AI折叠：你在给算法"当狗"，还是给算法"当爹"？

从亚马逊仓库到帕兰提尔办公室，AI正在把人分成两种命运。

这两年，关于AI的讨论里，最常见的一句话是：AI会不会抢走我的工作？

说实话，这个问题已经有点问晚了。

有两个数字，放在一起看，可能会让你细思恐极。

一个是20美元。这是Anthropic旗下Claude AI助手的基础订阅月费。对很多大学毕业生、年轻职场人来说，一个月 20 美元已经会被认真掂量；不少人会觉得，这只是个聊天工具，值不值得花这笔钱？

另一个是15万美元。这是据《纽约时报》援引的数据，Anthropic内部有员工单月在Claude Code上烧掉的token费用。同期，一位OpenAI工程师一周内跑了2100亿个token，够把整个维基百科重写33遍。

这两个数字之间，没有渐变，没有过渡，只有一道很深的裂缝。这不是贫富差距，但胜似贫富差距。

最近看到两篇文章，一篇写的是亚马逊仓库，另一篇写的是帕兰提尔。把这两篇放在一起，会看到一个比“AI会不会取代你”更重要的问题：

同样是技术进步，为什么有的人越来越像机器的附属物，有的人却越来越像机器的指挥官？

现在真正正在发生的事，AI不会平均地奖励所有人，也不会平均地淘汰所有人。而是它正在把人迅速分成两种命运：

一种人，工作越来越像给系统打杂，给模型擦屁股，给流程补漏洞；另一种人，则把模型当成外脑、团队和杠杆，开始以前所未有的速度放大自己。

前者看起来还在上班，实际上已经被降格。后者看起来也在用同样的工具，实际上已经站到了算法的上游。

这就是我今天想说的：AI折叠，AI时代真正的分水岭。

01｜亚马逊仓库里，有一条叫"绿色通道"的路

北卡罗来纳州加纳市，一个叫RDU1的亚马逊仓库。

楼层中央，是机器人的地盘。红胶带标出的走廊，人类不得随意进入。留给工人的，是边缘地带、故障处理和情绪消化。还有一条留给人类通行的绿色走廊，工人们给它起了个名字：green mile。

熟悉英文的人知道这个词的来源，电影《绿里奇迹》里，死刑犯走向电椅的最后一段路。

这不是工人的自嘲，是他们对自己处境的精确感知。

他们没有被开除。工作还在，收入还在，工牌还在。只是越来越多时候，他们的职责变成了：在机器人卡住的时候把它捅通；在系统判定"离岗时间过长"时解释原因；在走廊里避让嗡嗡作响的自动搬运设备。

《Fast Company快公司》的报道援引了一位工人的描述："你坐在那里，看着机器人工作，你唯一的职责就是在它卡住的时候把它弄通。"

布鲁金斯学会高级研究员马克·穆罗指出：这是对大量岗位的"掏空"，而且很可能蔓延到更多组织。亚马逊在2025年披露，其仓库里运行着100万台机器人，几乎与人类员工数量持平。

《华尔街日报》的分析显示，亚马逊每个设施的平均人类员工数量已降至16年最低，但每位工人处理的包裹量在指数级攀升。

人没有消失。但人的价值，在悄悄被抽空。

这才是"被算法驯化"的真实状态，不是好莱坞科幻里的机器人大军，而是你还在岗位上，只是越来越像一个系统的配件：不定义目标，只接任务分发；不拥有方法，只负责按流程执行；不掌握节奏，被指标和反馈循环牵着走。

算法最先拿走的，不是你的工作，而是你工作里最有成长性的部分。

更残酷的是：这种状态比失业更难被察觉。你每天还在上班，还在领薪水，还能跟家人说"我有工作"。但你正在悄悄失去三样东西，判断力、主体性、可迁移能力。等你意识到的时候，可能已经很难转身了。

02｜帕兰提尔：人工智能的另外一极

帕兰提尔（Palantir）这个名字，在中文世界的知名度远不及它在硅谷的分量。

它成立于2003年，由彼得·蒂尔（Peter Thiel）和亚历山大·卡普（Alex Karp）等人联合创立。公司名字来自《魔戒》里的"真知晶球"，一种能看透远方事物的神秘水晶球，直接说明了这家公司想做什么：帮助政府和机构"看见"那些原本看不见的东西。

帕兰提尔最早的客户是美国情报机构和军方。它的软件平台Gotham曾被用于追踪恐怖组织网络。后来又开发了面向商业客户的Foundry平台，以及近年大火的AI平台AIP。

这家公司在很长时间里处于争议漩涡。支持者说它是捍卫西方民主的技术先锋；批评者说它是"数字监控国家"的建造者。争议背后，一个不争的事实是：它在2024年底市值突破4000亿美元，相当于营收的100倍，股价在那一年翻了近三倍。

卡普这个人值得单独说说。他不是典型的硅谷CEO形象。他在德国哥德大学拿了社会理论博士，是哈贝马斯的学生，研究法兰克福学派；他练北欧武术，穿古怪的衣服，在达沃斯论坛上公开谈论西方文明的衰落。

2025年初，他出版了一本书，英文原名《The Technological Republic》，中文版译作《科技共和国》，上市即登上《纽约时报》畅销书榜首，被评为"这十年最值得读的政治论著之一"。

这本书的核心论点很简单，也很刺耳：硅谷的工程师们去做了照片分享软件和算法推送，放弃了建造重要事物的雄心，变成了资本的容器；西方要赢得AI时代，技术必须重新服务于国家使命。

你同不同意这个观点是另一回事。但帕兰提尔自己的运作方式，确实和它说的一致，它是一台专门培养"能定义问题的人"的机器。

03｜帕兰提尔的秘密：它在制造什么样的人？

帕兰提尔招人，不招执行者，招"前线解决者"。

它有一种独特的用人模型，叫"前线部署工程师"（Forward Deployed Engineers，FDE）。这些人不在总部坐班，而是直接嵌入到政府机构、军事单位或大型企业里，和客户并肩工作。没有详尽的需求文档，没有分层审批，没有明确的操作指南。只有一个模糊的任务，和一个要求：把事做成。

一位前员工描述了他们的入职面试中的"解构题"：用一个小时讨论如何设计一个反洗钱系统，或者如何让城市地铁在高峰时段保证每个人都有座位。没有标准答案，考的是一种能力——能不能把表面上不可能的问题，拆解成可执行和可验证的小块？

这种用人方式内部有个口号：figure it out。自己想办法。

不是残忍，是筛选。他们找的人，是面对模糊任务时会主动组织行动而不是等待指令的人。

这批人后来怎样了？帕兰提尔一位前投资者关系主管维护了一份清单：379家由帕兰提尔校友创立或领导、仍在活跃的私有公司。约10%的前员工，后来都创办了自己的公司。

其中有人做AI原生医疗平台，有人做政府采购的AI解决方案，有人做为复杂硬件工程师加速测试的工具。所有这些，全部指向同一件事：把在帕兰提尔学到的"把AI接进真实问题"的能力，复制到新场景里。

帕兰提尔最强的资产，可能不是模型，不是Foundry，不是卡普本人，而是它把一群高度自驱的人放进了高密度的真实挑战里，让他们在失败和混乱中磨出了一种特殊能力，驾驭智能，而不是服从智能。

这才是“给算法当爹”的真正含义。

站在它上面。你决定它干什么，你决定什么是正确，你决定哪条路值得走，你决定什么时候该继续、什么时候该停手。

说白了，AI 时代真正的权力，不在于谁最会写提示词，而在于谁有权定义任务、分配智能、验收结果。

04｜20美元与15万美元之间，隔着的不只是钱

再说回开头提到的两个数字。

Anthropic的官方定价是：Claude Pro，每月20美元；Max计划，100到200美元；API按token计费，企业级重度用户的账单则完全是另一个量级。

15万美元一个月。这个数字来自内部的"tokenmaxxing最大化"现象，测量生产力的方式，不再是你完成了什么，而是你烧了多少token。有风投开始用"你有几个agent在跑？"代替"你在做什么产品？"作为饭桌话题。这听起来很荒诞，但它揭示了一件正在悄悄发生的事：

同样是用AI，有人在偶尔提问，有人在构建持续运转的生产系统。

差的不只是订阅费用，是认知框架。

对普通大学毕业生来说，20美元像是一笔需要掂量的开支。对顶级团队来说，几十万美元的token预算是研发基础设施，是一个让AI24小时替你试错、写代码、跑分析、做实验的引擎。前者在问："这个工具好不好用？"后者在问："怎么把它接进工作流，让它成为我的外脑和外包团队？"

这不是消费观的差异，是使用深度的量级差距。而且这个差距，正在被AI本身加速拉大。

Anthropic的研究显示，使用经验更深的用户，会形成更成熟的使用习惯，倾向于尝试更高价值的任务，也更可能从模型那里获得成功输出。AI并不是一个你"拥有"就能生效的工具，它更像一个必须反复打磨、嵌入流程才能真正产生复利的系统。

那些已经在深度使用的人，每天都在拉开距离。

新的不平等，不只是谁有钱买模型，而是：谁买得起更高配的模型、谁能承受大量试错成本、谁能把模型接进真实工作流、谁能把一次使用变成系统性复利。

说得现实一点：

你能不能长期付费，只是一层门槛；

你能不能承受大量试错成本，是第二层门槛；

你能不能把它嵌进真实场景，形成复利，是第三层门槛。

而这三层门槛叠起来，足以把普通用户和顶级使用折叠得非常夸张。

05｜AI正在抽走一代人的"新手村"

这件事对年轻人的杀伤力，比大多数人意识到的更深。

世界经济论坛 2026 年 3 月的一篇文章援引 Revelio Labs 数据称，美国入门级岗位招聘在过去 18 个月下降了 35%。文章同时提醒，企业如果为追求短期效率而削减初级岗位，长期会伤害自己的人才梯队。

核心原因之一是AI正在接管那些原本留给新人练手的基础性任务过去的职业成长路径，是一条台阶：先做基础活，如数据整理、初稿写作、基础代码、简单分析，积累经验，慢慢进入复杂工作。这条路并不性感，但它可靠。

但AI把最下面几级台阶撤掉了。

基础任务先被模型吃掉，新人失去了练级场，等企业想要成熟人才时，却发现培养链断了，然后又开始抱怨招不到"有经验的人"。

这是一个结构性的悖论，没有简单的个人解法。老员工有经验，可以借AI放大，越用越值钱。新人没经验，连进入复杂任务的入场券都更难拿到。

亚马逊承诺工人可以去学机器人技术员。一个非常清醒的问题摆在那里：你永远无法把数百万工人塞进那些技术员的岗位，因为根本不需要这么多人。

不是说路不存在，是说路的宽度和人的数量，完全不是一个量级。

很多年轻人现在以为自己面对的是一个消费问题：要不要花 20 美元订个模型。其实他们面对的是一个更深的结构问题：当越来越多入门任务被模型吞掉之后，他们靠什么来建立对真实世界的理解？如果没有真实项目、真实责任、真实反馈，他们又拿什么去升级成能“调动智能”的人？

所以我才说，未来最危险的，不是不会用 AI 的人，而是还停留在“等别人分配任务”的人。

claude的进化进入了激进加速的阶段

06｜比失业更危险的，是把脑子外包给模型

说到这里，我还要说一件更根本的事。

Anthropic去年做了一项大规模用户研究，访谈超过8万人。其中一个发现很刺眼：人们一方面把AI当生产力工具、认知伙伴、学习加速器；另一方面，明显担心"自主性与能动性"下降，以及"认知萎缩"。大约22%的受访者提到对自动化和智能体的担忧，16.3%提到认知退化。

研究总结很扎心：人们一边想借AI学习，一边又害怕自己停止思考。

这个矛盾不是个体脆弱，是结构性困境。

如果"给算法当狗"是岗位层面的降级，那把脑子全面外包给算法，就是人格层面的降级。

因为人一旦长期处在“被生成答案喂养”的状态里，就会慢慢失去四种非常珍贵的东西：提问能力、质疑能力、结构化表达能力，以及面对复杂问题时的耐心。到最后，你看起来天天在用最先进的工具，实际上却越来越不能独立完成一场扎实的思考。

你开始让AI替你判断要不要跳槽。让它帮你决定封面配什么图。让它写完初稿你再改三个字。让它给你一个"下一步应该做什么"的清单，然后照单执行。

这没有什么可耻的，每个人都在这样做，程度不同而已。但有一件事需要认清：你每次把判断外包给模型，都在缩小一种肌肉的运动范围。

那块肌肉叫做：在没有答案的时候，还能提出好问题的能力。

帕兰提尔的"解构题"训练的正是这个。不是让你知道答案，而是让你在不知道答案的时候，还有能力把问题切开、找到结构、推进下去。这种能力，不会因为你订阅了更贵的AI计划而自动生长。

真正的分水岭，不是你会不会用AI，而是你把AI当"代替思考的拐杖"，还是"放大思考的杠杆"。

07｜AI折叠的终局：上游人类与下游人类

Anthropic的CEO达里奥·阿莫迪今年在多个公开场合反复提到一件事：AI正在进入"激进加速"阶段。

他用的词是"endogenous acceleration"，内生性加速，意思是AI开始参与设计和优化下一代AI的研发流程。模型的能力跃迁，不再只依赖外部注入的算力和数据，而是开始借助自身加速自身。他把这个过程描述为雪球，越滚越大，不是一夜爆炸，而是持续加速的复利。

他还说，到2027年前后，可能会有数百万个AI实例同时运行，每个都能自主完成原本需要人类数天或数周才能完成的任务。这些实例，不是帮你写文案的工具，而是能独立设计实验、撰写报告、推进项目的"数字员工"。

当这一层能力成熟，一个关键问题浮现：谁在驾驭这些实例？谁在定义它们去做什么？谁在验收结果、判断对错、决定下一步？

这些人，是算法的上游。

而谁在响应算法的分配，在流程里等待指令，在系统给定的走廊里通行？

这些人，是算法的下游。

这不是价值判断，是位置描述。上游人类和下游人类的差距，最终不只是收入的差距，而是"谁在定义智能的去向"和"谁在被智能定义去向"之间的差距。

这个差距，比工业革命制造的任何阶级分化都更难被看见，因为它发生在认知层面，不在工厂和办公室的物理空间里。

"当狗"和"当爹"，不是侮辱，是位置；也不是俏皮话，而是接下来几年，所有人都要回答的阶层问题。

当狗：被分配任务，按指令执行，被系统定义价值。当爹：分配智能，定义任务，决定模型去做什么、验收什么、推翻什么。

亚马逊仓库的工人，不是因为不努力而被降格，是因为他们所在的系统，从一开始就没有给他们设计"上游"的位置。帕兰提尔的人之所以能成为创始人，是因为他们从第一天起就被扔进了"必须自己定义问题"的处境。

你未必能选择亚马逊还是帕兰提尔。但你可以选择，在你现在所在的位置，以什么方式使用AI。

你不一定非要成为造模型的人，但你至少要成为会调用模型、驾驭模型、审判模型的人。

那条绿色通道，不只在北卡罗来纳州的仓库里。它在每一个只会响应算法指令、却从未尝试定义过算法目标的人的大脑里。

同样面对这个时代，有人把AI当工头，有人把AI当军团。这就是AI折叠。

所以，别再急着问AI会不会抢你饭碗了。更该问的是：

你现在做的工作，是不是越来越像在给系统补漏洞？你每天用 AI，是在减少思考，还是在扩大思考？

你是在等别人告诉你要做什么，还是已经学会把模型、人和任务组织起来？

你是把 AI 当聊天工具，还是当生产系统？

你是站在算法下面，被它考核、驱赶、规训，还是站在它上面，给它布置任务、审判输出、逼它为你服务？

真正的护城河，不是提示词，而是主体性。

真正的升级，不是会问模型，而是会分配智能。

真正的风险，也不是机器变强，而是你在机器变强的过程中，被重新安排到了更低的位置。【懂】

欢迎加入经叔的知识星球。在这里，我们拒绝无用的焦虑，只谈底层的逻辑与实战的干货。我会结合最新的AI前沿动态、深度的商业创新分析（如一人企业的构建）和独特的文化思潮（如麦克卢汉的媒介洞察），帮助大家把握时间窗口。

我是不懂经的经叔，国内最早翻译介绍了纳瓦尔的《如何不靠运气获得财务自由》，以及影响了纳瓦尔、中本聪、马斯克等大佬的《主权个人》。

不懂经知识星球，众多百万粉丝大V、千万及亿万富翁订阅。专注分享一人企业、一人创投主题，关键词：AI、IP、创投、科技及商业前沿的高杠杆内容。

愈懂愈自由