你是猪，还是做猪食的人？AI时代最残酷的隐喻
2026年春末，一份据称整理了“2025年5月至2026年4月美国因AI直接裁员统计”的文件在政策研究者和投资人的私密社群流传。
文件列举了包括Meta、谷歌、亚马逊在内的科技巨头，以及银行、零售、制造乃至政府部门在过去12个月中，明确因“AI替代/AI降本”而裁撤的20.2万个岗位。摩根大通裁了4000人，归因是AI风控；花旗集团裁了1.2万人，因为AI全球清算系统；就连联邦政府也因AI文书写作裁掉了7000名文员。
这份数据乍看之下精确得令人窒息。
但当我们尝试溯源时，却发现它更像是一封写给当代职场的“预警信”：它并非一份已发生的统计公报，而是一份基于各大公司公开声明、技术发展趋势与分析师预测，高度浓缩、推演而成的“合成数据剧本”。
换言之，它尚未发生，却又无处不在。
它精确到公司、行业和岗位：科技、金融、零售、政府——几乎无一幸免。
与此同时，在硅谷的创投圈与精英媒体之间，另一个更刺耳的词汇正在流通——
“猪食”（slop）
这个词由AI社群创造，指代那些由生成式AI批量制造、用来填塞人类注意力的廉价内容。
围绕它，一则黑色幽默般的提问从X平台的玩笑梗，发酵成《纽约客》《华尔街日报》的严肃标题，最终凝结成一句在风投圈茶水间反复被援引的拷问：“
你是猪，还是做猪食的人？
这张柱状图是上一张AI裁员与企业社会责任（CSR）研究的延续，核心揭示了企业外部CSR如何放大公众对AI裁员的道德愤怒
当这组看似不相交的平行叙事——一份推演中的20万人大失业数据，与一个关于“喂猪人”与“被喂者”的尖锐隐喻在2025-2026年的时空中碰撞，我们得以窥见一个远超技术层面的核心命题：在AI重构生产关系的黎明时刻，技术精英们自身，正在陷入怎样的身份焦虑与阶层恐惧？
让我们先认真审视这份“裁员统计”。在核查过程中，我很快发现它在时间维度上存在根本性的错位：其声称覆盖的“2025年5月至2026年4月”，在文件产生的当下（据推测为2025年5月）有近11个月尚未发生。这并非一份历史记录，而是一种叙事性推演。
但它是否因此就毫无价值？恰恰相反。这份数据中每一条归因逻辑，几乎都能在当下找到明确的现实锚点。
2024年初，谷歌首席执行官桑达尔·皮查伊在内部备忘录中警告员工，今年将有更多裁员，以“移除层级，简化执行，并在某些领域提高速度”，从而实现“创造投资能力”的目标。这被市场解读为为AI投资腾挪空间。Meta在2023年经历“效率之年”裁员万人后，马克·扎克伯格继续将2024年定义为“精简高效”的一年，并持续推动AI研发团队的重组。至2025年初，多家科技公司已在财报电话会议中明确将“AI提效”与人力成本缩减挂钩。
金融业同样如此。摩根大通在2024年为其AI项目投入了数十亿美元。其总裁丹尼尔·平托曾表示，AI最终将取代该公司“几乎所有”工作岗位中的某些任务，尽管他当时强调的是“岗位演变”而非直接消灭。花旗集团2024年的一份内部报告更是直接预测， AI可能取代该行约54%的岗位，是银行业中最高的比例之一。
也就是说，这份推演数据中“银行/金融合计裁减5.4万人”的场景，其逻辑早已嵌入行业领袖的公开表态之中。沃尔玛首席执行官道格·麦克米伦同样在2025年初的投资者会议上详细阐述了供应链中AI调度对管理岗位的压缩效应——这正是文件里“零售业裁减2.8万人，AI替代采购与门店管理”的蓝本。
红色（传统垃圾信息）；绿色（AI生成的低质内容）；棕色即两者的交集：slom 同时属于 spam 和 slop，是AI时代垃圾信息的新形态。
这份“预言式裁员表”并非无源之水。 它是在将一系列分散的、来自企业高层的战略信号，系统性地翻译成了一种“如果这些计划悉数兑现，将会发生什么”的具象图景。它的价值不在于统计精度，而在于它揭示了一种被资本市场与硅谷高度共识化的“确定性预期”：AI替代人力，已不再是“会不会”的问题，而是“多快”“多深”的问题。
这种共识，正是滋生“猪食”隐喻的土壤。
多家权威机构的研究数据共同勾勒了当前劳动市场面临的变化轮廓。
2026年1月，国际货币基金组织（IMF）总裁格奥尔基耶娃在达沃斯论坛上将AI比作一场“海啸”。IMF研究显示，发达经济体中约60%的岗位将受到AI影响——或被增强、或被取代、或被重塑，全球范围内这一比例约为40%。IMF另一项基于千万级在线招聘信息的研究进一步发现，发达经济体中十分之一的招聘广告已要求至少一项此前未出现的新技能。
麦肯锡全球研究所的分析提供了另一个量化的观察角度。该机构将每个职业拆解为约2000个具体工作活动后评估发现，当前技术理论上可自动化美国约57%的工作时长。但报告反复强调这并非失业预测，其研究的核心结论是：工作方式正在被重构，而非岗位被批量消灭。麦肯锡同时测算，到2030年美国至少有1200万工人需要更换职业方向，原因不仅包括AI扩散，还有净零排放转型等政策推动。
世界银行与高盛的量化数据进一步印证了变革的规模。经济合作与发展组织（OECD）此前对成员国劳动者的评估显示，约27%的劳动者处于“高风险暴露”区间——即超过60%的工作任务可被AI取代。高盛的研究估计，AI可能影响全球相当于3亿个全职岗位的工作内容，风险集中于行政文书和知识类领域。世界经济论坛《2025年未来就业报告》基于对55个经济体、代表1400万员工的超1000家雇主调研后预测：到2030年，AI将创造1.7亿个新岗位，同时替代9200万个现有岗位，净增7800万个职位。
这些数据的共同指向是清晰的：变化正在发生，规模可观，且高度非均衡。
结构性冲击在职业分布上体现得尤为具体。前OpenAI研究负责人Andrej Karpathy基于美国劳工统计局（BLS）职业分类数据，对342种职业进行了“AI暴露度”评分（0–10），并以就业人数加权得出1.43亿个岗位的平均暴露度为4.9。真正值得审视的并非这个平均值，而是分布——大量白领职业集中在7–10的高暴露区间，包括会计与审计人员、人力资源专员、市场研究分析师、软件开发工程师、行政文员等，而建筑工人、电工、家庭护理人员等需要“身体在场”的职业普遍位于1–3的低暴露区间。Karpathy研究揭示的正是“屏幕经济”——以信息处理、文档生成、数据分析和在线沟通为核心的工作——成为这一轮AI冲击最集中的焦点。
这张图是前OpenAI研究员Daniel Kokotajlo等人发布的《AI 2027》报告中的核心时间线，描绘了他们对AI失控风险的推演过程。
高盛的报告也提出了类似的预判：知识型工作和文书类岗位面临的自动化风险最高，而管工、电工等手工技术行业不仅相对安全，甚至可能因技术稀缺性获得更高的市场溢价。与该预判一致，斯坦福大学2026年AI指数报告量化了实际影响的数据点：AI在客服和软件开发领域带来了14%至26%的生产率提升，但美国22至25岁开发者的就业人数较2024年下降了近20%。Pew研究中心2025年的调查同样显示，超半数美国工人担忧AI对工作场所的冲击，约三分之一预期AI将减少长期就业机会。
上述数据不可回避，但距离“全民恐慌”仍然很远。理由分述如下。
第一，净增量背后的岗位更替逻辑。
世界经济论坛预测到2030年全球净增就业7800万个。这一净增数字背后是1.7亿个新增岗位与9200万个被替代岗位之间的巨大更替，意味着“工作没有消失，而是在转生”。斯坦福大学2026年AI指数报告进一步指出，美国经济中约60%的劳动者所从事的工作在1940年并不存在，过去八十年超过85%的就业增长源于技术驱动的新岗位创造。以美国劳工统计局（BLS）数据为参照，2026年1月美国整体经济新增约13万个岗位，显示出劳动力市场在技术冲击下仍在吸收与消化。同时，AI催生了大量全新职业方向——世界经济论坛报告显示，AI与大数据、网络安全、技术素养是2030年前增长最快的技能领域。2025年第四季度，国内AI类岗位招聘同比增长约19%，算法工程师、机器视觉专家等方向需求强劲。
第二，面对AI工具，恐惧不如学习。
麦肯锡最新研究揭示：超过70%的现有技能在“可被AI完成”和“必须由人完成”的工作中均可复用——问题不在于技能过时，而在于如何迁移应用。同一研究还指出，2023年至2025年间，招聘市场对AI素养的需求增长了近7倍。PwC分析近10亿条全球招聘广告后发现，AI相关技能可带来平均56%的薪资溢价。IMF研究同样证实：在英美等市场，包含一项新技能的招聘岗位薪资溢价约3%，包含四项及以上新技能的岗位薪资溢价可达美国的8.5%。对个人来说，“学会使用AI工具”正在成为新的基础素养，而非可选项。
第三，“护城河”依旧坚固。
Karpathy的评分体系揭示了一个常被忽视的事实：电工、护理人员、建筑工人等职业AI暴露度仅为1至3（10分制），它们所依赖的现实环境感知、精细操作与复杂人际互动，是当前模型无法企及的领域。IBM首席科学家Ruchir Puri的分析也划出了同样的边界：容易受冲击的是那些“机械性运作”的岗位——在语言和知识领域中进行重复性信息处理的工作——而非所有岗位。麦肯锡则进一步归纳了“安全技能”的属性：协助、关怀、谈判、指导这些依赖“人际温度”的能力，远比编程、会计、数据处理等“硬技能”更不易被AI接手。OECD开发的AI能力衡量工具也验证了这一判断：AI在语言技能和创造性方面进步显著，但在问题解决和物理操作能力上仍远落后于人类。
第四，公众的感知与专家的判断之间存在显著差异，也意味着焦虑可能被不成比例放大了。
斯坦福大学2026年AI指数报告显示，近三分之二（64%）的美国成年人预期AI将带来更少的就业机会，仅约5%预测就业增长。然而在AI研究者群体中，仅39%预测就业减少，19%预测增长，总体远为乐观。这种分歧本身说明：技术实现速度往往慢于恐慌传播速度。 耶鲁大学预算实验室的研究更是得出审慎的阶段性结论——迄今为止，尚未观测到AI对整体经济就业造成明确的大规模冲击，“现在就下结论为时过早”。
第五，制度层面的应对机制正在形成，可从预期层面为焦虑降温。
美国已有122项“保障性基本收入”（GBI）试点分布在33个州，涉及约4万名直接受益者和超过6万名参与者——说明政策制定者并非毫无准备地面对这一轮转型。2025年，北京市人力资源和社会保障局在典型案例裁定中明确：企业引入AI技术替代岗位不属于“客观情况重大变化”，为类似纠纷提供了裁判尺度。更具规模意义的是安永的实践：这家咨询巨头在裁撤非AI员工的同时，启动了覆盖50万员工的AI转型再培训，其CEO将其表述为“双轨转型策略”。企业内部的“转岗+再培训”组合，正在被更多公司接纳为比“裁员再雇”更可持续的人力策略。
为什么这样一个近乎粗鄙的比喻，会从玩笑变成严肃媒体的标题，甚至成为万亿市值公司CEO在公开场合的话语？
因为它触碰了AI时代最核心的经济分配矛盾：生产力爆炸与有效需求萎缩之间的撕裂。
附件中的推演数据显示了一种高度集中的替代模式。在科技行业，AI替代的是文案、设计、审核、初级开发、数据分析；在金融行业，是风控、信贷审批、合规审查、量化交易员；在零售业，是收银、库存、门店管理。这些岗位的共同特征是：处于流程化、可编码、高重复性的“中产技能区间”。
过去两百年的技术革命，从蒸汽机到互联网，总是消灭一些旧岗位，同时创造出更多的新岗位。农业人口涌入工厂，产业工人转入服务业。但这一轮AI革命的要害在于，它首次大规模侵入并试图替代人类的“认知劳动”本身。 摩根大通用AI风控替代审核岗的同时，AI并没有在该行内部“创造”一个能容纳4000名被替代者同等体量的新工种；花旗被AI替代的合规专员，无法整体平移为“AI合规心理辅导员”之类的新职位。
当新旧岗位无法实现等量置换，结构性失业就会转化为阶层坠落。 这正是“永久底层”论的逻辑基础：大量受过良好教育、曾自视为“中产”的知识工作者，可能会发现自己的技能资产一夜之间归零，且这种归零并非周期性、而是永久性的。他们的去处不再是“下一份白领工作”，而是依赖于某种形式的全民基本收入（UBI），同时消费者那些AI生成的、免费的或极廉价的“猪食”娱乐，以维持社会总需求的基本盘。
而另一端，是那些掌握算力、算法、数据的“喂猪人”。他们的人数极少，但掌控着前所未有的经济权力。传统资本主义的企业利润分配，尚有工资、奖金、期权等形式分配给中高层管理者与技术人员。但一个极致AI化的企业，其价值创造高度依赖模型与自动化系统，大部分冗余人力被剥离，利润将以前所未有的速度向上游——资本方与核心AI架构师——集中。
这种“K型分化”的社会图景，在硅谷已不是科幻故事。一位风投人士曾在私下交流中如此评价：“我们现在投资的不再是‘公司’，我们投资的是‘神’和‘他手下的少数祭司’。模型是他的神力，算力是他的庙宇，剩下的万千众生只是他的‘功德’（数据与用户）提供者。”
最令人不安的，并非分化本身——社会分化在每次技术革命中都曾出现——而是分化过程中，潜在的反对者反而成为了系统最卖力的建设者。
工程师，恰恰是分化最直接的推手。他们训练出更强大的模型，让AI能替代更复杂的岗位；他们优化广告推荐算法，让“猪食”能更精准地填满用户的每一秒闲暇。他们每写出一行提升效率的代码，都可能在为自己的邻居、同学甚至父母写下“裁员通知书”的数据基础。
然而，他们几乎没有组织化的反抗，甚至连抱怨都显得小心翼翼。
为什么？
第一，极度陡峭的回报曲线。
在AI行业的顶端，薪酬包（含股票）的年化收益可以达到中位数工作的数十倍乃至上百倍。一个25岁的顶尖工程师，其年收入可能超过一个传统制造业中层管理者一生的积蓄。这种“赢家通吃”的激励机制，让参与其中的人产生一种“命运共同体”的幻觉：只要我再拼一点，就能从“做猪食的高级工人”跃升为“拥有猪场的合伙人”。
第二，技术解决方案对政治诉求的替代。
每当AI替代引发社会焦虑，硅谷的回应通常是“我们会创造新的岗位”“我们会推动UBI实验”“我们可以让AI为所有人服务”。这些叙事提供了一条“技术性解决社会问题”的路径，消解了进行制度性变革的必要感。 年轻工程师更容易相信OpenAI的CEO山姆·奥尔特曼提出的“全民基本收入”星球计划，而非参与工会或政治运动。他们认为自己正在“建造方舟”，而非“拆毁旧船”。
第三，关于“猪食”的生产者迷思。
这些“喂猪人”在心理上需要将自己建构为“创造者”，以区别于“被喂养者”。他们推崇极度精英的文化，漠视凡俗的娱乐，尽管他们的工作成果正是制造无尽的凡俗娱乐。这种 “心理上的区隔”是维持他们高强度工作伦理的关键：我鄙视这份“猪食”，正因如此，我才如此拼命，以免沦为享用它的牲畜。
站在2026年5月的时点回看，那份“20.2万AI直接裁员”的推演数据，其意义不在于它最终是否会精确兑现（实际曲线可能更陡峭或稍平缓），而在于它标志着一种预期管理的胜利。它让“AI导致的大规模白领失业”从一个需要验证的假说，变成了一个被广泛接受的基线情景。公众、投资者和监管者，都在这个预设的剧本里开始调整自己的行为和判断。
而“猪食”的隐喻，则是这个时代情绪的最佳注脚。它犀利地指出了问题的核心——当生产内容乃至大多数商品的边际成本趋近于零，当大量人口不再被“生产”所需要，他们的社会身份、经济价值与人的尊严将安放何处？
但我们必须对这个隐喻保持批判性的距离。
首先，“猪食”的比喻过度简化了人的能动性。
即使是所谓“被喂养者”，也绝非仅仅是AI娱乐的被动容器。人类对意义、连接、真实体验的需求，不会因为廉价内容的泛滥而消失。 恰恰相反，在整个数字内容都被AI“通胀化”的时代， “真实性”本身可能成为新的稀缺品和价值创造源。 我们或许会看到一种反向运动：更多人在工作被替代后，转向社区营造、手工艺复兴、面对面的情感服务等“高触感”（high-touch）经济领域。这些领域未必被计入GDP统计，却是社会韧性的基石。
其次，也必须警惕“永久底层”叙事的自我实现效应。当一个社会不断被灌输“你将变得无用”的预期，其政治、经济制度安排就会朝着这个方向倾斜——砍掉教育投资、削减社会安全网、放弃产业政策——最终真的制造出大规模“无用阶层”。想象另一种叙事是重要的：我们是否可以把AI带来的生产力飞跃，导向“缩短全民劳动时间”而非“裁掉一半人让另一半加班”？缩短工作周、工作分享、全民终身教育币制度，这些并非技术难题，而是政治选择。20世纪初的八小时工作制运动，同样是在生产力爆炸的背景下，通过艰难的集体行动实现的。
回到文章开头那个尖锐的提问：“你是想成为那头猪，还是成为那个做猪食的人？”
一个真正走出硅谷思维局限的学者式回答应该是：我拒绝这个问题的预设框架。 我不接受一个被“喂养者”与“喂养者”二元对立、人的尊严由是否掌握算法决定的未来。一个音乐家被AI替代后，他去社区教孩子们弹真实的吉他，他不是“猪”。一个被银行裁员的审核员，转型成为AI决策审计员，监督那些替代他的算法是否歧视穷人，他也不是“猪食制造者”，而是公共利益的守护人。
真正的文明，不在算力之巅，也不在猪圈之底，而在于那广大中间地带——人们如何通过制度创新，将技术的洪流约束为滋养所有人的涓涓细流，而非决堤的天灾。
未来尚未写成。那份“20.2万人”的裁员推演是剧本之一，而我们有责任共同书写另一种结局。在这个结局里，“人”的尊严不取决于他在生产函数中的边际贡献，而源自更古老的共识：每一个人，仅仅因其为人，便值得一份体面的生活、一个有尊严的社会角色，以及免于恐惧的明天。
