工业革命为什么最后能吸纳那么多人？

因为它带来的是物理世界的扩张：机器让布更便宜、车更便宜、房子更便宜，于是需求爆发。

需求一爆发，上下游就跟着长出来——矿、钢、物流、工厂、零售、维修、城市服务业……岗位像树根一样往外蔓延。

更重要的是，这个过程很慢。

社会有时间完成教育、迁移、再分工——蒸汽机到流水线再到自动化，是一两百年的长周期。

但大模型AI这次，逻辑变了：

第一，它扩散太快。

GPT出来到现在也就3-4年，一个新模型发布，几乎瞬间普及。汪峰这类案例让人震撼的，不只是“700人没了”，而是“60天就完成了结构调整”。这意味着：个体、企业、社会的适应时间被压缩到极短。

第二，它的边际成本接近于零。

工业时代的“复制”，要工厂、要产线、要原材料；AI时代的“复制”，是把同一套能力无数次调用。

一个好用的AI工作流，复制到第二个、第三个团队，几乎不需要同比例增加人。

第三，它替代的不是体力，而是“可拆解的脑力”。

工作一旦被AI接管，企业往往不是立刻裁掉所有人，而是先发生更隐蔽的一步：冻结招聘、岗位自然消失。入口没了，职业金字塔的底座就会变薄。

旧岗位的消失按月甚至按周发生，而新岗位长出来往往需要更长的周期。AI擅长出答案，但仍然需要人决定三件事：问什么问题、信不信这个答案、出了错谁负责。

所以，别只做“把活干完的人”，要做“把方向定清、把结果验明、把责任扛住的人”。