01. 逆康波的那一轮：或许是人类最后的高薪堆人
最近一个多月亲自在客户现场做项目，体验一下FDE模式，公众号有点荒废。不过期间突然有一些观察和思考：AI时代，FDE背后的人力资源节省和过去大量招聘的矛盾，到底是工具使然，还是另有深层原因。
摘要 ：在康德拉季耶夫长周期的宏观演进中，几乎每一轮产业革命的底层逻辑都是“机器替代人工、资本物化为工具”——蒸汽机消灭手工业，流水线肢解装配工。唯独上一轮互联网与移动互联网浪潮走出了一个历史反例：它依靠网络效应的超额垄断租金与全球零利率资本，催生出人类历史上规模最庞大、薪水最昂贵的“脑力流水线工人”。但从技术演进的第一性原理看，这只是计算机受限于认知能力、无法处理现实世界非结构化数据时的权宜之计。AI 的到来不是一次简单的技术微调，而是一场冷酷的“拨乱反正”，资本开支正不可逆地从“人肉接口”流向“算力与工具本身”。这是人类最后一次“高薪堆人”窗口的关闭，也是超级个体时代的破晓。
今年科技行业最刺眼的一组数字，一个往下走，一个往上冲。
据 layoffs.fyi 统计，2026 年 1 月 1 日到 9 月 10 日，全球有 128,536 名科技员工被裁，已经超过 2025 年全年的 122,606 人；招聘咨询机构 Challenger 的口径更陡，美国科技业 1 到 8 月裁撤 155,126 个岗位，同比增加 52%[1]。这一轮收缩不是零星动作，上市公司扛下了大头：今年被裁的人里有 108,459 名来自已上市企业[1]。
同一时间，被视为”卖铲子”的硬件公司还在破纪录。英伟达在 2025 年 10 月 29 日成为第一家市值 5 万亿美元的公司，距它跨过 4 万亿只隔了三个月，公司当时披露 AI 芯片订单已超过 5,000 亿美元；台积电 2026 年二季度营收 402 亿美元，同比增长 33.7%，2 纳米刚量产就贡献了 3% 的晶圆收入，7 纳米及更先进制程合计占 77%[2][3]。
一边是工位在减少，一边是机器在扩产。把这幅画面读成”互联网见顶、半导体接棒”，逻辑很顺，却漏掉了最关键的一层：机器这一次要接的，已经不是拧螺丝的手。
要看清这件事，得换一副坐标系。把镜头拉到两百多年就会发现，技术革命从来不是零散发生，而是一轮又一轮地循环出现——这条循环的节奏，就是康波。真正的疑问是：康波的常态在替掉什么？为什么偏偏是互联网那二十年，逆着康波走，疯狂招人？
02. 康波的常态：机器替掉的是体力
先把坐标系立起来。经济学里有一个被讨论了一百年的概念——经济长波，大约五十年一轮，由一代代主导技术推动，人们通常用康波来称呼它。最早系统提出它的是苏联经济学家康德拉季耶夫，他给价格、工资、利率等序列找出了几个长周期的波谷，时间大约落在 1790 年、1844 年到 1851 年、以及 1890 年到 1896 年[14]。
熊彼特试图给这套周期找一个发动机，把它和一组组”主导技术”绑在一起：先是棉纺与钢铁，接着是铁路与蒸汽，然后是电力、化工与内燃机[14]。换句话说，康波不是天气，而是技术换代留下的脚印——每一轮新的主导技术上马，都会重排一遍产业、就业和权力的位置。
熊彼特后来把这套节奏称为”创造性破坏”：新技术不是在旧产业边上悄悄长大，而是先把旧的成本结构冲垮，再建立新的。繁荣和阵痛是同一枚硬币的两面——新部门扩张要人，旧部门收缩也要人，只是这两批人往往不是同一批[14]。
康波的另一半是下行期。在熊彼特的框架里，新技术扩散的前段常常伴随旧部门的清算：投资涌向新部门，旧部门的资产和技能同时贬值。这段时间恰好也是失业最集中、怨气最重的阶段——1810 年代的路德运动，并不是巧合[12][14]。
康波每转一圈，最先被重排的，都是体力活。
为什么先被换下来的是体力？因为它”可测量”。一件活能不能交给机器，取决于它能不能被清楚地描述出来：多快、多准、几个动作、什么标准算合格。犁地、纺纱、装配、采煤，这些都能被写成参数；而一项工作越是能被写成参数，机器就越容易把它整个接管[9][15]。
工业革命给出的承诺非常直白：机器能比熟练工匠做得更快、更便宜。动力织机和纺纱骡机这类设备不需要熟练工，一个人看着机器就能顶过去好几个人的产量——骡机一次能带动约一千个纱锭。于是工厂主不再需要付高价的熟练工匠，转而雇佣更便宜的劳力，有的工厂两千名工人里，儿童就占了三分之二[15]。
被替代的工匠没有安静地退场。1810 年代的英格兰中部和北部，正是纺织业最集中的地方，失业的手工织工和针织工砸毁机器，形成了后来被称作路德运动的反抗。他们反对的不只是机器本身，更是工厂主用技术压低工资、改变劳动条件的方式[15]。
农业是同一个动作更长的版本。按美国劳工统计局的数据，1948 年到 2017 年，农业就业占美国总就业的比重从 13% 降到了 2%；同期农场就业下降 81%，劳动工时下降 83%[16]。推动这一切的，是更大更快的拖拉机、联合收割机，以及自动喂料设备——都是能把人力从田里”换下来”的东西[16]。
值得注意的是，农业产出并没有跟着就业一起塌。1948 年到 2021 年，美国农业产出增长了大约两倍，而土地和劳动投入分别下降了 28% 和 76%；农村人口占比也从 1900 年的 40% 降到了今天的 16%[17]。也就是说，机器拿走的是”投入的人”，不是”产出的东西”。
制造业的曲线更晚一些，也更陡。美国制造业就业在 1979 年 6 月达到 1,960 万的历史峰值，到 2019 年 6 月只剩 1,280 万，四十年减少约 35%；如果看占非农就业的比重，制造业早在 1953 年 5 月就已经见顶（32%），到 2019 年只剩下 9%[19]。一个国家的制造业产出并没有同步消失，消失的是它对人力的依赖。
煤炭是效率最冷酷的一个注脚。美国煤矿就业在 1923 年达到约 86.3 万人，到 2023 年只剩约 6.9 万人，一个世纪下降 92%；而这轮减少主要发生在产量仍在增长、单矿和人均产出持续提高的时期[20]。机器越能干，矿上的人就越少。
还有一个今天看起来很陌生的职业：电话接线员。自动拨号从 1921 年起逐步铺开。美国劳工部的测算显示，如果 1921 年之后没有采用自动拨号、生产率也维持原样，1960 年需要超过 75 万名接线员；而实际在岗的只有约 22.5 万人[18]。行业规模在扩张，但这个工种本身被机器接管了。
这些替代的节奏其实相当慢。农业的转型拉了大半个世纪，1948 年到 2017 年才走完从 13% 到 2% 的那条曲线[16]；制造业从 1979 年的峰值到 2019 年少了约三分之一，用了四十年[19]；煤矿从 1923 年的峰值滑到今天的零头，跨了整整一百年[20]。慢，是康波更替的共同节奏，也正是它最终能被社会消化掉的原因。
代价并没有消失，只是换了承担者。工业革命把熟练工匠变成了工厂里随时可替换的工人，纺织业的技能贬值最快，因为机器恰恰不需要那种手艺[15]。在康波漫长的上行与下行里，被替代的一方几乎总是”手艺人”——他们手里的技能不是不够好，而是太好懂，太容易被复制。
把这几条曲线摆在一起，规律非常统一：康波每转一圈，都会先替掉当时最”标准化”的那部分劳动。从纺纱、收割，到装配、采矿，再到接转电话，这些工作都能被拆成一串重复动作，交给机器执行。机器能替人，不是因为它更像人，而是因为它更擅长重复[9][15]。
这也解释了为什么”机器替代人”从来不是”就业总量归零”。被挤出来的农业人口、被换下来的矿工和接线员，大多数转进了别的行业：美国民用就业在 1948 年到 1986 年间几乎翻倍，从 5,830 万涨到 1.096 亿[10]；电话行业甚至把大量接线员转岗到新机房，用正常流动消化了多余的人[18]。
还有一层机制容易被忽略：机器让东西变便宜，需求就会被打开，新的岗位会在别处冒出来。纺织品的价格下降把市场做得更大，农业的效率提升养活了更多城市人口，电话的普及则让沟通本身长成了一个产业[9][10]。所以康波的替代从来不是单向的减法，它同时在做加法和换位。
所以在 AI 之前，“机器替代人”一直是康波的常态，只是它替代的，始终是可以拆解的体力环节。真正被威胁的从来是”动作”，而不是”人”。
03. 逆康波：本该替脑力，却只能堆人
到了互联网那二十年，剧本本该换个方向。信息技术的目标，是替代和放大脑力——处理信息、协调协作、撮合交易，这些都是典型的认知劳动。按康波一贯的规律，机器应该在这里把人换下来。
结果恰恰相反。那个行业里藏着的是一套心照不宣的估值公式：融资，扩张，招人，再融资。投资人之所以肯在路演现场签下支票，是因为创业团队能画出一张足够诱人的增长蓝图；而增长蓝图从来不是 PPT 上的修辞，它必须靠实打实的交付去兑现[21]。
问题在于，一个人能产出的东西是固定的，一天也就 24 个小时——这个物理约束既不随估值上涨，也不随融资轮次放宽。想在一年里把交付量放大十倍，在当时的技术条件下，唯一可行的办法就是拼命堆人头，再配上”996”去榨干工时[8][22]。
这不是一句吐槽，而是被公开辩护过的行业共识。2019 年，阿里巴巴创始人马云在面向员工的讲话里，把”能够 996”称为”一种巨大的福报”；同一时期，中国科技从业者则在网上组织起来反对长工时文化[21][22]。加班文化之所以流行，是因为它当时确实是那个公式里效率最高的一环。
这套公式之所以能跑二十年，是因为它把三件事接成了一个闭环：故事换来融资，融资买来人力，人力交付增长，增长再支撑更大的故事。闭环里最贵的一环不是钱，而是时间——而时间恰恰只能靠人堆出来[8][21]。
于是商业世界被推上了一条由高密度人力铺成的轨道：融到 A 轮，先把几十人的小团队扩成一支正规军；融到 B 轮，就在几十座城市铺开地推和运营；到上市敲钟时，台下站着的那支队伍本身，就成了最好的招股说明书[8]。
在这套循环里，团队规模不是价值本身，而是一个好用的代理指标：工位填得越满，市场越愿意相信你有能力把钱花出去。融资节奏又进一步放大了它——资本按轮次下注，团队就按轮次膨胀，招聘因此不只是生产决策，也成了一种融资叙事[8]。
回过头看，这并不糊涂。在资本按轮次考核增长的年代，交付能力就是融资能力；而当脑力活无法被机器承接时，交付能力只能近似等于人数。要把系统的研发吞吐、业务覆盖和交付规模放大一个量级，最直接的办法，就是把人和工时一起堆进去[8][21]。
也就是说，互联网那二十年成了康波里的一次逆行：本该被技术替代的脑力劳动，因为机器还没准备好，反而成了最需要人力的地方。康波往”机器替人”的方向转，那段时间却反向堆人。人不是被机器挤到了边上，而是被当成了那台还没造出来的机器。
逆着康波走，还顺手抬高了这批人的价格。因为机器替不了，脑力就只能用人来买，而这批白领岗位的高价，恰恰来自”别无选择”这四个字[8]。所以那二十年堆起来的不只是人头，还是一代高薪岗位——它是康波逆行的产物，也很可能是最后一次。
当然，也有一派解释更朴素：那二十年招人多，主要是因为市场大。需求扩张、全球化、以及互联网对各行各业的渗透，本身就能解释大部分招聘，不必再假设一个”机器缺位”[9][10]。这个反驳有其道理——把一个统一机制套到所有岗位上，容易过度解释。但即便打了折，招聘规模与技术替代节奏之间的落差依然摆在那里，而它正是接下来要变的地方。
04. 康波归位：脑力终于能被机器接手
逆转出现在企业开始公开承认”人多不再是优势”的时候。2026 年 5 月的财报电话会上，Salesforce 的 Benioff 说得很直白——“我们不再增加工程师，不再增加管理和行政岗，基本只在一个领域扩张”，也就是销售；这家公司的工程团队约 15,000 人，已经停滞了约两年[8]。
亚马逊更典型。它先是在 2025 年 10 月裁掉 14,000 人，又在 2026 年 1 月裁掉 16,000 个公司岗位；CEO Jassy 一度把裁员与 AI 挂钩，随后又收回了这个说法，公司对外称多数裁员的主因是削减管理层级[5][6]。被裁的不是产线工人，而是工程师、产品、运营、行政——恰恰是过去二十年最舍得花钱的那一层。
真正的变化，出现在脑力任务被”格式化”的那一刻。大模型的特别之处，是它把一部分此前只能由人完成的认知动作，变成了可以调用的接口——写初稿、改代码、整理表格、应答咨询，这些原本需要人头分摊的活，开始有了机器版本。上一次没能被机器替掉的那部分劳动，这一次被机器伸手够到了。
换句话说，AI 补上的，是康波被推迟的那一步：把脑力劳动也变成可以按需调用、按量计费的生产要素。一旦这一步走通，企业扩大产出就不再只能靠加人，规模与人数第一次有了脱钩的可能[8][11]。
这种转变已经出现在就业数据里。斯坦福数字经济实验室基于 ADP 行政数据的研究发现，在控制企业层面的冲击之后，AI 高暴露职业中 22 到 25 岁劳动者的相对就业下降了 16%；2022 年底到 2025 年 9 月，这个群体在这类职业中的就业下降约 6%，而同龄的资深员工同期增长 6% 到 9%[4]。
细节值得留意：下滑集中在 AI 用于”自动化”而非”增强”的任务上；把科技公司和可远程职业排除后，结果依然成立；而且调整主要发生在就业数量，而不是薪酬上[4]。换句话说，被挤出的不是”工资变低的人”，而是”根本没被招进来的人”。
先被挤出的是入门岗位，这并不意外。初级工作的任务最标准化、最容易写成指令，也就最容易被机器接手；而一旦省掉这些岗位，企业省下的不只是成本，还有新人积累判断力的那段阶梯。短期账面上更好看，长期却把人才管道收窄了[4]。
这也是这一次与康波历次归位最大的不同：早年那些被替代的农业和制造业岗位，如今占美国总就业的比重已经分别降到 2% 和 9%[16][19]，继续替代的边际影响在缩小；而这一次机器伸手够到的，是白领岗位——它们在就业结构里的分量要大得多。同样比例的替代，落在不同部门，冲击的绝对量完全不同。
但把裁员都算到 AI 头上，同样站不住。Challenger 的统计显示，2025 年有超过 50,000 个（另一口径逾 54,000 个）裁员岗位在公告里提到 AI；可同一批分析师也指出，关税冲击、疫情期间的过度招聘、以及利润诉求，可能是更主要的推手[5][6]。批评者给这种现象起了个名字——“AI washing”，意思是把原本别的原因，包装成一台更时髦的机器[6][7]。
把两组材料放在一起，能支撑的判断反而更克制：AI 确实在改变部分职业的就业结构，尤其在入门岗位上留下了痕迹；但”AI 导致裁员”目前更像一种归因，而不是被普遍验证的结果[4][5]。
还有一个不合时宜的数字。MIT 的一项企业调研发现，在约 300 到 400 亿美元的投入之下，95% 的组织没有从生成式 AI 拿到可衡量的回报，定制企业级工具只有约 5% 进入生产环节[11]。替代的”承诺”跑在了替代”现实”前面——这恰恰是技术革命早期的常见形态：方向已经清楚，落点还没展开。
05. 康波会回到常态，但账单先到
按这套逻辑，AI 做的不是背刺白领，而是把逆着康波走的那一段掰回正轨：脑力终于能被机器接手，人力就不再是放大产出的唯一手段。招人狂潮退去，本质上是康波重新走回了它一贯的方向。只是这个结论需要两块边界。
第一块边界来自坐标系本身。康波虽然好用，经验基础却不牢。Rosenberg 和 Frischtak 检验历史证据后认为，实际产出和就业中的长周期证据并不令人信服，并列出技术引发长波所需满足的因果、时序、全域影响与重复性条件[12]；2023 年一项小波分析同时检查了 Kondratieff 的原始数据和多国人均 GDP 序列，也没有找到与约 50 年周期一致的稳定节律[13]。所以”我们正处在康波的哪个位置”这类判断，更适合当解释框架，而不是可以据此外推的定律[12][14]。
第二块边界来自历史反例。把”机器替代人”等同于”岗位总量必然减少”，同样是误读。ATM 普及期，美国装机一度超过 40 万台，处理了取现、存款这些柜员最常见的任务，但银行柜员的数量并没有随之下降[9]。Bessen 的拆解是：ATM 让开设网点的成本下降，银行反而开出更多网点，柜员需求不降反升；同时柜员的工作内容，也从点钞转向了推销和客户维护[9]。被改变的往往是任务组合，而不是岗位总量。
时间尺度也值得对照。康波更替以十年计，从技术扩散到就业结构变化，往往要跨过一整代人的职业生涯；如果这一次更快，留给缓冲的时间就更短，代价也会更集中地压在最先被波及的人身上。康波给出的是一把刻度很粗的尺子，量不出具体落在谁头上[12][14]。
所以更稳妥的表述是：康波回到常态的方向已经明确，但它会压缩哪些岗位、以多快的速度推进、会不会像 ATM 那样先增后减，都还没有定论[9][13]。
真正要看的，是这笔账最后记在谁头上。斯坦福那份研究里最具体的一行是：下滑集中在 22 到 25 岁，也就是刚毕业、最没有议价权、最依赖”第一份工作”的那批人[4]。
他们赶上的，恰恰是一个招聘大门同时关上的年份[1]。康波可以继续争论，账单已经先到了。
06. 参考资料
[1] layoffs.fyi，Tech Layoffs 2026，https://layoffs.fyi/2026-layoffs/ ；Second Talent，Tech Layoffs Statistics 2026，2026-09-10，https://www.secondtalent.com/resources/tech-layoffs-statistics/
[2] Reuters，Nvidia hits $5 trillion valuation as AI boom powers meteoric rise，2025-10-29，https://www.reuters.com/business/nvidia-poised-record-5-trillion-market-valuation-2025-10-29/
[3] 台积电，TSMC Reports Second Quarter 2026 Results，2026-07-16，https://investor.tsmc.com/english/encrypt/files/encrypt_file/reports/2026-07/a80d7933be643644081584087731f73b22ea5a2c/2Q26%20EarningsRelease.pdf
[4] Stanford Digital Economy Lab，Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence，2025-11，https://digitaleconomy.stanford.edu/app/uploads/2025/12/CanariesintheCoalMine_Nov25.pdf
[5] The New York Times，Did A.I. Take Your Job? Or Was Your Employer ‘AI-washing’?，2026-02-01，https://www.nytimes.com/2026/02/01/business/layoffs-ai-washing.html
[6] The Guardian，US companies accused of ‘AI washing’ in citing artificial intelligence as reason for job losses，2026-02-09，https://www.theguardian.com/us-news/2026/feb/08/ai-washing-job-losses-artificial-intelligence
[7] CNBC，Firms are blaming AI for job cuts. Critics say it’s a ‘good excuse’，2025-10-19，https://www.cnbc.com/2025/10/19/firms-are-blaming-ai-for-job-cuts-critics-say-its-a-good-excuse.html
[8] Fortune，As AI slashes white-collar jobs, Salesforce CEO Marc Benioff says almost no one is being hired—except in sales，2026-05-28，https://fortune.com/2026/05/28/ai-slashes-white-collar-jobs-salesforce-ceo-marc-benioff-one-department-still-hiring-sales/
[9] James Bessen，Toil and Technology，Finance & Development (IMF)，2015-03，https://www.imf.org/external/pubs/ft/fandd/2015/03/pdf/bessen.pdf
[10] Federal Reserve Bank of St. Louis Review，The Growing Share of Services in the U.S. Economy—Degeneration or Evolution?，1987，https://doi.org/10.20955/r.69.5-22.bzk
[11] MIT NANDA，The GenAI Divide: State of AI in Business 2025，2025-08，https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
[12] Rosenberg & Frischtak，Long Waves and Economic Growth: A Critical Appraisal，American Economic Review，1983，https://ideas.repec.org/a/aea/aecrev/v73y1983i2p146-51.html
[13] Antonio Focacci，A Wavelet Investigation of Periodic Long Swings in the Economy，Economies (MDPI)，2023-09-07，https://doi.org/10.3390/economies11090231
[14] W. W. Rostow，Kondratieff, Schumpeter, and Kuznets: Trend Periods Revisited，The Journal of Economic History，1975，https://doi.org/10.1017/s0022050700073745
[15] National Geographic，Before AI skeptics, Luddites raged against the machine，2025-08-04，https://www.nationalgeographic.com/history/article/luddite-industrial-revolution-anti-technology
[16] USDA Economic Research Service，Increases in Labor Quality Contributed to Growth in U.S. Agricultural Output，2022-02-17，https://ers.usda.gov/amber-waves/2022/february/increases-in-labor-quality-contributed-to-growth-in-u-s-agricultural-output
[17] University of Nebraska–Lincoln，The Structure of U.S. Agriculture，2025-11-05，https://agecon.unl.edu/structure-us-agriculture/
[18] U.S. Department of Labor, Women’s Bureau，Women Telephone Workers and Changing Technology (Bulletin No. 286)，1963，https://fraser.stlouisfed.org/files/docs/publications/women/b0286_dolwb_1963.pdf
[19] U.S. Bureau of Labor Statistics，Forty years of falling manufacturing employment，2020-11-20，https://www.bls.gov/opub/btn/volume-9/forty-years-of-falling-manufacturing-employment.htm
[20] Congressional Research Service，U.S. Coal Industry Trends (R48587)，2024-12，https://www.congress.gov/crs_external_products/R/PDF/R48587/R48587.1.pdf
[21] Reuters，Alibaba founder defends overtime work culture as ‘huge blessing’，2019-04-12，https://www.reuters.com/article/technology/alibaba-founder-defends-overtime-work-culture-as-huge-blessing-idUSKCN1RO1BC/
[22] The New York Times，‘996’ Is China’s Version of Hustle Culture. Tech Workers Are Sick of It.，2019-04-29，https://www.nytimes.com/2019/04/29/technology/china-996-jack-ma.html
07. 原文来源
原文发表于微信公众号“中老年叨叨”（2026年9月13日 12:04）。查看微信公众号原文。