AI终结阶层跃迁？精英制度面临的重大挑战

AI正在瓦解传统的向上流动路径

长期以来，教育与个人努力被视为改变命运的主要途径。一个出身普通的年轻人，可以通过考取名校、进入白领岗位、逐步积累经验，最终实现阶层跃迁。这套逻辑构成了现代社会所谓"精英制度"（meritocracy）的核心信念——只要足够努力、足够聪明，就能获得回报。

然而，原文《The End Of Upward Mobility – AI is coming for the meritocracy》提出了一个尖锐的观点：人工智能正在动摇这一信念的根基。当AI能够胜任大量原本属于知识工作者的入门级任务时，那条依靠积累经验、逐级向上的传统职业阶梯，正在被抽掉最底部的几级台阶。

入门级岗位的消失意味着什么

过去，年轻人进入职场往往从最基础、最重复的工作起步：整理数据、撰写初稿、做基础分析、处理标准化文书。这些工作虽然价值不高，却是积累经验、进入更高层级的必经之路。

问题在于，这些恰恰是当前AI最擅长替代的部分。当企业发现一名工程师配合AI工具即可完成过去需要三五名初级员工的产出时，招聘入门岗位的动力就会显著下降。这带来一个结构性困境：如果没有入门岗位，年轻人如何积累成为资深从业者所需的经验？

这不是简单的"AI抢工作"叙事，而是关于职业成长通道本身被切断的担忧。当阶梯的下半段消失，能够登顶的人可能越来越集中于那些已经拥有资源、人脉和起点优势的群体。

精英制度的信念危机

精英制度的合法性建立在一个假设之上：机会大体是开放的，努力与才能能够转化为成功。原文的核心警示在于，AI可能打破这个假设，让向上流动从"努力就有机会"变成"起点决定终点"。

如果高质量的成长机会日益稀缺，且集中于少数人手中，社会将面临的不只是就业问题，更是关于公平与信念的深层危机。当年轻一代发现无论如何努力都难以突破既有的阶层壁垒时，支撑社会运转的"努力有回报"的共识可能随之松动。

这也是为什么这个话题超出了单纯的技术讨论范畴——它触及的是社会流动性、代际公平和制度信任等根本性议题。

"精英制度"（meritocracy）这一概念本身存在深刻的内在矛盾。该词由英国社会学家迈克尔·扬（Michael Young）于1958年在讽刺小说《精英的崛起》中创造，原意是对这种制度的批判——他预言，当社会将智识与努力等同于美德并据此分配资源，最终只会制造出一个自我封闭、缺乏同理心的新特权阶层。然而这个词在传播过程中被"正面挪用"，逐渐成为现代资本主义社会论证自身合理性的核心话语。哈佛大学教授迈克尔·桑德尔（Michael Sandel）在《精英的傲慢》中进一步指出，精英制度不仅没有实现真正的机会平等，反而让胜利者相信自己的成功完全源于个人努力，从而对失败者产生道德鄙视。AI对入门岗位的冲击，恰恰是在这一本就存在裂缝的制度框架上再施压力——当连"努力起步"的通道都被封堵，精英制度赖以自我辩护的叙事将更难维系。

值得警惕，但结论仍待观察

提一嘴，这类观点目前更多是一种趋势预警而非既成事实。历史上每一轮技术革命都曾引发"工作消失"的恐慌，但也往往伴随新岗位、新职业形态的诞生。AI是否会重复这一模式，还是这次真的"不一样"，仍有待时间检验。

不过，原文提出的问题依然极具价值：当AI承担了原本用于培养新人的工作，社会该如何重建向上流动的通道？ 这可能需要教育体系、企业培养机制乃至公共政策的系统性回应，而不能仅仅寄希望于市场自我调节。

对于个体而言，与其被动等待，不如主动理解AI、驾驭AI，让自己站在使用工具而非被工具替代的一方。这或许是当下最现实的应对策略。

经济学界对"这次是否不同"确实存在严肃争论。传统观点以"卢德谬误"（Lump of Labour Fallacy）为据，认为技术进步在消灭旧工作的同时总会创造等量甚至更多的新工作，工业革命、计算机革命皆是例证。但麻省理工学院经济学家达龙·阿西莫格鲁（Daron Acemoglu）等人的近期研究提出了质疑：AI与以往通用技术的关键区别在于，它对认知类任务的替代速度远快于新需求的形成速度，且新生岗位往往要求与被替代岗位截然不同的技能，再培训成本极高。此外，历次技术革命引发的就业重构往往历经数十年，而这段"过渡期"本身就会造成严重的代际不公——上一代在旧制度中完成了积累，而恰好处于职业起步阶段的新一代则要承担全部的转型摩擦成本。这使得"长期来看会好的"这一论断对当下的年轻人而言，安慰意义有限。

小结

这篇文章抛出了一个令人不安却重要的命题：AI冲击的可能不只是具体岗位，而是整个社会赖以运转的向上流动机制。无论最终结论如何，提前思考如何在AI时代维系机会公平，都是每个社会成员和决策者绕不开的课题。