请不要在泰坦尼克上研究如何升舱

最近一年，我发现身边越来越多的人开始做自媒体、做分享。很多是从大厂出来的朋友，第一次站到台前，把自己在公司里积累多年的经验讲给大家听。这客观上是好事。我也认真听了不少。

但听多了之后，我发现这些分享大多绕不开两个主题。

一个是如何在大厂里继续往上爬：怎么升职，怎么做 visibility，怎么管理向上关系，怎么在复杂组织里拿到更好的评价。

另一个是如何在自己的工作中用好 AI：怎么用 Cursor 提效，怎么搭 prompt 工作流，怎么成为团队里的 AI 先锋。

这些内容往往都挺真诚，也有很多一线经验，不是那种纯粹的二手鸡汤。问题是，我每次听完，心里都会冒出一种很奇怪的感觉。

说得直白一点，是一种滑稽感。

这就像泰坦尼克号已经看见冰山了，船上的人还在认真研究怎么从三等舱升到二等舱。

升舱攻略本身可能非常专业。哪个舱位性价比高，怎么跟乘务长搞好关系，什么时候申请更容易批，每一条都可能是对的。但这些攻略都有一个共同前提：这艘船会继续开下去。

我想说的恰恰是，这个前提没有了。

It's gone。

冰山不是情绪，是账本，是钱，是最简单的降本增效

先把我的核心判断说清楚：如果你承认 AI 能带来十倍甚至百倍的效率提升，那么企业层面的大裁员和大重构，就不是一个可有可无的风险，而是迟早会被账本逼出来的结果。

这不是我喜欢不喜欢裁员的问题，也不是我希望世界变得更冷酷的问题。它只是一个很朴素的算术。

大企业面对的局面其实没有太多选择。如果它不系统性地降本增效，它面对的就是一批新公司，用它 1% 甚至更低的成本，给客户提供相似的价值。这道坎是跨不过去的。你可以晚一点跨，可以用更体面的语言跨，但不可能假装它不存在。

所以我觉得，很多关于 AI 转型的讨论，最别扭的地方就在这里。大家都在讲提效，都在讲超级个体，都在讲十倍百倍。但一旦讲到这些效率最终怎么进入企业的收入、成本、人头和组织结构，如何有序地大裁员，大重构，声音就突然变小了。

这件事在硅谷已经不是单纯预测，而是开始变成制度安排。Shopify 的 CEO Tobi Lutke 在 2025 年那封公开的内部 memo里说得很清楚：团队在申请更多人手之前，必须先解释为什么目标不能用 AI 完成。

注意这里的顺序。AI 不再只是员工手里一个提高效率的工具，而是放在人力预算前面的一道闸门。先假设 AI 可以做，再证明为什么还需要人。

Duolingo 的 CEO 也在 all-hands email 里宣布公司转向 AI-first：AI 能处理的工作，逐步不再交给 contractor；团队只有在无法继续自动化的时候，才更有可能拿到 headcount。当然，公开话术会非常温和，会说这不是替代员工，而是移除瓶颈，让大家做更有创造性的工作。

这些话不是完全没意义。公司确实需要照顾员工情绪，也确实有一些工作会变得更有创造性。但判断这类变化时，不能只看话术。

看制度，不要看口号。

制度写出来的东西很简单：如果 AI 可以做，就不再默认给人。如果还能自动化，就先自动化。这个方向一旦进入预算、绩效和招聘流程，它就不是一场内部培训了。

效率提升本身，也已经有一些公开案例。Klarna 的 AI 客服助手在上线第一个月处理了 230 万次对话，占客服对话的三分之二，相当于 700 个全职客服的工作量，问题解决时间从 11 分钟降到 2 分钟以内，并预计带来 4000 万美元的利润改善。

这个例子当然有边界。它是客服场景，也来自公司和供应商共同叙述，不能直接推成所有岗位都会用同样速度被替代。但它至少说明一件事：AI 不只是让员工写邮件快一点，它已经可以直接进入一个端到端业务环节，改变成本结构。

这才是冰山。

冰山不是“大家都会失业”这种情绪化口号。冰山是，当同样的客户价值可以用更低成本交付时，公司没有理由长期维持旧成本结构。

冰山已经在那里了。所有人保持沉默，并不代表它不会撞上来。

很多人面对这件事时，还心存幻想，觉得待在大船上就是安全的。船这么大，公司这么有钱，怎么也轮不到我。

但安全感和安全是两回事。船大，只意味着沉得慢一点，也意味着沉的时候动静更大。

漂亮报告没有回答“然后呢”

前段时间腾讯研究院发了一份关于“超级个体时代”的报告，在很多群里引发了很热烈的讨论。报告本身写得不错，把一些原来很模糊的概念讲清楚了。

但我读完总觉得哪里不对劲。

后来我想明白了。不是它写错了，也不是它不自洽。更准确地说，是它没有把“然后呢”讲出来。

你说 AI 能让个体十倍百倍地放大能力。好，然后呢？企业读完以后应该干什么？钱从哪里来？成本怎么降？组织怎么改？路径具体是什么？

裁员吗？重构吗？怎么做呢？

这些才是企业真正关心的问题。企业不是站在旁边欣赏一堵漂亮的概念墙。墙上写着超级个体、AI 原生组织、人机协同、未来工作方式，听起来都对，但企业最后还是要回到那个最土的问题：账怎么算。

而账一旦摊开，很多话就藏不住了。

我在之前写 AI 提效那篇文章里说过一个判断标准：如果 AI 真的带来了 50% 的生产力提升，那你的收入真的提升了 50% 吗？成本真的降低了 50% 吗？如果都没有，那说明 AI 的效果并没有真正进入业务结果。它可能只是被旧组织吸收掉了，变成了一堆 PPT 数字。

工具真正有用，就一定会改变生产关系。组织架构、预算结构、交付方式都没变，却说生产力发生了巨大变化，这里面一定有一段逻辑没有讲完。

McKinsey 2025 年的 State of AI 调研也能从另一个角度说明这个问题。它说 88% 的组织已经在至少一个业务功能里常规使用 AI，但只有 39% 报告了企业层面的财务影响。差距在哪里？报告自己也提到，高表现公司做的不只是工具采购，而是 workflow redesign，是业务流程重构。

把这几个事实放在一起看，结论很清楚：AI 使用已经普及，但财务影响还没有普遍释放。不是因为 AI 没用，而是因为很多公司还停留在“让旧流程跑快一点”的阶段。

接下来几年真正要发生的，不是每个人多用几个 AI 工具，而是那些旧流程、旧岗位、旧中间层被迫重新摊开算账。

不要幻想，这就是大裁员，大重构。

这也是为什么我不太喜欢那种只讲“超级个体”的乐观叙事。它讲的是能力被放大以后，一个人可以做更多事。这没错。但企业侧的另一个问题是：如果一个人真的能做十个人的事，那原来的十个人怎么办？原来的汇报链怎么办？原来的项目管理、协调、评审和中间层存在的理由怎么办？

这些问题不说，不代表它们不存在。

在我们的语境里，公开谈裁员和重构会显得很不体面，好像你在主动欢迎一个冷酷的未来。我理解这种不适。但我更不喜欢另一种体面：大家都知道船可能会出事，却一起假装只要把舱位安排好，问题就过去了。

体面的话术，不能替代真实准备。

为什么“在工作中用好 AI”救不了你

讲完企业，再回到个人。

很多人的第一反应是：既然重构会来，那我现在努力成为团队里最会用 AI 的人，总没错吧？至少我证明了自己的价值。

我的看法可能会让人不舒服：你在原有岗位里把 AI 用得多好，对公司而言未必重要；对你自己而言，意义也比你想象的小。

这里不是说 AI 技巧不重要。AI 技巧当然重要。问题是，你把技巧用在了哪里。

最近有个很有意思的现象：之前一些公司搞 token 排行榜，给员工很多 AI 额度，鼓励大家比赛谁用得多。后来很多公司又开始往回收这类玩法。原因很简单，这条路从激励结构上就不太走得通。

员工的目标是完成任务、保住工作、拿到报酬。公司的目标是创造商业价值、降低成本、获得增长。二者之间天然有缝隙。你给员工开一个 leaderboard，他不会因为 token 充足就自发变成 AI 转型先锋。因为转型成功的终点，很可能是原来那套岗位不再需要那么多人。

所以对公司而言，最有效的方式往往不是让老流程里的每个人都更努力地使用工具，而是用 AI native 的方式，把业务闭环重新做一遍。

这件事我不是纯靠推演。我自己在公司里做过类似重构。

我们当时判断，在 AI 时代继续卖软件模块本身意义越来越小，更重要的是把服务交付价格压下去，把客户真正要的结果交出来。于是我们工程师的团队调整了，project manager 也拆掉了，软件全部重写了一遍，客户流程也重新梳理了一遍。

重写的过程中，我看到一件比“少了多少人”更重要的事：原来很多复杂性，并不是客户需要的，而是组织在长期运转中自己长出来的。

一个团队存在久了，就会自然地把事情做复杂。流程要复杂一点，系统要复杂一点，接口要复杂一点，项目管理要复杂一点。每一层复杂性都有自己的理由，也都能写进季度总结里。但当你真的从客户结果倒推，把东西重新做一遍，会发现客户要的东西常常简单得多。

这不意味着所有员工都没有价值，也不意味着每家公司都能由一个人重写所有服务。我的经验有行业和阶段边界。但它说明一个更普遍的问题：很多公司真正需要重构的，不是某个员工每天少花两个小时写周报，而是整个服务方式、交付方式和组织边界。

这就是为什么我说，在原来的岗位上做 AI 先锋，不一定能救你。

你提效的对象，那个流程本身，可能在重写后就不存在了。你优化得越认真，越像在优化一个即将被删除的函数。

还有人担心另一个方向：我把 AI 技巧都教给公司了，公司会不会榨干我的 skills，然后把我裁掉？

这个担心当然可以理解。但更现实的情况可能更残酷一点：公司真正想拿走的不是你的 prompt 技巧，而是业务结果。AI 到今天这个程度，很多个人技巧本身已经没有那么稀缺。真正稀缺的是你能不能找到客户、理解需求、交付结果、拿到钱，并把这件事稳定重复。

如果你只是把自己定义成旧流程里的一个高效节点，那你的可替代性会越来越强。不是因为你不努力，而是因为节点这个东西，本来就是可以被重构的。

我在写 AI 正在奖励“最不专业”的人那篇文章里讲过一个类似的机制：你在大公司里越资深，公司越是把 99% 的商业琐事替你屏蔽掉了。你接触的是那 1% 的高难问题，而 AI 最先淹没的，恰恰是那些看起来不专业、但真实生意里每天都要做的 99%。

所以很多大厂员工在工作中感受不到 AI 的革命性，不是因为他们不聪明，而是因为公司本身就是一个过滤器。它把客户、销售、交付、收钱、售后、复购这些脏活累活切走了，只把一个很窄的专业切片留给你。

你在这个切片里越优秀，越容易误判整个世界。

不要把省下来的时间还给公司

那到底该怎么办？

我的建议很具体，也很容易被误解。

如果你今天还在大公司拿着高薪，非常好。但请用一种“我半年到一年之后可能会离开”的心态去工作。

这不是让你明天辞职。恰恰相反，今天还能拿这么多钱，是一件很珍贵的事。这笔钱要赚，要拿稳。真正要改变的不是你明天是不是离职，而是你对这份工作的想象。

一旦你接受“这份工作可能不会长期存在”这个假设，很多优先级会立刻翻转。

• 升职路径不再是核心，因为梯子本身可能在消失。
• 项目的长期叙事没那么重要，因为你未必会在那个长期里。
• 努力做更多公司工作，边际意义会下降。
• 你真正需要的是保持一个不被过早开掉的状态，同时给自己争取时间。

这里要讲清楚，不是让你在工作里摆烂，也不是让你做违背职业伦理的事。该交付的事情要交付，该负责的边界要负责。只是你不能再把公司叙事当成自己的人生主线。过去很多人默认，公司梯子越爬越高，个人未来就越安全；现在这个默认关系已经松了。

所以你要从另一个角度管理这份工作：它是一笔现金流，一段学习环境，一个暂时还能给你容错的缓冲垫。它不再是你唯一的身份，也不再是你唯一的未来。

这里最关键的一句是：用 AI 提效省下来的时间，不要还给公司。

我不反对你用 AI 提效。我反对的是，提效以后继续接更多需求、做更多汇报、刷更多绩效，把自己变成旧组织里更高转速的齿轮。

如果你学会了 AI 技巧，五天的活一天干完，剩下四天不是用来证明你还可以做五倍工作量的。那四天是你的逃生窗口。

你要用这段时间做自己的事。

不是做一个漂亮作品集，也不是研究一个听起来很酷的技术 demo，而是做一个能赚钱的闭环。

先闭环，再提效。

这句话我已经讲过很多次，但放在这篇文章里，它的含义更具体：不要先研究各种炫酷的 agent 框架、自动化流水线、prompt 模板。那些东西都可以学，但它们不是起点。

起点是最笨、最小、最不体面的那件事：找一个客户，交付一个东西，收到一笔钱。

闭环跑通之后，你再去看每个环节怎么用 AI 提效，会非常清楚。你会知道哪里是获客瓶颈，哪里是交付瓶颈，哪里是沟通瓶颈，哪里是质量控制瓶颈。AI 会变成解决真实问题的工具。

闭环没跑通的时候，你提效提的是空气。你可能把一个没人要的产品做得更快，把一个没人付钱的流程自动化得更漂亮，把一个不存在的商业模式写成很完整的文档。看起来很忙，实际没有前进。

我在写勇哥点评餐饮那篇文章里说过，餐饮创业里那套朴素的生意逻辑，可能比很多 AI 创业课更有用。它问的问题很土：账怎么算，客户从哪来，成本能不能压下来，老板能不能自己上，交付能不能做稳，客户会不会回来。

这些问题一点都不性感，但它们离钱最近。

AI 时代的机会，不一定在那些听起来最像未来的地方。很多 low-hanging fruit 就在正在运行的旧生意里。你去看那些现在已经有人付钱、已经有人交付、已经有人复购的东西，然后问自己：如果一个人加上 AI，把其中某个环节做得更便宜、更快、更稳定，能不能吃下一小块？

这比空想一个“AI 原生超级平台”要现实得多。

全世界这么多人都在赚钱，不存在你这么聪明的人完全赚不到钱这回事。真正的困难通常不是智力，而是状态切换：你能不能从“做产品”的状态，切到“做生意”的状态。

做产品时，你关心功能是不是完整，体验是不是顺滑，技术是不是漂亮。做生意时，你关心的是有没有人付钱，付的钱能不能覆盖成本，客户会不会回来，交付能不能重复。

这两个状态看起来很近，实际上差得很远。

跳水很冷，但现在的水温最高

我必须把这条路难的部分讲出来，否则前面就会变成鸡血。

从打工状态切到能自己跑商业闭环，是一个真实、痛苦、需要时间的过程。AI 可以加速迭代，但不会替你跨过那些最难的坎。

怎么做销售，怎么开口要钱，怎么判断别人是不是真的有需求，怎么理解“赚钱不一定需要一个更好的产品”，怎么分清 business 和 startup 是两种不同心态，怎么接受一个很丑但能收钱的方案比一个漂亮但没人买的产品更重要。

这些东西不亲自摔几次，很难真的懂。

没有 AI 的时代，我自己走这个转换，花了很长时间。现在有 AI，很多东西会快一些。你可以更快做页面，更快写邮件，更快整理素材，更快做交付，更快试错。但你还是要面对客户，还是要被拒绝，还是要发现自己想象的需求不存在，还是要接受很多看起来很小的生意，比你脑子里的大叙事更真实。

所以要对失败有正确预期。这个过程可能是三个月，可能是半年，也可能更久。它一定会有很多失败。你要做的不是避免失败，而是在尽量短的时间内攒够足够多的失败。

失败次数不够多，往往不是你运气不好，而是你的尝试密度还不够。

这也是为什么我说，现在是最好的时间。

“最好”不是说现在做副业最容易。它的意思是，你现在手里同时有三样东西：你还有工资兜底，试错成本被公司部分补贴；AI 把很多能力门槛压低了；大规模重构还没有完全释放，很多人还在船舱里研究升舱攻略。

这三个条件，每过一个季度都会变差一点。

这也是为什么我不建议把准备工作推到“真被裁了再说”。真到那一天，人会自然进入一种防御状态：要找下一份工作，要处理现金流，要跟家里解释，要面对身份感突然塌掉。那个时候当然也能开始，但你的动作会更急，选择会更窄，也更容易重新抓住另一根看起来稳定的梯子。

现在练习闭环的价值，不只是多赚一笔钱，而是提前让自己熟悉另一套语言。公司语言是项目、排期、绩效、晋升；生意语言是客户、价格、成本、交付、复购。你越早开始切换，等真正需要靠它活下来的时候，身体就不会那么僵。

当然，我也不想把话说成所有人明天都会被裁。重构是一个过程，不同行业、不同岗位、不同公司，冰山到达的时间差可能很大。Klarna 的客服案例不等于所有岗位都会同样被替代。McKinsey 的调研也说明，很多公司还在从 pilot 走向 scale，真正的财务影响和组织变化还在释放过程中。

如果你的岗位恰好在最后被波及的那一批，你确实比别人多一些时间。

但多出来的时间，不是用来侥幸的。它是用来准备的。

你不一定要今天主动跳船。你可能觉得船还能跑一会儿，这也合理。但你不能继续把全部精力放在研究升舱上。你要开始研究怎么在水里活下来，怎么让自己更早适应水温，怎么在离船不远的时候先练几下。

冰山没来的时候，水还不冷，你还游得动。等冰山来了再跳，你要跟船一起跳，跟所有人一起跳，跟冰一起跳。

我知道公开谈裁员和重构不讨喜。在我们的语境里，这听起来冷酷，也不符合大家对体面的期待。但我反复讲这件事，恰恰是因为我觉得这才是更负责任的方式。

如果船真的会出事，让大家提前知道、有序准备，远好过所有人心照不宣地沉默，直到撞上的那一刻一起掉进水里。

皇帝的新衣式的沉默保护不了任何人。它只是把准备时间从所有人手里偷走了。

所以，如果你现在还在船上，很好。先把工资拿稳，这是你现在最大的资产。然后停止研究升舱。

把每一个用 AI 省出来的小时，投进你自己的闭环里。去找客户，去交付，去要钱，去失败。你不一定要今天跳船，但你必须从今天开始练习游泳。

因为水温不会再比现在更高了。