DeepSeek 的出现给全球 AI 产业带来了大的震动

对于个人和普通家庭来说，过去我们理解的“好工作”，往往背后是“稳定的大公司 相对固定的岗位描述”。你可以通过考进某个部门、做某个专业，一干就是十几年。但在 AI 高度渗透的公司里，岗位本身的定义在快速变化：很多基础性工作会被模型吞掉，比如基础代码编写、简单文案撰写、常规客户咨询、标准流程审核等；留下的岗位，一方面更“复合”：既要理解业务，又要会用 AI 工具，还要能重新设计流程；另一方面，对人的要求更偏向“问题定义、决策判断、沟通整合”，而不是某个具体操作。

当然，看到这些“人均几百万美元”的数字，也不用马上得出“所有公司都会裁员”这样极端的结论。现实要复杂得多。第一，不是所有行业都能被这么快地“AI 化”。像制造业、一线服务业、复杂供应链管理等领域，物理世界的约束、法规要求、线下协同，决定了它们不可能像纯线上软件公司那样“几百人打全球”。第二，即便是 AI 公司自身，真正把模型用好，也需要大量前期投入：数据清洗、流程改造、安全合规、员工培训……这些都不是一句“上大模型”就能解决的。

对普通人来说，更现实的问题是：我应该怎样调整自己的能力结构？ 如果把未来十年的劳动市场看成一个大考场，那么试卷的题型正在发生变化——从“你一个人会做多少步骤”，变成“你能不能设计出一个链条，让人和 AI 各自做自己最擅长的部分”。

这话听起来有些虚，但可以拆成几件非常具体的事情：

学会在日常工作中主动使用 AI 工具，而不是被动“等公司统一培训”；

刻意练习“问题拆解”能力——把模糊的目标拆成一个个可以交给 AI 或同事执行的小任务；

培养跨学科的理解力，比如你做内容，要懂一点产品逻辑和数据指标；你做运营，要能看懂简单的脚本和自动化。

Meta 的老大扎克伯格一边天价高薪挖角一边大规模裁员

对于家长和年轻人，可能更需要反思的是：我们还在用什么样的世界观帮孩子规划未来？ 如果最赚钱、成长最快的公司已经证明“少人 多 AI”是一条可行路径，那么单纯押注“进一个大公司、在一个部门稳定干很多年”这条路，会不会正在变成一种高风险选择？未来更有价值的，可能是那些能在不同工具、不同平台之间自如切换的人，而不是只会某一套老流程的“熟练工”。

最后回到这次 ChatGPT 三周年的节点：三年前，很多人觉得这只是一个好玩的聊天机器人；三年后，它背后的公司，和同类 AI 企业一起，把“人均产出”这个指标拉到了历史新高。TRG 这份榜单的价值，不在于告诉我们哪家公司更厉害，而在于给所有人提了一个醒：生产力范式真的已经变了，而且是用真金白银在验证。

也许用一句略微直白的话来收尾更合适：在 AI 时代，决定你价值的，不再是你一个人能干多少活，而是你能指挥多少“看不见的 AI 劳动力”为你一起干活。

问题来了：你是想做那个只会自己埋头干的员工，还是那个会调度 AI、设计新工作流的人？