AI折叠时代：从“当狗”到“当爹”，认知主体性决定阶层分化

事件概述

人工智能的发展正引发一场深刻的社会分层，被称为"AI折叠"。这一现象并非简单的工具使用差异，而是认知框架和主体性的根本分野。AI不再平均地奖励或淘汰所有人，而是将人迅速划分为两种命运：一种是成为算法的附属品（"当狗"），另一种则是成为驾驭智能的指挥官（"当爹"）。

核心事实与数据

1. 使用深度的量级鸿沟

• 成本差异：普通用户每月支付约20美元订阅基础AI助手（如Claude Pro），而顶尖团队单月Token费用可达15万美元。
• 认知差异：前者仅在评估工具价值，后者将其构建为持续运转的生产系统。深度使用者倾向于尝试高价值任务，形成复利效应，而浅层使用者仅停留在偶尔提问阶段。

2. 岗位价值的“掏空”现象

• 亚马逊案例：布鲁金斯学会研究员指出，亚马逊仓库工人的职责被简化为处理机器人故障和避让设备。尽管每位工人处理的包裹量指数级攀升，但设施内平均员工数已降至2016年最低水平。
• 本质变化：人的价值被悄悄抽空，工作变成了不定义目标、只接任务分发、不掌握节奏的系统配件。这种状态比失业更难察觉，因为它剥夺了人的判断力、主体性和可迁移能力。

3. 教育体系的结构性悖论

• 招聘数据：世界经济论坛数据显示，美国入门级岗位招聘在过去18个月下降了35%。
• 成长路径断裂：AI接管了原本留给新人练手的基础任务（如数据整理、初稿写作），导致企业追求短期效率的同时，切断了长期人才梯队的培养链。新人失去了积累经验的“新手村”，难以获得进入复杂任务的入场券。

4. 认知退化的潜在风险

• 用户担忧：Anthropic研究显示，22%的用户担忧自动化带来的影响，16.3%担心认知退化。
• 能力丧失：长期将判断外包给AI会导致提问能力、质疑能力、结构化表达能力以及面对复杂问题的耐心退化。这是一种人格层面的降级，使人失去在没有答案时提出好问题的能力。

5. 帕兰提尔模式：培养“定义问题的人”

• 用人策略：帕兰提尔（Palantir）采用“前线部署工程师”（FDE）模式，将员工直接嵌入客户现场解决模糊问题，训练其拆解不可能任务的能力。
• 成果验证：约10%的前员工后来创办了自己的公司，证明了该模式成功培养了能“把AI接进真实问题”并驾驭智能的人才。

关键结论与趋势

• 内生性加速：AI已进入“内生性加速”阶段，模型开始参与设计和优化下一代AI的研发流程。预计到2027年前后，将有数百万个能独立完成复杂任务的“数字员工”实例同时运行。
• 上游与下游的分野：未来的关键竞争在于谁在驾驭这些实例。上游人类负责分配智能、定义任务和验收结果；下游人类则响应算法指令，在既定流程中执行。
• 真正的护城河：在AI时代，真正的竞争优势不在于是否会写提示词，而在于是否具备主体性。升级的关键不是学会问模型，而是学会分配智能、组织人和任务，并具备审判模型输出的能力。

核心警示：如果你每天的工作越来越像给系统补漏洞，或者用AI减少思考而非扩大思考，那么你正处于被“折叠”的风险之中。真正的风险不是机器变强，而是人在机器变强的过程中被重新安排到了更低的位置。