按要求“蒸馏”自己后，他们被裁了

表面看，这是效率的胜利。公司把个体知识变成可复制的资产，降低了人力成本，提升了替换速度。可在劳动者这边，另一种不安却在蔓延：当自己的核心能力被完整提炼出来后，个人还能剩下多少不可替代的价值？这场悄然进行的“蒸馏”实验，把职场里人和机器的关系推到了新拐点，也让越来越多从业者开始追问：技术进步到底是为谁服务的？

企业把员工知识提炼成AI模型，本质上是把个人经验商品化和标准化。过去需要几年甚至十几年才能掌握的领域洞见，现在通过系统记录和训练就能快速复制。核心矛盾在于，提炼后的成果归谁所有。公司自然认为这是企业资产，用来实现无缝交接和成本控制。员工一旦离开，AI就能按原有的思维模式继续运转，岗位变得高度可替换。

这些做法被分成不同程度，根据公司审核松紧灵活调整。轻度的只是让提炼效果打折，中度会干扰模型训练，重度的则试图让AI难以抓住真正精髓。

这不是简单的对抗，而是权力不对等下的自我保护。员工清楚，彻底拒绝配合可能直接影响绩效和去留，但完全透明又等于主动交出自己的护城河。反蒸馏体现出AI时代的一种新博弈：技术降低了知识传播门槛，却也加速了知识被控制和私有化的过程。劳动者用“魔法打魔法”，试图保留一点不可替代性。

大厂的AI转型则把这种张力推得更明显，Meta、亚马逊、百度等公司都明确推动AI深度融入工作流，有的直接把AI生成比例设为KPI，要求代码中AI占比达到30%到50%。管理者需要可衡量的指标，AI使用率就成了方便的抓手。这既是倒逼团队适应的手段，也暴露出管理在面对新工具时的局限。

当写代码的门槛大幅降低，程序员焦虑的焦点也发生了变化。过去竞争看技术精妙和逻辑严谨，现在善用AI就能快速完成基础任务。真正的区分度，越来越转向如何用技术解决真实世界的问题，而不是单纯的编码能力。

员工被要求积极拥抱AI，否则在内部竞争中容易落后。但拥抱的另一面是，个人经验被快速蒸馏后，公司更有动力保留低成本的AI版本，而不是继续支付高薪。

这种变化让人想起工业革命时期的场景。机器取代手工劳动曾引发卢德运动，人们试图砸毁威胁生计的设备。今天，回应方式不同了。

更多人选择与AI共舞，同时尝试有限制衡。历史告诉我们，技术浪潮不可逆转，蒸汽机、电力、互联网都曾带来类似冲击。关键在于，人在新体系里被摆在什么位置。

如果只是把人当作可被蒸馏的输入源，“优化”最终可能优化掉社会的创造活力。反过来，如果AI成为放大器，帮助个体处理琐碎事务、突破认知边界，那么生产力就能跃升到更高层次。现实处于两者之间。资本逐利的驱动让企业更倾向于最大化效率、最小化成本，这让个体层面的反蒸馏策略显得既无奈又必要。

知识快速商品化的今天，个人竞争力不再只依赖单纯积累，而是取决于如何与AI协同，同时守住人类独有的部分。AI擅长模式匹配，却难以真正把握复杂的人类语境和情感微妙。伦理判断和价值取舍在灰色地带仍需要人的视野。跨领域整合、生成创新洞见，也依然是人类的优势。

他们不是拒绝技术，而是在争取缓冲和自主空间。这些微小努力虽然难以根本改变权力结构，但累积起来往往能影响更大走向。

在更注重个体权利的环境中，员工或许能有更多空间协商蒸馏的边界。技术全球化了，职场焦虑也随之全球化。

这场“蒸馏与反蒸馏”的交锋，只是AI重塑职场的序章。它暴露出的不仅是效率提升，还有权力再平衡的信号。企业获得了更灵活的劳动力配置，劳动者则面临价值压缩的风险。如何定义人在AI体系中的位置，将决定未来是更多人被优化，还是更多人借力跃升。

对普通职场人来说，最现实的路径是主动掌握AI工具，提升日常效率，同时注重积累难以被编码的隐性知识和人际网络。把AI用于解决更有价值的问题，而不是让自己完全变成可被复制的流程执行者。在可能的范围内，参与关于AI治理的公共讨论，推动更公平的规则制定，也同样重要。

技术本身没有善恶，使用方式和制度设计才决定走向。聪明借力、协同进化，同时坚守人类特有的创造力和判断力，或许才是能在浪潮中站稳的办法。这场变革最终考验的，不是谁最先学会使用AI，而是谁能在与AI的长期共处中，仍然保持作为人的独特价值。历史的车轮不会停下，每个人在日常工作中的选择，都在悄然影响它前进的方向。