我最近反复看见一种生意。
一个人买了 Codex，或者开了 Claude Code，然后去接以前要几个人、几周、几万块才能做完的开发单。
他给客户的报价很低。
低到原来的程序员看了想骂娘。
客户高兴，觉得终于摆脱了“技术垄断”。接单的人更高兴，觉得自己抓住了 AI 红利。围观的人也高兴，评论区一片：开发终于不值钱了，代码终于白菜价了。
我不高兴。
不是因为我心疼以前靠写代码挣钱的人。
我心疼的是，大家又准备把一个更大的问题，做成一轮更便宜的恶性竞争。
5000 Token 的代码，和 5000 Token 的文章，到底哪个值钱？
很多人会说：当然代码值钱。代码能上线，能收钱，能做产品；文章不过是一串文字，谁不会写。
也有人会反过来说：文章值钱。代码以后模型都能写，真正稀缺的是观点、叙事、影响力。
都不对。
5000 Token 本身，一文不值。
它既不等于代码，也不等于文章，更不等于价值。它就是一台机器吞进去和吐出来的材料计量单位。把 Token 当价值，和把医院卖出去的药盒数当医生价值，本质上没有区别：你都在为一个最容易量、最容易结账、却最不该当主角的东西付钱。
这不是技术问题。这是定价问题。再往深一点说，是 AI 时代我们准备把人放在什么位置的问题。
我以前也犯过这种错。
刚开始带一群 AI 干活的时候，看着屏幕上代码一片片长出来，会有一种很廉价的兴奋：以前三天的活，一晚上出来了；以前要找人问、找人改、找人测试的东西，现在一句话丢过去，机器开始自己跑。
那一刻，人很容易把自己误认为生产力。
其实你只是站在生产力旁边，听见了发动机的声音。
真正让我冷下来的是另一件事：机器交出来的东西越来越多，我手里真正能交付的东西却没有同比例增加。代码可以生成，测试可以跑，文档可以补，页面甚至可以自己点开检查。可只要目标错了、边界错了、客户真正要的东西没问出来，所有这些漂亮的输出都会变成更快堆起来的垃圾。
生成不要钱，交付才要命。
以前我把“能写出来”当作价值。现在我知道，能写出来只是进入考场。真正值钱的是：谁知道题目是什么，谁敢在开始前划出边界，谁能在机器说“完成”以后追问一句——所以呢？能用吗？出了事谁负责？
这就是这篇文章想说的第一句话：
AI 时代最先贬值的不是代码，也不是文章。最先贬值的是一切可以脱离责任、脱离对象、脱离后果而被批量交付的“成品”。
一、代码从来不是按代码行收费的
程序员都知道一个很荒唐的事实：最贵的代码，往往最少。
一个经验足够深的工程师，删掉两千行错误架构，可能比新人写一万行功能更值钱。一个人在上线前看出来数据库设计会把公司卡死，花十分钟改掉，可能比后面十个人连夜救火更值钱。一个人敢对老板说“这需求不该做”，可能比一个人把需求做得漂漂亮亮更值钱。
可旧的软件行业不是这么报价的。
它习惯按人天、人月、功能点、页面数、代码量报价。因为这些东西好算。客户看得见人坐在那里，看得见工期表，看得见 Git 提交记录。他就以为自己买的是劳动时间。
不是。
他真正买的是一种承担后果的能力。
只是过去写代码太难，难到“谁会写”本身就足够稀缺。于是写的动作遮住了判断的动作。开发者花三天把一个接口调通，客户就觉得钱花在三天上。其实那三天里真正不可替代的，可能是开发者在第二天下午发现：这个接口根本不该这么接。
AI 把这个遮羞布扯掉了。
现在一个不懂编程的人，也可以让 Coding Agent 改几十个文件、跑测试、做部署。真实使用数据也已经给出一个很刺眼的分工：人仍然掌握大部分“做什么”的规划决策，Agent 则承担了大部分“怎么做”的执行决策。
这才是现实。
不是程序员突然没用了。
是“把需求翻译成代码”这一段，正在从职业壁垒变成基础设施。像计算器没有消灭会计，CAD 没有消灭建筑师，流水线没有消灭产品经理。它先消灭的是那部分只靠手工速度维持价格的劳动。
所以，拿着 Codex 和 Claude Code 去低价接单的人，确实能赢一阵。
他把原来一个月的实现压到三天；把原来三个初级工程师的体力活，压成一个人的提示词和验收。他当然能把报价砍下来，还能赚钱。
我不反对。
工具进步，客户就应该少付一些本来只是为低效率买单的钱。你不能明明有了挖掘机，还要客户按铁锹一铲一铲地付费。
但他如果以为这叫“开发终于没有门槛”，那就太早了。
因为他砍掉的只是实现成本，不是交付成本。
客户买的从来不是一个仓库里多了 5000 Token。客户买的是：能不能上线；数据丢了谁赔；员工会不会用；三个月以后规则变了谁改；夜里出问题谁能把系统拉回来；这个东西是不是解决了他真正的麻烦。
这些问题里，AI 可以参与，但暂时不能替你签字。
一个人用 AI 把报价打到地板上，最后常常会发现：他不是在和程序员竞争，他是在低价出售自己的判断、睡眠、信誉和责任。他把最贵的部分免费附赠了，只因为他还在按最便宜的部分报价。
这叫把医生的诊费藏进药费里。
二、我们曾经把最值钱的人，藏在最容易结账的东西后面
中国医疗改革给过我们一个很重的教训。
过去很长一段时间，医院的收入结构对药品和检查有依赖，诊察、护理、手术这些真正体现医护技术和劳务的部分，价格却长期偏低。于是大家看病的时候会有一种奇怪的感觉：医生坐在你面前，问诊、判断、承担风险，那一段似乎不贵；一转身，药、耗材、检查单上的数字却很扎眼。
这不是医生不值钱。
恰恰相反，是制度没有把医生最值钱的东西单独标出来。于是它只好把钱藏在药费、检查费、耗材费里。价格一旦藏错地方，激励就会跟着歪。你让一个系统主要靠卖药活着，它就会越来越擅长卖药；你让医生的诊断与责任得不到合理计价，最需要耐心、判断和风险承担的那一部分，就容易被挤到角落。
这些年医疗价格改革一直在做一件很重要的事：压低不该虚高的药品和设备检查价格，逐步提高诊察、手术、护理等技术劳务项目的比重。不是简单涨价，也不是左手降药价、右手硬抬服务费。它真正想理顺的是一句话：该便宜的东西就便宜，该体现人的专业劳动与责任的地方，就要让它站到价格牌上。
AI 时代会重演这个问题，而且规模更大。
今天的 Token 就像过去的药盒。
它可计量。它有单价。它可以被采购、被报销、被记账、被塞进预算表。一个公司甚至会把“我们每月消耗了多少 Token”“每个员工用了几个 Agent”“生成了多少行代码”做成大屏，亮得像战功。
但这不是价值。
它顶多是成本。
更糟的是，很多公司会把 AI 的能力包装成新的药盒：卖你一个模型额度，卖你一个工作流，卖你一堆“自动生成”的页面、周报、代码和 PPT。最后把真正的人工判断、客户关系、组织协调、风险承担，悄悄塞进免费赠品里。
你会听见老板说：AI 都写完了，你还要什么钱？
这句话和过去那句“药都开了，医生看一眼能值几个钱”一样蠢。
药开错了，后果不是药厂承担。
代码写错了，后果也不是模型承担。
文章写错了，真正被消耗的不是 Token，而是作者的信誉、读者的时间和一个人的判断力。
所以第二句话是：
未来不是“人越少越便宜”。恰恰相反，机器把可复制的部分压到接近零价以后，人的判断、担责、关系与在场，会被迫从免费赠品变成独立计价项。
这个“被迫”很重要。
不是因为我们怀旧，不是因为我们要给人类留一块情怀保护区。是因为没有人类责任的系统，最后会把风险变成没人结账的坏账。
三、5000 Token 的文章，凭什么可能比代码贵？
现在说文章。
很多做技术的人看不起文章。觉得文章不就是把意思说清楚吗？模型一秒能写几千字，谁还给文字付钱？
很多写文章的人又反过来贬低代码。觉得代码只是工具，观点和表达才是终局。
又都是职业自尊在作祟。
5000 Token 的代码可能一分钱不值。它也可能值一家公司。
5000 Token 的文章可能是一堆废话。它也可能改掉一个人十年的判断。
区别不在 Token，不在载体，甚至不在模型参与比例。区别在于它们有没有完成四件事。
第一，它解决的是不是一个真实问题。
一段能跑的代码，如果只是把错误需求跑得更快，它价值为负。一篇文采很好的文章，如果只是在替读者说他早就想听的话，它也只是情绪按摩。
第二，它有没有不可替代的选择。
真正有价值的文章，不是语句有多漂亮，而是作者把什么留下、把什么删掉、在哪个地方冒险下判断。真正有价值的代码，也不是用了多酷的框架，而是它在复杂世界里选了哪一条路，拒绝了哪一条路。
第三，它有没有把后果接住。
一篇文章让十万人误判，作者要不要改？一个系统让客户损失，交付者躲不躲？AI 可以提供草稿、方案、备选项，但签字的人必须存在。
第四，它是否改变了对象的命运。
代码让一家公司少亏钱、多挣钱、少死人、少浪费时间，它值钱。文章让一个人不再被假话牵着走，让一个团队重新分配资源，让一个行业改掉错误激励，它也值钱。
这四件事里，没有一件可以用 Token 直接结算。
有个关于创意写作的实验很耐人寻味。研究者把同一篇故事给不同读者看，一组被告知是人写的，一组被告知是 AI 写的。知道是 AI 的读者，主观上会更嫌弃它，觉得不够真实、不够有新意；但真让他们掏时间、掏钱把故事读完，两组差异却不明显。
这件事不浪漫。
它说明“人类写作天然更值钱”这句话，不能靠自尊维持。读者嘴上尊重人，实际是否付款，还是看他有没有得到东西。
可它也说明了另一件更残酷的事：当机器能写出看上去过得去的文字，写作者不能再只卖“我写了”。
你必须卖你承担过的生活，你看见过的局部真相，你敢于押上的判断，你和读者之间已经建立的信用。
AI 可以模仿句子，模仿不了你为一句话付出的代价。
它可以把“创业很难”写得天花乱坠，但它不知道你在一个错误决策后，如何盯着那张报表不敢关屏；它可以把“组织需要信任”写成十条金句，但它没有在一个员工要走的时候决定过要不要把利润分出去；它能描述羞耻，不能替你丢脸。
文章值钱的部分，从来不是字。
是作者已经被现实打过一遍之后，替读者省下的那一刀。
代码也是。
一个真正懂客户业务的人，用 AI 做出来的系统，卖的不是代码，而是他少让客户踩的坑。一个真正有信用的作者，用 AI 写出来的文章，卖的不是文字，而是他愿意把自己的判断摆在读者面前接受检验。
到了这里，代码和文章已经没有高低之分。
它们都是容器。
真正的价值，是容器里装着的人类判断的密度，以及这个判断愿意承担多大的后果。
四、Token 的账，到底该怎么算？
现在很多公司算 AI 账，只会算一半。
他们算模型费，算订阅费，算显卡费，算 API 账单。有人再进步一点，会算“一个人用了 AI 以后，原来十天的工作现在三天完成”。
然后结束。
这不叫算账。这叫把电费当利润。
AI 时代真正该算的，至少有五本账。
1. Token 成本账
这是最底层的一本账：模型、算力、存储、工具、数据、维护。它当然要算。
但它只是面粉钱，不是蛋糕价。
更何况，Agent 时代大头经常不是模型“写了多少”，而是它为了理解环境读了多少上下文、跑了多少轮验证、失败以后又重试了多少次。你看到的是 5000 Token 的最终代码，背后可能是几十万、几百万 Token 的阅读、推理、测试和返工。
所以谁还在拿“按输出 Token 收费”当 AI 项目的价值模型，谁就还停在卖复印纸的时代。
2. 替代成本账
这本账问的是：如果没有 AI，谁要花多久、多少钱才能做到同样结果？
注意，是“同样结果”，不是“同样字数”或“同样代码量”。
一个 AI 帮你写出了 5000 Token 的后台代码，但上线后没有用户、数据不安全、无法维护，那它替代的是一个小时的练习，不是一个工程师月薪。反过来，一个 AI 帮你找到系统里会导致大规模损失的错误，哪怕最后只改了三行，它替代的可能是一场事故。
替代成本是必要参考，但不是最终价格。因为很多旧成本本来就包含了低效率、信息不对称和行业壁垒。AI 把这些水分挤掉，不是偷走价值，是让价格回到真实。
3. 结果增量账
这本账更重要：用了 AI 以后，结果到底多了什么？
收入多了多少？成本少了多少？交付周期缩短多少？错误率下降多少？客户留存提升多少？原来不可能做的事情，现在能不能做？
没有结果增量，只有 Token 增量，那不是生产力，是电子烟花。
我给公司的建议很简单：每个 AI 项目立项时，先写一个“价值假设”。三个月后，必须回来对账。
- 原来要 30 天的流程，现在是不是 7 天完成？
- 完成以后，客户是否真的付钱？
- 错误是否减少，还是只是更快地产生错误？
- 被释放的人力，去了新业务，还是只是被要求把同样的活做得更多？
- 新增利润里，有多少来自真实价值，有多少只是把风险推给员工和客户？
不写这张单，别谈 AI 转型。
4. 人类责任账
这是很多人最不愿意算的一本。
谁定义目标？谁提供一线经验？谁整理脏数据？谁告诉 AI 什么不能碰？谁验证结果？谁面对客户？谁在事故发生时通宵？谁承担名誉和法律风险？谁把一堆机器生成的东西整合成一个真正可以交付的产品？
这些人以前经常被叫作“辅助岗位”。
AI 来了以后，他们反而更接近价值的核心。
因为机器把执行放大以后，错误也被放大。一个错误提示词，过去浪费一个下午；现在可能让十个 Agent 同时跑偏。一个错误战略，过去做错一个项目；现在可以在一周内把十个项目做错，还做得整齐、快速、带测试报告。
所以人的价值不会自然变高。
只有当组织把责任单独记账，人才能变高。
否则 AI 只是把人从“写代码的人”降成“给机器擦屁股的人”，而且不给加班费。
5. 共同创造账
最后这本账，才是我真正想说的。
一家公司靠 AI 把产出翻倍，这个翻倍到底是谁创造的？
老板会说：我买了模型，我承担了风险，我搭了系统。
员工会说：是我给了业务知识，是我维护了客户，是我教会 AI 公司的语言，是我在出错时接住了它。
都对。
所以问题不该是“AI 替了谁，谁就该滚”。问题应该是：AI 把组织里每个人过去沉没的知识、流程、客户关系、错误记录、协作习惯抽出来，变成了可放大的共同资产。那这份增量，凭什么只归出钱的人？
如果一个公司把全体员工的经验喂进流程，把所有人的历史工作变成 Agent 的上下文，再由少数人按按钮把效率红利拿走，它做的不是技术革命。
它是在把集体劳动的记忆私有化。
这很危险。
五、我主张：AI 红利应该有“人类分红”
我知道这句话一说出来，很多老板会紧张。
“没干活的人也分钱？那还怎么管理？”
先别急。
我说的不是平均主义，也不是发福利。更不是今天谁没来上班，还要照发一份“AI 慰问金”。
我说的是：只要一个人在组织中，他对组织的知识、关系、规范、历史和稳定性有贡献，那么 AI 带来的可验证增量，应该有一部分作为共同收益分给人。哪怕他没有亲手敲那一行代码。
为什么？
因为 AI 从来不是老板一个人训练出来的。
它吃的是公司过去积累的文档、客户反馈、产品规则、交付经验、失败案例、流程边界。它之所以能回答“我们公司怎么做”，不是因为模型突然懂了你公司，而是因为有一群人曾经在这里做过事、犯过错、留下过痕迹。
你今天让 AI 接电话、写代码、做销售、写报告，调用的是谁的历史？
不是只有创始人的。
是前台挨过的骂，是客服记过的坑，是老员工知道却没写进手册的规矩，是销售在酒桌上摸出来的客户脾气，是工程师凌晨修过的事故，是财务一次次对出来的口径。
这些东西在旧时代很难被完整计量，所以公司常常假装它们不存在。
AI 时代不一样了。它们可以被收进知识库、流程、提示词、评估集、Agent 记忆里，然后变成可重复调用的生产力。
既然它们被资本化了，就该被分红。
我给这个机制起一个很土的名字：人类分红池。
不是按 Token 发钱，不是按谁和模型聊天次数多发钱，更不是奖励把 AI 用得最花哨的人。
它应该按“已验证的 AI 增量价值”提取一部分，先形成公共池，再分成三层。
第一层，全员基础份额。
只要是正式组织成员，都有。因为组织的文化、秩序、知识和信任不是一个人生产的。你不能让 AI 用了所有人的积累，却说只有最后点按钮的人有份。
第二层，贡献加权份额。
谁把业务知识结构化，谁建立了可复用流程，谁提供了高质量数据，谁承担了验证和客户结果，谁处理了失败和风险，谁就应该多拿。这里奖励的不是“最忙”，而是“让组织以后少靠人肉重复”的贡献。
第三层，责任风险份额。
谁签字，谁承担事故，谁在外部关系中押信誉，谁就应该有更高的收益和保护。责任不是口号，必须有价格。
这套机制最关键的不是比例，而是透明。
公司要公开三件事：
- AI 到底带来了多少经验证的增量；
- 增量如何计算，什么不算；
- 分红池提了多少，谁为什么拿到多少。
否则所谓 AI 效率，只会变成老板手里一个新的黑箱。
员工会越来越害怕：我越把自己的经验教给机器，机器就越容易替掉我。
在这种制度下，员工当然会藏知识，会保留手艺，会故意不把关键经验写进系统。然后老板再骂他们“不拥抱 AI”。
这是最蠢的组织设计。
你想让人教会 AI，先让人相信：机器学会以后，他不是第一个被清出去的人；机器带来的钱，有一部分会回到他手里。
这才是激励。
六、别把“人的价值升值”理解成给人类镀金
我说人的价值要升值，不是在说人类天然高贵，AI 天然低贱。
这种话很快会变成宗教，没用。
我说的是一个朴素的经济判断：当复制、生成、执行的边际成本快速下降，价格必须往不可复制的部分移动。
什么不可复制？
不是“手工”本身。
手工做一百杯咖啡，不一定比机器做一百杯咖啡贵。手敲一万行代码，也不应该因为辛苦就比 Agent 生成的一万行代码贵。
真正不可复制的，是人在具体场景里的承担。
一个医生面对这个病人的犹豫；一个创始人面对现金流时的判断；一个工程师对“这能不能上线”的签字；一个作者把自己的名字押在一句可能错的话上；一个客服面对愤怒客户时留下还是离开；一个团队在系统崩了以后，决定谁先救、谁后救。
这些不是 AI 永远做不了的事。
但至少今天，AI 做了也不会痛。它不会失去客户，不会被同事埋怨，不会因为一句错误的建议在半夜醒来。它没有自己的后果。
所以在人仍然承担后果的阶段，人就应该拿到后果对应的价格。
如果公司不这么做，会出现两个很难看的结果。
第一，所有人都被逼成低价 AI 搬运工。
写代码的人按生成量竞争，写文章的人按字数竞争，设计师按图张数竞争，销售按自动触达量竞争。每个人都在用机器把自己做得更便宜，然后再问为什么工资没有变高。
第二，真正有能力承担判断的人，会离开。
因为他知道，自己在免费替公司做最难的部分：定义问题、接住风险、维护关系、纠正机器。而公司只拿生成数量考核他。他要么沉默，要么出去单干，要么干脆也学会只交付漂亮的表面。
到最后，组织里剩下一堆看似高效的 Agent 和一堆不愿意负责的人。
这不是未来公司。这是自动化的空心医院：机器转得飞快，真正能看病的人越来越少。
七、价格牌要怎么重写：别再报“人月”，要报“结果和责任”
有人会问：说了半天价值、责任、分红，最后报价怎么写？总不能客户一问多少钱，就给他讲一堂哲学课。
当然不能。
哲学如果不能落到报价单上，就是另一种高级废话。
我给 AI 时代的代码、文章和知识工作，都建议拆成四张价格牌。
第一张：机器执行费。
就是 Token、模型订阅、算力、工具、自动化运行和基础维护。这一张要透明，要越便宜越好。客户不该为你偷偷堆出来的无效上下文、胡乱重试、没有工程纪律的 Token 浪费买单。机器做机器该做的事，按机器的成本算。
第二张：问题定义费。
在写第一行代码、第一段文字以前，先问清楚：谁有问题？问题到底是什么？不做会怎样？做错会怎样？什么叫完成？这个环节应该收费，而且要比以前高。
因为 AI 让“直接开始做”变得太容易了。你一句话就能得到原型、一篇文章、一个系统。于是大多数人跳过定义，直接生成。黄瓜菜都凉成化石了，才发现需求是假的、受众是错的、数据不能用、合规边界没画。
以前启动慢，反而逼你多想一会儿。现在启动只要十秒，人类最贵的能力变成了在十秒钟里说一句：先别做。
第三张：验证与担责费。
代码必须写清：谁验收、验什么、性能边界、数据边界、维护周期、故障响应、责任上限。文章也一样：事实谁核、观点谁署名、品牌风险谁承担、修改轮次怎么定。
AI 可以写一个“看上去完成”的结果。客户真正付钱，是为了得到一个“出了问题有人接”的结果。这个部分不能继续免费。
第四张：结果分成费。
如果项目确实为客户带来可衡量的收入、节省、转化或风险降低，就不要只卖一次性交付。给自己留一部分与结果挂钩的价格。反过来，公司内部做 AI 项目，也不该只把它当降本工具，而要把经过验证的增量的一部分回流到人类分红池。
这四张牌一摆，代码和文章就都能定价。
一个低风险、边界清楚的官网页面，机器执行费占大头，问题定义和责任费较低，客户就该便宜。
一个要改动核心业务、涉及数据安全、上线后影响现金流的系统，机器把代码写得再快，问题定义、验证担责和结果分成也必须高。
一篇只是整理公开信息的文案，机器执行费很低，客户也不该掏大钱。
一篇要把创始人真实经历、商业判断、公众信誉压进去的文章，字数不重要，署名的风险和改变读者的能力才重要。
这才叫把价格牌挂对地方。
有人又会说：这样会不会把 AI 服务重新卖贵？
不会。恰恰相反，它会让该便宜的东西真的便宜。
把简单代码、普通文案、重复流程打到接近成本价，没有问题。别护着旧行业的水分。问题是你不能一边享受 AI 把执行成本压低，一边让所有复杂判断、长期维护、风险承担继续免费。那不是降价，那是把账单从明处塞到暗处，最后由最弱的人承担。
八、给老板、开发者、写作者各一句难听的话
先说老板。
不要因为 AI 帮你省了人，就以为你赚到的是净利润。
你可能只是把原来藏在员工时间里的成本，搬进了模型账单；又把原来由员工分担的风险，集中到少数还愿意负责的人身上。你不建立收益共享和责任定价，短期利润会很好看，长期组织会烂掉。
别拿“市场就是这样”当借口。
市场当然会压低可复制劳动的价格。但公司不是自然灾害。你决定了红利怎么分，决定了员工会不会愿意把知识交给系统，决定了你的 AI 最后是放大信任，还是放大恐惧。
再说开发者。
别拿着 Coding Agent 去把同行报价砍穿，然后说自己是效率革命。
你可以用工具降低客户成本，这是本事。但别把测试、部署、维护、需求澄清、数据责任、售后支持全部免费塞进去。你要卖的是结果，卖的是责任边界，卖的是持续服务。你若只卖生成代码，你就在主动训练客户把你当成 Token 转售商。
你迟早会被更便宜的 Token 转售商替掉。
最后说写作者，也包括我自己。
别再用“这是人写的”要求读者付钱。
读者没有义务为你的辛苦买单。AI 已经替我们证明，通顺、煽情、结构完整、观点像样，这些都可以批量生产。你想收费，就得拿出机器拿不出来的东西：你经历过什么，你看见了什么，你敢在哪个问题上不讨好人，你能替读者省掉什么代价。
你要是没有，就别怪读者觉得 5000 Token 的文章不值钱。
因为它确实不值钱。
九、最后：别再问代码和文章哪个更贵
这问题本身已经过时了。
5000 Token 的代码，可能只是一次模型吐字。
5000 Token 的文章，也可能只是一次模型吐字。
它们都很便宜。
真正贵的是，在机器能瞬间把任何东西做得像个东西以后，还有谁能告诉我们：什么东西值得做，什么东西不该做，谁会为结果负责，省下来的钱到底该归谁。
过去我们把医生的价值藏在药里。
现在我们很可能把人的价值藏在 Token 里。
别再干这种蠢事了。
药该按药的价格卖。
Token 该按 Token 的价格算。
而人，应该因为他定义问题、留下经验、承担责任、接住后果、把组织从一堆自动化零件变成共同体，而拿到他该拿的钱。
AI 不是来证明人不值钱的。
AI 是来逼我们回答一个以前一直含糊过去的问题：
当机器把执行压到几乎免费，我们还敢不敢承认，真正值钱的从来不是“干了多少”，而是谁愿意为世界的结果负责？
如果一个公司把 AI 赚到的钱全锁在少数人手里，它会得到越来越聪明的机器，和越来越沉默的人。
机器会把活做完。
可再也没有人愿意把自己交给这个公司。
那才是所有效率报表都救不回来的亏损。