K型社會分化在加速，三種人正在被AI放大

我們正處于一個經濟周期的尾聲，和一個技術周期的狂暴開端。這兩個周期的疊加，還沒有帶來普遍的繁榮，而是先制造了一種被稱為"K型分化"的斷裂。

但是，如果一個人仍把目光停留在滯后的宏觀數據和當下的短期收益上，以此作為決策依據，那很可能將徹底錯過一場呈指數級爆發的變革。在這個時代，每一周的創新密度，都抵得上過去的一整年。

有經濟學家認為，十年之后（恐怕不用十年），人類將分化為兩個新的階層。上層以AI為杠桿，以前所未有的速度積累財富、實現收入自動化。下層則淪為被AI管理的對象，或者像之前紐約客文章中所談到的，淪為永久的底層。

而接下來兩三年的決策與行動，將決定一個人處于這條K型曲線的哪一端。本文不是制造焦慮，因為某種意義上，AI面前人人平等。此時此刻，每個人仍擁有改變人生軌跡的主動權。

一、K型社會的分化是真實的

2020年，美國金融分析師Peter Atwater在疫情期間提出了"K型經濟"的概念。K這個字母的形狀精確地描述了一種新的現象：經濟沖擊之后，復蘇路徑不是V型的齊頭并進，而是分叉。一撇向上，一捺向下。同一場危機，不同的人走向完全相反的方向。

五年過去，K型已經從一個隱喻變成了清晰的現實。根據穆迪首席經濟學家Mark Zandi的數據顯示，美國收入前20%人群的消費支出占到整個經濟的近60%，達到1989年以來的最高點。

這個數字的跳躍主要發生在兩個窗口期：1990年代末的互聯網泡沫和2020年之后的AI浪潮。兩次都伴隨著資產價格暴漲。上層的財富在膨脹，推動消費和GDP數字越來越好看，而這些數字掩蓋了底層正在發生的事。

更微觀的數據更能說明問題。2025年美國汽車銷量超過1600萬輛，看起來市場強勁。拆開看，年收入15萬美元以上家庭的購車占比從2019年的33%飆升到43%。

同期，家庭食品價格較疫情前上漲超過30%，低收入家庭的食品支出占收入的比重遠高于平均線。

上層在買新車；底層在為雞蛋多花的兩塊錢發愁。同一個經濟體，同一組GDP數據，兩個平行宇宙。

K型不是一個遙遠的概念，也不只出現在美國。它已經滲透到消費、就業、資產的每一個層面，在所有主要經濟體中都呈現出同樣的趨勢，只是程度不同。

而如果說疫情是K的第一筆，AI正在畫第二筆。這一筆更快、更深。

二、AI加速分化的價格信號已經出現

2025年6月，PwC（普華永道）發布了一份名為Global AI Jobs Barometer的報告，覆蓋六大洲，分析了近十億條招聘廣告和數千份企業財報。幾個核心發現值得慢慢消化。

1. 具備AI技能的勞動者，薪資溢價達到56%。這個數字一年前是25%。一年翻倍。

2. AI滲透度最高的行業（金融服務、軟件），自2022年ChatGPT發布以來，生產率增速翻了將近四倍。最不受AI影響的行業（采礦、酒店），同期生產率增速反而微跌。AI暴露度高的行業，人均營收增長是其他行業的三倍。

3. 雇主對AI崗位要求的技能變化速度，比去年快了66%。而對學位待要求在下降，AI增強型崗位中要求本科學歷的比例，從2019年的66%降到2024年的59%。

80%的白領工作內容將被AI替代

這些數字拼在一起，講的是同一件事：“執行力”正在貶值，“定義權”正在升值。

市場已經在用價格信號做區分了。能把AI變成生產力的人越來越貴，不能的人越來越便宜，價差在加速拉大。

世界經濟論壇2025年的調查給了一個更直接的信號：41%的雇主打算在2030年前因AI縮減員工規模。

普華永道的首席AI官Joe Atkinson的判斷是：數據沒有顯示AI在大規模消滅工作，但它在大規模重新定義什么樣的工作值錢。

這里面有一個微妙的區別。很多人可能不會失業，但他的工作內容被拆解、重組、重新定價之后，留給他的那一部分，變得更低價、更容易替代、更像耗材。

你可能還在上班，但議價能力悄悄消失了。

三、AI正在放大的三種人

很多人以為K型分化分的是聰明和不聰明，年輕和年老，技術崗和非技術崗。現實更接近另一種分法，分的是流程定義權；或者說定價權。

當一個組織用AI把工作拆成更細的任務顆粒，就會出現兩類位置。第一類負責定義流程：輸入是什么，判斷標準是什么，輸出交付給誰。第二類在流程里執行任務，按標準完成工單。

AI讓執行類任務越來越容易被半自動化接管，同時讓流程定義類的位置價值上升，執行成本下降了，設計和控制反而成了瓶頸。

"失業"這個詞容易把人嚇傻，但真實的風險是：你的工作被重新拆解后，留給你的部分變得更低價、更易替代。反過來，少數人會用AI把自己變成一人公司，做出過去需要多人協作才能完成的交付。

在K型社會中，AI并不是無差別地替代人類。它是一個放大器，放大那些擁有特定能力內核的人。具體來說，三種人正在被加速放大。

掌握流程定義權的人。他不執著于把每件事親手做好，他執著于讓每件事可以被復制。輸入能不能標準化，輸出能不能標準化，中間的判斷能不能拆成規則與例外，只要能拆出來，就能交給系統。競爭力來自架構能力，來自把混沌變成可運行機制的能力。

掌握高質量判斷的人。AI可以寫一萬篇文章，市場只記得十篇。AI可以生成一千個選題，真正值錢的是你挑出那一個能打穿人心的角度。

判斷力本質上是對因果鏈的壓縮能力，知道哪些變量重要，哪些細節可以忽略。未來的商業越來越像杠桿游戲，判斷的人拿走大頭，執行的人變成成本項。

掌握分發與關系的人。AI讓生產變便宜，越便宜越擁擠，擁擠意味著注意力更稀缺。能持續觸達一群特定人群，讓他們信任你的選擇與品味，讓你的內容與產品被穩定看見。

這種能力正在變成比生產能力更硬的資產。很多人誤以為AI時代只要會生產就行，現實會逼著大家重新理解渠道與關系的力量。

四、答案不是學會用AI，而是最小可行的上行系統

明白了K型分化的機制，普通人該如何突圍？

以我的淺見，答案不是去學幾個提示詞技巧，也不是焦慮地報各種AI課程。工具層的熟練度會迅速通貨膨脹，系統層的復利資產才會越積越厚，拿到定價權才是王道。

過去二十年，創業圈最常引用的一個詞是MVP，最小可行產品。做出一個夠用的最小版本，推到市場里，用真實反饋校準方向。精髓不在"做小"，在"用最少的投入換最多的驗證"。

現在，這個直覺正在從"產品"遷移到"個人"。AI把很多過去需要團隊的能力壓縮到了一個人身上，同時也把"可替代"的邊界推得更近。

所以，新的出路和答案在于——"最小可行的上行系統"。不要把AI當成一次性提速工具，而是把它變成一個能復用的產出系統。

它能把輸入穩定地變成輸出，能積累，能迭代，能在你不在線時繼續運轉。省下的認知與精力，投入到更高定價的部分：判斷、策略、關系、產品化。

高主動性+精通AI

如何著手構建自己的最小可行的上行系統？

第一步：建立"輸入-判斷-輸出"的小閉環。不要想著顛覆全部工作。選擇一個你每周必做的高頻任務，選題調研、客戶答疑、周報整理、代碼腳手架搭建，然后將其拆解為三段。

輸入端標準化：明確資料來源、格式和質量門檻。

判斷端可復用：把腦子里的經驗外化成規則，再補充一組"容易翻車的反例庫"。這是系統的心臟。

輸出端可交付：固定結構、一致語氣、明確行動建議，讓結果可以直接被消費或驗證。

第二步：從省時間到沉淀復利資產。這是區分下行者與上行者的關鍵。很多人用AI省下了兩小時，然后拿去刷短視頻。上行系統要求你：每一次交付都必須留下些什么。

一套打磨好的提示詞模板、一個可復用的研究框架、一組代碼模塊、一份銷售頁面模板，這就是你的資產。每周多積累一份，一年就是五十份。

人與人之間差距的拉開，往往不是因為某個爆款改變了命運，而是因為有人擁有了更強的積累機制。

第三步：完成身份遷移。當系統開始運轉，它會反過來塑造你。你不再是某個工位上隨時可被替換的執行者，你變成了這條流程的擁有者。你

不害怕新工具的迭代，因為工具只是系統上隨時可以替換的零件。你實質上已經成為一個帶著自動化機器走路的一人公司。

這才是上行線的本質：你不再是單純的勞動者，你是一個擁有生產資料的微型企業。你的資產可以隨著技術革命水漲船高。

五、最后說一件事時間窗口

整體來看，處于技術變革前沿的普遍觀點，就是三年左右的時間，基本上勝負已分。

三年看上去很短，但是，正如我們在開頭所說，這三年，每個星期都相當于過去的一年。所以，爆發的空間是巨大的。

而另外一個方面，正如我們前兩天的文章中所說，絕大多數人還沒有意識到，這個轉折點的存在，和它的關鍵性，還沒有進入到新的周期里面。

Anthropic 的CEO 阿莫戴伊在CNN的采訪里說，他們內部追蹤用戶如何使用Claude。目前大約60%的用戶把AI當作工作增強，40%用它直接自動化替代人類工作。后者的比例在增長。

這個40%到50%到60%的翻轉，就是K型分化真正撕裂的時刻。而還有更大比例的人，從來沒有用過AI。

所以，硬幣的另一面是：窗口期此刻存在。上行線的入口還開著。復利對所有人生效，既對已經開始積累的人，也對今天決定開始的人。

K型社會雖然殘酷，但它也意味著舊有的階層板結正在松動。技術作為一種激進的變量，打破了對人力資本的傳統定價。

而未來的分界線很簡單：是淪為被系統優化掉的那個節點，還是成為設計并擁有一個系統的人？

你不需要等十年。你只需要從這周開始，把一個高頻交付做成閉環，讓它跑起來。上行線的入口就在這里。

2026年是決定性的一年，我會在知識星球分享更多先進的玩法和思想，幫助大家把握時間窗口。【懂】

歡迎訂閱不懂經知識星球，星球即將漲價。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由