当AI成为新的阶级分水岭

slug

type

status

date

一、办公室里的静默革命

没有人宣布，也没有人反对。变化就这样悄然发生了。

本周去晶泰科技，我看到整个开发区多数员工都在用Cursor写代码。IDE的界面上，AI正在实时补全函数，重构代码，甚至直接生成整个模块。工程师们的角色已经变了——他们更像是在审阅代码，而不是编写代码。

这不是孤例。Claude、Codex、Copilot、各种AI编程助手，已经成为现代软件开发的标配。我们这代程序员，可能是最后一代"手写"大部分代码的程序员。

潘多拉的盒子已经打开。而且，它不会再关上。

二、抽象的尽头

软件开发的历史，本质上是一部降低门槛的历史。

1950年代：手动打孔，物理介质编程

1960-70年代：汇编语言，直接操作寄存器

1980-90年代：C、C++，有了指针和内存管理

2000年代至今：Python、JavaScript，垃圾回收自动化

2020年代：自然语言，AI理解意图直接生成代码

每一次抽象层的提升，都是在降低"表达"的成本。

但现在，我们来到了抽象的尽头——自然语言本身。

当编程的门槛从"学会Python"降到"会说话"，这意味着什么？

表面上看，这是技术的民主化。人人都能编程，人人都能创造。

但仔细想想，当一个技能的门槛降到零，它就不再是技能，而是空气。

呼吸空气不会让你变得特殊。会说话也不会。

三、确定性的诅咒

AI革命的本质，是确定性工作的终结。

什么是确定性工作？

明确的输入和输出

可以被规则化描述的过程

存在"标准答案"的任务

写CRUD是确定性的。调试语法错误是确定性的。甚至很多"架构设计"，在特定场景下也是确定性的——因为最佳实践已经存在，只是需要有人执行。

过去，我们以为很多工作是"创造性"的：

翻译需要理解文化nuance

编程需要逻辑思维和工程经验

法律研究需要专业知识和推理能力

但AI告诉我们：这些都是确定性的。只是确定性的层级不同。

真正的非确定性，不在执行层面，而在决策层面。

不是"怎么做"，而是"做什么"。

不是"如何实现"，而是"是否值得"。

不是"写什么代码"，而是"解决什么问题"。

这听起来像是在给我们指明方向：专注于思考，专注于判断，专注于那些AI做不了的事。

但这里有个残酷的悖论。

四、一次关于资源的对话

近段时间，我问我们学联主席一个问题。

他已经拿到了国泰海通的offer，也是我们这届能力突出的人之一。我问他："在AI时代，什么样的软实力会变得更重要？审美？判断？思考能力？"

他几乎没有犹豫："资源。"

我愣住了。"资源算软实力吗？那应该是硬实力吧？"

他看着我，认真地说："审美、认知、判断，这些东西不都是跟资源息息相关的吗？"

这句话像一记重锤。

我继续追问："如果一定要说软能力，你觉得什么最重要？"

他想了想："还是思考本身吧。"

但我们都知道，他的第一反应才是真相。

五、资源的复利

我想起一句话，不知道谁说的，但刺骨般真实：

有渠道的叫销售。
有资源的叫老板。
有背景的叫资本。
有技术的叫劳力。
有胆量的叫创业者。
有眼光的叫投资人。
什么都没有只有梦想的，叫韭菜。

技术人，大多是草根。

我很尊重吴军老师，从Google、腾讯的顶级工程师，到丰元资本的合伙人。他的轨迹很说明问题：技术可以是起点，但永远不能是终点。

因为在财富和权力的游戏里，技术只是生产资料，而不是所有权。

这个世界的游戏规则，从来都是资源的复利。

为什么法律、金融、医学有明显的阶级属性？

因为这些行业需要长期投资：

医学院8年，法学院3年，前期没有收入

需要家庭能承受长期的教育成本

需要人脉资源打开职业通道

需要文化资本理解行业的隐性规则

穷人家的孩子不是不聪明，而是输不起。

所以他们选择STEM——测量标准清晰，能干就干，不能干也装不下去。看起来公平。

但现在，这个草根通道可能正在关闭。

六、AI的阶级筛选器

让我把逻辑说清楚。

第一层：门槛降低 = 竞争加剧

当所有人都能用AI写代码，"会编程"就不再是优势。

那什么是优势？知道该写什么代码。

知道做什么产品有市场。

知道解决什么问题有价值。

知道什么方向值得投入。

这需要什么？

需要市场嗅觉（见过足够多的商业案例）。

需要行业理解（接触过足够多的从业者）。

需要试错能力（承受得起失败的成本）。

这些都需要资源。

第二层：学习速度的差距

AI时代，知识的半衰期极短。重要的不是你知道多少，而是你学习的速度。

但学习速度取决于什么？

信息获取能力（付费资源、人脉网络、优质社群）

实验环境（有空间和资金去尝试新工具、新方法）

心理承受力（不会因为一次失败就放弃）

有资源的人：

可以第一时间接触最新工具和信息

可以快速试错，用AI验证100个想法

可以聘请他人处理琐事，自己专注学习

没有资源的人：

信息永远慢半拍

不敢试错，因为输不起

时间被生存问题占据，无暇学习

时间一长,差距呈指数级扩大。

第三层：AI强化了资源的杠杆效应

过去，一个天才程序员可以靠技术翻身。

现在，AI让"技术执行"变得廉价。真正值钱的是：

资源整合能力

战略判断能力

商业嗅觉和人脉网络

而这些能力，几乎完全由资源决定。

有资源的人用AI：

扩大产出（一个人干十个人的活）

降低成本（自动化所有流程）

占据注意力（用AI生产海量内容）

结果是：强者更强，弱者连入场券都拿不到。

七、STEM的幻觉

我们这代人，很多人选择STEM，是因为相信它"公平"。

不需要家庭背景。

不需要人脉资源。

只要你够聪明，够努力，就能往上走。

这是真的吗？

在AI出现之前，某种程度上是真的。

因为技术有门槛，有护城河。掌握技术需要大量时间投入，这是穷人家孩子唯一能用时间换的东西。

但AI正在拆掉这道墙。

基础开发工作？AI可以做。

数据分析？AI可以做。

算法实现？AI可以做。

能留下的,是那些顶级岗位：

量化交易（需要顶级数学训练和金融资源）

AI研究（需要名校PhD和顶级实验室）

前沿技术开发（需要行业人脉和商业判断）

而这些岗位的入场券是什么？

名校。导师。资源。背景。

草根通道正在关闭。

八、一个让人不安的结论

所以，AI到底是在打破阶层固化，还是在加速阶层分化？

答案已经很明显了。

AI降低了执行门槛，但提高了决策门槛。

它让所有人都能"做事"，但只有少数人知道"该做什么事"。

而"知道该做什么"，需要的是视野、资源、试错空间——这些东西，都不是AI能给你的。

更残酷的是：资源不仅决定你能做什么，还塑造了你能想到什么。

你见过的世界,决定了你的审美。

你承受得起的试错,决定了你的认知迭代速度。

你接触过的人,决定了你提问的质量。

这是一个正反馈循环。

有资源的人会越来越快地进化。

没有资源的人会越来越难跟上。

差距会越来越大，直到完全不在一个维度。

九、我们的困境

作为STEM学生，我必须面对一个事实：

我们选择这条路，是因为它看起来公平。但现在，游戏规则变了。

当技术不再是护城河，当执行可以被AI替代，我们的优势在哪里？

我们花了四年学算法、数据结构、操作系统。

我们通过刷题、做项目、考证书来证明自己。

我们以为掌握了技术，就掌握了未来。

但AI告诉我们：这些都是确定性的。

真正稀缺的,是那些我们没有被训练过的东西：

商业判断

市场嗅觉

资源整合

战略思维

而这些东西，恰恰是需要资源和背景才能培养的。

这是一个死循环。

十、无解之问

我不想给出虚假的希望。

"努力就能成功""知识改变命运""思考创造价值"——这些话在AI时代可能需要加上前提：

如果你有足够的资源来实践你的努力。

如果你有足够的背景来变现你的知识。

如果你有足够的空间来验证你的思考。

那么，我们这些没有太多资源的人，出路在哪里？

我想过几个方向：

极致的专注——如果不能多线试错，就选一个方向做到极致。

判断力的训练——大量阅读、思考、与优秀的人交流，提升"知道该做什么"的能力。

真实的连接——不是泛泛社交，而是与真正优秀的人建立深度关系。

保持清醒——看清游戏规则,不自我麻痹，不活在幻觉里。

但说实话，我不确定这些是否足够。

可能不够。

可能在这个大变革时代，大部分人注定会被淘汰。

可能"阶层固化"不是一个可以解决的问题，而是一个必须接受的现实。

十一、但我们仍然要思考

即便如此，我仍然认为，诚实地思考这些问题是有价值的。

不是因为思考能改变结局。

而是因为，如果连问题都不敢直视，那就真的什么希望都没有了。

AI时代会重构一切：

重构价值的定义

重构能力的门槛

重构阶层的边界

我们无法选择时代，但可以选择如何面对。

也许最后大部分人会输。

也许资源和背景的差距真的无法跨越。

也许这个世界本来就不公平，AI只是让它更加显性化。

但至少，我们可以清醒。

清醒地知道游戏规则是什么。

清醒地知道自己的处境是什么。

清醒地知道哪些是幻觉，哪些是真相。

然后，在这个清醒的基础上，做出我们的选择。

也许这就是这个时代，我们能做的最好的事。