AI 是破卷的杠杆，还是内卷的加速器？

你好，我是曹犟。

前几天回清华大学参加本科毕业 20 周年以及清华大学建校115周年的纪念活动，校长李路明老师在给大家的讲话里，特别提到，大家保重好身体，不要卷。的确，最近几年，“内卷”几乎成了一个全民热点：学生说学习内卷，打工人说职场内卷，企业家说行业内卷。大家都很忙，大家都很累，而忙碌好像并没有带来真正的价值增量。

与此同时，AI 又成了另一个全民热点：有人把 AI 看成降本增效的工具，有人把 AI 看成新一轮生产力革命，也有人担心 AI 会进一步压缩人的生存空间。

这两个词放在一起，就会出现一个很自然的问题：AI 到底会缓解内卷，还是加剧内卷？

今天这篇文章，就想展开跟大家分享一下我的观察和思考。

PART01：内卷的三种来源

要讨论 AI 对内卷的影响，首先需要区分内卷的来源。在我看来，当下的内卷大致可以归为三类。

1. 内卷可能的确是因为过剩

过去四十年的时间里，中国抓住了对外开放的历史机遇，成功地实现了工业化，建立了一个品类完整、枝繁叶茂的制造业体系。但是，大量的制造业企业是依赖出口订单存活的。全球化退潮之后，不少出口企业陷入困境：传统的欧美市场订单萎缩，或是经常遇到意外的地缘政治冲击；如果转向发展中国家，其市场规模又无法与传统的欧美市场相比；想从出口转为内销，却发现自己除了生产，对销售、品牌、研发茫然无知。

国内需求的增长也放缓了。一方面，居民收入没有显著提升，消费能力受限；另一方面，养老、医疗、教育等领域的不确定性增加，预防性储蓄居高不下，消费意愿也受到压制。

过去，除了制造业这个主战场，还有房地产、互联网、金融业组成的第二战场。第二战场的热闹程度甚至超过了主战场，但现在，第二战场也静悄悄了。

居民消费和企业投资同时趋于谨慎，总需求自然会出问题。

如果内卷只是因为过剩，从长远来看或许反倒不必过于悲观。惨烈竞争会加速优胜劣汰，也可能促成新的产业秩序。这不是我们第一次经历类似周期。彩电、洗衣机、冰箱、空调都曾卷得天昏地暗，但最终也涌现出一批全球顶级品牌。今天的光伏、锂电池、新能源汽车，未来也必定会经历从混乱到有序的过程。

换句话说，过剩型内卷是痛苦的，但它不一定是最坏的。只要竞争仍然围绕真实产品、真实效率和真实客户价值展开，它就仍然可能孕育出产业升级。

2. 内卷也可能只是因为惯性

有一些行业已经度过了群雄逐鹿的激烈竞争时期，行业集中度不断提高，剩下的企业本该致力于技术创新、服务升级和生态构建，却由于路径依赖，陷入了内耗式的竞争。这些巨头企业的竞争又将很多小企业裹挟在内，让大家苦不堪言。

比如，外卖平台之间的竞争将压力转嫁给了商家和外卖骑手，商家因高额抽成几乎赚不到钱，骑手被困在算法中疲于奔命。用户虽然短期得到了补贴，长期却要面临价格上涨和服务质量的不确定性。平台自己也越扩张利润越薄。整个行业都处于一种紧张而不可持续的状态。

惯性型内卷的问题，不是企业不会竞争，而是企业只会沿着旧路径竞争。

3. 内卷还可能来自组织低效

还有一种内卷，来自经营战略误入歧途，或者管理方式低效落后。

最为典型的就是“996”工作制。每天都有开不完的会、加不完的班，每个人都在忙着拼业绩、走流程、催审批。看起来人人都很忙，其实所有人心里都很清楚，这都是无用功。

在一个忙碌的上级屁股后面跟着无数没头没脑瞎转的下级。企业内部比的是谁的 PPT 更漂亮，谁的汇报措辞更严谨，而不是谁解决了更多的实际问题。高明的管理者不是应该举重若轻、抓大放小吗？本来应该从从容容、游刃有余，现在却是匆匆忙忙、连滚带爬。这就是管理效能不足引发的组织内耗。

如果一个组织把管理目标压缩到少数维度，并且只在这些表面工程上反复加码，就会导致边际收益递减，甚至为负。这是最需要警惕的内卷。因为它不是市场竞争的自然代价，而是组织把自己的能量消耗在错误的地方。

区分了三种内卷之后，我们可以逐一来看 AI 的影响。先从过剩型内卷说起。

PART02：AI 对过剩型内卷的影响

1. AI 首先会提升供给能力，因此短期可能更卷

所有人差不多都有一个共识：生成式 AI 的经济潜力很大，Anthropic 讲的故事甚至是 automatic GDP。

但这里有一个容易被忽略的问题：如果需求没有同步扩大，生产率提升首先带来的不是繁荣，而是更强的供给冲击。

AI 会让很多事情的边际成本下降：产品设计更快，营销素材生成更快，客服和销售触达更自动化，软件开发和内部工具构建门槛更低，内容生产、广告投放、数据分析都变得更便宜。

如果所有企业都只是用 AI 做同样的事，那么结果可能是：大家都更快了，但客户没有变多；大家都更便宜了，但利润更薄；大家都能生产更多内容，但用户注意力没有同步增加。这就像给所有正在红海里搏杀的企业配备了一台更先进的发动机。船速更快了，但海域没有变宽，碰撞只可能更频繁。

2. AI 真正的机会，是帮助企业离开同质化供给

但 AI 也不只是降本工具。它更重要的价值，是帮助企业重新设计价值主张。

我在之前的文章里多次讨论过这个问题。创业最重要的是先找到真问题，再寻找解决方案；如果价值主张没有创新性，就很容易陷入内卷。AI 的价值，不只是让旧方案更便宜，而是让一些过去很难成立的新方案变得可行。

所以，对过剩型内卷而言，AI 的真正意义不是让企业把同样的产品做得更便宜，而是帮助企业回答几个新问题：

1. 原来只能服务大客户，现在能不能服务中小客户？

2. 原来只能卖标准品，现在能不能做更细分的个性化方案？

3. 原来只能卖工具，现在能不能直接承诺结果？

4. 原来只能服务国内市场，现在能不能更低成本地出海？

5. 原来依赖人力交付，现在能不能用 Agent 和自动化流程降低交付成本？

大多数企业用 AI 降本，会更卷；少数企业用 AI 重构价值主张，才可能破卷。

PART03：AI 对惯性型内卷的影响

1. 如果指标不变，AI 只会让旧模式更精密

惯性型内卷最危险的地方在于，企业并不是没有能力，而是能力被用于优化旧目标。

如果一个平台原来就只盯着 GMV、DAU、履约时长、补贴效率，那么 AI 会让这些指标被优化得更加精密：更精细的动态定价，更高频的流量分配，更自动化的补贴策略，更强的骑手、商家、主播、客服调度，更精准的用户分层和消费刺激。

这些能力未必是坏事，但如果企业优化的目标仍然是把压力向商家、劳动者、合作伙伴转嫁，那么 AI 就不会改变内卷，只会让内卷更智能。很多 AI 业务不是死在技术不行，而是死在指标错了。不要用旧时代的指标体系管理新业务。

2. AI 也可能重写行业竞争维度

另一种可能是，AI 让企业从旧竞争维度中跳出来。

比如在 2B 软件行业，过去大家比的是功能多不多、价格低不低、交付快不快。结果往往是客户要“私房菜”，但只愿意付“沙县小吃”的钱。供应商为了拿单不断压价、定制、加班，最后全行业都很痛苦。

但如果 AI Agent 能够真正完成“智能决策 + 自动执行 + 持续优化”的闭环，企业服务的竞争维度就可能发生变化：从卖功能，变成交付结果；从按账号收费，变成按效果收费；从交付模块，变成交付确定性；从比谁更便宜，变成比谁更能承担结果责任。

传统软件是“人操作软件”，Agent 则是“人定义目标，Agent 自主完成”。竞争逻辑会从功能列表，转向特定场景下完成任务的质量。

用 AI 优化旧 KPI，只会把旧内卷升级成智能化内卷；用 AI 改写任务完成方式和收费逻辑，才可能跳出原有竞争轨道。

PART04：AI 对组织低效型内卷的影响

三类内卷中，组织低效型内卷可能是最常见的，也是 AI 最有机会改变的。

1. 很多组织内耗，本质上是信息流转成本太高

过去很多管理动作，本质上都是为了弥补协作低效：开会同步信息，汇报让信息向上流动，审批控制风险，周报让管理者掌握状态，PPT 把复杂问题包装成可展示材料。

这些东西在一定规模下都有必要性。但一旦失控，就会变成组织内耗。

AI 时代的根本变化是，一个人可以和 AI 协作，完成过去需要多人配合才能完成的工作。因此，很多只负责上传下达、收集汇报、转发任务的“路由器型管理者”，价值会被明显压缩。

2. AI 最应该消灭的不是人，而是无效流程

AI 可以做很多过去依赖管理动作才能完成的事情：自动汇总项目进展，自动识别延期风险，自动整理会议纪要和待办事项，自动同步文档、代码、需求和任务状态，自动生成业务简报，自动沉淀组织知识，自动提醒相关责任人。

但关键不是“让 AI 帮我们把旧流程做得更快”，而是重新判断：这些流程本身还有没有必要。

如果一个会议不重要到可以让 AI 替你参加，那它真的需要开吗？如果一个会议的价值只剩下生成一份纪要，那这份纪要本身又有多大价值？AI 帮你高效地做了一件不需要做的事情，不叫提效，叫精致的浪费。

3. AI 也可能让组织无效产能爆炸

如果组织理念不变，AI 也会成为新的内卷工具：

以前一周写 1 份周报，现在 AI 可以帮你写 5 份；以前一次汇报做 20 页 PPT，现在 AI 可以帮你做 80 页；以前会议纪要没人看，现在 AI 可以生成更完整、也更没人看的纪要；以前大家为了流程而流程，现在 AI 可以让流程自动化地膨胀；以前管理者用会议制造掌控感，现在可以用 AI 看板、AI 报告、AI 评分制造更强的掌控感。

所以，AI 并不天然带来组织进步。它只是让组织更像自己。

4. 真正的变化，是组织从“管人”转向“管任务、管上下文、管验收”

未来组织的最小作战单元，不再只是“一个人”，而是“一个人 + Agent”。管理者未来要管理的，不仅是人，还包括一组拥有不同权限、不同上下文、不同成本结构、不同可靠性的 Agent。

因此，管理者的价值会从“协调资源、传递信息、监督执行”转向：定义清楚任务边界；给出足够但不过量的上下文；分配合适的权限；设计验收和兜底机制；判断 AI 产出到底好不好；在关键节点承担责任。

真正的 AI Native 组织，不是给每个人配一个 Agent，不是把 Agent 当作同事拉进群里，而是以模型为中心，重构协作与执行方式。Context Engineering 将成为新的组织能力。

真正懂 AI 的公司，会用 AI 减少内耗；不懂 AI 的公司，会用 AI 生产更多内耗。

PART05：个人和企业应该怎么做

分析了三类内卷之后，最后聊几点实践层面的建议。

1. 不要把 AI 只当作降本工具

这不是说降本不重要，而是说降本只能作为结果，不能作为全部目标。一个更好的顺序是：先重新定义客户问题和价值主张，再判断 AI 能否改变产品形态、交付方式和市场边界，最后才看成本结构。

因此，在启动 AI 项目之前，可以先问三个问题：它解决的是客户更重要的问题，还是只是让旧流程更便宜？它创造了新的收入或市场，还是只是在压缩成本？它提升了组织能力，还是只是减少了人数？

2. 不要用旧指标管理 AI 时代的新工作

旧指标最危险的地方，不是它们完全没用，而是它们会把团队带回旧路径。AI 项目尤其需要从一开始就设置结果指标，而不是只看产出数量。

比如，内容团队不要只看生成篇数，也要看有效线索、转化率和用户反馈；研发团队不要只看代码行数或需求完成数，也要看缺陷率、交付周期和可维护性；管理团队不要只看会议纪要和看板数量，也要看决策周期、跨团队等待时间和问题闭环率。

3. 不要让 AI 成为新的形式主义

判断一个 AI 应用是否值得做，可以看它是在减少必要动作，还是在美化多余动作。

如果 AI 只是让会议纪要更完整、汇报材料更漂亮、看板指标更密集，它大概率是在给形式主义加速。更好的做法是把 AI 当成一个反向检查工具：凡是 AI 能完全代劳、且代劳之后没人关心结果的流程，都应该被重新审视。

4. 真正不可替代的人，会从执行者变成定义任务的人

AI 对初级任务的替代性最强，对定义问题、判断方向、承担责任的替代性仍然较弱。未来更有价值的人，不一定是最会执行的人，而是最会提出好问题、组织好上下文、判断好结果的人。

所以，个人可以从三件事开始：第一，把模糊问题写成可执行任务；第二，积累行业知识和案例，让 AI 有高质量上下文；第三，建立自己的验收标准，知道什么是“好答案”“好代码”“好方案”。

写在最后

AI 不会自动终结内卷。它只是让一切变快，也让原本的方向更快显形。

所以，AI 与内卷的关系，不是简单的缓解或加剧。更准确地说：方向对了，AI 是破卷的杠杆；方向错了，AI 是内卷的加速器。

真正重要的不是“要不要用 AI”，而是先回答：我们正在优化的问题，究竟是不是值得优化的问题？我们正在加速的方向，究竟是不是正确的方向？