今年 3 月，我被一家国内头部疫苗上市公司裁员。
但我越来越确定：真正淘汰我的，不是 AI。
恰恰相反，是公司没有真正用 AI 提升效率，最后只能靠裁员来维持旧系统的运转。
这可能才是很多传统行业员工正在面对的真相： 不是 AI 太强，而是组织太慢。
最近看到一个视频（来源：@atmoio）
里面提到一个很尖锐的观点：
现在很多公司不断强调“AI 会取代你的工作”，这句话本身已经变成了一种管理叙事。
它可以用来解释裁员，可以用来压低工资，可以用来制造员工焦虑，也可以用来向投资人证明：我们正在拥抱 AI，我们正在提升效率，我们正在降本增效。
但问题是，很多时候 AI 真的已经替代员工了吗？
未必❌。
至少在我的经历里，答案可能恰恰相反。
今年 3 月，我被一家国内龙头疫苗上市公司裁员。我的岗位是研发合规。裁员前，我一边工作，一边结合 MBA 所学，研究公司经营战略如何优化，并把它写进我的毕业论文里。
也正因为这样，我对这次裁员有一种更复杂的感受。
从外部看，这家公司曾经很风光。它靠着独家代理和疫情时期积累的市场红利📈，占据了国内头部位置。但过去几年，公司的问题越来越明显：研发跟不上，创新管线不足，核心竞争力下滑📉，企业开始越来越吃力。
对于医药企业来说，研发就是生命线。
真正能从红海里突围的，永远不是单纯的规模，而是“人无我有，人有我优”的研发能力。
可当我去对比海外医药巨头的研发效率和产出时，会发现一个很残酷的差距：很多海外公司早已开始把 AI 深度融合到研发过程中。
它们用 AI 处理海量数据，模拟复杂分子作用，完成抗原发现与靶点识别；也用 AI 辅助疫苗配方设计🧫，优化 mRNA 序列🧬，提高研发效率和试错速度。
再回头看我所在的公司，问题就变得很讽刺：
AI 会很快替代我吗？
其实我并不担心。
因为公司每年虽然投入数十亿研发费用，但在 AI 上的投入几乎可以忽略不计。研发方式依然大量依赖传统人工试错，很多前期调研、资料整理、文献检索、项目判断，仍然主要靠人一篇篇看、一点点汇总、一轮轮修正。
真正淘汰我的，并不是 AI 带来的高效率，而是企业没有用 AI 提升效率之后，被迫走向的“降本”。
2025 年初，随着 DeepSeek 逐渐走入大众视野，我们使用的企业 App 也开始推送 AI 功能。公司也曾经有一段时间想过本地化部署 AI，希望借此提升员工工作效率。
但遗憾的是☹️，这件事最后并没有形成真正有效的成果。
反而是在日常工作中，大家开始自发地使用 AI，去完成一些基础性的工作：比如协助撰写 SOP，制作简单 PPT，总结文章内容，充当搜索引擎，辅助梳理材料。
这些事情确实有用。
但它们更多只是停留在“办公效率工具”的层面，还没有真正进入研发体系、数据体系和业务决策体系。
由于保密、安全和合规要求，我们无法自由使用最先进的海外 AI 工具，也很难把 AI agent 真正部署到本地电脑和内部系统里。对于研发人员来说，最常见、也最耗时的工作之一，是搜索海量论文、整理数据库、形成汇报材料。但这些工作在公司里依然主要依赖人工完成。
我自己当时曾经通过海外 AI 工具，完成过几次质量很高的数据库整理和 PPT 汇报，效果是非常明显的。领导看到以后，也会觉得耳目一新。
但问题在于，这套方法很难在公司内部真正落地。
一方面有技术问题，另一方面有保密问题，还有合规边界问题。最后就变成了：个人可以通过 AI 极大提高效率，但组织无法把这种能力沉淀成系统。
所以在那段时间，我个人的工作效率其实非常高。
在完成本职工作的情况下，我还可以承担更高难度、更复杂、跨部门的工作。对我这样的岗位来说，善用 AI 确实能带来很大的效率提升。它能帮我更快地整理材料、搭建框架、提炼逻辑、形成汇报，也能让我把更多精力放到判断、沟通和问题解决上。
但对于研发人员来说，很遗憾，他们面对的问题更加复杂。
他们不是简单写一份材料、做一页 PPT、总结几篇文章就可以了。他们面对的是🧪实验设计、技术路线、临床前判断、数据验证、失败复盘，以及一次又一次不确定性的试错。
很多时候，研发团队总是在不断试错、不断修正、不断推翻重来，中间浪费了大量时间和资源。研发效率提不上来，不只是因为人不努力，而是因为工具、系统、数据和流程都没有真正升级。
如果 AI 能够在前期模拟、靶点筛选、抗原设计、临床试验预测、数据建模等环节发挥作用，再叠加富有经验的研发人员，我认为研发效率会有非常大的提升。
这不是用 AI 替代研发人员，而是让研发人员不再把大量时间浪费在低效试错和重复劳动上。
像我们这样规模的公司，本来就需要一支体量足够大、经验足够深的员工队伍。医药企业不是互联网小团队，很多岗位不能简单压缩。♻️生产、质量、合规、研发、注册、供应链，每一个环节都牵一发而动全身。
但现实是，当企业业绩下滑、研发效率不足、组织成本过重时，最后就会变成裁员。
裁员带来的结果，并不是组织立刻变得更轻盈、更高效，而往往是🧱拆东墙补西墙。
今天这条生产线人员不足，就要靠别的生产线来支援。这个项目缺人，就从另一个项目里抽人。最后的结果是：不是所有生产线都能同时开，不是所有项目都能同步推进，很多事情都必须被迫做取舍。
表面上看，成本降下来了。
但长期看，组织能力也被削弱了。
更严重的是，这会形成一个恶性循环⛔️：
因为研发效率低，所以业绩下滑； 因为业绩下滑，所以削减人员； 因为人员被削减，所以项目推进更慢； 因为项目推进更慢，所以研发产出更弱； 最后企业和那些资金雄厚、敢于投入 AI、能够持续提升研发效率的公司之间，差距只会越来越大。
所以，我不是被 AI 替代的🤖**。**
我是被一个没有真正拥抱 AI、没有持续创新、没有完成效率升级的组织低效淘汰的。
这可能才是很多传统行业员工真正面对的现实。
我们总以为 AI 取代人，是一个技术先进到足以替代岗位的过程。但在现实中，很多裁员并不是因为 AI 太强，而是因为公司太弱。
不是 AI 把人变得不值钱，而是企业没有完成技术升级，导致整体效率无法支撑原来的组织规模。
视频里还提到一个 80/20 的问题，我很认同。
AI 确实能帮普通人完成很多通识性的 80%。比如资料整理、文本分析、信息归纳、初稿生成、流程梳理、PPT 辅助、代码辅助，这些工作效率会被显著提高。
但在疫苗企业里，剩下的 20% 依然非常关键🎯。
合规问题、数据安全问题、伦理问题、研发数据的真实性、审评要求、质量体系、监管边界，这些不是简单接入一个大模型就能解决的。
AI 可以帮你更快地走到 80 分，但最后能不能达到真正可用、可审计、可申报、可落地的 100 分，仍然需要人来判断、验证和负责。
这也是我对 AI 与工作的看法：
AI 不应该是员工的替代品，而应该是员工的放大器🔍**。**
前几天香港 Web3 峰会里，谈到硅谷大厂裁员时，一姐也提到币安的一个思路：💡增本增效。
这句话让我印象很深。
很多企业讲 AI，讲的是降本。 但真正优秀的企业，应该讲增效。
一个熟练掌握 AI 的员工，创造的价值，远远大于一个普通员工，也远远大于一个孤立运行的 AI 工具。
因为真正有价值的不是“人”或者“AI”单独存在，而是：
✨✨**✨懂业务的人 + 会使用 AI 的能力 + 组织愿意重构流程的决心。
这三者结合起来，才会形成真正的生产力跃迁。
好的企业，不应该把 AI 当成裁员的借口，而应该让员工坐上 AI 这趟高速列车。
它应该让员工变得更强，让组织变得更快，让研发变得更高效，让企业获得新的增长能力。
而不是一边拒绝投入 AI，一边用裁员维持旧系统的运转。
所以我现在越来越觉得，AI 时代真正危险的，不是 AI 本身。
⚠️危险的是三类组织：
第一类，是不会用 AI，却拿 AI 当裁员借口的组织。 第二类，是不投入 AI，却期待员工继续用旧工具创造新效率的组织。 第三类，是只想用 AI 替代人，却不愿意重新设计业务流程的组织。
对个人来说，也许真正的问题不是“AI 会不会取代我”，而是：
❓我有没有能力成为那个会使用 AI 的人？ ❓我所在的组织有没有能力把 AI 变成真实生产力？ ❓我的行业有没有足够快地完成工具、流程和认知升级？
如果答案是否定的，那么人被淘汰，未必是因为 AI 太强。
更可能是因为组织太慢。
真正的分水岭，不是“人 vs AI”。
而是：
会用 AI 的人🆚不会用 AI 的人。 愿意被 AI 重构的组织🆚拒绝被 AI 重构的组织。 把 AI 当增长引擎的企业🆚把 AI 当裁员话术的企业。
我经历的这次裁员，让我更清楚地看到这一点：
AI 没有直接抢走我的工作。
但一个没有真正拥抱 AI、没有持续创新、没有完成效率升级的企业，最终让很多人失去了工作。
这可能比“AI 抢工作”本身，更值得警惕。
我是Punk， 一个被大厂优化，在web3进化的人🧬的人
