2023年初，大模型问世，至今为止三年有余。三年多来，大模型到底会带来什么，已然有极多讨论。包括但不限于以下话题——是创造机会还是替代就业？是如虎添翼还是技能平权？利好年轻人还是利好中老登？但是，在今天，我们更需要知道，大模型实际带来了什么？
今天，使用7.4亿条截至2026年8月的招聘数据，我们发现了几个在现实世界中已经出现的重要变化。
1.能够通过使用大模型在单位时间内完成更多任务的岗位，确实减少了。什么是“通过大模型在单位时间内完成更多任务”？
一个岗位，有3条任务，分别是编写代码、规划产品、沟通客户，其中编写代码的效率可以在大模型的帮助下提高100%，规划产品的效率只能提高60%，沟通客户的效率只能提高20%，那么这个岗位的平均提速率大概就是(100%+60%+20%)/3=60%。
我们通过大模型，对于7.4亿条岗位，逐条抽取每一个岗位的任务和需求，再使用大模型对于每一个任务和需求进行打分，算出每一个任务可以被大模型加速的程度，在职业层面汇总计算后，可以得到下图。
把每一个职业的“大模型加速程度”和每一个职业从2023年到2026年的增长程度放在一张散点图上，我们能看到非常显著的一条向下倾斜的直线。越容易被大模型加速的岗位，在市场上的需求，确实减少了。
2.大模型带来的冲击并不是统一的，低工资、低经验的年轻人受到的冲击更大，有经验的中高职位需求不降反增。
从这两张图可以看到，低工资的人群，和高工资的人群，面对的冲击完全相反。低工资的人群，在寻找容易被大模型加速的岗位时，面对的是一个快速缩小的需求。高工资、高经验的人群则看不到这样的需求减少，对于这批人的需求，甚至可能继续上升。用两张图的直线斜率来概括，前者的斜率为负，而后者为正。斜率负得越多，意味着来自大模型的冲击更大。
以上三张图列出了不同教育、经验和工资的人群面临的不同斜率。控制住了经验和工资以后，不同教育的人群，面对的大模型冲击并没有多少差异。但是在工资维度和经验维度则能肉眼看到影响。经验最高的那群人，斜率依然为负，但是负值小多了。
工资相对较高——确切地说，高于12000元每个月——的那批人，斜率不仅不为负，还是正的。
高经验、高工资的人，不仅不会被大模型冲击——大模型反而为他们打开了新的大门。
3.专门做某件事的人不见了，事还是得有人做的。在美国的数据中，斯坦福大学的那篇《煤矿中的金丝雀》，已经把入口职业受到冲击更大这件事，讲得很清楚了。接下来，才是我们独有的发现。
首先，越是容易被大模型加速的岗位，其任务结构正在变得越「混杂」。一个程序员，三年前唯一的任务是编写代码。
现在除了编写代码，还要设计产品，还要做测试，还要见客户……三年前不需要做的事情，现在一股脑儿堆在了一个人头上。
其次，越是容易被大模型加速的任务，会分布在越来越多的职业里。
“编程序”这个任务，以前只有程序员需要承担，现在不仅是程序员要承担，数据分析师要编程，产品经理要编程，HR也要编程……三年前集中在少数人身上的任务，现在谁都可以来做，谁都应该做。大模型对于职业和任务的影响，程度是完全不同的。
容易被大模型加速的职业，确实减少了。但是这些职责并没有消失，而是分散到了不同的人身上。
画出这张图的时候，我是起了一身鸡皮疙瘩的。因为它影响的其实不仅仅是劳动力多一点少一点本身这件事。它意味着——现代社会赖以生存的分工墙壁，被打破了。
4.不再被需要的年轻人，和承担起年轻人任务的“中登”们。当人们从事的任务变得更混杂，而任务本身也不再是某些职业专有的时候，我们在市场上会发现大量全新的任务组合。
很多任务，原来一定是存在于不同的两个岗位，两个人身上的，现在出现在了同一个人身上。于是一个人又得做编程，又得做行政管理——不知道是程序员开始做行政管理了？还是管理者开始编程了？抑或两者兼有？新的任务组合，有着非常显著的特征。
它们具有更低的“大模型加速”分数。这很好理解，因为很容易被大模型完成的岗位，在招聘广告中不用再被重点提及。
但是它们具有更高的“现场依赖”“具身手艺”“错误后果”“例行可编码”的分数。
它的意思是，新的任务，更多地需要人们在现场，动手操作来完成；且错误后果造成的影响更大，这意味着完成这些任务的人如果出错了，要背上更大的锅；同时这些任务还是能够SOP编码为固定流程的。
简单地说，“高度标准化，但必须由人在真实物理环境里亲手执行，而且一旦做错代价很大的操作性任务”，越来越多地出现在了招聘岗位的要求中，由那些原本只需要围着电脑工作的人来完成。而这些岗位出现在哪里？
高学历、高经验、中高工资、中型企业、劳动力市场更薄、更容易受到产业冲击的地方，新职责的组合，更激烈地出现。
在这些地方，公司正在变得更加扁平，年轻人不再被招聘——但是本应由年轻人完成的工作，由职场中坚们通过大模型来完成。
“中登”们的需求反而更大了，因为他们一个人要完成许多人的工作，背更多的锅。福耶祸耶？
虽然大模型出现已经有几年了，但是中国真正地开始使用大模型完成工作，只有两个时间节点。第一个是2025年DeepSeek-R1的问世。第二个则是2026年各类智能体的高速发展。真正大规模使用大模型的企业，其比例比我们想象的要低得多。对于就业造成的影响，可能也没有那么大。
大模型的影响，出现在流量中，出现在需求中，出现在被重构的岗位任务中。2026年的招聘需求，因为大模型的应用，减少了5.2%。
但是有18.6%的工作岗位，从事的任务组合，已经和三年前完全不同了。我们再回到前面提到过的那个论点上。为什么分工墙壁是现代社会赖以生存的东西？这要从250年前亚当·斯密的《国富论》开始说起。
让我们以一种非常微不足道，但其中劳动分工现象经常受到注意的制造业为例，那就是制针业。
一个没有受过这种行业训练的工人——劳动分工已经使制针成为一种独立的职业——如果既没有受过训练，也不熟悉这个行业所使用的机器，那么即使他竭尽全力，一天恐怕也很难制造出一枚针，无论如何肯定制造不了20枚。
但是，在现在这种生产方式下，制针本身不仅已经成为一种专门的行业，而且还被分成许多不同的工序，其中大多数工序本身也成了专门的职业。
一个人拉铁丝，一个人把铁丝弄直，第三个人切断，第四个人削尖，第五个人磨针的另一端以便安装针头；制造针头又需要两三道不同的工序；把针头装上去是一项专门的工作；把针磨白又是另一项工作；甚至把针插到纸上，本身也是一种专门的职业。
这样一来，制造一枚针这项工作大约被分成了18道不同的工序。在有些工场里，每一道工序由不同的人完成；在另一些工场里，一个人也可能同时承担两三道工序。
我曾经见过这样一家小型工场，里面一共只有10名工人，因此其中有些人需要承担两三种不同的操作。虽然他们很穷，所使用的机器设备也很简陋，但只要努力工作，他们一天大约能够生产12磅针。而一磅普通大小的针超过4000枚。
因此，这十个人一天总共能够制造4.8万多枚针。如果把总产量平均分摊到每个人身上，那么可以认为，每个人一天生产了4800枚针。
但是，如果这十个人各自独立工作，而且没有任何人受过这种专门行业的训练，那么他们每个人一天肯定制造不了20枚针，甚至可能连一枚也制造不出来。
换句话说，他们独立劳动时所能完成的产量，肯定不到现在的240分之一，甚至可能不到现在的4800分之一。而如此巨大的差距，正是由于他们对不同生产操作进行了适当的分工与组合。人类的分工产生效率提升，200年来都是不变的真理。
这条真理告诉我们，每个人没法学会所有技能，所以你的技能和我的技能放在一起，我们各自专精各自所学，充分合作，就能发挥出百倍效率。这条路往前走，每个人的工作变得越来越窄，越来越高度重复。
正如卓别林的《摩登时代》，工人的唯一任务，就是拧紧一颗螺母，除此之外什么都不需要想，只盯着眼前的螺母和手中的扳手就可以了。
当每个劳动者的任务越来越专精，而掌握的信息越来越少，企业就需要更复杂的科层制来掌握每一层级的信息，把任务向前推进。
科层制导致效率的损耗，于是每一个任务再度被分解，被SOP，高度专业化，期望得到下一轮次的效率提升，然后带来更大规模的组织……所以我们才说，分工不断细化，是现代社会赖以生存的重要基础。
因为每个人都只会高度专业的一件任务，技能是高度定制化的，所以一个人离开了组织，就什么都不是。
不是组织需要人，而是已经高度专业化的人，更需要组织把他们集合在一起，让他们每个人发挥所长。而大模型打破的，正是这点。大模型使得任务的学习和任务的转换都变得不再需要成本。
大模型有限的上下文窗口，使得“统一的信息窗口”成为了新的稀缺。
两者共同作用，人类的最优分工深度，第一次出现了掉头。把工作拆给很多人这件事，第一次变得不再划算了。
这也是我们第一次看到有那么一大群人，他们不需要组织，就可以独自完成所有工序。
在《国富论》出版前半个多世纪，另一本脍炙人口的书籍问世了，那就是《鲁滨逊漂流记》。
孤岛上的鲁滨逊，造了房子，打猎，种植，畜牧……在孤岛上自给自足地活了下来。没有分工，没有科层，没有企业，没有组织，活了下来。大模型的时代，是鲁滨逊的时代。而孤岛之间的鲁滨逊们，是没有必要进行任何交流的。
这才是大模型时代我们需要思考的问题——当生产不再需要分工，我们用什么来黏合社会？
当然，在我们快速推进到这个未知的未来之前，我们还可以提出很多“但是”。
但是大模型仅仅能够完成计算机领域的工作，其他领域都还无法完成。但是真正用大模型来改变组织结构的公司仅是极少数。但是绝大部分一人公司并找不到真实的需求，根本活不下来。但是的但是，我们根本无需着急下判断。大模型，对新时代的鲁滨逊们来说，既是自由，又是枷锁。
使用了大模型让自己如虎添翼时，就更加需要稳定的电力、网络、算力的供应，才能完成他们在虚拟世界中的全流程“生产”。而电力、网络和算力的稳定生产，仍然需要大规模的分工社会才能完成。所以，至少在目前，分工的消失仅仅在数字生产这一领域出现。
等到我们用诸多“但是”在人群中筛选出的第一批鲁滨逊活下来时，我们或许能够看到，他们对世界有了哪些新的提问，以及这个世界给予了他们怎样的回答。
本文使用的数据来自香港浸会大学杨阳教授。本文技术细节可参考我们共同撰写的论n.com/sol3/papers.cfm?abstract_id=7358820。摩登时代和鲁滨逊的比喻来自北京大学沈艳教授，特此表示感谢。