前言：
同样的事情借助不同的模型所带来的效率和效果是完全不一样的，只要投入有响应的产出，我就愿意去获取和使用最新的模型。
现阶段最好用的就是claude，一个是模型的能力本身强大，而是构建起了适合程序员开发的生态，从chat、cowork、code，支持skills的引入。
最近最新的Opus4.7上线，我就不去问“洗车店测试了”（据说没有答对），就现在热点的问题，也是我的一个困惑。
更多答复内容：
先说结论：AI 目前的实际能力，远没有到"大规模替代白领岗位"的程度。当前这轮裁员里，AI 是一个真实但被严重放大的因素，背后还叠加了几层更根本的东西。
第一层：宏观周期和过度招聘的回吐
2020-2022 年美股科技大厂经历了一轮极端扩张——Meta、Google、Amazon、Microsoft 的员工数在两三年里几乎翻倍，那是建立在零利率、疫情红利、对永久线上化的过度乐观基础上的。2022 年美联储加息周期一开始，这些公司就发现自己严重超配。Meta 的 Zuckerberg 在 2023 年"效率之年"讲得很直白：组织太臃肿了。
所以你看到的裁员浪潮，其实从 2022 年底就开始了，那时候 ChatGPT 刚出来，根本谈不上 AI 替代。本轮裁员的起点和 AI 没关系，但后来 AI 成了一个更好听的说法。
第二层：资本市场叙事的激励结构
对于上市公司 CEO 来说，"我们因为业务不好在裁员"和"我们因为 AI 提效在裁员"这两句话，股价反应完全不同。前者是利空，后者是利好。这就形成了一个非常强的叙事激励——即使裁员和 AI 没什么直接因果，也要往 AI 上靠。
2024-2025 年你能看到大量财报电话会上 CEO 讲"AI-driven productivity gains",但真去问具体哪个岗位因为哪个 AI 工具被替代了,往往是很模糊的。Klarna 是个典型案例——2024 年高调宣传"AI 替代了 700 个客服",2025 年悄悄又开始招人,承认客户体验下降了。
第三层：AI 真实能做什么、不能做什么
以你自己的工作场景举例（.......省略），你应该比大多数人更有体感：AI 在结构化、规则明确、容错率较高的场景里确实能压缩人力，比如初级客服、基础文案、简单代码补全、报表汇总。但涉及到跨系统协调、模糊判断、责任承担、复杂沟通的工作，AI 现在远远不够。
更关键的是，AI 带来的常常不是"替代",而是"重新分配"。一个用 Cursor 的工程师产出可能翻倍，但这意味着公司需要的工程师数量减半吗？不一定——如果市场还在扩张，公司会让这些人做更多项目；只有当市场停滞、增长见顶时，效率提升才会直接转化为裁员。所以AI 更像是一个放大器,放大了已经存在的组织决策倾向。
第四层：国内的情况有点不一样
中国企业的"AI 裁员"叙事里，水分可能更大一些。一方面确实有真实的降本压力（经济周期、行业监管、利润率下滑），另一方面"AI 转型"在国企和大厂里是一个政治正确的话语——不讲 AI 就显得落后。所以很多时候是先有了裁员/控编的需求,再套上 AI 的包装。"通过 AI 精简了 X% 人员",这个数字多少是真的效率替代、多少是把本来就要做的人员优化算在 AI 头上,这个账是很难算清楚的。
一个判断视角
如果 AI 真的达到了大规模替代的程度，你应该看到的是：被裁的岗位不再被重新招聘，公司整体产出不降反升。现在实际发生的是：很多公司裁完之后一两年又开始悄悄补人，或者外包化、合同工化，只是这些不进入"headcount"统计。这说明所谓的 AI 替代,很多是会计意义上的替代,而不是能力意义上的替代。
所以我的答案是：AI 的能力是真实在进步的，确实在某些岗位产生了实质性压力（尤其是初级白领、标准化内容生产、一线客服），但目前这一轮"AI 裁员潮"里,AI 的贡献被资本叙事、管理层诉求、经济周期共同放大了,真实权重可能只有对外宣称的三到四成。剩下的，是周期性出清披上了 AI 的外衣。
