2026年第一篇——未来的劳动力市场：大压缩效应，还是杠铃经济？

摘要：AI 时代的劳动力市场正在经历两种看似矛盾的变化——执行层的「大压缩效应」让能力差距缩小，但层级之间的「杠铃经济」却在加剧撕裂。理解这两种效应的关系，是每个职场人找到自己位置的关键。

一个让人安心的理论

最近，一个关于 AI 与劳动力市场的理论在社交媒体上广泛传播。

香港大学经管学院的李晋教授在一次演讲中提出了「大压缩效应」的概念。他引用了斯坦福大学经济学家 Erik Brynjolfsson 的研究：在一项针对客服人员的实验中，AI 辅助工具让底部 20% 的员工生产率提高了 35%，但对顶部 20% 的员工几乎没有提升。

这意味着什么？

AI 正在拉平能力差距。 原本表现最差的员工，在 AI 的帮助下，可以快速接近平均水平。而原本最优秀的员工，因为本来就掌握了高效的工作方法，AI 对他们的边际提升有限。

李晋教授进一步提出了「动机压缩」的概念，他称之为「80 分诅咒」。当 AI 能让每个人都轻松达到 80 分的水平时，谁还愿意付出额外努力去追求 95 分？

按照这个逻辑，未来的劳动力市场会呈现这样的图景：

中间层可能会消失，剩下很多 80 分的人，少数 95 分的人。

这个理论描述了真实的一面，但只是冰山一角。

如果我们只盯着「执行层」的变化，就会错过更重要的东西。

被忽视的另一半：指数级放大效应

从姚顺雨现象说起

2025 年底，一则新闻震动科技圈：27 岁的姚顺雨出任腾讯首席 AI 科学家。

这位普林斯顿大学博士提出的 ReAct 框架，成为 AI 智能体领域最重要的基础架构之一。他的论文被引用超过 15000 次，影响了整个行业的技术路线。

姚顺雨当然是极端案例。但他代表了一种趋势：在 AI 时代，顶层人才的微小优势正在被无限放大。

一个顶尖的 AI 架构师设计出的工作流，可以被复制到全球数百万用户身上。他的每一个洞见、每一次优化，都能产生指数级的价值回报。而一个普通工程师，即使有 AI 辅助，也只能完成线性增长的工作量。

这就是经济学家所说的「超级明星效应」。在传统行业，顶尖人才和普通人才的产出差距可能是 2 倍、3 倍。但在 AI 时代，这个差距可能是 100 倍、1000 倍。 因为数字化产品的边际成本几乎为零，顶层人才的成果可以无限复制和传播。

计费工时的死亡

传统职业服务的定价逻辑正在崩塌。

一位律师过去需要 10 小时完成的合同审查，现在用 AI 可能只需要 10 分钟。一位咨询顾问过去需要一周完成的市场分析，现在可能半天就能交付。

当工作时间被极端压缩，「计费工时」这个商业模式还能存在吗？

答案是：价值正在从「时间投入」转向「决策权重」。

客户支付的不再是你花了多少时间，而是你做出了什么决策。 谁能在 10 分钟内做出正确判断，谁就获得溢价。谁只能在 10 小时内完成 AI 也能完成的工作，谁就面临被替代的风险。

拥有判断力的人，即使工作时间大幅缩短，收入反而可能增加。而只拥有执行力的人，会发现自己的时间越来越不值钱。

杠铃的两端：新的阶层结构

大压缩效应描述的是执行层的横向变化，但劳动力市场还有另一个维度——层级之间的纵向撕裂。

两种效应可以同时发生：在执行层，AI 确实在拉平差距；但在不同层级之间，差距正在急剧扩大。

这就形成了杠铃的形状：两端很重，中间很细。

杠铃的一端：定义 AI 如何工作的人

杠铃的一端，是那些能够设计、部署、优化 AI 工作流的人。

他们不只是使用 AI 工具，而是定义 AI 如何工作。 他们决定哪些任务交给 AI，哪些保留给人类；他们设计人机协作的流程；他们评估 AI 输出的质量并持续改进。

某些超级个体现在可以凭借一己之力，以几乎为零的边际成本组建高效的 AI 协作团队。一个人可以同时拥有 AI 写作助手、AI 数据分析师、AI 设计师、AI 程序员、AI 法务顾问……OpenAI CEO 山姆·奥特曼曾预测，「单人独角兽」创业公司的时代指日可待。

中国的数据很能说明问题。根据多家招聘平台的数据，顶层 AI 人才的年薪已达 150 至 200 万元区间，而且还在持续上涨。与此同时，多家互联网大厂的普通岗位招聘需求出现明显收缩。

顶层人才的优势为什么会指数级放大？因为他们创造的不是单一产品，而是「生产系统」。 一个优秀的 AI 工作流设计，可以被复用到无数场景中，产生持续的复利效应。

杠铃的另一端：空间智能与情感劳动者

杠铃的另一端，是那些从事空间智能和情感劳动的人。

护理人员需要在复杂的物理环境中移动、操作、照顾。维修工程师需要面对千变万化的现场情况做出判断。心理咨询师需要提供 AI 无法替代的情感连接。高端服务人员需要创造独特的人际体验。

这些岗位暂时是安全的，因为它们需要的是 AI 目前最薄弱的能力：在非结构化的物理世界中行动，以及建立真实的人际情感联系。

但「稳定」不等于「增长」。 这些岗位的收入天花板相对固定，很难实现指数级的财富积累。

被压扁的中间：中产阶级的困境

杠铃的中间部分，是最危险的位置。

会计、律师助理、初级分析师、客服主管、项目协调员……这些曾经是中产阶级的核心岗位，现在正面临系统性的挑战。

他们不是被「压缩到 80 分」，而是面临岗位本身的缩减。

当 AI 能够完成 80% 的标准化工作时，企业为什么还需要维持原来的人员规模？效率提升的结果不是「大家都变成 80 分」，而是「只需要原来 1/3 的人手」。

麻省理工学院经济学家达龙·阿西莫格鲁对此提出了警告。他称之为「平庸自动化陷阱」：如果 AI 只是替代廉价劳动力，而不能真正提升产出质量，那么社会总产出可能不升反降。企业节省了人力成本，但并没有创造新的价值。财富只是从劳动者转移到了资本所有者手中。

这就是大压缩效应没有看到的另一面：执行层的能力压缩，伴随着层级之间的结构撕裂。

大压缩效应的三个局限

让我们更精确地理解两种效应的关系。

大压缩效应的研究并非错误，但它有三个重要的局限性：

第一，时间尺度的局限。 Brynjolfsson 的客服研究观察期只有几个月到一年，这是短期效应。短期内，AI 确实让底部员工快速提升，能力分布更加集中。但长期来看，当企业意识到「原来需要 10 个人完成的工作，现在 5 个人就能搞定」，他们的反应是裁员，而不是让每个人都留下来享受 80 分的平庸。

第二，层级错位的局限。 客服案例反映的是「执行层」的变化。但劳动力市场还有决策层、架构层、资本层。谁来决定客服系统应该如何设计？谁来判断 AI 的回答是否符合公司策略？这些问题的答案，决定了真正的价值分配。正如李晋教授自己所说，「只剩下那 1% 的人掌握了真正的判断力、决策力或平台能力」——但这 1% 和剩下的 99% 之间，不是「压缩」的关系，而是「鸿沟」的关系。

第三，资本回报的局限。 大压缩效应只讨论了「技能」的变化，忽略了「资本」的角色。拥有 AI 基础设施的人——无论是算力、数据还是模型——获得的是复利效应。技能压缩是加法，资本放大是乘法。 当一个程序员的技能被压缩，他的收入可能从月薪 3 万变成 2 万；当一个 AI 公司创始人的资本被放大，他的身价可能从 1 亿变成 100 亿。

如何在杠铃经济中找到位置

认清现实之后，我们该怎么办？

三条路径

路径 A：成为定义 AI 工作方式的人

这是高风险、高回报的路径。核心技能是「AI 工作流设计」——理解如何将复杂任务拆解为 AI 可执行的步骤，并优化人机协作。

第一步可以做什么？

• 选择一个你日常工作中的重复性任务，尝试用 Claude 或 ChatGPT 的自定义指令来自动化
• 学习基础的 Prompt Engineering（推荐资源：Anthropic 的 Prompt Engineering 指南、吴恩达的 AI 课程）
• 关注 AI 领域的顶级实践者，如 Simon Willison 的博客、Ethan Mollick 的 Newsletter

门槛确实很高，但不需要一步到位。关键是开始积累「设计 AI 如何工作」的经验，而不是只停留在「使用 AI 完成任务」。

路径 B：深耕空间智能与情感劳动

这是稳定但有限的路径。如果你的工作涉及复杂的物理操作、真实的人际互动、独特的情感连接，那么短期内你是相对安全的。

第一步可以做什么？

• 思考你工作中哪些部分是 AI 最难替代的——通常是需要现场判断、人际温度、创意直觉的环节
• 主动强化这些能力，让自己在这些维度上变得不可替代
• 护理、教育、心理咨询、高端服务、手工艺术——这些领域的核心价值在于「人」本身

但要认识到，这条路的收入天花板相对固定。稳定不等于增长。

路径 C：拥抱 AI 资产化思维

这是一条常被忽略的路径。与其只关注「技能」，不如思考如何将自己的知识、经验、判断力「资产化」。

第一步可以做什么？

• 能否把你的专业知识做成一个 AI 辅助的知识产品（课程、工具、模板）？
• 能否设计一个可复用的 AI 工作流并授权给他人？
• 能否投资 AI 相关的资产（不只是股票，也包括学习能产生复利的技能）？

被动收入思维在 AI 时代变得更加重要。因为纯粹依靠出售时间的商业模式，正在被系统性地贬值。

避开「80 分陷阱」

回到李晋教授提出的「80 分诅咒」。

危险不在于「大家都变成 80 分」，而在于「你满足于 80 分」。

举个例子，一个用 AI 辅助做市场分析的中级分析师，确实可以更快地产出 80 分的报告。但一个能设计分析框架、定义什么问题值得分析的高级分析师，他的价值不仅没有被压缩，反而因为 AI 而被放大——他的框架可以被更多人复用。

当 AI 能帮助每个人达到 80 分时，80 分就不再是优势，而是最低门槛。 真正的竞争发生在两个方向：

向上突破：成为那个定义「什么是 100 分」的人。

向外延伸：进入 AI 不擅长的领域，提供无法被数字化复制的价值。

中间地带最危险。 不上不下，不前不后，等着被效率优化掉。

回到开头的问题

大压缩效应是一个让人安心的理论，因为它暗示了一种公平：AI 帮助弱者追上强者，能力差距缩小，大家都是 80 分。

但这只是故事的一半。

另一半是：当执行层的能力被压缩时，判断力、设计能力和资本的价值正在被指数级放大。 杠铃的两端越来越重，中间越来越细。

这不是选择乐观还是悲观的问题，而是看清全貌之后，找到自己位置的问题。

你的位置在哪里？

参考来源

• 罗汉堂 | 李晋：AI 时代企业组织的「大压缩效应」
• Generative AI at Work | The Quarterly Journal of Economics
• Could AI create a one-person unicorn? Sam Altman thinks so | Fortune
• Rebalancing AI | Daron Acemoglu & Simon Johnson | IMF
• A Nobel laureate on the economics of artificial intelligence | MIT Technology Review