AI 真正重定价的，不只是工作效率

我把 Kunal Shah 和 Vinod Khosla 这两段对谈连着看完，最大的感受不是“AI 又厉害了一点”，而是他们都在逼你承认一件更难听的话：AI 不是在帮人提效，它在重定价什么叫值钱的工作。

这两个人说话的高度不一样。Kunal Shah 盯着个人、岗位、时间分配和 10x engineer。Vinod Khosla 盯着产业、教育、医疗、能源和 2040 年的通缩世界。但他们其实在讲同一件事：旧世界里那些靠摩擦、靠信息差、靠流程冗余养活的大量岗位和产业，正在被压扁。真正可怕的，不是“以后大家都没工作了”，而是同样在工作的人，会因为会不会借 AI 放大判断力，开始活在两条完全不同的增长曲线上。

快不是重点，重定价才是

Kunal Shah 有个说法很狠：世界上最大的雇主，其实是低效。我觉得这句话不一定精确，但它抓住了一个很少有人愿意明说的现实。过去几十年，很多岗位之所以存在，不完全因为它们创造了高价值，而是因为组织内部沟通慢、信息传递慢、判断链条长、执行成本高。你可以把这些摩擦理解成一种隐形就业池。

AI 一进来，先打掉的往往不是最高级的判断，而是这些摩擦。原来要给 junior 做的资料整理、初步分析、格式改写、基础客服、标准化代码、通用研究，现在模型已经能吞掉相当一部分。于是问题就变了。不是“AI 会不会替代人”，而是“哪些人的工作，本来就只是人工搬运摩擦”。

这也是为什么我不太认同那种轻飘飘的“AI 只是帮你更快完成工作”说法。更快只是表面。真正发生的是，市场开始重新给不同层级的能力标价。会提问、会取舍、会校验、会把模型嵌进真实流程的人，杠杆陡增。只会执行明确指令的人，价格先掉。

Kunal Shah 在视频里说，CRED 现在 90% 的代码由 AI 写。一年前还是 5%。我不打算替这个数字背书，但哪怕把它打七折，信号也够强了：组织要的已经不是“会不会写”，而是“能不能在 AI 大量参与之后，仍然对结果负责”。

印度最危险的，不是失业新闻，而是旧外包公式失灵

第二个让我觉得刺耳但重要的判断，来自两人都反复提到的同一点：印度旧的 IT services / BPO 故事，可能真的在被倒计时。

这不是一句耸动的话。NASSCOM 和 IBEF 的公开数据都说明，印度技术产业和服务出口不是边角料，而是国家增长机器的关键部件。也正因为它太重要，AI 对它的冲击才不能只被理解成“科技圈的下一波 buzzword”。

旧外包模式的核心逻辑很简单：西方高工资市场把一部分标准化、流程化、可分解的知识工作交给印度，换取成本优势和规模优势。但今天最先被模型吃掉的，恰恰也是这些最容易标准化、最容易分解、最容易流程化的部分。Kunal Shah 说，原来那句 “outsource the rest”，以后很可能先变成 “agent the rest”。这话我觉得基本成立。

真正的问题还不只是岗位流失，而是增长梯子的中段开始松动。一个国家可以承受某些岗位减少，但很难承受“原本承接年轻人、训练中层、制造组织经验的整条爬梯突然变短”。如果初级任务被模型拿走，中层就没有那么稳定的训练来源；如果客户开始默认把更多流程自动化，外包商就不再靠人头扩张，而靠少数高能力团队做部署、集成、治理和交付。

这里我同意 Khosla 的一半，不同意另一半。我同意的是：旧业务确实会被压缩，而且比很多行业里的人愿意承认的更快。我不同意的是：这件事不会自动转化成“印度部署 AI 的新机会”。机会当然有，但它不会自动长出来。只有当大量公司愿意主动背叛自己最赚钱的旧模式，这个机会才是真的。问题是，旧模式往往正因为太赚钱，组织才最不愿意先动刀。

真正先断掉的，是年轻人的训练场

两段视频里，最让我不安的不是“10x engineer”这种亮眼口号，而是他们都碰到了同一个难题：如果 AI 先吃掉 entry-level 工作，那 20 岁出头的人靠什么长出判断力？

过去很多人的成长路线，虽然笨，但存在。先做重复活，慢慢知道流程怎么转、客户怎么想、问题怎么拆、什么地方会翻车，再往上拿更复杂的责任。现在这条路的问题是：最适合训练新人的那层工作，恰恰最容易被模型先吞。

所以 Khosla 说大学以后真正该教的不是知识，而是 curiosity 和 agency；Kunal Shah 说别再等政府、公司、父母来替你补课。老实说，这类话我一向警惕，因为它们很容易把结构问题全部推回个人头上，最后变成一种残酷的成功学。但警惕归警惕，它们还是戳中了一个不得不面对的现实：当执行越来越便宜，主动发起、快速学习、持续校正，确实会变成更稀缺的能力。

我更愿意把这件事说得朴素一点。不是人人都要创业，也不是人人都要变成“apex predator”。真正的分水岭是：你还把 AI 当聊天对象、润色器和捷径，还是已经把它变成自己的练习场、陪练、研究助理和小型操作系统。如果只是把它拿来省几分钟，你得到的是便利；如果你用它来压缩学习曲线、做项目、做验证、做复盘，你得到的才是杠杆。

这也是为什么我觉得这两段视频最该刺痛的，不是印度，不是外包行业，甚至不是程序员，而是所有还相信“等风更明确一点再学也不迟”的知识工作者。因为最先被淘汰的，未必是最笨的人，而是仍按旧节奏累积能力的人。

我真正买单的结论

我读完之后，真正买单的结论只有一个：未来几年最危险的，不是 AI 会不会把所有人一锅端，而是价值创造链会被重新排位，你可能还在原公司、原行业、原岗位里，但已经掉到更低杠杆的一层。

这层变化不会总以裁员新闻出现。它更可能表现为：同样一个团队，少数人拿着 AI 把判断、集成和交付做到了过去几个人的量级；更多人还在原来的流程里忙，但他们忙的部分越来越像可替代的接口层。表面看都在上班，实际站位已经不同了。

所以如果非要把这篇文章压成一句建议，我会写得很具体：别把自己训练成“会配合 AI 完成任务的人”，而要训练成“能借 AI 快速获得判断、并对结果负责的人”。前者只是在跟着工具更新；后者才是在新价格体系里往上挪。

对印度也是一样。真正的问题不是能不能继续拿到 AI 的红利，而是有没有勇气承认：旧的成本套利故事已经不够了。下一轮价值，可能属于那些最先学会部署、治理、整合 AI 的公司和个人，而不是最会出售工时的人。

说到底，这两支视频让我最不舒服、也最愿意接受的一点是：AI 没有先把所有工作拿走，它只是先把借口拿走了。

如果你所在的行业最容易被“agent the rest”，你准备把自己往哪一层能力上挪？

原文参考

Kunal Shah on Groww India Investor Festival 2026 https://www.youtube.com/watch?v=L1Npx-fBing

Vinod Khosla on SparX by Mukesh Bansal https://www.youtube.com/watch?v=pfGAdzo09xw