斯坦福有一份被反复引用的研究，叫《煤矿里的金丝雀》（Canaries in the Coal Mine），作者是 Brynjolfsson 等三位经济学家，用的是覆盖两千六百万美国工人的 ADP 薪资数据。2026 年 8 月的最新修订版给出一个结论：
在 AI 暴露度最高的职业里，22 到 25 岁年轻人的就业，比他们本该达到的水平低了约 19%。而资深员工，没有这个缺口。
第一反应很容易是：好消息啊，AI 只替代廉价新人，有经验的人安全。
我越想越觉得这是最危险的一种误读。因为 今天所有「安全的资深员工」，都是昨天那个「被替代的新人」练出来的。 数据没有告诉你谁在被淘汰，它告诉你的是——成为专家的那条路，入口正在关闭。
一、数据到底说了什么（诚实地说）
先把证据摆准，不喊口号。
斯坦福这份研究有三个结论，缺一不可：
- 没有 出现 AI 导致的大规模、跨行业的失业——经济整体没有被掀翻。
- 但是，AI 高暴露职业里的年轻人（22-25 岁），正在系统性地落后于同龄的低暴露职业者，差距从一年前的 15% 扩大到 19%。
- 资深员工没有这个缺口。
换句话说：被砍掉的不是中间层，是 最下面那一级。
旁证一大把。美国劳工统计局（BLS）数据：计算机程序员（computer programmer，注意是程序员，不是软件工程师）的就业，2023 到 2025 年跌了 27.5%，回到 1980 年以来的最低点——1980 年，互联网都还没诞生。招聘平台 Handshake 的数据：科技类实习岗位自 2023 年起少了 30%。
这些数字拼在一起是同一幅图：AI 吃掉的，恰恰是过去由新人、实习生、初级程序员干的那些活——边界清晰、有标准答案、可被验证、重复性高。这不是巧合，这正是大模型最擅长的一类任务（接《AI 的账单搬家了》：封闭式任务，模型一轮就做对，根本不需要人来练手）。
二、资深为什么安全，恰恰是问题所在
现在回到那个误读。为什么资深员工安全？
因为资深员工持有的是 判断——知道这个方案在我们系统里行不行、这个前提成不成立、AI 给的这个答案哪里会出事。这正是我在《「老」工程师在 AI 时代的价值》里写过的：AI 替代的是敲键盘，不替代做判断。
但这里有个被所有人忽略的前提：判断力不是天上掉的，是从那堆正在被自动化的苦活里练出来的。
一个工程师为什么能一眼看出「这个缓存方案在我们这儿会击穿」？因为他当年亲手写过被击穿的缓存，半夜被叫起来修过。一个架构师为什么能判断 AI 生成的方案不对？因为他自己一行行踩过那些坑。新人干的「没技术含量的活」，不是浪费，是判断力的练习场——是梯子的第一级。
现在企业做的事情是：发现第一级台阶的活 AI 干得又便宜又好，于是把第一级拆了，不招新人了。
短期看，省钱。长期看——他们正在吃掉自己的种子粮。 十年后，当现在这批资深的人退休、转岗、被挖走，公司会发现：没有下一批人顶上，因为通向资深的入口，已经在今天被自己亲手关闭了。
三、健身房悖论
我在《判断力会成为新的健身》里说过一句话：当 AI 替你飞飞机，判断力会变成新的健身——你不练，它就萎缩。
把这句话和斯坦福的数据并排放，会看到一个残酷的悖论：
判断力 = 新的健身（不练会萎缩）
↓
但健身房 = 入门级的苦活（新人靠它练出判断）
↓
而健身房正在被自动化关闭（AI 干得又便宜又好）
↓
结果：人人知道该练判断力，
但练判断力的场地，正在消失
→ 你不可能在没当过新人的情况下，成为资深的人。
# generated by hugo AI
这就是「空心化」真正的含义——不是今天的中间层被掏空，是未来的专家供给被切断。 被空心化的不是现在，是十年后。
而且这个过程有个隐蔽的加速机制：它 自我强化。企业越是不招新人 → 越是依赖现有资深的人做判断 → 资深的人越是忙得没空带新人（何况新人本来就没招）→ 判断力的传递管道进一步干涸。#254 里我写过，过去隐性知识靠「问老王」传递，这条路在 AI 时代已经断了一半（AI 不会主动去问老王）；现在连「新人来问老王」这个场景本身，都在消失——因为没有新人了。
梯子从最下面一级被拆，拆着拆着，上面的人也会发现自己站在半空中。
四、最强反方：AI 自己就是新练习场
必须把最强的反方请出来，它有两个版本，都很硬。
版本一：新人不再需要靠苦活练判断了，AI 就是新的练习场。 过去新人写一百个 CRUD 才练出手感；现在新人一上来就指挥 AI 干活，在「审阅 AI 输出对不对」的过程中练判断——起点更高，练得更快。梯子第一级被拆，但电梯装上了。
这个反方成立一半。审阅判断本身也需要底子：你能看出 AI 的缓存方案会击穿，前提是你理解缓存击穿。一个从没自己写过代码的人，面对 AI 流畅而错误的输出，只会觉得「写得真好」。#254 里那个新人小李，就是栽在这儿——AI 绕过 CI 改了权限校验，他看不出来，因为他不懂历史、也没有可供对照的判断基线。指挥 AI 是一种更高级的练习，但它替代不了第一级的地基，它是第二级。 把电梯直接装到二楼，一楼的人还是上不来。
版本二（更狠，来自经济创新组 EIG 的反驳）：那 19% 根本是统计幻觉。 EIG 在《寻找梯子》里指出：经济整体的招聘在放缓、劳动力在老化，这两件事会 机械地 让最年轻的群体显得下降最快——哪怕根本不是 AI 在针对性替代年轻人。换句话说，斯坦福把「全面招聘放缓 + 人口结构」的账，错记到了 AI 头上。
这个反方我也认一半，而且它让我更谨慎。是的，相关不等于因果——斯坦福的作者自己也明确说，数据无法证明 AI 是主因或唯一原因。但请注意：EIG 反驳的是「AI 是不是唯一原因」，它 没有反驳「最下面一级最先消失」这个结构性事实。无论砍新人是因为 AI、还是因为宏观招聘放缓，结果都一样——梯子第一级在缩短。而且 AI 提供了那个最合理的机制解释：为什么恰好是「边界清晰、可验证、重复性高」的入门活先没了？因为那正是 AI 的甜区。这不是统计巧合，是能力错配的必然。
所以两个反方合起来，把我的论点修得更精确，而不是推翻它：「AI 是不是唯一推手」存疑，但「成为专家的入口正在收窄」是事实，而 AI 是其中最强、最对得上机制的那一个推手。
五、那怎么办
给新人：别再为「会被自动化的苦活」排队，但也别幻想跳过地基。 你要找的不是「写 CRUD 的工作」（那是正在消失的第一级），也不是「直接指挥 AI 的高位」（那是你还够不着的第二级），而是 能让你在真实后果里练判断的入口——哪怕起点低，关键是每一个任务都有「做错了会出事」的真实反馈（接 #418：错误路径上烧的轮次，正是判断力的学费）。判断力只能在「做」里长出来，这一点 AI 反而让它更稀缺、更值钱（《能被写下来的，都在贬值》）。
给中年「安全」的人：你的安全是有保质期的，而且保质期不在你手里。 你今天值钱，是因为你持有的判断稀缺；但这份稀缺正在被两件事侵蚀——你自己在萎缩（不练会退化，#401），和供给你在补不上（梯子第一级被拆）。真正的护城河不是「我会判断」，是「我能让一批人长出判断」——从持有判断，转向生产判断。 这恰好是 AI 替代不了、也是组织最缺的那部分。
给组织：你砍掉新人省的钱，是从未来借的高利贷。 如果一个组织必须靠初级岗位练出专家，那么「用 AI 替代初级岗位」就需要一个配套动作——重新设计 AI 时代的学徒制：不是消灭第一级台阶，而是重新定义它。让新人在 AI 的协作下、在有真实后果的任务里、在资深者的判断被显式记录并可学习的环境里练手（#254 里同事 B 把自己的方法论做成 Runbook 喂给 AI，就是一种新学徒制的雏形）。否则，你在用今天的效率，买明天的判断力真空。
结尾：谁在拆梯子
把镜头拉远。
工业革命没有消灭「工匠」这个层级，它消灭的是学徒制，然后用工厂和职业学校重建了一条新的上升通道。AI 正在做类似的事——它消灭的不只是某些岗位，是 过去那条「从苦活里长出判断」的默认通道。
区别在于：工业革命之后，社会花了数十年才把新梯子搭起来，中间是一整代人的迷茫。而这一次，梯子正在被拆得比新梯子被造出来更快。
最讽刺的是，今天拆梯子的人，恰恰是站在梯子上面的人——是那些靠当年苦活练出判断、如今用判断指挥 AI、并且决定「不必再招新人」的资深者和管理者。他们做了一个对自己这代人完全理性、对下一代人却是灾难的决定。
斯坦福的数据不是末日预言，是一封提前十年的信。它说的是：当梯子从最下面一级被拆掉时，最先感到安全的，是站在最上面的人。
而梯子的规律从来是——上面的人，也都是从下面爬上来的。
你身边还有「第一级台阶」吗？新人现在靠什么练判断？欢迎留言聊聊。
（就业数据核对自斯坦福数字经济实验室《Canaries in the Coal Mine? Six Facts About the Recent Employment Effects of Artificial Intelligence》，Brynjolfsson/Chandar/Chen，2026-08-12 修订版；程序员就业与实习数据核对自美国劳工统计局 BLS 及 Fortune/Handshake 公开报道；统计幻觉反驳核对自经济创新组 EIG《Looking for the Ladder》。所有数据为公开来源，引文为原文转述。）