你的職業護城河只是一灘水：中國藍領黃金熱教會我關於人工智慧的事

在中國，沒有什麼能在藍海中保持超過幾年的時間。不是白領工作。不是藍領行業。甚至不是父母現在瘋狂推動孩子進入的「安全」職業道路。

這個類比是地理性的：中國東北，曾經肥沃得可以「用勺子撈魚」，之所以變成這樣，是因為滿族人封閉了幾個世紀。人少。沒有剝削。富饒。然後大門打開了。人們蜂擁而入。在一代人之內，肥沃消失了。

中國勞動市場的同樣模式：

• 1980年代：大學教育是一片藍海。文化大革命摧毀了受過教育的階層。第一波——「舊第三類」——走進了定義他們生活的工作。

• 1990年代：父母們察覺到了。補習班。考試準備。每個人都在追逐白領夢。

• 今天：碩士學位積滿灰塵。那片土地的「生育力」已經枯竭。

幾年前，西風告訴他的讀者：反向思考。大家不在看哪裡？

非標準的藍領工作。無法自動化的技術工種。逐案解決問題。這種工作經驗至關重要，每一份工作都是定制的。

幾年來，工資飆升。需求超過供應。這就像是中國東北的重現——在擁擠的環境中出現的一片富饒之地。

然後分數出來了。

今年，杭州的職業學校入學分數 — 職業學校 — 正在壓倒底層的普通高中。家長們已經明白了。秘密已經曝光。土地搶購已經開始。

在3-5年內，那片藍海將變成紅海。

這是我所感受到的

核心論點不是關於中國。這是關於 壓縮週期.

無論你在哪裡：

1. 大量人口

2. 透明的信息

3. 低進入門檻

...任何優勢都會迅速被套利。唯一能創造可持續豐富的事物是人員稀缺 — 地理隔離、政策障礙、信息不對稱。

中國只是因為擁有14億人口和微信而加速了這個循環。

但這是讓我夜不能寐的原因：

人工智慧正在對世界其他地方做的事情正如中國的人口對其勞動市場所做的。

它正在移除最後一個可持續優勢的來源：能力的稀缺性。

舊的護城河已經消失

幾十年來，西方專業人士在不再成立的假設上建立了「職業護城河」：

| 老護城河 | 為什麼它有效 | 為什麼 AI 會摧毀它 | |----------|---------------|-----------------| | 憑證把關 | 學位稀缺 | AI 可以通過律師資格考試、醫學考試、CFA | | 經驗累積 | 10,000 小時 = 專家 | AI 在 100 億小時上進行訓練 | | 隱性知識 | "你必須親身經歷" | LLMs 吸收每一個曾經被記錄的 "那裡" | | 網絡效應 | 關係 = 交易流程 | AI 代理人協商、尋源、成交 | | 監管保護 | 許可職業 | AI 大規模合規 |

中國模式 — 從藍海到血腥競爭的 3-5 年 — 現在是任何可以數位化技能的全球模式。

認為自己安全的律師？AI 簡報已經通過了律師資格考。

以模式識別建立職業的醫生？AI 診斷在放射學、皮膚科、眼科的表現超越了專家。

出售「專業知識」的顧問？擁有正確上下文視窗的 GPT-4是專業知識。

西豐所識別的非標準藍領行業——那些需要實體出席、即興發揮、人類判斷的混亂環境——那些爭取了時間。也許十年。

但機器人技術 + 人工智慧也將來臨這些行業。不會是明天，但比職業規劃者預測的要早。

那麼，什麼才是真正持久的？

如果證書過期，專業知識商品化，甚至隱性知識也被訓練於所有曾經寫過的內容的模型提取——那麼，真正的護城河是什麼？

我一直在從這個角度思考系統性成長架構 — 我們在 Mercury 使用的框架，幫助企業建立自我增強的成長循環，而不是線性漏斗。

這一見解同樣適用於職業生涯：

唯一可持續的優勢是能夠比它們商品化的速度更快地建立新的優勢。

不是技能。不是證書。不是人脈。

一個 重塑系統。

實際上看起來是什麼樣子

1. 停止建立護城河。建立感測器。

捕捉到中國非標準藍領浪潮的人並不更聰明。他們是在其他人不注意的地方尋找。

在一個由 AI 加速的世界中，重點不在於某一領域的深度。重點在於跨領域的模式識別 — 能夠在群眾到來之前發現肥沃的變化。

這就是我為什麼著迷於 跨領域合成。人工智慧 + 信任架構 + 行為經濟學 + 制度設計的交集。並不是因為這些中的任何一個是可以辯護的。因為 組合 創造了暫時的肥沃土壤。

2. 壓縮你的反饋循環

中國的循環之所以快速，是因為資訊流動迅速。人工智慧使全球資訊流動變得瞬時。

贏家不會是擁有最多專業知識的人。他們將是擁有最緊密的反饋迴路 — 誰能最快進行測試、學習和調整方向。

在 Mercury，我們在客戶身上看到了這一點。在 AI 轉型中獲勝的企業並不是那些擁有最大研發預算的企業。它們是那些能在幾週內進行實驗、獲取市場信號並重新分配資源的企業，而不是幾個季度。

3. 建立信任架構，而非專業知識倉庫

這裡有一個反直覺的部分：隨著 AI 將專業知識商品化，信任成為最稀缺的資源。

任何人都可以制定策略。但並不是每個人都能讓一個組織去 行動 之上。

任何人都可以寫程式。不是每個人都能讓團隊 發佈 它。

任何人都可以產出內容。不是每個人都能建立一個 相信 它的觀眾。

這就是為什麼我們專注於 信任架構 — 組織如何在大規模上建立、維護和傳遞信任的系統性設計。這不是一項技能。這是一個 元能力，隨著其他事物的商品化而不斷增強。

4. 接受沒有什麼是永恆的 — 並為此設計

西峰最殘酷的觀察： 我們的壽命太長了。

在古代，捕捉一個浪潮就足夠了。平均壽命：35歲。提前期：10年。在浪潮崩潰之前你就已經死了。

今天？你將工作50年以上。捕捉一個浪潮——一個證書、一條職業道路、一個專業高峰——已經不夠了。你需要捕捉連續的浪潮。

對企業來說，這個含義同樣明顯：

如果你的「核心競爭力」是靜態的，那就是一種負擔。

那些能夠生存下來的組織，不會是目前市場上擁有最深專業知識的組織。它們將是那些擁有放棄衰退優勢並培養新優勢的組織能力 — 在過渡期間不會崩潰。

水星框架應用

我們對面臨 AI 擾動的客戶使用一個簡單的診斷：

生育測試：

1. 你目前正在收穫什麼優勢？

2. 這項優勢多久會被 AI 商品化？（誠實回答。3 年？5 年？10 年？）

3. 你下一個肥沃的領域是什麼？

4. 你有沒有系統性能力在群眾之前到達那裡？

大多數組織在第 #4 點失敗。他們看到浪潮來臨。他們甚至知道下一個浪潮在哪裡。但他們的結構——他們的招聘、激勵措施、決策——是為了收穫目前的浪潮，而不是捕捉下一個。這就是

系統性成長架構問題的核心：線性組織優化於開採。系統性組織則優化於 problem in a nutshell: Linear organizations optimize for exploitation. Systemic organizations optimize for 大規模探索。

我個人的做法

我不假裝已經完全搞清楚這一切。但這是我目前的運作模式：

• 60% 的時間：利用當前優勢（Mercury 的 GEO/信任架構實踐、演講、寫作）

• 我30%的時間： 建立感測器 — 廣泛閱讀、進行實驗、與相關領域的人交談

• 我10%的時間： 為下一波做準備 — 即使我還不知道那究竟是什麼

那10%是最困難的。這感覺沒有生產力。它不會產生立即的投資回報。但這是對抗三年過期週期的唯一保險。

殘酷的真相

西峰以一句讓人回味的話結束了他的文章：

*"你認為一波就夠了。我們的壽命太長了。"*

人工智慧正在各地實現這一點。不僅僅是中國。不僅僅是勞動市場。在每一個能力可以數位化、壓縮並大規模分發的領域。

問題不在於你目前的護城河是否能夠保持。它不會。

問題是：你有建立新護城河的系統嗎？

因為那些有這種能力的人——能夠感知生育變化、壓縮反饋循環、並在舊結構崩潰之前重建的人——才是那些不會在紅海中站著，想知道藍海去哪裡的人。

James Huang 是 Mercury Technology Solution 的執行長，他幫助企業為人工智慧時代建立系統性增長架構。他在 [mtsoln.com](https://www.mtsoln.com) 上撰寫有關信任、技術和優勢壓縮的文章。