI，也能先跑出第一版。

但另一边，我也越来越清楚地看到：

AI 越强，企业对人的要求反而越高。

工作多年的人被裁，应届生找不到合适的工作。

大厂一边投入巨额资金建设 AI，一边缩减员工。

AI浪潮下，该何去何从。

问题1：工作多年被裁，应届生又找不到工作，这到底意味着什么？

GPT：

这不是“老员工不够努力”和“年轻人眼高手低”两个问题，而是同一套社会契约正在松动。

过去大家默认相信三件事：

第一，读书可以换来一个职业入口。

第二，忠诚和经验可以换来长期安全。

第三，只要持续工作，收入与能力会大致同步增长。

现在，这三件事都不再稳定。

AI 当然不是唯一原因。经济周期、产业转移、企业降本、毕业生规模扩大、年龄歧视都在同时发生。

2026 届高校毕业生预计达到 1270 万人。2026 年 6 月，非在校 16—24 岁劳动力失业率为 14.9%，明显高于 5.0% 的整体城镇调查失业率。[1][2]

AI 所做的，是加速企业重新计算“一个人值多少钱”。

过去，企业购买的是一个完整岗位：招一个新人，让他做基础工作，在项目里慢慢培养。

现在，AI 可以先拿走岗位中标准化、可描述、可验证的部分。于是企业开始倾向于留下更少的人，让他们借助 AI 承担更多工作。

这会首先伤害职业入口。

斯坦福对美国工资数据的研究发现，在 AI 暴露度最高的职业中，22—25 岁劳动者的就业相对下降了 16%，但同一职业中的资深劳动者相对稳定或继续增长。[3]

但另一件看起来矛盾的事，也同时成立。

一项真实客服场景研究发现，AI 让整体生产率提高约 14%，其中新手和低技能员工的提升达到 34%。[4]

所以，AI 既是梯子，也是拆梯子的人。

它让一个新人可以更快接近熟练者，却也让公司不再需要招聘那么多新人。

它让老员工的经验获得更大的杠杆，也会迅速暴露：哪些经验是真正的行业判断，哪些经验只是依赖原公司的流程、资源和职位。

应届生和老员工，其实卡在价值链的两端：

• 应届生有潜力，但缺少可信证据；
• 老员工有历史证据，但其中很多无法跨组织迁移，而且工资更高。

这不代表人的价值下降了，而是市场不再愿意为“潜力”和“资历本身”付钱。

因此，AI 时代真正应该追求的，不是“永远不可替代”。

几乎没有人能做到永远不可替代。

真正应该追求的是：

即使被替代，我也有能力低成本地重新组织自己。

这种能力至少由五样东西组成：

• 足够的现金和心理缓冲；
• 可以跨公司迁移的能力；
• 可以展示、可以验证的真实成果；
• 愿意再次和你合作的人；
• 至少一项不完全属于雇主的资产，比如作品、客户关系、声誉、方法、工具或者渠道。

真正的稳定，不再只是岗位稳定，而是再出发能力稳定。

对于工作多年后被裁的人，不要只把旧简历继续投向旧岗位，而要把过去的经历重新翻译：

• 我真正解决过什么问题？
• 我避免过什么代价高昂的错误？
• 我协调过哪些复杂关系？
• 我为收入、成本、效率或者风险带来过什么变化？

年限不是资产，经过提炼的判断和结果才是。

对于应届生，也不要只证明“我学过什么”，而要开始证明“我完成过什么”。

找一个真实场景，解决一个小问题，做出能运行、能验证、有人用的成果。

把需求、过程、失败、修改和结果保存下来。

应届生最缺的，往往不是又一张证书，而是“雇用你的风险为什么足够低”的证据。

问题2：大厂裁员后，这些人才会不会挤压其他人的机会？

因为普通人面对的竞争，不只是 AI。

还有一批已经在大厂做过复杂项目、拿过高薪、见过成熟体系的人，正在被重新输送到社会。

于是，我继续追问。

GPT：

先修正一个容易制造恐慌的说法：

“国际大厂都因为 AI 裁员”并不完全准确。

更准确的说法是：

AI 已经让资本市场接受、甚至奖励更小的团队，并把裁员从周期性降本，推向组织结构重构。

截至 2026 年 6 月，美国科技行业年内已经宣布约 13.9 万个裁员计划。AI 被企业列入约 10.2 万个裁员计划的原因，约占同期全部裁员的 23%。[5]

但这里统计的是企业“宣称的原因”，不等于每一个岗位都已经被 AI 一对一替代。

目前可以看到三类情况：

第一类，是明确把 AI 和缩减员工规模直接联系起来。

Block 裁掉约 4000 人，接近员工总数的 40%。CEO Jack Dorsey 直接表示，智能工具已经改变了建设和运营公司的方式，更小的团队可以做得更多、更好。

Pinterest 裁员不超过 15%，同时明确表示把资源重新分配给 AI 岗位和 AI 产品。

第二类，是为了支付 AI 的巨额成本，压缩其他人力和组织层级。

Meta 裁掉约 8000 人、约占员工总数的 10%；Cisco 在季度收入创新高时，仍宣布裁减不到 4000 个岗位。企业不一定说“AI 替代了这些人”，但会说要把资金和人才转向更高优先级的 AI 基础设施、产品和高杠杆人才。[6]

第三类，是原本就要进行的业务收缩、过度招聘纠偏和组织调整，被统一包装进“AI 提效”叙事。

Amazon 在 2026 年 1 月宣布裁减约 1.6 万名企业员工。CEO 之前确实说过，生成式 AI 会降低未来企业员工数量；但 Amazon 又表示，本轮绝大多数裁员并不是由 AI 直接造成的。

这说明 AI 既是真实变量，也可能是一个更容易被资本市场接受的裁员理由。

Gallup 对失业者的调查中，只有 1% 的人把 AI 或自动化列为自己被裁的首要原因。

更多人听到的仍是组织重组、降本、业务收缩和岗位取消。[7]

但是，AI 可能已经藏在这些理由的后台：

公司为什么认为少几个人也能完成工作？

为什么不再补招离职者？

为什么设计、测试、前端、运营开始被合并成一个更宽的岗位？

为什么管理者开始带更多人，中层不断被压缩？

这些变化未必会被写成“AI 裁员”，却已经是 AI 对组织的间接影响。

国内企业很少公开宣布万人级 AI 裁员，更常见的是先削减外包和合同工、不再补招离职者、减少校招、滚动式小规模优化、弱化管理职级，以及把多个独立岗位合并。

路透社在 2026 年 6 月采访科技、广告、娱乐等行业劳动者时，观察到了一批这样的“安静裁员”。同一时期，中国 AI 相关岗位增长很快，但窄口径的 AI 岗位无法等量接住传统岗位和数量庞大的毕业生。[8]

所以，真正值得担心的，不只是某一次公开裁员。

减少招聘、减少培养、提高人均产出，可能比一次性裁员影响更深。

问题3：大厂员工接下来会流向哪里？

我继续问了最后一个问题。

ChatGPT：

现在还没有完整的半年后去向数据，因为不少裁员发生在最近几个月，职业平台的数据也存在更新延迟。

但从招聘数据、访谈和过去几轮人才迁移看，他们大概率会流向五个方向。

第一，少数顶尖人才会进入 AI 核心区。

模型、数据、算力、推理优化、AI 安全和 AI 产品人才，会被 AI 实验室、云厂商和芯片公司继续高薪争抢。

他们不是真正进入失业市场，而是在头部公司之间被重新定价。

第二，更多人会进入传统产业。

汽车、制造、金融、医药、能源、零售、物流，都需要产品、工程、数据和运营人才完成 AI 转型。

这会形成一场“人才瀑布”：

国际和国内头部大厂

        ↓

中型科技公司、AI 创业公司

        ↓

汽车、制造、金融、零售等传统企业

        ↓

当地中小企业和服务商

人才每往下一层流动一次，都会提高这一层原有员工的竞争标准。

第三，一部分人会创业，或者成为“一人公司”。

这些人拥有工程经验、行业知识、客户关系和一定的现金缓冲，现在又获得了低成本 AI 开发能力。

过去需要产品、前端、后端、设计、测试和运营组成团队；现在两三个人就可能先做出可售版本。

SignalFire 的 2026 年人才报告显示，大型科技公司的整体招聘仍比 2019 年低约 25%；大型科技公司的应届生招聘比 2019 年下降约 65%，早期创业公司下降约 76%。与此同时，2025 届顶尖计算机毕业生自称创业者的概率已经是 2022 届的两倍。[9]

这说明一部分人不会继续等待一份传统岗位，而会直接下场创造自己的岗位。

第四，一部分人会转向顾问、外包和自由职业。

他们会把原来的一份全职工作拆成多个客户。但这里同样会发生价格分化：

泛化的写作、设计、数据整理和外包开发会越来越便宜；行业诊断、复杂交付、合规、安全、客户关系和结果责任仍然有溢价。

第五，还有一部分人会降薪、降级，甚至经历长期失业。

不是所有大厂经验都能够迁移。

有些人的能力高度依赖大平台的品牌、数据、预算和复杂分工；进入中小公司后，可能不习惯亲自销售、亲自交付，也很难马上接受薪资和职级下降。

因此，大厂人才带来的竞争，不会在裁员当天达到最高点。

随着求职时间拉长、薪资预期下降、行业选择放宽，这种竞争会在未来几个月继续向更多公司和行业扩散。

真正的蝴蝶效应还不只是“市场上多了一批优秀候选人”。

更大的变化是，企业理想中的团队形态变了。

未来最常见的竞争对手，可能不再是另一个和你履历相似的候选人，而是：

一个懂行业的资深人，加几个 AI Agent，再加一个真正掌握客户的人。

这支小团队可能和你竞争同一个岗位，也可能直接做出一款产品，和你的公司竞争。

和 GPT 聊完后，我重新梳理了自己的判断

ChatGPT 给了很多数据，也给出了一个看起来比较完整的解释。

对我来说，这些变化，对我这样一个普通开发者、AI 转型者，以及正在尝试做产品的人，到底意味着什么？

一、AI 带来的最大变化，不是某个岗位消失，而是组织开始重新定价所有岗位

很多人还在问：

“AI 能不能替代程序员？”

“AI 能不能替代产品经理？”

“AI 能不能替代设计师？”

我觉得这些问题已经有点滞后了。

企业真正关心的不是一个职业会不会被完整替代，而是：

原来需要十个人完成的结果，现在是不是五个人、三个人，甚至一个人配合 AI 就能完成？

只要答案开始接近“可以”，即便岗位没有消失，招聘数量、组织层级、薪资结构和绩效标准也都会改变。

所以，学会使用 AI 当然重要，但它很快会从加分项变成基础要求。

真正拉开差距的，不是你会不会打开一个 AI 工具，而是你能不能重新设计工作流，并且对最终结果负责。

二、未来最危险的，不是不会用 AI，而是只有单点技能

过去，一个人可以靠某个稳定技能工作很多年。

会 Java，就一直做 Java 开发。

会写需求，就一直做产品经理。

会测试，就在团队里专门负责测试。

但 AI 正在不断压缩这些岗位之间的边界。

企业越来越希望一个人可以理解需求、完成方案、借助 AI 开发、验证结果，甚至理解一点客户和商业。

这并不意味着每个人都要变成什么都会的“六边形战士”。

真正需要建立的是：

一项足够扎实的专业能力，加上组织 AI、工具和其他专业人员完成交付的能力。

我一直在思考一个问题：AI 时代，未来五年最核心的价值是什么？

现在答案越来越明确：

不是掌握最多 AI 名词，而是提供完整解决方案的能力。

用户不会为你会 LangChain、Dify、Agent 或 MCP 付钱。

用户会为一个真实问题被完整解决，并且拿到结果付钱。

三、岗位不再稳定，但个人可以建立自己的稳定系统

这可能是这次对谈最触动我的地方。

过去我们理解的稳定，是进入一家不错的公司，找到一个不错的岗位，然后尽量长期留下来。

现在看来，这种稳定越来越脆弱。但这不代表人只能永远活在焦虑里。

我们可以换一种稳定：

• 有能迁移的能力；
• 有能公开展示的作品；
• 有愿意相信自己的人；
• 有不完全依赖公司的收入尝试；
• 有沉淀下来的方法、内容、工具和系统；
• 即使环境变化，也能重新组合这些资产。

说白了，真正的稳定不是公司保证永远不裁你。

真正的稳定是，公司裁掉你之后，你仍然知道自己接下来能做什么。

四、大厂人才外溢既是竞争，也是一次人才和机会的重新分配

一开始，我本能地把这些被裁的大厂员工理解成竞争者。

他们有平台履历、复杂项目经验、成熟方法和更强的人脉，这当然会提高很多岗位的门槛。

但后来我发现，如果只把他们看成抢岗位的人，视角还是太窄了。

这些人也可能成为创业者、合伙人、顾问、员工、客户和新的内容创作者。

很多过去只有大厂才能获得的经验，正在被重新释放到创业公司、传统产业和小团队里。

对于普通人来说，真正的问题不是“我能不能在简历上打败所有大厂员工”。

而是：

我能不能找到一个具体问题，和合适的人一起，用 AI 把它解决？

不要只盯着人才竞争，还要看到人才重组。

五、我的破局方向，不是继续过度追更多工具，而是持续做真实项目，沉淀自己的系统

我从 Java 转到 AI 应用开发，并不是因为我比别人更聪明。

我只是比以前更早意识到：在原来的位置继续熬，并不会自动产生新的机会。

但今天再看，完成一次岗位转型还不够。

如果我只是把 Java 技能换成 Python，把传统开发换成 AI 应用开发，本质上仍然是在等待一个岗位来定义我的价值。

我接下来持续要做的，是把每一次项目、每一次踩坑、每一次咨询、每一次内容和每一次真实交付，沉淀成可以复用的资产。

不是只做一个 Demo，而是做能运行、能验收的产品。

不是只写一篇文章，而是让文章进入知识库、课程、社群和产品。

不是只会调用 Agent，而是给 Agent 建立任务边界、上下文、权限、回滚和验收。

不是一个人承担所有岗位，而是由一个核心决策者，组织 AI、工具和专业服务网络，并对最终结果负责。

AI 浪潮下，何去何从？

老实说，我依旧没有得出一个可以解决所有人焦虑的标准答案。

有人需要先保住现金流，有人需要尽快离开已经萎缩的行业，有人应该把经验产品化，也有人最需要的只是先做出第一个真实作品。

但我确定一件事：

不要和 AI 比赛完成任务，也不要和所有大厂人才一起竞争一份更漂亮的简历。要往真实问题里走，往真实用户身边走，往完整交付里走。

把你的经验变成方法，把方法变成作品，把作品变成别人愿意相信的结果，再把这些结果沉淀成不完全依附于某一家公司的资产。

工具会不断过时，岗位会不断变化，公司也可能随时重新计算成本。

但你解决过的问题、承担过的责任、积累下来的信任，以及重新组织自己的能力，不会那么容易被清零。

AI 时代真正的破局，不是找到一个永远安全的岗位。

而是让自己无论走到哪里，都有能力再次启动。

如果你也正处在应届求职、在职焦虑、被裁重启或者转型 AI 的阶段，可以回复我两个字：破局。

欢迎告诉我你现在最卡的是哪一步，加入可乐的AI成长圈持续交流。

我越来越清楚，AI Growth的核心价值，不只是“我做了一个网站”。它真正承载的是：我的经验筛选、我的实践路径、我的内容体系、我的 AI 分身，以及我和大家一起持续成长的过程。

耗时一个月，我用 Codex AI 编程，给可乐 AI 成长圈打造了一套系统

未来，我会继续把AI Growth打造成一个更完整的 AI 实战成长系统。这里既有学习路径，也有实战任务；既有我的经验沉淀，也会连接更多优质资源。

对我来说，这不是一个一次性项目，而是我的 AI IP 长期系统化的一次开始。