这一次，自动化替代的是大脑

英文版：When Automation Came for the Mind

以往每一轮自动化替代的都是肌肉，这是第一次，它替代的是判断力——而它的经济账，不是线性的。

硅谷的大公司里最近流行一个古怪的排行榜。它不比谁的代码写得漂亮，也不比谁的产品上线快。它比的是一件听起来很荒唐的事：谁烧 AI 的 token 烧得最快。烧得越快，排名越高。

只要你有一点做生意的直觉，这就该让你不安。公司本该降本增效，token 是成本，烧得快按理说是坏事。可为什么整个行业却悄悄地把花钱最凶的人，当成了最厉害的人？

答案是这十年里最重要的经济信号之一——而它几乎和 token 本身无关。

柴油是产出的影子

先看一台更简单的机器。工地上两台挖掘机，一台一天烧两百升柴油，另一台只烧二十升。只看油耗，省油那台显得更聪明。

再看产出。第一台挖了一千方土，第二台只挖了五十方。结论立刻翻转。柴油从来不是浪费，柴油是干活的影子。烧得多，不代表机器不小心，而代表这台机器整天满负荷运转、一刻不停。

Token 就是 AI 的柴油。烧得多，不代表你在浪费，而代表你有能力让这台机器全速运转——而大多数人根本做不到。他们的 AI 大半时间在空转，或者在修自己因为指令太含糊而犯下的错。高 token 消耗是一个证据：有人把系统设计得足够干净，干净到能让一台昂贵的机器一直忙着，而不必盯着它的每一步。

这是排行榜的表层读法，没错，但它不是有意思的地方。

有意思的地方，是这个排行榜到底是什么的症状。

两个世纪以来，自动化只做一件事：用机器替代人的劳动。织布机、流水线、收费站、扫码结账。每一轮都把某一类原本需要人的活，交给了一套机械。

但仔细看是哪一类活。永远是体力的、重复的劳动。流水线上的肌肉，操纵杆上的手，一万次重复同一个动作的身体。自动化冲着手来，而在很长时间里，大脑觉得自己是安全的。写代码、做设计、写文案、做研究——这些被认为是机器永远碰不到的活，是高地。

刚刚变的，就是这件事。这是第一轮直接冲着认知劳动来的自动化。不是搬，不是压，不是扫——是思考。一旦你看清这一点，那个古怪的排行榜就根本不再是关于 token 的了。它是一张排名：谁最会驾驭这台替代大脑的机器。

接下来这一层，不管你靠什么谋生，都值得你抬头。

以往每一轮自动化外面都围着一堵墙：资本。要让一座工厂自动化，你得先把工厂建起来。买机器人，铺产线。前期投入巨大，于是只有资金雄厚的大公司玩得起。这堵墙同时也是一道刹车，它让自动化的扩散又慢又不均匀，大体上是线性的——一次一套昂贵的安装。

这一轮没有墙。

一个人、一台笔记本、一个包月账号，现在就是一整条产线。没有要跨过的最低资本门槛，没有必须先达到的规模经济。任何人明天就能把这台机器拿起来用。而当采用一项技术的门槛降到近乎为零，它的扩散就不再是线性，而是指数级的。就这一个差别——没有资本闸门——让这件事感觉不像一件新工具的到来，而更像一次相变。

给它安个数字。假设一个人一个月跑八千美元的 AI 算力，用它做出了原来一个十人团队一个月的产出。在一个人力昂贵的市场里，十个熟练的人——工资、福利、保险、办公室——一个月的成本远远超过二十万美元。

八千，对二十万。

这个二十五比一的比例，才是排行榜真正在量的东西。不是谁花得最多，而是谁能把一小笔机器劳动力，最高效地换成一支昂贵人类团队的产出。烧 token 烧得快，只是底下那个极高杠杆率冒出来的尾气。

而这种量级的杠杆，已经不是一个技术话题。它是一个经济问题，一个产业结构问题，也是一个关于未来就业的信号。

那么，到底是什么让一个人能做到二十五比一？不是纯粹的编程能力。站在排行榜顶端的人，不是打字比别人快。他在做一件更古老、也更熟悉的事。

他在管理。

要让一支 AI 团队一直满负荷运转，你得做的正是一个好的人事管理者做的事：把一个大目标拆成清晰的任务，定义流程，设好边界，决定每个成员什么可以自己判断、什么必须拿回来问，处理异常，调度资源，让任何一环都不闲着。哪一环一旦卡住，你立刻替它排掉卡点，然后继续。你整个的工作，变成了让机器不要停。

每一段职业生涯里都有一个经典的跃迁：从个人贡献者变成管理者。你不再以自己亲手产出多少来衡量，而是以你的团队通过你产出多少来衡量。这个跃迁正在重演——只不过这一次，你的团队里没有一个活人，每个成员都是一个智能体。但它对你要求的能力没有变。你依然要拆任务、派活、定规矩、调度工作。

所以，形容那个排行榜赢家最准确的说法，不是”花钱最多的工程师”，而是：最好的 AI 管理者。一个顶级的 AI 工程师，本质上是一个顶级的 AI 经理人。

如果你靠写代码谋生，本能是去学下一个框架或语言。我认为那是错的一步。现在稀缺且能复利的能力，不是又一门语法，而是学会把一支 AI 团队带好——去当一支由软件组成的劳动力的 CEO。

而如果你不写代码，这件事只会更是你的问题，而不是更不是。认知自动化不会停在编程里。任何建立在判断力之上的岗位——分析、写作、设计、规划、研究——迟早都会撞上同一个问题：谁能最高效地调度 AI 去做它。学会指挥这种劳动力的人，会和不会的人，运行在完全不同的量级上。

这就绕回了整个故事里最古老的那个画面。挖掘机来的时候，旁边拿着铲子的人依然能挖。他不是没用，他只是和那台机器不在一个量级上了。Token 排行榜是同一幅画，又被画了一遍——只不过这一次，铲子是键盘，被搬动的土是思想。

所以真正值得坐下来想一想的，不是机器会不会来替代你这一行。而是一个更安静的问题：当它来的时候，你是那个握着铲子的人，还是那个知道怎么开动机器的人？