吴恩达：AI正在引起职场“阶梯断裂”，人才可以分成四个段位

微信邦

最近两个月，国内外很多AI工具都在进行军备竞赛，功能升级的速度越来越快，不少AI工具把能力吹得神乎其神。虽然相比半年前的AI能力确实有长足进步，但要说马上就能取代很多人类的工作，那就太高估AI的能力，同时低估人类工作的复杂度了。
2026年1月的达沃斯论坛上，在一片“AGI两年内到来”、“AI将取代人类80%工作”的喧嚣声音中，AI大神吴恩达说了一句很多人没注意到的话：
“对于许多工作而言，AI现在以及可预见的未来只能完成30-40%的任务。”
这句话听起来像是在“降温”，似乎在说AI没那么厉害。但如果你仔细想想，会发现这个数字比那些“全面替代论”更值得警惕。
为什么这么说？今天，我们请AI学习圈主理人快刀青衣老师来详细分析下。作者：快刀青衣
来源：得到App《AI学习圈》吴恩达的这句话意味着：AI不会让你的工作消失，但会让你的工作方式彻底改变。它不会让所有人失业，但会让不会用AI的人失去竞争力。一个会用AI的应届生，现在的生产力可能超过一个工作5年但拒绝AI的老员工，这不是科幻，而是吴恩达在达沃斯反复强调的现实。更关键的是，这30-40%的任务正在重新划分职场的段位——谁能驾驭这30-40%，谁就能跃升；谁拒绝这30-40%，谁就会掉队。就因为这句话，我去找了吴恩达在达沃斯上的所有发言。相信咱圈子的同学对这位大神并不陌生，在此前的广播站里，我们曾多次提到他。他身上有着多重身份：既是学者，至今担任着斯坦福客座教授；又是创业者，DeepLearning.AI创始人；还是投资人，AI Fund管理合伙人；他还是教育家，录制了很多AI普及教程，启发了全球非常多的人，包括我在内。这种多重身份让他的观察既有技术深度，又贴近商业现实。在达沃斯的五天里，他参与了多场官方论坛，接受了多家媒体的采访，从职业阶梯的断裂到IT服务业的危机，他的洞察覆盖了技术、商业和地缘政治等多个维度。今天我想和你聊聊，在这个“30-40%”的数字背后，吴恩达到底看到了什么。吴恩达在达沃斯反复强调一个观点：AI取代的不是工作，而是任务。这听起来像是在玩文字游戏，但背后的逻辑很残酷。如果一个工作包含10项任务，现在的AI能做其中的3-4项。按照传统的乐观主义逻辑，这意味着员工可以从低价值任务中解放出来。但吴恩达指出了一个被忽视的问题：如果这3-4项任务恰好是初级员工用来“入门”的任务呢？传统的企业人才培养是“学徒制”：初级分析师整理数据、写简单的SQL查询，律师助理搜集判例。这些工作看起来价值不高，但它们是新人了解业务逻辑、积累隐性知识的必经之路。现在，AI恰恰最擅长这些“入门级任务”。吴恩达把这个现象称为“阶梯断裂”（The Broken Rung），Rung的意思就是梯子上横着的木板。这就非常形象地给我们展示的一个图景，那就是一栋楼的楼梯被拆掉了，你站在一楼，想上楼，但上不去。过去，初级员工通过做“入门级任务”积累经验；现在，AI把这些任务都做了，初级员工直接失去了成长的阶梯。这导致了一个悖论：企业极度渴望有经验的高级AI人才，却不愿意培养初级人才，因为培养成本高且初级工作的经济价值已被AI抹平。当然，更值得注意的是吴恩达提出的“工程师效率四梯队”，他把当下的工程师分成了四个段位：第一梯队是10-20年经验的老工程师，精通AI工具，这些人既懂业务又会用AI，效率最高。第二梯队是应届毕业生，精通AI工具，他们虽然经验不足，但生产力已经超过了很多中级工程师。第三梯队是经验丰富但拒绝使用AI的老工程师。吴恩达的原话很直接：“我绝不会再雇佣这样的人。”第四梯队是既无经验也不懂AI的毕业生。这个分级很残酷。一个应届生的生产力能超过10年经验的老工程师？但仔细想想，这就是工具革命的常态，会用挖掘机的新手，效率肯定超过只会铁锹的老师傅。AI对编程的改变，本质上就是这种工具革命。更残酷的是吴恩达随后补充的观点：大学还在培养适应2022年工作的学生。吴恩达在2002年就成为了斯坦福计算机科学与电子工程系的助理教授，2011到2014年，正好是这一轮人工智能开始爆发的起点阶段，他成了斯坦福人工智能实验室的主任。所以作为有二十多年大学教育经验的他，非常直白的表示：不幸的是，高等教育正在辜负许多应届毕业生。因为它们还在让学生为那个已经不复存在的、2022年以前的世界做准备……甚至有的计算机专业毕业生在步入职场时，竟然从未调用过API。这也让我想起了自己有次去国内某高校校招，看到一堂前端技术课教的框架，全球已经没有企业在使用了，但大学生们还在学习这个毕业就再也用不到的技术。所以，当考察学生死记硬背代码语法的考试还在继续，当“不许使用AI工具”的作业要求还在课堂上出现，这些毕业生们直接就被分到了第四梯队。而那些熟练使用Cursor、Claude Code等AI工具的应届生，跳过了传统的“学徒期”，直接跃升到第二梯队。这就是吴恩达说的改变：它不是让所有人失业，而是重新定义了“入门门槛”和“竞争力标准”。过去，初级员工需要会做基础任务；现在，初级员工需要会“指挥AI”去做基础任务。这个转变听起来微妙，但对于能力模型的要求却是质的飞跃——你需要具备以前只有高级员工才有的系统思维和判断力。吴恩达那句被广泛传播的话，放在这个语境下就很好理解了：“AI不会取代人类，但使用AI的人将取代不使用AI的人。”这不是鸡汤，而是职场正在发生的现实。值得注意的是，吴恩达在达沃斯上还花了大量时间解释一个概念：AI智能体。过去几年，我们对AI的使用习惯是“一问一答”。吴恩达把这种模式比作“不允许使用退格键写文章”，也就是让一个人从头到尾一气呵成地写完一篇文章，不能打草稿，不能上网查资料，不能修改。这种模式下，即使是最聪明的人也很难写出高质量的作品，但这恰恰是我们过去几年强迫AI工作的方式。吴恩达分享的一个银行的案例，让我印象很深：传统的贷款审批流程需要1小时。信贷员要人工查询客户的信用记录、收入证明、抵押资产，然后填写表格、计算风险评分、生成审批报告。这些步骤环环相扣，每一步都需要人工操作。现在，AI可以自主完成这整套流程：它会先规划任务，拆解成查信用、验收入、评风险、写报告四步，然后调用外部工具，登录信用系统查数据、运行Python脚本计算评分，在生成初稿后自我反思“这个评分合理吗？”“有没有遗漏的风险点？”最后输出审批建议。整个流程缩短到10分钟。在这个流程中，人类信贷员的角色从“执行者”变成了“监督者”——只需要在AI遇到特殊情况时，比如客户提供的资料存在矛盾，介入判断就可以了。这背后是现在AI的四个核心能力：会规划任务、会调用工具、会自我反思、会多角色协作。吴恩达特别强调“会反思”这一点：通过多轮迭代，一个参数量较小的模型在特定任务上的表现，能战胜那些参数量巨大的顶尖模型的单次生成结果。这种工作流的重构，吴恩达称之为“100倍战略”：能不能做得快100倍？能不能做得多100倍？当AI能够独立完成一系列长链条任务，这个问题的答案开始变成“可以”。吴恩达的这个提法给了我很大的启发，就是我们在看很多企业内的应用环节时，如果只是比没有AI时提升一点点，例如帮忙做两张图，这时我们并不会把传统的工作流程和选人标准推倒重来。但如果我们把目标设置为之前的100倍，那就不能走在以前的惯性老路上，必须要推倒重建。当然，这种能力是有代价的。AI需要多轮“思考”和“反思”，那么完成同一个任务消耗的算力可能是过去的10倍甚至100倍。但吴恩达认为这是划算的：如果一个AI代理能通过多轮迭代，帮你优化远洋货轮的航线，节省10%的燃油成本，可能就价值数百万美元。那么即使这个AI运行一次消耗了10美元的算力，投资回报率依然是非常惊人的。AI不再是“聊天伙伴”，而是“数字员工”。而当AI变成“数字员工”，一个更底层的变化正在发生：工作角色的边界开始模糊。吴恩达分享了一个有意思的观察：产品经理（PM）和工程师的比例正在发生“坍缩”。传统的软件公司，1个产品经理对应4-8个工程师。产品经理负责想需求、写文档、画原型，工程师负责写代码、测试、部署。这是一条清晰的分工线。但当AI能够辅助编程，这个比例开始变化：1:8变成1:4，然后变成1:2，再变成1:1。吴恩达说，现在这个比例正在“坍缩进一个人体内”，也就是同一个人，既是产品经理又是工程师。他自己的招聘偏好很能说明问题，他说：“我在招聘营销、招聘、前台甚至CFO时，都强烈偏好会写代码的人。”不是说要他们去写生产环境的代码，而是需要他们具备“用代码解决问题”的思维方式。当你的CFO会用Python跑财务模型，当你的营销总监会用API调取数据做分析，整个公司的运转效率会发生质的变化。这种“坍缩”不是个例。吴恩达在接受Economic Times专访时，对印度的IT服务业发出了严厉警告：传统的人力套利模式正在走向终结。印度IT服务业的传统模式是什么？简单来说，就是欧美公司把软件开发外包给印度，印度公司雇佣大量工程师按人天计费。这个模式建立在一个前提上：写代码需要大量人力。过去，欧美公司开发一个CRM系统，可能需要外包给印度一个50人的团队，耗时6个月。现在，用AI辅助开发，可能只需要10个高级工程师，耗时2个月。这不是假设，而是正在发生的变化。吴恩达的判断很直接：如果印度IT服务业还停留在“提供人力”的阶段，将面临生存危机。唯一的出路是从“提供人力”转向“提供AI原生的解决方案”。不是靠100个工程师给客户现场写代码，而是用AI工具加10个高级工程师，交付同样甚至更好的结果。当然，在我看来，这个警告不仅针对印度IT服务业，也适用于所有依赖“人力规模”而非“效率创新”的行业。举个例子，我们身边有大量的外包公司，很多企业或者机关单位没有相应的项目能力时，他们的很多项目都要靠人力外包来完成。但如果AI的能力进一步提升，很多任务企业内部员工可以借助AI来做优化和改变，那对依赖人力外包为盈利模式的企业来说，将是一个巨大的打击。在说到AI泡沫时，吴恩达的判断很清晰：如果AI领域存在泡沫，那主要集中在基础模型训练这一层。因为训练一个前沿模型动辄数十亿美元，但商业模式很单一，主要靠API销售。随着开源模型能力的提升，闭源模型的溢价空间被极度压缩。除了少数几家头部玩家，大量中间层的模型公司可能会因为无法收回成本而倒闭。但应用层和推理层，吴恩达认为不仅没有泡沫，甚至是投资不足的。真正能帮企业省钱、赚钱的是具体的AI应用。他说：“不要盯着那几家造大模型的公司看，去看看那些正在用模型改造传统行业的公司，那才是真正的金矿。”对于咱们普通人来说，这个变化既是危机也是机会。危机在于，如果你停留在“执行者”的角色，你的价值正在被AI快速替代。机会在于，如果你能学会“指挥AI”，你的生产力可能提升10倍甚至100倍。所以，与其观望，不如动手。你的各项工作任务都可以考虑用AI试试，当你真正试过一遍，关于“何时用”“何时不用”以及“怎么用”的问题自然就有底了，关键是动起来。