被重新定价的不是劳动，而是人的位置
——马伯庸风格：以古鉴今，叙事感与历史纵深
引子：从一个游戏搬砖工说起
有人在网上问了一个看似粗糙的问题：AI 既然已经能看屏幕、理解界面、控制鼠标了，那游戏工作室里那些做「搬砖」的人——长时间重复点击、刷副本、倒卖虚拟资源——是不是很快就要被替代了？
紧接着有人回了一句让人哑然的话：雇一个愿意坐在电脑前干这个的人，可能比让 AI 来做还便宜。
这句话像一把小刀，切开了一个你以为早已理解的问题，露出了一层你没预料到的结构。因为它触碰到的不是「AI 能不能模拟点击」，而是一个更古老也更深刻的问题：在一个复杂系统里，人到底值什么价？
这个问题，其实中国历史已经回答过很多次了。
一、师爷的启示：被低估的通用智能
清代地方治理中有一个非常有意思的角色——师爷。
师爷不在朝廷的编制里，没有正式品级，不领国家俸禄。他的雇主是知县，合同关系是私人幕僚。在朝廷的视角里，他几乎是透明的：一个可以随时更换的私人助手。
但如果你真的了解清代地方行政的运作，你会发现一个惊人的事实：很多时候，真正在管理一个县的不是知县本人，而是他的师爷。师爷懂刑名、懂钱粮、懂文书、懂规矩、懂如何在朝廷法令和地方实际之间做出折衷。他处理的每一件事都充满了模糊判断——法条说的是一回事，现实情况是另一回事，如何在两者之间找到一个各方都能接受的落点，全靠师爷的通用智能。
而这种通用智能的市场定价，远低于它的实际价值。因为师爷太多了。科举落第的读书人遍地都是，每一个都受过足够的教育来做这份工作。于是，一种极其复杂的认知劳动，被供给过剩压成了极其廉价的价格。
这和今天那些坐在电脑前「搬砖」的人，处境何其相似。
他们提供的不只是「手」的动作。他们在判断界面是否正常，在识别异常弹窗，在区分网络问题和系统问题，在没有规则手册的情况下自己发明临时方案，在一切都不太对劲的情况下将就着把事情做下去。这些能力，如果逐一用技术实现，每一条都是独立的工程挑战。但市场对它的定价方式不是「你提供了多复杂的认知服务」，而是「你愿意接受多低的工资」。
他们是今天的师爷——被长期压价的低成本通用智能。
二、诸葛亮的困局：自动化最怕例外
人们总说重复性劳动最容易被自动化。这话只对了一半。
让我用一个更古老的例子来说明。
诸葛亮北伐，军事行动的大部分时间——行军、扎营、巡逻、补给——确实是重复的、可预期的、可以用制度和流程来管理的。如果只看这 80%，你会觉得一支军队完全可以靠标准化流程运作，根本不需要一个诸葛亮。
但真正决定胜负的，从来不是那 80% 的标准流程，而是那 20% 的意外。突然变天了，粮道被断了，内线传来的情报不确定可不可信，前线将领的判断和中军的预判有分歧——这些异常情况才是需要人来做决定的地方。
自动化面临的困境完全一样。一个流程 95% 的时间按预期运行，但那 5% 的异常可能需要你付出巨大的成本来处理。人类的优势不在于效率更高，而在于能在例外里活下去。系统卡住了，人会刷新试试。流程不通，人会换条路。这些行为在效率评估里很笨，但在真实世界里，「能糊过去」本身就是极高价值的能力。
AI 在「一切大致正确」的时候表现惊艳，一旦碰到超出预期的异常，就可能从天才瞬间坠落为灾难。就像一个只会背兵书的参谋，在标准情境里对答如流，碰到兵书没写的状况就手足无措。
三、翰林与幕僚：AI 先吃掉的是谁？
工业时代给我们一个直觉：机器先替代最底层的工作。但 AI 的逻辑不太一样。
让我用清代的一组对比来说明。翰林院的编修，负责的是什么？撰写诏令、整理文档、编纂史书、草拟奏折——标准化的符号处理工作。他们学历极高（进士出身），社会地位体面，薪俸不低。但他们的工作本质，是在一个相对稳定的规则体系内处理格式化的文本。
而一个在地方上周旋的幕僚或胥吏，虽然看起来「不高级」，却每天都在和真实后果打交道：催粮要面对真实的农户，断案要面对真实的冲突，协调要处理真实的利益博弈。他的工作充满了模糊判断和现场应变。
AI 最先冲击的，恰恰更像翰林而不是胥吏。
因为 AI 最强的地方不是替代「手」，而是侵入「符号系统」——语言、文本、代码、表格、模板。大量中层白领岗位——写报告、做方案、整理纪要、生成初稿——本质上就是现代的「翰林工作」：高度格式化、可标准化、离真实后果较远的符号处理。
而那些贴近现场、贴近冲突、贴近真实后果的工作——就像古代的胥吏和幕僚——反而未必最先出局。因为他们每天处理的不是干净的符号，而是混乱的现实。
四、从劳动到资本：一场古老的戏码正在重演
AI 正在做一件比替代岗位更深刻的事：把认知劳动变成资本品。
这在历史上有过先例。宋代印刷术普及之后，书籍从抄写者的劳动产品变成了可以批量复制的商品。抄写者的议价权急剧下降——不是因为他们写字的能力变差了，而是因为他们的核心能力被一种新技术封装进了可复制的介质里。
AI 正在对认知劳动做同样的事。过去，你雇一个人写文案、写代码、做分析，买的是他此刻的脑力。你无法把能力从人身上剥离。但模型、工作流、知识库搭好之后，一部分认知产出就不再依赖某个人此刻在动脑，而开始像资本一样运作——可复制、可规模化、边际成本递减。
后果是什么？大量人的身份从「生产者」变成「校对者」。就像印刷术普及后的抄写员——你还在工作，但工作的性质变了，议价权变了，尊严感也变了。
五、将与帅：模块和节点的区别
中国古代兵法有一个基本区分：将和帅。
将是执行者——你告诉他打哪里，他就带队去打，而且打得很好。帅是统筹者——他决定打不打、打哪里、什么时候打、打到什么程度停。
一支军队可以有很多将，甚至可以频繁替换将。但帅很难替换。因为帅掌握的不只是打仗的技能，而是整个战局的理解——他知道各路兵力的状态，知道粮草能支撑多久，知道敌方可能的反应，知道朝廷的底线在哪里。这些不是技能，而是结构性的判断力。
AI 时代的劳动分化，和这个逻辑完全同构。
模块像将——输入明确、输出明确、拿掉后可以快速补上。模块越高效反而越容易被比较和替换。
节点像帅——连接多个环节、理解全局上下文、影响资源流向、协调不同目标、承担后果。拿掉一个节点，损失的不只是产量，而是整体判断力和组织记忆。
AI 会把大量模块级能力变便宜，但反而会放大节点的价值。当执行越来越廉价时，能整合执行的人就更稀缺。
能力不等于议价权。赵云武力值极高，但在蜀汉政治中的权重远不如诸葛亮。因为赵云提供的是模块级能力（精锐的执行），而诸葛亮提供的是节点级能力（方向、约束、整合和责任承担）。
六、约束比产出更贵：一个被忽视的道理
在一个执行变便宜的时代，什么会变贵？
古代帝王用宰相，不是因为宰相会做的事比小吏多，而是因为宰相知道什么不该做。一个好宰相的价值不在于他推动了多少政令，而在于他拦下了多少错误——哪些奏折应该压一压，哪些建议听起来很好但执行起来会出大事，哪些胜利不值得追求因为代价太高。
约束能力，在任何复杂系统中都比执行能力更贵。 因为执行是沿着方向跑，约束是知道哪个方向不能跑。
AI 天然倾向于优化目标函数——给它一个方向，它就全力冲刺。但现实充满了边界和代价。不能为了效率牺牲安全，不能为了增长破坏信任。知道这些约束，并敢于在关键时刻施加约束，这种能力背后连接的是责任。
系统出错时，最终总要有人站出来说「这件事我负责」。AI 可以扩张执行能力，但无法替代社会意义上的承诺能力。这是技术与治理之间的核心鸿沟。
七、主体性危机：从创造者到守夜人
人们担心失业，但更深的危机是主体性的丧失。
历史上有一个极好的参照：明代中后期的内阁大学士。名义上他是帝国的高级决策者，但实际上在很多时期，他的角色已经被压缩为一个批阅文件的流水线工人——票拟、覆核、转呈。真正拍板的权力在司礼监太监手里。大学士还在，但他的主体性已经被抽空了。他不再是决策者，只是一个带有人类签名的审批通道。
AI 时代，很多知识工作者可能面临类似的处境。AI 吞掉了工作中最有创造感的部分，把人推向审核和兜底的位置。你还在工作，但越来越像在替系统看守边界。你还在产出，但产出不再从你这里生发。你被需要的方式从「你是创造者」变成了「你是最后一道保险」。
这种体验对很多人来说比失业更难承受。因为它伤害的不只是收入，而是自我认同。
八、结语：守住你的位置
回到最初那个问题：为什么有时候，一个活人比 AI 还便宜？
答案不是 AI 还不够强。答案是：在真实世界里，人提供的从来不只是动作，而是通用智能、模糊适应性、异常处理能力和责任承接能力。这些能力过去被压缩进了很便宜的价格里。AI 的到来让这种压缩被揭开了——我们突然发现，很多「低端」工作的复杂性远超想象，很多「高端」工作反而因为过度格式化而更脆弱。
历史告诉我们的最重要的一课是：在任何一次技术变革中，真正被重新定价的不是技能，而是位置。
印刷术普及后，值钱的不再是「会抄书的人」，而是「能决定出什么书的人」。火器普及后，值钱的不再是「臂力过人的弓手」，而是「能设计战术体系的指挥官」。每一次工具的民主化，都会让单纯的技能贬值，而让组织能力、判断力和责任承担力增值。
AI 时代也是如此。
不要只追求让自己成为一个更快、更精准的模块。要追求成为一个离后果更近、能施加约束、敢做出承诺、拿掉后系统会乱的节点。
不要只在别人写好的目标函数里奔跑。要训练自己定义问题、设置边界、承担责任。
因为历史反复证明：工具可以被复制，但位置必须自己争取。那些能在变局中重新安放自己位置的人，才是最终站着的人。