企业大崩盘：810万白领岗位面临清算，传统大公司的寿命只剩3年？

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：当公司1/3的活动是为了监控另外2/3，大崩盘已不可避免。未来3年，800万知识工作者将迎来暴力洗牌。文章来自编译。

我们每年要花三到四个月的时间做管理报告。我们关心的不是如何停止这种做法，而是在寻找将其自动化的方法。

一位财富500强公司的副总裁在喝咖啡时跟我说了这番话。他大笑着，就像人们在说出了一些无法收回的真相时表现出的那种笑。

这句话让我思考了好几个星期。倒不是因为这令人惊讶——任何在大型企业工作过的人都熟悉这种仪式：幻灯片演示、对齐会议、关于“状态更新”的状态更新。

令我深感不安的是其背后的含义：如果你公司三分之一的活动仅仅是为了监控另外三分之二，那么当你不再需要那三分之二时，会发生什么？

我决定不再推测，而是建立一个模型。我采用了目前最严谨的数据集，应用了采用率S曲线，并模拟了两种情境。

模拟的结果正是我写下这篇文章的原因。

⚠️ 到2030年，810万个知识工作岗位将面临被大幅取代的风险。我们所熟知的企业架构，其结构性生存能力大约只剩下3到5年。

这不仅仅关乎某一家公司的某位副总裁。每家拥有1000名以上员工的企业都在运行着同一套操作系统：领导层离执行层太远，中层的存在是为了弥补这一鸿沟，而流程税则随着员工人数的增加而不断叠加。

我朋友描述的那种管理报告并非系统缺陷，而是架构按设计运行的结果。问题在于，这套架构是为“人类是唯一能大规模处理信息的工具”这一过往时代而设计的。

那个时代正在终结。剩下的唯一争论就是截止日期。

维诺德·科斯拉（Vinod Khosla）并不是那种在领英上信口开河的未来学家，而是Sun Microsystems、Juniper Networks以及上百项塑造了硅谷的投资背后的推手。他最近提出了一些预测，如果不是有数据支持，这些预测听起来简直疯了：

• 到2030年，80%的工作能力将实现自动化。

• 标准普尔500指数从2030年代初期开始崩溃。

• 到2040年代，人类劳动将不再是生存的必需。

这些主张很大胆。但科斯拉过去的战绩让他值得被信任——而我的模型得出的数字与他的预测惊人地接近。

2026年企业大崩盘，由NanoBanana视角呈现，灵感源自Alex Katz的艺术风格。

🔬 研究方法

我想拨开迷雾，建立一个数据驱动的论题。不谈玄学，不搞“AI将改变一切”之类的空谈，只看实实在在的数字。

以下是我的做法：

第一步：输入数据。我获取了OpenAI与宾夕法尼亚大学合作的职业暴露数据集。这是迄今为止最严谨的研究——研究人员对1016种职业在受大语言模型（LLM）驱动自动化影响的风险敞口进行了评分。每项工作的得分从0（无暴露）到1（完全暴露）不等。我将其筛选至仅限知识工作者——产品经理、分析师、协调员、HR、法律助理、文案策划，也就是整个“笔记本电脑阶层”。

第二步：建模。原始暴露并不意味着立即被取代。技术采用遵循S曲线——起步阶段是早期采用者的实验，随着工具成熟和成本下降而迅速加速，然后在达到真正抗拒自动化的工作岗位时进入平台期。我模拟了两种情境：

• 温和场景（麦肯锡共识）：到2030年，约30%的知识工作时长将实现自动化。这是咨询公司放在幻灯片里的“负责任的估计”。

• 激进场景（现实的实际走向）：到2028年达到50%以上。这考虑到了自GPT-4以来我们所见证的速度——智能体框架（Agent frameworks）、自主编程、合成研究小组等等，一应俱全。

两种情境都包含了15%的摩擦因子，用于抵消监管、组织惯性以及中层管理人员将员工作为权力象征的固执。

第三步：产出。四张图表：按类别划分的职位随时间流逝被取代的情况、显示当前知识工作逐年冗余百分比的“崩盘指数”，以及将工作量与暴露得分交叉对比的打击矩阵。

📊 研究结果

图表1：崩盘指数。

两条S曲线，温和型对比激进型。

按照激进路径，30%的知识工作将在2028年被取代。按照温和路径，这一目标要到2030年才能达成。不管哪条，终点都是一样的——唯一的悬念是多块。

两条曲线之间的差距正在迅速缩小。十二个月前，温和情境看起来还很现实。但今天，随着Claude能编写高达100%的生产代码、AI智能体大规模处理客户支持，以及自动化分析取代初级分析师团队——激进曲线才更符合现实。

图表2：各岗位类别风险敞口。

这里就牵涉到个人了。分析师和法律助理受冲击最严重，风险敞口分别为84%和80%。这些角色的核心完全是信息的处理、总结和重组。而这正是大语言模型（LLM）的强项。

客户服务（77%）、HR协调（73%）和文案策划（72%）紧随其后。管理层以67%垫底——并不是因为管理者安全，而是因为这一角色的政治和关系维度目前较难自动化。

右侧面板显示了时间线。第一波（2025-2027年）摧毁信息处理层。第二波（2027-2029年）瓦解协调层。第三波（2029-2031年）则瞄准决策支持。

图表3：美国面临风险的知识工作岗位情况（累计）。

到2030年，共有810万个知识工作岗位面临风险。作为参考：这个人数比整个纽约市的人口还要多。

仅行政助理就占了350万个岗位。客户服务代表又增加了210万。这些不是抽象的预测——这些是背负着房贷的真实个体，而他们的经理目前还在告诉他们“AI只是工具，不是替代品”。

图表4：冲击矩阵。

这是让我彻夜难眠的一张图。X轴是暴露得分。Y轴是该类别的总就业人数。右上象限是“杀戮区”——高暴露、高数量。

行政助理正处于杀戮区：350万个岗位，风险敞口达77%。客户服务代表紧随其后。按绝对数量计算，这两个职业是受害最深的。

右下象限也很有意思——高暴露但数量较少。这里是法律助理、文案和市场调研员的所在地。虽然人数较少，但其职能几乎会被彻底颠覆。

该模型涵盖了30种职业、1860万名员工，基于OpenAI/宾夕法尼亚大学的暴露得分，并采用了逻辑斯谛S曲线，设置了15%的监管与组织惯性摩擦因子。

⚡ 企业崩盘的阶段

崩盘不会在一夜之间发生。它分为三个不同的阶段——大多数公司已经深陷第一阶段而不自知。

第一阶段：压缩

这就是我们目前的处境。

一家拥有500名知识工作者的公司并不会破产。它会变成一家拥有350人但收入相同且利润率更高的公司。CEO拿到奖金，股价上涨。而被裁掉的150人则去寻找那些正逐渐消失的工作岗位。

看看数据。仅在2025年，大型科技公司就在报告创纪录收入的同时裁减了超过15万个岗位。Meta通过两轮裁员裁掉了2.1万个职位，随后公布了史上利润最高的季度财报。Google解雇了1.2万名员工，其股价在次年上涨了58%。这种模式已经再明显不过了。

这不是重组，这是压缩。

“效率”这个说法掩盖了真相：公司发现他们的人员冗余达到了30-40%。AI并没有制造臃肿，它只是揭露了臃肿。中间层——协调员、协助者，那些整个工作就是负责在不同人之间传递信息的人——被证明是可以压缩的。

这里有一个令人不安的数学公式：一家典型企业的运营成本中有60-70%是人力成本。如果AI工具能让你用减少30%的人手完成同样的工作，那就意味着运营成本降低了18-21%。这直接转化成了净利润。全世界没有任何一个CEO会放过这块肥肉。

压缩阶段从外部看几乎是不可见的。公司不会宣布“我们要用AI取代150人”，而是宣布“为了提高效率进行组织重组”。裁员以50-100人为一波，分布在各个季度。HR称其为“自然流失”和“职位整合”。

但身处其中的人能感觉到。突然间，一个8人的团队变成了5人，却要做同样的活。留下的员工并不会心存感激——他们感到恐惧、过度劳累，并在私下更新简历。这就引出了第二阶段。

第二阶段：颠覆

从这时候开始，不再仅仅是压缩，而是摧毁。

假设一家小公司只有十人但十分精干，当这个竞争对手闯入市场，在AI智能体群的赋能下，创造了1000倍的投资回报率（ROI），完成了一支千人团队的工作。这个竞争者会将节省下来的成本重新投入到降低价格中，从而击垮传统企业。道理就是这么简单。

第一阶段那家350人的公司？那只是过渡状态。最终状态是一个拥有智能体群的10人团队，他们以1%的成本结构即可与传统千人组织的产出匹敌。他们不只是在竞争，他们是在通过定价让既有企业失去生存空间。

这种情况已经在发生了。Midjourney只有约40名员工，年收入却超过2亿美元。平均每位员工创造500万美元收入。相比之下，Adobe的人均收入约为28万美元。杠杆率不是2倍或5倍，而是18倍。

Klarna用一套AI系统取代了700名客户服务代理，现在该系统处理了三分之二的客户对话——相当于700名全职员工的工作量——同时将平均解决时间从11分钟缩短到了2分钟。这不叫生产力提升，对于企业内部来说这意味着一整个职业类别的被灭绝了。

这就是为什么大型企业无法反击：它已经被困住了。

它有租约、有掌握政治权力的中层管理、有HR政策、有合规层，还有一个按季度周期运转的董事会。从1000人减到350人让他们痛苦了两年。从350人减到10人则需要烧掉整个组织架构图并从零开始重建。没有哪个在位的CEO在提出这种方案后还能保住乌纱帽。所以他们只能进行渐进式优化，而精干的挑战者则在蚕食他们的地盘。

动力机制很简单：挑战者拿走98%的成本节省，将其中的30%再投资于降价，剩下的70%收入囊中。客户因为产品相同且价格极低而倒戈。传统企业收入流失，成本削减速度不够快，从而进入死亡螺旋。

这正是媒体（广告分类网站Craigslist杀死了报纸）、零售（亚马逊对比百货公司）和旅游（Booking.com对比旅行社）行业曾经发生过的事情。但这一次，不是某一个行业，而是所有的知识工作行业同时发生。

第三阶段：重建

毁灭之后，便是重建。但新的结构与旧的完全不同。

幸存下来的公司将是彻底的“AI原生”。不是那种在现有流程上强行加入ChatGPT的“AI增强”型企业。而是以智能体群为核心，由人类担任编排者而非操作员的真正新型有机体。

到2030年，一家幸存公司的组织架构图大致如下：10-15名资深专家，每人管理所属领域的AI智能体集群；一名定义上下文和约束条件的产品负责人；一名负责维护智能体基础设施的工程负责人；一名负责智能体协作设计系统的设计负责人；一名管理知识架构的数据负责人；以及一名负责编排整个系统并评估产出的CEO。

没有中层管理，没有协调员，没有“敏捷教练”。没有那种40个人花一周时间做PPT，向早已忘了上季度讲了什么的骨干层证明自己存在价值的季度业务评审。

重建阶段是达尔文式的适者生存。那些明白需要从零开始重建——而非优化现状——的公司可以活下来。剩下的公司将与Blockbuster（百事达）、柯达和黄页一起被送进企业墓地。

🌊 对劳动力市场的影响

这是谁都不想谈论的部分。

企业大崩盘不仅会重塑公司，还会重塑整个经济。劳动力市场将承受自工业革命以来最沉重的打击。

替代规模

让我们计算一下。仅在美国，劳工统计局报告就有约6300万知识工作者。我的模型显示，到2030年，其中810万个工作岗位面临显著的被取代风险。

但“取代”是一个被美化了的词。它的真实含义是：810万目前拥有稳定中产收入的人，将需要寻找全新的谋生手段。他们当中许多人正值四五十岁，背负着房贷，孩子还在上学，其退休计划是建立在能够持续就业的假设之上的。

历史类比具有启发性，但还不够。当制造业在1980年代到2000年代实现自动化时，二十年间大约取代了500万美国工厂工人。经济最终吸收了他们——大多数进入了低薪的服务行业。那个转型很残酷，耗时20年。

这一次，取代的速度更快（5-7年而非20年），规模更大（810万对比500万），而且退路——服务性工作——本身也在自动化。当AI也在处理客户支持、数据录入和内容创作时，一个被AI取代的项目经理能去哪里？

中产阶级空心化

知识工作者经济本应是标准答案。在制造业撤离后，剧本很明确：拿个学位，学会处理信息，加入专业人士阶层。现在，这份契约正在失效。

最容易受AI自动化影响的工作，恰恰是支撑中产阶级的那些岗位：行政助理（4-5.5万美元）、客户服务经理（4.5-6.5万美元）、初级分析师（5.5-7.5万美元）、营销协调员（5-7万美元）、法律助理（5-6.5万美元）。这些是郊区中产阶级的脊梁。

当这些职位缩减时，收入分配并不会整体平移，而是两极分化。你将拥有一个由AI赋能的专家组成的小型阶层，他们的收入比以往任何时候都高（即那个“10人团队”完成过去千人的工作）；同时还有一个庞大的被取代工人阶层，他们将为数量不断萎缩、AI暂时还无法触及的岗位展开竞争。

收入数据已经显示出早期迹象。在2025年，资深AI工程师的薪酬同比上涨了34%。而中层项目经理的薪酬则下降了8%。差距正在拉大，且速度惊人。

地理冲击

冲击的影响并不是均匀分布的。每个拥有企业天际线的城市——从新加坡到法兰克福再到圣保罗——都拥有一个由咖啡馆、干洗店、托儿中心和商业地产业主组成的生态系统。这个生态系统之所以存在，是因为每天早晨有1万人通勤进入那座大楼。

把人数减到500，大楼不会崩塌。但整个街区会。

美国办公室空置率在2025年第三季度已达到20.1%，创下历史新高。伦敦的金丝雀码头正在流失租客。幽灵楼层正在蔓延。而这甚至在压缩阶段加速之前就发生了。

技能鸿沟问题

对待每一波自动化浪潮的标准回应都是“重新培训”。但让我们坦诚面对现实吧。

你不可能把800万知识工作者都培训成AI工程师。这一角色的认知门槛很高，培训周期至少需要2-3年，而且AI工程师的市场需求并没有800万那么大。可能只有50万。

那么“AI相关”角色呢？提示词工程、AI产品管理、AI伦理？这些确实是真实的工作，但与被取代的规模相比，它们只是可以忽略不计的余数。这些岗位可能只能吸收20万到30万人。

令人不安的真相是，目前还没有完美的解决方案。过去的商业技术转型创造的工作多于摧毁的工作，是因为它们开启了全新的产业。

互联网几乎毁灭了旅行社，但创造了整个数字经济。AI最终可能也会如此——但毁灭与创造之间的滞后期可能长达5到10年。

🛡️ 你究竟该怎么办？

我不会用“只要我们适应，未来就是光明的”这种话来结尾。那是偷懒。以下是我对不同身份的人的真实建议。

如果你是一名个人贡献者

立即掌握具有杀伤力的AI技能。现在就开始。不是“我偶尔用用ChatGPT”。而是真正的精通。学习构建智能体群。理解上下文工程。建立一个能让你生产力比同行高出10倍的个人AI工具栈。在压缩阶段幸存下来的人，是那些通过将产出放大到超出任何合理裁员比例的人。

建立财务缓冲。如果你的职位属于高暴露类别（分析师、协调员、行政、初级项目经理），请假设你当前的工作只有3到5年的保质期。这不叫悲观，这叫规划。积极储蓄，降低固定成本，增加选择权。

启动一个副业。AI原生经济奖励创造者。利用现在的AI工具交付一些东西——一个产品、一项服务、一个咨询业务。在不再保证终身雇佣的世界里，独立创造价值的能力是最重要的技能。

如果你是一名领导者

别再假装AI仅仅是一个工具了。它是一种结构性转变。如果你的AI战略是“给每个人的工作流都加个Copilot然后看看会发生什么”，那你已经落后了。问题不在于如何让现有团队更高效，而在于如何用三分之一的人手交付同样的价值。

进行数学建模。看看你的组织架构图。应用30%的知识工作自动化因子。哪些能留存？哪些不行？如果你无法回答这个问题，你的上级会给出答案——而那个答案里可能不包括你的职位。

从零开始组建AI原生团队。不要尝试对旧团队进行改造。抽调出5-10人的精干、全能团队。给他们一套智能体基础设施和一个真实的业务问题。将他们的产出与传统团队进行对比。结果会告诉你关于公司未来的一切。

如果你是一名创始人

这是属于你的时刻。每一个拥有千人以上规模的既有知识工作行业现在都是脆弱的。保险承保、法律服务、财务分析、管理咨询、企业招聘。随便挑一个。建立一支10人团队。以十分之一的成本超越既有企业。剧本已经写好了。

🎯 结论

让我把话题带回最初的那场咖啡对话。

我那位副总裁朋友是对的。大多数的企业“编舞”都将过时。但他对时间线的判断错了。他以为是5到10年。而数据显示是3到5年。

模型告诉我们的是：

• 到2027年，在激进路径下，15-20%的知识工作将实现自动化。公司会将其粉饰为“效率提升”。股市会给予奖励。

• 到2028-2029年，压缩将加速至30%以上。此时痛苦将变得显而易见。大规模裁员不再是孤立事件，而是一种结构性趋势。“重新培训”的说辞将开始显得苍白无力。

• 到2030年，810万个知识工作岗位将面临被大幅取代。精干的AI原生挑战者将持续超越传统企业。崩盘不会是一个单一事件——它将是一个缓慢、磨人的侵蚀过程。

维诺德·科斯拉关于“到2030年80%的工作能力将自动化”的预测，即使具体数字有待商榷，在大方向上可能是正确的。轨迹很清晰，数学很真实，S曲线正在变得更加陡峭。

我们所熟知的企业结构——拥有14层管理架构、季度评审和为了管理HR部门而存在的HR部门的万人企业——是为人类是当时唯一可用“计算机”的世界而设计的。

那个世界在2024年左右就已经终结了。我们只是还没完成对其后果的处理。

我那位副总裁朋友还在他的公司。他们每年依然要花三个月做管理报告。他们现在正评估AI工具，试图将管理报告自动化。

到目前为止，还没有人问过，他们是否真的需要这些管理报告。

那个问题——那个显而易见、却没有任何当权者愿意回答的问题——正是崩盘开始的声音。你不会听见巨大的撞击声，而是面对过去那一千个岗位其实没必要存在的沉默。

译者：boxi。