手艺练得再硬，也没了练手的地方

前两天翻到一份斯坦福数字经济实验室的追踪报告，数据一直更新到2026年4月，快四年了。里面有个数字我盯着看了挺久：22到25岁、干着"AI高暴露"岗位的年轻人，就业水平比同龄干"低暴露"岗位的人低19%。更扎心的是后半句：这道缺口每个月还在以大约0.5个百分点的速度继续变宽，四年了，没有收窄的迹象。

翻译成人话：这事没有发生在某一天，是被四年时间一点一点啃掉的，现在还在接着啃。

这份报告我专门去查了原文，作者是布林约尔松（Erik Brynjolfsson），数据源是ADP——美国最大的薪资服务商之一，用的是真实发薪记录，不是问卷调查。他们特意把整个科技行业单独拿掉再算一遍，效应照样在，说明这事不能简单归结为"码农行业自己卷"，背后是更底层的一个机制在起作用。

机制说穿了也不复杂：AI现在干得最顺手的，是边界清楚、重复性强、出错代价不高的活，比如写点脚手架代码、改个简单bug、把一份文档拆成结构化数据。这些活以前是谁在干？是刚入行的人，是用来练手的那一级台阶。以前一个资深工程师带一个新人，产出是两份；现在一个资深工程师配一个AI，产出可能更高，新人那个位置就悬空了。新人这头没差，抽走的是那级台阶。

我自己就是干着这种"抽台阶"活儿的人，只是抽的是自己那摊。

这两年业余时间，我陆续给自己搭了几套自动化系统：一套帮自己把读到的东西存进知识库、按标签归类；一套每天自动挑素材、写稿、推草稿箱。上周深夜调另一个脚本，是想让它自己判断"这条信息以前记过没有"——以前这活儿我得自己一条条翻旧记录比对，现在丢给一段脚本，几分钟就把几十条素材筛完，准确率比我手动翻的时候还稳。

这活儿放在十年前的团队里，大概率是交给一个刚来的实习生练手的：翻记录、做比对、标重复，枯燥但门槛不高，正好用来熟悉业务。现在轮不到人练手了，我自己写个脚本，一个晚上就把这一格练手的台阶给拆了，说实话也不是我存心要拆，这活儿确实不值得再占一个人的时间。

抛开"AI真厉害"这种感慨，我想说清楚的是另一件事：我在自己的小系统里干的这件事，跟斯坦福数据里那个宏观现象，是同一个机制，只是尺度差了几个量级。我一个人业余写脚本能抽掉的台阶，放大到整个行业，就是那19%和每月0.5个百分点。

以前我们这代人听惯一句话：技术练硬了，饿不死。这句话默认了一个前提，你得先有个地方让你把技术练硬。练手的台阶还在，这句话才成立。台阶被抽掉之后，问题就变了：不是"我的技术够不够硬"，是"我有没有一条不必靠这级台阶、不必靠单一雇主往前走的路"。

这两件事听着像，其实是两道完全不同的题。前一道题的答案是再学一门语言、再刷几道题、简历再改改；后一道题的答案更接近手上有没有一件不靠公司发工资就能验证自己价值的东西：一个自己维护的工具、一个哪怕小到只服务自己的产品、一份能脱离雇主单独结算的收入。我业余搭的那几套自动化系统，起点根本不是什么大计划，就是想省点自己的时间，回头看，倒也顺带给自己攒出了这么一条路。

数据还在往下走，我也不知道它什么时候会停。目前手里能确认的只有这一条：那级台阶真被抽走了，而且还在继续抽，没那么容易长回来。