马斯克曾说：“社会竞争，其实没必要让你胜过所有人；多数人都比较懒，只要比他们多努力一点，就可能超过60%的人。”可真正值得追问的是：今天决定一个人能否胜出的，真的还是多努力一点吗？
四十多年前，美国职场已经经历过一次类似的能力重新定价。1984年至1989年，个人电脑大规模进入办公室。后来NBER研究发现，使用电脑工作的劳动者，工资大约比相似但不用电脑的人高10%至15%。 当时真正拉开收入差距的，并不是谁每天多坐一个小时，而是谁先学会把新机器变成自己的生产工具，这一轮历史正在换一种形式重演。
更值得注意的是，电脑革命后来没有让所有熟练电脑的人永远领先。软件逐渐标准化，基本电脑操作最后变成普通技能，早期的稀缺优势慢慢消失。研究还发现，电脑扩散推动企业提高了对高技能劳动者的需求。 这意味着每一次技术革命都会走过同一条路：先奖励会用工具的人，再淘汰只会用工具的人。
2026年的AI就业市场已经出现这种迹象。LinkedIn今年8月公布的数据很有意思：美国AI岗位数量较2023年大约翻倍，典型招聘标示薪酬约17.7万美元，而普通非AI岗位约8万美元。 这不是简单的“AI行业工资高”，而是市场已经开始用真金白银给某些新能力重新标价。
PwC统计得更加直接。2026年需要AI技能的招聘岗位增长69%，全部岗位只增长约9%，AI技能平均工资溢价达到62%。 如果社会竞争真能简化成“比别人勤奋一点”，企业没有必要付出如此巨大的技能溢价，资本愿意多付的钱，恰恰说明稀缺能力比单纯增加劳动量值钱得多。
还有一个更反常识的变化。PwC发现，在AI影响较大的初级岗位中，企业要求判断力、领导力等传统资深能力的概率，是其他初级岗位的7倍。 过去年轻人可以进入公司以后慢慢学，现在机器已经能够承担部分入门任务，企业反而要求新人更早拥有过去工作多年才培养出来的能力，竞争门槛其实是在提前。
现实没有这么整齐。一个人在需求持续萎缩的方向坚持五年，不一定比进入新产业两年的人更有优势；一个人每天机械完成十小时重复任务，也可能比不上另一个能够发现问题、组织资源、判断风险的人工作六小时。技术革命最残酷的一面，就是它经常重新定义什么叫“有价值的努力”。
OECD今年6月的数据进一步证明了这一点。制造业和金融业约40%的受调查雇主把技能短缺视为采用AI的重要障碍，可真正需要高级AI开发技能的劳动者不到1%。 多数普通人不需要成为模型专家，真正缺少的是利用数字工具、理解数据、解决现实问题的能力，这个门槛远比“人人学编程”更现实。
因此未来最大的社会分化，很可能不是AI人才和非AI人才，而是“能够重新组织工作的人”与“只能等待任务的人”。前者知道哪些环节交给机器，哪些地方必须自己判断；后者即使非常勤奋，也只能在别人设计好的流程中提高速度。机器越便宜，这两类人的市场价格差距就越可能扩大。
中国已经开始面对这种变化。8月3日至9日，人社部门组织人工智能行业招聘专场，950余家企业提供5600个人工智能相关招聘需求，其中包括算法、后端、系统架构等岗位。 这说明AI竞争已经开始从实验室进入真实就业市场，接下来比拼的不会只是几个明星模型，而是产业能吸收多少新技能劳动者。
国际社会同样看到了这个问题。9月初G20创新部长级会议形成的共识文件，把“技术人才队伍建设”直接列为六大支柱之一，中国、欧盟、日本、韩国、印度等经济体均参加会议。 各方对AI监管松紧争得很厉害，却对人才竞争几乎没有异议，这已经说明真正的较量正在从模型参数延伸到劳动者能力。
从2026年9月初来看，对中国而言，这里面恰恰存在自己的空间。中国不应把AI竞争理解成培养少数年薪百万的算法高手，更大的价值，是让工厂工程师、外贸人员、设计师、医生、物流人员和普通技术工人都能把AI嵌入具体工作。一个少数精英会用AI的国家，与几千万产业人员都能使用AI的国家，形成的生产力不是一个量级。