现代职场是一个安静榨取的剧场，机械键盘有节奏的敲击声正被提示词（prompt）的无声嗡鸣所取代。生成式人工智能的承诺展现了一个超高效的闪耀地平线，每个员工都拥有上千名专家的洞察力，每项任务都能在几秒钟内完成。这个数字梦想暗示了一个从平庸劳动中彻底解放的时代，人类的心灵终于可以自由地专注于纯粹的战略和创意愿景。然而，这种转变需要将私有智力资本不断输入公共模型，除非组织对其专有逻辑建立严密的边界。效率的提升在算法上稀释了个人贡献者的价值，并不可避免地将财富集中在少数拥有模型权重的实体手中。
来自峰会的警告
微软首席执行官萨提亚·纳德拉（Satya Nadella）上周日在 X 上分享了对这一轨迹的坦率评估。他警告称，未来少数 AI 提供商将占据大部分经济价值，而传统行业将失去对其知识的所有权。纳德拉描述了一种情景：每家公司都将价值让渡给那些吞噬一切的模型。他表示，社会不会允许一个掏空整个行业的 AI 未来。他的话反映了技术领袖们日益增长的担忧，即当前的 AI 发展路径正反映了早期全球化的破坏性阶段。
在宏观层面上，与全球化的类比令人警醒。在全球一体化的第一阶段，工业经济体通过外包经历了大规模的空心化。表面上，GDP 数据保持稳定甚至有所增长。但在幕后，流离失所是真实的，其社会后果至今仍然普遍存在。纳德拉认为，AI 可能会通过外包人类认知而非体力劳动来重复这一模式。如果每家公司都使用同一个中央大脑，那么曾经定义企业的独特专业知识就会变成一种商品。知识不再是本地化的资产，而是第三方的训练数据。
哑数据管道的风险
Snowflake 首席执行官斯里达尔·拉马斯瓦米（Sridhar Ramaswamy）在今年早些时候也表达了类似的观点。他指出，最大的软件公司面临着沦为纯数据源的风险。在他看来，大型模型的创造者希望建立一个企业数据可以被他们轻易获取的世界。生态系统中的其他一切都只是为中央大脑提供养分的“哑数据管道”。这为那些花费数十年建立专有工作流和专业知识库的企业创造了系统性脆弱。
奇妙的是，这种趋势创造了一个“职业群岛”。在这种状态下，公司密集地聚集在数字生态系统中，却与自身的价值日益隔绝。他们提供原材料——数据——但处理这些数据的智能却属于别人。拉马斯瓦米指出，Snowflake 必须在担忧中运营，即用户可能会绕过专业工具，转而使用全能的 AI 代理。当一个代理可以访问来自各处的数据时，单个软件提供商就失去了其相关性。产品不再是工具本身，而是对已经吸收了该工具的模型的访问权。
上下文作为最后的堡垒
Box 首席执行官亚伦·列维（Aaron Levie）在今年 1 月的一篇 LinkedIn 帖子中指出了类似的问题。他注意到，AI 模型现在可以在法律、战略和研究领域执行高水平的知识工作。这种普遍性提出了一个关于差异化的根本问题。如果每家公司都能获得相同的专家智能，竞争环境虽然公平了，但高度却消失了。列维认为，上下文（Context）是公司脱颖而出的唯一剩余方式。
用日常术语来说，上下文是企业中杂乱、无法量化的人为因素。它是特定客户关系的历史、当地市场的奇特怪癖以及团队的集体记忆。虽然模型可以起草法律简报，但它不知道为什么某个特定条款对某个家族企业至关重要。矛盾的是，随着高水平智能变得越来越廉价，平庸的人类上下文的价值反而变得更高。企业的斗争在于如何保留这些上下文，而不让它们被吸进通用的训练集中。
专业惯习的侵蚀
通过这个镜头，我们可以看到对个人层面的影响。皮埃尔·布尔迪厄（Pierre Bourdieu）使用“惯习”（habitus）一词来描述我们通过经验获得的根深蒂固的习惯和倾向。一个木工大师不仅知道如何使用锯子，他们对木材有一种直观的感觉。在知识经济中，这种惯习是资深编辑的直觉，或者是老医生对模式的识别。
随着 AI 模型吸收这些专业人士的产出，惯习被数字化了。模型学习了模式，但人类停止了技能的练习。这导致了专业的原子化。个人不再是工艺传承的一部分，而是模拟该工艺系统的操作员。这种转变是“流动的现代性”的症状，职业路径不再是坚固的结构，而是不断变化的、转瞬即逝的任务流。当专家的直觉可以通过每月五美元的订阅获得时，专家就变成了不必要的开支。这就是纳德拉所担心的空心化。这不仅是工作的流失，更是人类在没有机器中介的情况下产生新知识能力的丧失。
智能的文献学
从语言学上讲，我们对智能的定义正在发生深刻的变化。我们曾经用这个词来描述人类理解和推理的能力。现在，论述已经转变，智能变成了一种像电力一样可以被开采、提炼和分配的资源。这种语义转变具有实际后果。当我们把智能当作一种公共事业时，我们忘记了它需要一个来源。
如果模型吃掉了它们看到的一切，它们最终会达到一个收益递减点，即它们是根据自己生成的合成产出来训练的。这创造了一种“镜厅效应”。语言变得更加华丽，但共鸣减少。洞察力变得更加标准化，但细微差别减少。一个每个人都使用相同模型的世界，是一个人类知识集体拼布停止增长的世界。我们留下的是一潭优化的平庸死水。
引人深思的问题
为了应对这一转变，我们必须审视我们的日常惯例和我们构建的系统。与其仅仅关注产出速度，不如优先考虑独特上下文的保存。
- 你的日常工作中有多少取决于你特定的历史和关系，而不是通用知识？
- 你是在建立一个专有的学习系统，还是仅仅在喂养一个你不拥有的模型？
- 你能识别出职业生涯中人类直觉提供模型无法复制价值的时刻吗？
- 如果进入你特定专业领域的门槛降至零，你的行业会发生什么？
夺回人类的存在感
最终，挑战在于将技术作为锚点而非替代品。我们已经看到之前的技术变革浪潮如何承诺连接却带来了孤立。当前的 AI 时代威胁着类似的悖论：它提供无限的知识，同时剥夺我们的认知。我们必须有意识地在集体智能和个人专业知识之间设定边界。
那些无法被数字化的事物中蕴含着微妙的力量。会议中揭示潜在冲突的尴尬沉默、建立十年忠诚度的手写便条、以及当地贸易的专业术语，都是抵制商品化的形式。我们应该观察我们的日常惯例并识别这些人类残余。夺回上下文是确保我们不仅仅是大型机器中数据管道的唯一方法。即使在一个想要为我们生成意义的世界里，我们也必须保持自己意义的建筑师身份。
来源
Nadella, S. (2026). Social media post regarding AI and industrial value. X.
Ramaswamy, S. (2026). The risk of the data pipe. Snowflake Executive Podcast.
Levie, A. (2026). Differentiation in the age of AI. LinkedIn Professional Insights.
Bauman, Z. (2000). Liquid Modernity. Cambridge: Polity Press.
Bourdieu, P. (1977). Outline of a Theory of Practice. Cambridge University Press.
