冰河时代绵延了将近十万年。
在它最后的尾声，全球气温以人类感知不到的速度缓慢上升。冰川退缩，海平面以每百年几厘米的节奏爬升。一条曾经宽达数百公里、将亚洲与北美洲连为一体的陆地走廊，在几千年里悄悄沉入水下，从地图上永远消失——这就是白令陆桥。
在它沉没之前，有一批生物穿越了它。
时间的偶然性，近乎残酷：如果冰川早消融一万年，这场相遇也许永远不会发生。北美的动物不知道，它们的命运取决于一块正在融化的冰。
在那个时代，猛犸象已在北美草原繁衍了数百万年。它们是这片土地上最具统治力的物种之一——体型庞大，象牙弯曲，皮下脂肪厚实，足以抵御冰原的严寒。它们的生存本能里编码了这片土地上所有已知的威胁：狼群、剑齿虎、短面熊。但没有关于两足直立生物的任何记录，因为在这之前，北美大陆从未出现过这种捕食者。数百万年的演化，没有为这次相遇留下任何准备。
大约一万三千年前，人类跨越白令陆桥踏入北美洲。一千年后，猛犸象从这片大陆彻底消失，同时消失的还有乳齿象、地懒、美洲马、美洲骆驼——北美约三分之二的大型哺乳动物物种。对地球来说，一千年只是一次眨眼。[1]
北冰洋的弗兰格尔岛除外。因为与大陆隔绝，人类迟迟未能抵达，一支孤立的猛犸象种群在那里又独自存活了将近一万年。它们最终消失于公元前2000年前后。
那是什么样的年代？吉萨的大金字塔早已矗立了五百年；苏美尔人不仅发明了楔形文字，还把法典刻进了泥板；印度河流域的摩亨佐-达罗建有规划整齐的砖砌街道和地下排水系统；巨石阵刚刚在英格兰完工；中国的夏朝正在黄河流域统治着它的臣民；米诺斯文明在克里特岛已进入青铜时代。人类已经有了城市、冶金、文字、法律和宗教，而地球上还有猛犸象在走动——直到人类的船第一次靠上那座岛。
猛犸象消失了。和北美大陆上的那批一样，与人类相遇之后随即消失。杀死它们的不是冰川，不是气候，是我们。
这不是远古传说。这个模式，正在2020年代的办公室里重演。
同样是智人，为什么北美的猛犸灭绝了，而非洲的大象、犀牛、河马，直到今天还站在这片土地上？
答案不在于物种本身的强壮程度。猛犸象并不比非洲象脆弱，体型甚至更大，象牙更长，皮下脂肪更厚，它们在冰原上挺过了漫长的更新世。非洲的大型动物也并非天生更聪明或更敏捷。
区别在于一件事：共同进化的时间长度。
人类在非洲演化了数百万年。非洲的大型动物与这个新兴捕食者一起，经历了漫长的磨合期。人类变得更擅长狩猎，动物也在一代代死亡中筛选出了更警觉的个体——那些对直立行走的生物保持警惕、在人类逼近之前就开始移动的个体，活得更久，留下了更多后代。没有哪一头非洲象"知道"人类危险，但非洲象的种群记忆里，嵌入了这种警惕。
2014年，行为生态学家Karen McComb在肯尼亚安博塞利国家公园，用实验证明了这一点。她的团队录制了两类肯尼亚男性说话的声音：马赛族（传统上有时与象群争夺水源和牧场，偶有猎象）和坎巴族（农耕民族，与象群基本无冲突）——然后把这些录音分别播放给47个大象家族群体听。结果差异显著：听到马赛族男性声音，象群迅速聚拢、护住幼崽，头部转向声源进入警戒；听到坎巴族声音，反应平静。研究人员还录制了马赛族女性和男孩说同一句话——象群的警觉程度立刻下降，因为马赛族女性和孩子历史上不猎象。没有任何一头参与实验的大象曾亲历猎杀，但这种判断已经嵌入了种群的行为模式。
澳大利亚的案例几乎是一个对照实验。大约五到六万年前，人类首次抵达澳大利亚。在随后的几千年里，澳大利亚约82%的巨型动物属消失，包括两吨重的双门齿兽、三米高的巨型袋鼠、以及体型如狮子的有袋类猛兽。这片大陆在人类到来之前与人类毫无接触，毁灭程度甚至比北美更彻底。
规律在这里变得清晰：不是物种的强弱决定命运，而是与威胁共同进化的时间长度，决定了物种是否具备应对它的本能与策略。
这个规律，在今天的行业格局里，以惊人的精确度重演着。
翻译行业的从业者大概没有预料到，2017年到2022年之间会发生什么。
在那之前，翻译是一门有清晰门槛的手艺。掌握两门语言，理解行业术语，熟悉目标语言的表达习惯——初级翻译做量，资深翻译做质，职级路径清晰，需求来源稳定。
然后，DeepL上线，GPT-4出现。大量初级翻译任务——技术文档、产品说明、标准合同、电商详情页——开始被直接交给机器。初级翻译岗位的需求，直接断崖式下跌。[2]
电话客服行业的故事更直接。大型外包呼叫中心曾经是发展中国家制造业之外最重要的就业引擎之一。几十万人坐在格子间里，拿着脚本，处理同类型的投诉和查询。AI语音客服和文字客服的普及，让这些岗位直接消失——不需要过渡，不需要再培训，只需要在合同到期时不续签。
2024年2月，瑞典金融科技公司Klarna发布了一份公告：其AI客服系统上线首月，处理了230万次客户对话，相当于700名全职员工的工作量；平均解决时长从11分钟缩短到2分钟，客户满意度评分与人工客服持平。这不是趋势预测，是一份带有时间戳的公司公告。
法律行业的初级端也在经历类似的压缩。合同审查、格式条款起草、案例检索——这些曾经是年轻律师积累经验的必经路径，如今AI工具几分钟内即可完成，初级岗位的入门空间正在收窄。
这些行业有一个共同的结构特征：高度标准化、依赖信息不对称、人力重复劳动占主体。它们的从业者，就是那头第一次见到智人的猛犸象。努力与否，专业与否，都不是问题所在。问题在于共同进化的时间窗口根本来不及打开——AI几乎是一夜之间抵达的。
程序员这个职业，是理解"共同进化"最好的样本。
从打孔卡到命令行，从命令行到图形界面，从单机开发到云原生，每一次计算范式的迁移，都意味着原有技能的部分失效和新技能的快速重建。程序员这个群体经历了几十年的技术冲击，形成了一种奇特的职业文化：主动学习新工具，早已成为这个群体的生存本能。
今天，Cursor和Claude Code这类AI编程工具已经不只是代码补全——它们能理解整个项目的上下文，分解复杂任务，自主完成模块级别的开发工作。使用这类工具的程序员，工作的边界被持续扩大：一个人能独立驾驭的系统复杂度，正在以肉眼可见的速度扩张。顶级工程师的生产力上限被重新定义了。
但这个行业内部也在发生分化。那些主要靠"把需求翻译成代码"为生的初级程序员，确实感受到了压力——当AI能完成同样的翻译工作，他们的议价能力在下降。而那些能定义需求、做架构决策、理解业务逻辑的工程师，需求反而在上升。同一个行业，正在发生的是内部分化。
2018年，FDA批准了第一个完全自主运行的AI医疗诊断系统IDx-DR，用于糖尿病视网膜病变的早期筛查——它不需要医生在场，可以直接输出诊断结论，是AI自主诊断进入临床的起点。但放射科医生没有消失：他们开始用AI工具做初筛，把精力集中在复杂病例、边缘情况、以及需要结合患者完整病史才能判断的情形上。医患关系、临床直觉、复杂病例的综合判断，因为AI承担了重复性工作，反而变得更重要了。
品牌设计的情况更微妙。AI图像生成工具确实冲击了商业插画市场，那些接受"每张图100元、一天能出30张"的外包插画师，遭受了直接的价格竞争。但品牌设计师——那些理解客户品牌调性、能把模糊的"我想要一种高级感"翻译成具体的视觉语言的人——发现自己手里多了一个强大的工具，工作效率和提案质量同时提升。AI成了他们的草图生成机。
这些行业的共同特征是：在AI出现之前，已经历了数字化、互联网化的多轮技术冲击，建立了与技术工具共存的肌肉记忆。 每次技术浪潮来临，它们的选择都是主动重新定义自己的工作边界——把可以被工具替代的部分让出去，把工具暂时无法触及的部分做深。
[1] "1000年内消灭"的争议：这一数字来自古生物学家Paul Martin在1973年提出的"过度捕猎假说"（Overkill Hypothesis）的最激进版本，又称"闪电战"模型（blitzkrieg model）。主流文献对北美灭绝时间跨度的估计更宽：《大英百科全书》的数据是约2000年，综合文献的表述是"最多跨越3000年"。本文使用"一千年"援引的是该假说的极端估计，读者若有兴趣深究，可参阅Andermann et al., Nature Communications, 2021的综述。
[2] 翻译行业的技术冲击历史：这个行业在AI出现之前，也遭遇过技术浪潮。规则型机器翻译工具从1990年代就开始存在，从业者学会了"后期编辑"（MTPE，machine translation post-editing），把机器初稿改成人工品质，暂时找到了共存方式。但神经网络翻译的本质不同之处在于：工具不再是需要人工修缮的草稿机，而是直接胜任了初级从业者的全部工作。这次冲击的性质，从"工具升级"变成了"岗位替代"。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。