核心内容总结
这篇文章揭示了硅谷科技公司（Meta、微软、谷歌等）在业绩增长时反而大规模裁员的反常现象——尤其优先裁掉AI用得好的员工。背后逻辑是：企业通过“蒸馏”员工技能训练AI替代他们；资本对科技公司的估值标准从“人才密度”转向“人少AI多”；打工人需放弃仅用AI提升产量的思路，转而培养AI无法复制的隐性能力（如行业判断力、人脉信任等）才能保住竞争力。
详细解读
1. AI用得溜反而先被裁？你成了AI的“免费教练”
你以为AI用得好是优势？错了！现在企业流行把员工的工作经验、操作习惯、决策逻辑“打包”成AI技能包（比如GitHub上爆火的“同事.skill”项目），人走了AI接着干——这叫“员工蒸馏”。
Meta内部的“模型能力倡议（MCI）”就是让AI学人类点鼠标、写文档、走审批流程，而训练AI最缺的不是算力，是你每天在公司电脑上留下的点击、思考数据（这些都是昂贵的训练材料）。你用AI越溜，贡献的标准化数据越多，AI学得越快，等它能替代你时，你就可以“下课”了。网友调侃：Meta员工正在训练自己的“AI替身”。
2. 资本变天：科技公司现在比的是“人少AI多”
以前科技公司拼“人才密度”——招越多名校生，估值越高。现在资本的标准彻底反过来：人越少、GPU越多越值钱。
比如Meta裁8000人每年省30亿，把钱全砸进AI硬件（2026年资本支出翻番到1350亿，买H100显卡）；微软裁1.5万人后净利润涨27%，股价还涨了，市值破4万亿。资本用脚投票：每少一个员工，估值反而上升。人力从“资产”变成了“成本”，员工工资换成了显卡电费。
3. 哪些工作会被AI“抄走”？哪些能保住饭碗？
- 容易被抄的工作：可记录、可标准化的（比如一天写10篇稿、代码产量高、剪辑效率快）。这些技能本质是“高质量训练数据”——你用AI提升产量，AI学完你的方法就能自己干。
- AI学不走的工作：隐性知识（没法写成文档的）。比如：和客户吃饭建立的信任、对行业风向的直觉判断、圈子里的口碑人脉。这些东西没法“蒸馏”，AI再聪明也学不会。
（顺便提一句：有人搞“反蒸馏.skill”教员工写误导性经验，但这是消极对抗，没用。）
4. 打工人破局：别当训练数据，要当规则制定者
与其担心被裁，不如“升维”：从“用AI提高产量”变成“用AI重新设计工作”。
比如行业精英不会只拿AI写稿，而是用AI融合自己的行业经验，帮公司做AI应用创新——他们是企业AI变革的推动者，而不是被替代的对象。差别在于：普通人是AI的“数据提供者”，精英是AI的“规则制定者”。
最终结论：AI时代，你的价值不取决于“会用工具”，而取决于“工具学不走的东西”——判断力、信任、人脉、行业地位，这些才是穿越裁员周期的核心能力。
这篇文章给打工人的提醒很直白：别把自己活成一份“高质量训练数据”，多花时间在AI学不走的能力上。毕竟，工具会越来越强，但人的隐性价值永远无法被替代。