AI的重心正从“训模型”挪到“用模型”。对普通人的工作，这件事的答案不是“裁员潮来了”——宏观岗位总量并未塌陷，冲击集中在入口端：AI最先吃掉的是规则写得清、交付查得出的初级任务，企业不是裁掉在岗的人，而是少招新人。职场的分水岭正在从“会不会做”挪到“会不会让AI做、会不会检查AI做的”。
“用模型”成了一门做得通的生意
判断行业是否转向，先看账本。IDC报告显示，2026年上半年中国公有云MaaS（模型即服务）市场收入达106.3亿元，同比增长889.4%，而上年同期这个市场还只有约10.8亿元；Anthropic在10月26日公开的招股书里披露二季度首次实现9.74亿美元经营利润，其上半年约80%的收入来自按量计费——客户买的不是模型本身，是模型完成的工作。36氪
用的人也在暴涨。邮储银行披露，截至今年6月末，其大模型能力已接入超90个行内系统，日均调用超600万次，输入输出Token超百亿；行业观察的直接结论是，银行科技竞争的焦点已不再是有没有大模型，而是能不能把大模型用深、用实、用出价值。新华网
价格这一头同样在坍缩：智谱上半年开放平台及API收入达8.25亿元，同比增长2735.7%，占其总收入86.5%，单位Token推理成本较年初下降80%；DeepSeek开源推理框架时给出的数字更直白——单个集群日服务吞吐量155万亿Token，按API谷价每张卡每小时能挣38美元。 当调用一次最强模型只要几分钱，用不用AI对岗位就不再是选择题。36氪
连“训练”与“推理”的分工本身也在改写：训模型要把几千上万块卡连成一张大网同步计算，推理则把模型部署成一个个几十到一百多块卡的独立实例、各自响应请求，Meta已经把算力往推理上挪。知乎
缺口出现在“招聘栏”里，不在“裁员栏”里
就业端最硬的证据来自工资单。斯坦福大学数字经济实验室2026年8月更新的工作论文调用了ADP数百万名全职员工的发薪记录：从2022年11月ChatGPT发布到2026年6月，AI暴露度最高的两档职业里22至25岁年轻人就业人数绝对值下降约11%，而暴露度最低的三档职业里同年龄段年轻人就业增加约10%，两边落差从2025年中的15%拉大到19%。知乎
拆开看，这不是裁员，是少招。高暴露岗位年轻人的离职率没有升高，起薪也没被压低，企业只是不再给新人分配名额；论文的说法是，AI正在把新人进门的门缝越推越小，而AI最先接管的那些“容易检查、流程化高”的基础任务，在过去正是企业招收新人的核心理由。 软件开发、客服、银行柜员、文员、簿记与审计这类岗位里的初级环节，正落在冲击范围的最前排。知乎
同样的方向出现在AI公司自己身上：据国内自媒体转述的Anthropic内部用工报告，其技术部门新人招聘占比一年内从27%降至9%，初级员工占比从21%滑到14%。 靠基础活练出经验的传统成长阶梯，第一级正在被抽走。知乎
被挤出去的人，下一站往往在“猎场”里
比丢工作更麻烦的是丢了之后去哪。高盛利用美国人口普查局对逾1.5万名非自愿失业者的追踪数据发现，AI高暴露岗位的工人在2025年出现再就业断层：失业一年后仍在失业的概率比其他被裁者高出约10个百分点，再就业后落入同等或更高AI暴露岗位的概率从约55%的中位水平升至近75%；其首席经济学家同时给出估算，AI采用率每提高10个百分点，对应行业就业增长约减弱0.9个百分点。知乎
这组数据的边界要说清：它们是美国样本，且目前仅约23%的美国企业把AI纳入部分常规流程，多数研究自己也标注“这是描述性事实、不是因果推断”；高盛关于约1500万美国工人可能被替代的估算，建立在“AI提升生产率15%”的假设上，其经济学家判断冲击更可能集中在下一轮衰退期释放。国内的岗位大盘暂未出现同构现象——智联招聘三季度数据里，人工智能工程师需供比1.53，仍处于人才紧缺区间；但“基础认知任务收缩、经验型岗位走强”的方向，两边是同一个。新华网
缓冲垫也在同步搭建
政策层面已经把这轮替换纳入议程。10月23日，国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，把“有效减缓人工智能应用就业替代影响”与增强就业创造效应并列部署，6方面18项任务中专门要求建立人工智能应用就业风险评估机制，并对劳动者实施人工智能专项培训。新华网
地方也在跟进：广东、北京、山东等地把人工智能就业影响的监测评估写进“十五五”就业规划，湖北、四川等省安排“人工智能+”促就业行动和技能培训班次。 更早就在铺垫的是职业体系本身——2024年8月，生成式人工智能系统应用员等19个新职业已被纳入国家职业分类大典，“用模型”本身就是一个国家承认的职业。新华网人民网
先对照任务清单，再对照行业清单
对个人来说，“训模型转向用模型”不是要不要焦虑的问题，而是往哪站的问题。判断方法可以具体到每天的活：如果你的价值主要在“产出一份能交付的初稿”——翻译、写稿、测试、基础报表、标准话术客服，这部分的市场价格正被按Token计价迅速压低；如果主要在“判断这份初稿能不能用”——找出AI的错、为结果担责、处理写不成规则的现场状况，价值反而在上升。斯坦福研究中“AI增强”用法与资深员工就业正相关的信号，支持的就是这个方向。
对刚入职场的人，悖论在于：练出手感所依赖的基础任务最先被拿走，门槛因此不是降低而是抬高。在现有证据下可行的做法，是把AI当陪练而不是代笔——每用一次AI，强制自己反向找出它的破绽，把省下的时间换成写不成规则的默会经验；至于兜底，国办文件的培训计划和各省的监测机制，正是为这场转换期准备的安全网。门在变窄，但变窄的只是旧门；能不能推开新的那扇，取决于此刻站在哪类任务里。
