AI 会替代人的工作吗？我们担心的到底是什么？｜托马斯的硅谷来信 002
作者从历史案例出发（ATM 与银行柜员、蒸汽机与杰文斯悖论），探讨 AI 对就业的真实影响：工作清单从不是固定的，替代背后也藏着看不见的增量。通过应届生 AI 海投简历、给 Agent 看的广告、AI 家族纪录片等案例，说明智能变便宜会催生新需求与产业重构。作者指出个人焦虑源于相对剥夺感与损失厌恶，建议不要只盯着具体技能（如写代码），而要聚焦创造的价值，服务好半熟人群体——因为 AI 让干活变便宜后，信任反而越来越值钱。
全部文档 / 标签: 职业焦虑
9 篇
我不得不把才华埋葬在昨天
DeepSeek算子工程师、北大图灵班成员刘胜自述：他亲手编写了DeepSeek V4.1的主Attention算子，但目睹AI在短短一年内从辅助工具成长为能独立阅读CUDA/PTX、优化算子的'算子大师'，判断半年到一年内AI写的算子将与自己齐平甚至超越自己。他认为自己不会失业但必须'转业'——放弃热爱的算子设计，转型为Agent的'机甲驾驶员'。文章还担忧学生工程能力退化、权力超越技术等社会问题，并批评Anthropic等闭源公司掌握AGI的危险性，主张前沿智能应开放、廉价地供应给所有人。
DeepSeek kernel 工程师自述：亲手把自己的手艺变成过时技艺，以及微信开源企业 Agent 框架 WeKnora
文章包含两条内容：一是 DeepSeek kernel 工程师 Shengyu Liu 的长文，讲述 AI 已能自主分析 CUDA/PTX/SASS 并优化 kernel，他预判半年到一年内 AI 写的 kernel 可能超过自己，工作将从亲手写代码变为驾驶 Agent，并担忧未来社会走向共产主义或赛博朋克两极，因此选择留在 DeepSeek 推动开源 AI。二是微信团队开源的 WeKnora 框架，已从 RAG 系统进化为企业 Agent 基础设施，提供知识处理、ReAct Agent、Sandbox 执行环境、长期记忆和 Auto-Wiki 能力，代表 RAG 向企业 Agent Context + Runtime 的迁移趋势。
如果AI把工业设计门槛砸碎之后，我们还剩什么？
一位工业设计师结合字节Seedance2.0引发的视频制作变革，反思AI对工业设计行业的冲击：AI已能生成草图、3D模型、自动分件和渲染，传统设计链条中的执行型工作正被吞噬。作者认为这不是泡沫而是生产力重构，行业将出现分层——执行能力被替代，判断力和产品嗅觉被放大。AI砸低门槛的同时抬高上限，普通设计会泛滥，真正有洞察的设计更贵。未来一个人加AI可成为微型设计公司，设计师的定义正被改写，要么学会冲浪，要么被淹没。
DeepSeek kernel 工程师：亲手把自己最热爱的手艺变成过时技能
DeepSeek kernel 工程师 shengyu Liu（interestingLSY）撰文讲述 AI 对自身职业的冲击。他负责 DeepSeek V4.1 Main Attention kernel 优化，但一年内 AI 已能自己读 CUDA、PTX、SASS 并优化 kernel，他判断半年到一年后 AI 写的 kernel 可能超过自己。他真正难受的不是失业，而是工作从亲手写 kernel 变成驾驶 Agent 写 kernel，多年练就的手艺不再重要。他还担忧社会将走向两个极端：生产力极大释放的共产主义式未来，或极少数公司垄断最强 AI 的赛博朋克式未来。他选择留在 DeepSeek 开源更强的 AI，把世界往好的一端拉。
You're Afraid of the Wrong Thing
文章指出，历史上构建真实事物需要天赋和资源渠道，渠道曾是看得见的高墙，因此被误认为关键。如今AI工具让个人能完成过去需要一个部门的任务，中间层的顾问、分析师等'显然的工作'正被替代。开发者担心被AI取代，但担心的层面错了：真正稀缺的从来不是渠道或光鲜的外表，而是底层的判断力——哪个问题值得解决、是否真正解决了它。模型擅长打磨完美的表面，但当人人都能生成完美表面时，表面就成了噪音。具备构建能力的开发者反而最能受益于这个时代，不应让怀疑者本能阻碍自己行动。
AI 时代最残酷的，不是机器变强了
文章指出 AI 时代最残酷的不是 AI 取代人，而是会用 AI 的普通人做出三倍的产出，重新定义了“正常工作量”。作者通过一个市场策划朋友的案例，说明只会普通交付的职场人正被“初稿化”贬值，并提出转策略、做个人 IP、服务高端客户、转管理等 7 个出路。文章强调 AI 会让判断力、问题定义能力、审美、信任和真实经验变得昂贵，普通人应把 AI 当团队而非工具，重构工作流程、沉淀提示词和案例库，将经验产品化。AI 是放大器，诚实面对自己工作的真实含金量才是应对之道。
我们凭什么要学 AI，把自己的经验提炼出来，然后全都交给公司？
文章探讨了企业 AI 落地中的核心矛盾：员工学会 AI、提升效率后，收益归公司，风险归个人，因此抵触是理性选择。作者指出老板应自己深度使用 AI，与一线员工一起跑通真实业务场景，并优先激励离收入近的岗位，同时不应裁掉最先做出提效成果的懂业务员工，否则员工会把方法藏起来。企业转型前必须先回答员工心中的问题：用好了 AI，我会更值钱，还是先被替代？
“全域增长”听起来很美，但它正在榨干每一个运营人
本文犀利地指出“全域增长”概念在中小团队中的陷阱。作者认为，盲目追求多平台运营会导致精力分散和资源浪费，反而降低整体效率。文章提出“最小全域模型”，建议运营人应找到核心渠道（即“一”），投入80%精力做到极致，而非在所有平台平庸存在。