27岁天价入职腾讯：当劳动力不再按时间和行业资历计价

摘要：AI不是在替代人类劳动，而是在改变劳动的计价单位——从时间到结果，从投入到产出。本文从姚顺雨入职腾讯谈起，探讨AI时代劳动力定价规则的根本性变革，以及个人应对策略。

2025年12月，一则消息在科技圈炸开了锅。

27岁的姚顺雨，以传闻中的天价薪酬入职腾讯，担任首席AI科学家。这位普林斯顿博士的履历令人瞩目：他发明的ReAct框架，解决了大模型幻觉和盲目行动的问题，如今已成为几乎所有AI智能体的底层逻辑基石。他的另一项工作思维树（Tree of Thoughts），同样被广泛应用。

一个27岁的年轻人，凭什么获得这样的待遇？

如果你还在用传统眼光看待这件事——比如实习经历、工作年限、职级序列、行业资历——那你可能正在错过一个历史性的信号。

Notion创始人Ivan Zhao在2024年底写了一篇年终总结，标题是《Steam, Steel, and Infinite Minds》。他提出了一个有趣的观察：每个时代都有其奇迹材料。钢铁造就了镀金时代，半导体开启了数字时代，而AI正在驱使我们走进下一个时代。

更关键的是他的另一个比喻：我们仍处于水车阶段。

什么是水车阶段？工业革命初期，工厂主得到了蒸汽机，但他们做的第一件事只是把水车换成蒸汽机，其他一切照旧。工厂还是那个工厂，流程还是那个流程，工人还是按小时计酬。真正的突破发生在后来，当他们完全重新设计了整个运营方式。

今天的我们，正处于类似的历史节点。我们把AI嫁接到为人类设计的工作流程上，用ChatGPT写邮件，用Copilot补代码。但这只是开始。真正的变革，是劳动力定价规则本身的改写。

AI不是在替代人类劳动，而是在改变劳动的计价单位——从时间到结果，从投入到产出，从过程到决策。

姚顺雨的天价薪酬，不是因为他工作了多少小时，而是因为他的智力成果具有零边际成本和无限可复制性。企业付给他的，是对技术资本的定价，而不是对劳动时间的购买。

这篇文章，我想和你聊聊这场正在发生的变革。

第一章：从骑自行车到开车

Ivan Zhao在文章中讲了一个故事。

Notion有一位联合创始人叫Simon，是一位工程师。在AI工具普及之前，Simon是那种传说中的10倍程序员——一个人能顶10个普通工程师的产出。但现在，情况不一样了。

Simon开始同时协调多个AI编程代理。他不再是那个亲自敲每一行代码的人，而是指挥一支AI团队的人。Ivan说，Simon现在是一个30-40倍工程师。

这不是夸张的修辞。Ivan用了一个生动的类比：这就像从骑自行车升级到开汽车。骑自行车再快，也有人体极限。但开汽车，速度的上限完全不同。

斯坦福大学的经济学家Erik Brynjolfsson做了一项实证研究，结论很有意思。他发现，AI对不同技能水平的人影响是不对称的。

在一项针对客服人员的研究中，新手使用AI辅助后，生产力提升了34%。他们处理问题更快，解决率更高，客户满意度也上去了。但资深员工呢？边际收益几乎为零。

这就是技能拉平效应。

低技能者加上AI，能够逼近甚至达到中级员工的水平。AI把那些需要多年经验才能掌握的技巧和判断，以一种低成本、可复制的方式交给了新手。

更广泛的数据支持这个结论。根据多项研究：

• 程序员使用AI后，每周完成的编码项目数增加了126%
• 商务专业人员使用AI辅助写作后，每小时完成的文档数增加了59%
• 客服代理使用AI后，每小时处理的咨询数增加了13.8%

Anthropic的首席产品官Mike Krieger——他也是Instagram的联合创始人——透露了一个惊人的数字：在Anthropic，90%的Claude代码现在由AI编写。

他还举了一个例子。最近Claude帮他在25分钟内完成了一个原型开发，这个工作按传统方式需要6个小时。他回忆道，2010年他帮助启动Instagram时，构建一个简单的照片滤镜需要团队数周的工程时间。现在，创始人在一个周末就能完成更多。

这意味着什么？

核心转变在于：价值不再来自执行，而是来自定义问题和验收结果。

当AI能够以极高的效率完成具体任务时，真正稀缺的是什么？是知道该让AI做什么的能力，是判断AI产出质量的能力，是把碎片化的AI能力串联成完整解决方案的能力。

回到姚顺雨的案例。他发明的ReAct框架，本质上是告诉AI如何更好地思考和行动。这不是一个需要每天工作16小时的任务，但它的价值无可估量——因为它定义了整个智能体时代的底层逻辑。

劳动力市场正在发生一场静默的革命。那些能够驾驭AI工具、从骑自行车切换到开汽车的人，正在获得指数级的效能跃迁。而那些仍在用双腿丈量世界的人，即将发现自己越来越难以追赶。

第二章：计时收费的终结

有一个困扰法律行业多年的悖论。

假设你是一名经验丰富的律师，过去完成一份合同审查需要10个小时，按每小时500美元收费，你可以收取5000美元。现在，你使用Harvey AI这样的法律人工智能工具，10分钟就能完成同样质量的工作。

问题来了：你该收多少钱？

按照传统的计时收费模式，你只能收大约8美元。你的效率提高了60倍，收入却下降了99%。

这就是计时收费的效率悖论。越高效，收入越低。

高盛CEO David Solomon在2025年透露了一个案例：AI现在可以在几分钟内完成95%的IPO招股书内容——而这项工作过去需要一个6人团队花两周时间。

如果按计时收费，投行该怎么向客户解释这笔账？

这个悖论正在迫使整个专业服务行业重新思考定价模式。

法律AI公司Harvey在2024年经历了爆发式增长。它的估值从2024年7月的15亿美元，飙升到2025年2月的30亿美元。年经常性收入增长了4倍，达到5000万美元，预计8个月内将突破1亿。它的客户包括美国前十大律所中的多数。

Harvey的成功揭示了一个更深层的趋势：从计时收费到价值定价的转型已经开始。

一位法律行业咨询师这样解释：没有客户购买时间，他们购买的是结果。作为专业人士，我们必须专注于结果而非任务。计时收费的问题在于它只关注任务本身。

这种转变带来了新的定价三原则：

价值锚定。收费不再基于投入的时间，而是基于交付的价值。一份完美的合同审查，无论花费10分钟还是10小时，价值是相同的。

风险共担。越来越多的专业服务开始采用混合定价模式——固定费用加上绩效激励。如果帮客户赢了官司或达成了交易，律师能获得额外的成功费用。

稀缺性溢价。当AI能完成80%的常规工作时，真正稀缺的是那20%需要人类判断的高端工作。顶级专家的溢价反而更高了。

这场变革正在冲击自由职业平台。

2024年上半年，Upwork的下载量同比下降了22%，Fiverr下降了18%。用户平均使用时长也在大幅下滑。原因很简单：过去需要雇佣自由职业者完成的许多任务，现在可以用AI直接搞定。

但同时，另一个数据也很惊人：在Upwork上从事AI相关项目的自由职业者，收入比其他人高44%。AI技能的工资溢价正在飙升。

PwC的全球AI就业晴雨表显示：2023年，拥有AI技能的岗位平均工资溢价是25%。到2024年，这个数字翻倍到了56%。

换句话说，市场正在重新定价。会使用AI工具的人，正在获得越来越高的溢价。而那些工作内容可以被AI直接替代的人，面临着收入压缩的压力。

在这场变革中，有一个更深刻的转变正在发生：从出卖时间到出卖结果。

过去，一个人的收入基本上是时间的函数。你工作多少小时，就能赚多少钱。加班意味着更多收入，升职意味着更高的时薪。

但在AI时代，这个等式正在被打破。

当AI能够在几分钟内完成过去需要几天的工作时，时间不再是价值的可靠衡量标准。市场开始寻找新的锚点：你能交付什么结果？你能解决什么问题？你能创造多少价值？

这就是为什么姚顺雨能获得天价薪酬。他交付的不是时间，而是一个改变整个行业底层逻辑的框架。这个框架的价值，与他花费了多少小时毫无关系。

第三章：企业边界的溶解

1937年，经济学家罗纳德·科斯提出了一个看似简单的问题：企业为什么存在？

他的回答很精妙。企业存在是因为交易成本。当你在市场上找人做一件事时，需要付出搜索成本、谈判成本、契约成本、监督成本。如果这些成本太高，不如把人招进公司，变成员工，用内部协调来替代市场交易。

企业的边界就在那个临界点上——当内部协调成本等于外部交易成本时。

这个理论解释了过去一个世纪企业为何越做越大。大公司能够承担复杂的协调成本，能够招聘和管理大量专业人才，能够建立规模效应。

但AI正在改变这个等式。

它正在大幅压缩外部交易成本的各个环节：搜索成本（AI可以瞬间匹配需求和供给）、协调成本（AI代理可以自动协调多方工作流程）、契约成本（智能合约可以自动执行）、监督成本（AI可以实时监控和质检）。

当外部交易成本趋近于零时，会发生什么？

企业的边界开始溶解。

这就是科斯奇点——一个理论上企业可以无限缩小的临界点。

我们已经看到这个趋势的早期信号。

Midjourney只有40个员工，却创造了近5亿美元的年营收。它没有销售团队，完全依靠社区驱动增长。从第一天起就盈利。

Cursor是一家AI代码编辑器公司，从小团队起步，不到一年就达到了1亿美元的年经常性收入。到2025年底，这个数字已突破10亿美元。

这些公司展示了一种新的组织形态：极小的核心团队，加上大量的AI代理，以及松散连接的外部协作者网络。

Sam Altman提到了一个有趣的赌局。在他与科技CEO朋友的小群里，大家在押注第一个一人十亿美元公司会在哪一年出现。这在AI之前是不可想象的，但他说，现在一定会发生。

Ivan Zhao在Notion内部已经开始实践这个理念。他们有700多个AI代理在运转，与1000多名员工并行工作。这些AI代理处理会议记录、IT请求、客户反馈记录、入职培训、状态报告等任务。

他描绘了一个愿景：知识工作将从佛罗伦萨规模转向东京规模。

什么意思？佛罗伦萨规模是人类节奏的、步行可达的规模。东京规模是7×24小时跨时区连续运转的规模。

当工作可以由永不疲倦的AI代理接力完成时，企业的时间边界和地理边界都在被打破。

这对劳动力市场意味着什么？

首先，大公司正在经历一场静默的组织重构。麦肯锡计划裁减约10%的员工，同时把40%的业务转向AI相关领域。IBM裁减了约8000个HR岗位，由AI聊天机器人AskHR替代。亚马逊在2025年进行了公司史上最大规模的裁员，CEO Jassy直言：AI代理将随时间减少企业岗位数量。

世界经济论坛的数据显示，41%的雇主计划在未来5年因AI自动化减少员工。

其次，一种新的组织形态正在崛起——我们可以称之为超级个体。

想象一下：一个人，加上一组精心配置的AI代理团队，可以完成过去需要一个小型公司才能完成的工作。这个超级个体不需要办公室，不需要人力资源部门，不需要财务团队。他只需要一台电脑，一批订阅的AI工具，以及定义问题和验收结果的能力。

科斯的理论在这里获得了新的诠释：当AI把交易成本压缩到足够低时，个体可以直接与市场对接，不再需要企业这个中介。

这不是科幻。这是正在发生的现实。

第四章：杠铃型经济的到来

在健身房里，杠铃两端是沉重的铁片，中间是细长的杆。

AI时代的劳动力市场正在呈现类似的形态：两端膨胀，中间坍缩。

顶端：超级精英的绝对定价权

回到姚顺雨的案例。他代表的是一个极端——那些能够定义AI时代底层逻辑的人。他们的智力成果具有零边际成本和无限可复制性。一旦ReAct框架被发明出来，它可以被无数AI系统调用，无数次，不需要额外付费。

这种创造者获得的不是劳动工资，而是近似于专利和版权的技术资本收益。

在这个顶端，薪酬已经脱离了传统的参照系。顶级AI研究员的总包（包括基本工资、股权和奖金）可以达到50万到200万美元，甚至更高。关键不是他们工作多少小时，而是他们能创造什么。

PwC的数据显示，AI技能的工资溢价在一年内翻倍——从25%飙升到56%。这只是平均值。在顶端，溢价可能是10倍、100倍，甚至无法用传统的工资概念来衡量。

底端：蓝领护城河

在杠铃的另一端，存在一个出人意料的避风港——那些需要物理交互的工作。

这就是莫拉维克悖论。1980年代，机器人学家Hans Moravec发现了一个反直觉的现象：对AI来说，高端的智力推理相对容易，低端的感知运动能力反而极难。让电脑下赢国际象棋比让机器人系鞋带要容易得多。

这个悖论今天依然成立。

护士、水管工、电工、理疗师、护理员——这些需要在物理世界中灵活操作的工作，仍然牢牢地属于人类。护士执业者岗位预计在2023-2033年间增长52%。装配工人、食品加工和服装行业的工资增长率（约10-12%）反而高于法律和管理专业人员（3-5%）。

当白领工作被AI蚕食时，蓝领护城河反而变得更加坚固。

中间地带：危险区

说完两端，我们来看中间。

真正危险的，是杠铃的中间——那些可标准化、可流程化、可数字化的中层白领工作。

这部分的数据最让人揪心：

• 客服领域自2023年以来，AI导致42万个岗位流失
• 采用AI调度工具的企业中，行政助理岗位下降了33%
• 2025年美国AI直接导致的裁员约为55000人
• 计算机和数学职业（AI暴露度约80%）的失业率上升最为明显

高盛估计，如果当前AI用例扩展到整个经济，2.5%的美国就业面临直接替代风险。更广泛的预测是，到2030年，30%的现有岗位可能完全自动化，60%的岗位将在任务层面发生重大变化。

中国镜像：冰火两重天

把视线拉回国内。

中国市场呈现出更加鲜明的两极分化。

一方面，AI人才极度稀缺。根据多项研究，中国AI领域人才缺口高达500万人。顶尖年薪——比如深圳某大模型企业的多模态算法专家——可以达到180万元人民币。DeepSeek的深度学习研究员岗位开出154万年薪。实习生日薪可达990元。

腾讯宣布未来三年新增2.8万个岗位，其中60%以上聚焦AI技术。华为、字节跳动都在积极扩大AI团队。

另一方面，普通应届生的日子越来越难。多项调查显示，没有AI技能加持的应届生，求职之路越来越窄。传统岗位在收缩，而AI相关岗位的门槛又在不断提高。

这就是杠铃效应。顶尖人才抢都抢不到，普通岗位不断消失，中间的缓冲地带正在被挤压殆尽。

第五章：在水车阶段的生存指南

Ivan Zhao的水车比喻值得重温。

我们正处于水车阶段——把AI嫁接到为人类设计的流程上。真正的突破尚未到来。那会是什么时候？是当整个工作方式被重新设计的时候。

但这并不意味着我们可以坐等未来。恰恰相反，在水车阶段形成的优势和劣势，可能会在蒸汽机时代被放大。

以下是三个建议。

第一，从学习知识到学习适应

过去，职业发展的逻辑是积累——积累知识、积累经验、积累人脉。知识的半衰期很长，十年前学的东西今天可能还有用。

但在AI时代，这个逻辑正在失效。

2024年全球AI模型的更新周期是1.2个月。而高校课程的调整周期平均是3年。能提供千万级参数模型训练机会的高校实验室不足10%。

教育体系的速度远远跟不上技术迭代的速度。

这意味着什么？适应性速度（Adaptive Velocity）正在成为核心竞争力——你多快能把新工具纳入工作流？你多快能放弃过时的方法？你多快能学会新的框架和范式？

李飞飞的预言值得铭记：学历将越来越不重要，技能才是关键。

第二，拥抱结果定价

习惯不再出卖时间，而是出卖具体的项目结果或产品。

这对很多人来说是一个心理转变。我们习惯了按小时计薪，习惯了准时打卡，习惯了用工作时长来证明自己的努力和价值。

但当AI可以在几分钟内完成过去几天的工作时，时间不再是有效的价值衡量标准。

想想看：一个使用AI工具的设计师，30分钟完成了一个logo设计。另一个不用AI的设计师，花了3天完成同样质量的作品。谁应该获得更高的报酬？

如果你是客户，你买的是什么？你买的是那个logo，不是那3天的时间。

这意味着你需要学会给自己的产出定价，而不是给自己的时间定价。你需要学会展示成果和价值，而不仅仅是展示努力和投入。

第三，建立个人智能体团队

每个人都应该成为管理者——管理自己的AI助手团队。

今天，你可能有一个搜索助手（比如Perplexity），一个写作助手（比如ChatGPT或Claude），一个编程助手（比如GitHub Copilot或Cursor），一个设计助手（比如Midjourney或Canva AI）。

这些AI工具不是替代你的威胁，而是扩展你能力边界的杠杆。

Ivan Zhao描述的Simon——那个30-40倍工程师——本质上就是一个优秀的AI团队管理者。他知道什么任务交给哪个AI代理，知道如何协调多个代理的工作，知道如何验收和整合它们的产出。

这是一种新的元技能：不是亲自完成所有工作，而是设计和管理一个能完成工作的系统。

结语

我们正站在科斯奇点临近的时代。

企业的边界正在溶解，劳动力的定价规则正在被改写，工作的本质正在被重新定义。

Ivan Zhao描绘了一个愿景：从佛罗伦萨规模到东京规模的跃迁。在那个世界里，知识工作可以7×24小时跨时区连续运转，由人类和AI代理接力完成。

这听起来可能让人焦虑。中间地带正在被挤压，平庸的代价将变得极其昂贵，而卓越的回报将不可估量。

但这不是一篇末日预言。

这是一个邀请——邀请我们重新思考工作的意义。

当AI可以完成大部分执行性任务时，人类的价值在哪里？在于定义问题，在于做出判断，在于创造那些AI无法独立想象的东西。在于连接、共情、激励、领导——那些本质上关乎人与人之间关系的事情。

水车终将被蒸汽机取代。

问题是：你是那个还在修理水车的人，还是那个正在设计新工厂的人？

参考来源

• IMF: AI Will Transform the Global Economy
• PwC: Global AI Jobs Barometer 2025
• Ivan Zhao: Steam, Steel, and Infinite Minds
• Fortune: Harvey $300M Funding at$3B Valuation
• TechCrunch: One-Person Unicorn
• SCMP: AI Disrupts China Jobs
• DigiTimes: Huawei, Tencent, ByteDance AI Hiring
• OECD: AI and Wage Inequality
• Goldman Sachs: AI's Impact on Employment
• McKinsey: The State of AI in 2025