2000美元的拍攝報價，被50美元庫存圖干掉了

你剛給客戶報完價，對方發來一張庫存網站截圖——相似構圖，授權費不到你報價的3%。這不是砍價，是整個行業地板被抽掉了。

索邦大學博士生Ayoub Nainia研究這個現象多年。他發現一個規律：技術從不直接"搶走"工作，它只是把"夠用"的門檻抬到多數人夠得著的高度，然后讓中間層消失。

攝影行業的預演

2000年代初，圖庫平臺規模化。Annie Leibovitz的頂級報價紋絲不動，天花板還在。但靠拍企業活動、編輯內頁、中端廣告為生的職業攝影師，市場幾乎一夜蒸發。

客戶曾為一場專業拍攝支付2000美元，現在花50美元買張授權圖，效果"夠用了"。

沒人比他們拍得更好。

只是有個更便宜的選擇，做到了80分。

Nainia把這個模式稱為"地板上升，中間塌陷"——可用質量的底線被技術大幅拉高，而卡在天花板和地板之間的那群人，最先感受到窒息。

AI正在批量復制這個劇本

Nainia的身份不只是觀察者。他是自然語言處理（Natural Language Processing，自然語言處理）博士生，每天親手搭建大語言模型（Large Language Model，大型語言模型）系統，同時發表相關研究。

他看到同樣的加速度正在同時沖擊多個知識領域：軟件開發、內容寫作、視覺設計、法律工作、數據分析、學術研究。

每個領域的邏輯高度一致。

過去需要三年訓練才能產出的交付物，現在提示詞（Prompt，提示詞）調優幾輪就能接近可用狀態。不是頂級水準，是"夠交差"的水準。而"夠交差"正在覆蓋越來越多場景。

這解釋了為什么焦慮感彌漫在中層從業者中間。他們的技能樹曾經是護城河——比新手強太多，比頂尖又夠得著性價比?，F在護城河被填平了。

兩類人的分叉口

Nainia的判斷很直接：AI讓普通人變強，讓優秀者變得可替代。

普通人受益的邏輯清晰。寫作不會？AI幫你搭框架、潤色、查資料。代碼不熟？生成式工具（Generative AI，生成式人工智能）補全邏輯塊。設計零基礎？文生圖模型輸出能用的視覺素材。能力下限被集體抬升。

但"可靠地優秀"這個定位正在失效。

過去企業愿意為"穩定輸出80分"支付溢價，因為招到這種人本身有門檻?，F在80分的產出可以通過工具+普通人+少量校對實現，成本結構徹底改寫。

頂尖者暫時安全。Leibovitz式的不可替代性來自審美判斷、資源網絡、品牌溢價——這些不是參數能復制的。但"優秀且可規?；?的中間層，正被擠壓成最尷尬的位置。

職業錨點的遷移

Nainia沒有給出標準答案，但他的觀察指向一個動作：重新校準你的價值坐標。

如果核心競爭力是"比市場平均水平好一截"，這個縫隙正在收窄。工具把平均水平拉得太快，而"好一截"的溢價空間被壓縮。

新的錨點可能在哪？

一是極端垂直。比通用工具更深的專業判斷，比如特定行業的合規理解、細分場景的容錯閾值。

二是流程掌控。不是產出單點內容，而是設計人機協作的完整工作流——什么時候用生成，什么時候人工介入，如何質檢迭代。

三是關系資產?？蛻糍I的不是交付物，是信任鏈條和決策責任。工具越泛濫，愿意簽字背鍋的人越稀缺。

Nainia的研究方向也側面印證這個趨勢：大語言模型評估、領域專用問答系統、信息抽取。他花在"讓AI更準"上的時間，本質上是在探索人機分工的新邊界。

技術史的不對稱教訓

攝影行業的案例有個細節值得回味：天花板沒塌，地板升高了，塌的是中間。

技術變革很少均勻分布。它總是先吃掉那些"標準化程度中等、溢價空間中等、替代成本中等"的環節。這些環節恰好是過去職業安全感的來源——夠專業，但不夠獨特。

AI的加速在于，它同時沖擊多個知識領域，而且迭代速度遠超圖庫攝影那個時代。Nainia作為每天動手搭建系統的人，感受到的緊迫感比純觀察者更具體。

他的建議藏在標題里：如果你正在靠"可靠地優秀"建立職業，現在就讀這篇。不是預言末日，是提醒窗口期在縮短。

工具不會等你準備好。它只負責把地板抬到你腳下，然后看你是站在新地板上，還是卡在舊天花板的夾層里。

好消息是，新地板比舊地板高很多。壞消息是，站上去的姿勢和過去不太一樣。