AI不抹平鸿沟——它只是把差距藏得更体面

——对谈吴军：时代给裁员披了一层体面的外衣，也给门外汉递了一份糊涂账

这两天读到刘润老师跟吴军老师的一篇对谈实录。

将近三个小时的交流，我从头看到尾，有一段停了好一阵子。

吴军老师打了个比喻。

两百多年前，你是东家，我是佃户。

我不识数，也不会打算盘。

你噼里啪啦一通算下来，告诉我：今年得交五袋米。

我凭什么判断，五袋是公道的，还是八袋才是公道的？

我无从判断。

因为我根本看不懂你那一通算法。

最后只能是——你说多少，我就认多少。

接着吴军老师讲了一句让我后背一凉的话：

"未来大概率会变成这样：懂的人驾驭AI，不懂的人依赖AI。再往后，不懂的人通过AI，被那些真正懂的人间接支配。"

刘润老师追问：那两者之间的差距呢？

吴军老师说：更悬殊。

这两年，几乎所有关于AI的宣传都在讲同一件事——门槛消失了，人人都够得着。

但吴军老师给出了一个几乎相反的判断：

AI缩小的，是动手层面的差距。

它放大的，是认知和判断层面的差距。

而对一家公司而言，真正掏钱拍板的那个人，恰恰站在"判断"这一端。

先说一件当下最容易被误读的事：裁员。

硅谷许多公司都在裁人。给出的理由高度雷同：AI能顶岗了，所以不再需要那么多人。

吴军老师的看法是：这两件事，很多时候只是同期出现，未必存在因果。

真实的原因是什么？

过去招的人，本来就招多了。

保守估计，有些公司可能多招了一半，甚至更多。

为什么会这样？

因为那几年公司太赚钱。

新技术催生出巨额利润，公司反而得琢磨着把一部分花出去——因为你不能让投资人对利润形成太高的预期，否则后续很难一直兑现。

那花钱最便捷的途径是什么？

雇人。

再叠上一层人性：一个总监想升副总裁，就得琢磨着把团队从200人撑到1000人。组织就这样一级一级地鼓胀起来。

吴军老师说，有的经理手下只带一两个人。从组织结构上看，如果只管一个人，这个节点本来就不该存在。

这跟写代码如出一辙。第一年出一版，第二年迭代，第三年换架构。代码越堆越多，最后谁也不敢动。

真到某天推倒重来，你会发现——可能只需要原来的十分之一。

所以吴军老师说了那句相当重的话：

AI在很多时候只是替罪羊。它是时代给的一张，裁员的体面外衣。

我读到这里，想起我们上一篇文章里写过的那一幕：

员工用AI把200字的周报扩成2000字，老板用AI把它再压回200字。

你看，逻辑完全一致。

混乱的流程叠上AI，只会更快地制造混乱。

臃肿的组织叠上AI，只会更高明地遮蔽臃肿。

凶险之处不在裁员本身。

凶险在于：一旦你有了"AI"这个说辞，你就不会再追问那个更根本的问题——这件事，本来到底该不该做？

遮羞布最大的害处，不是盖住了羞处。

是让你以为，下面的问题已经不存在了。

第二个我觉得CFO必须逐字读三遍的判断，是这个。

刘润老师问：一个人的产出效率因AI提升了，是不是意味着他能赚更多？

吴军老师说：未必。

过去一个人一天剪一条片子，客户给你1000块。

现在有了AI，你一天能剪十条。

但问题是——你能剪十条，别人也能剪十条。

市场是高效的。大家都做得了之后，一条片子的报价可能直接跌到100块。

你一天照样赚1000块，只是从剪一条，变成了剪十条。

甚至更辛苦。

这背后是最朴素的经济学：价格来自稀缺。当一件事人人能做，它就不再稀缺。

亚当·斯密两百多年前就讲过：复杂劳动价值大，简单劳动价值低。

过去操作计算机得是行家，如今谁都能上手。

过去剪片子得用专业软件，现在交给AI。

它从复杂劳动退化成简单劳动，报酬自然就下来了。

现在，请把这条逻辑套到自己公司的AI项目上，问一个非常财务的问题：

我们省下来的这部分效率，最终归谁？

有三种走向。

第一种，归自己。转化为利润，或转化为同等成本下更高的产出。

第二种，归客户。因为你能提效，同行也能提效，最后一起打价格战，效率红利通过降价全部让出去。

第三种，谁也不归。省下来的时间被新增的会议、新增的报表、新增的"AI应用案例评选"重新填满。

吴军老师还提到一个更扎心的现象：AI确实削减了一部分工作，但同时又凭空捏造出许多虚假的工作。以前人事、管理、财务流程相对简单，后来有了OA、有了各种系统，流程反而越来越绕。

所以他说，最后还是要回到那个最朴素的起点：这家公司为达成目标，到底需要做哪些事？

这么一看，许多工作，本来就不该存在。

顺着这条线，还有一个判断值得所有做"一人公司"、做AI创业的人抄下来：

AI催生了许多公司，但它没有凭空变出客户。

一个人带着一群AI，当然能干很多事。

但你干得多，不等于市场会凭空多出一群客户。

影视行业就是现成的样本。用AI做动画，成本越来越低，但行业总盘子还是那么大。

因为人的时间是一个定数。

电影、剧集、游戏、短视频，本质上都在抢同一块东西——人一天24小时里的娱乐份额。

供给暴涨，需求恒定，结局只有一个。

对CFO来说，这一节可以浓缩成一句话：

做ROI测算时，永远别把"效率提升"直接等号成"利润增加"。中间那一步，叫做——这份效率，你守得住吗？

现在回到开头那个佃户。

刘润老师问：为什么AI主要帮的是懂的人？很多人对AI最大的期待，恰恰是"过去我不会的东西，现在AI能替我干了"。

吴军老师反问：你可以让它替你干。但你怎么知道它干得对不对？

AI给出的答复很顺畅，看起来很完整，很多人觉得还真像那么回事。

但顺畅不等于对。

他打了个特别妙的比方。

就像一个医生告诉你，你得了心脏病，却不告诉你依据是什么。

真正负责任的医生，必须告诉你：是哪个指标、哪项检查、什么原因，让他得出了这个结论。

不能只是扫你一眼，就说你过两年得去做手术。

读到这里我想说一句可能有点冒犯、但我认为是真话的话：

这套"要依据、要凭证、要可追溯、要能倒推"的思维方式，在一家公司里，训练得最扎实的人，就是财务。

这是审计思维。是财务人职业生涯里反复捶打出来的肌肉记忆。

在过去，这块肌肉常常被嫌弃——太较真，太慢，太不"拥抱变化"。

但在一个到处是顺畅答案的时代，它忽然成了最稀缺的能力。

所以我特别不认同一种流行说法：AI来了，财务最危险。

恰恰相反。

在AI时代，公司里有大把的账，正在变得看不懂：

算力和Token的账单，按什么口径计费？

外部供应商交付的"智能体"，凭什么认定它值这个价？

那个号称提效50%的项目，50%是怎么算出来的？分母是什么？

供应商说"这个技术上很难"，是真的难，还是不想做？

那些嵌在系统里的AI建议，业务部门照着执行了，出了岔子谁担责？

如果全公司没有一个人能验证这些数字——

那你就是那个佃户。

你不是在使用AI。你只是在为一个自己没法验证的答案买单。

五袋米，还是八袋米？

这场对话里，还有一段我认为是全文最具商业价值的内容。

吴军老师说，他有个朋友在上海做企业数据处理，公司里分三类岗位：MBA、数学建模、程序员。

因为接的都是企业级的活。

第一步，派MBA进到企业里，摸清这家公司的商业逻辑。

第二步，交给搞数学的人建模。

第三步，程序员落地写出来。

如今，程序员的部分工作可以被AI替代了。

但前面那两块，还是得靠人脑。

刘润老师接了一个几乎一模一样的框架：从想法到现实，中间隔着三个人——产品经理、架构师、程序员。

产品经理干的是咨询公司的活：现场调研、梳理流程、挖出痛点和高价值需求。

架构师做设计：用什么结构、什么算法、什么模型来解。

最后才是程序员，一行一行写出来。

今天，AI大幅压低了第三步的成本。

然后刘润老师算了一笔我认为每个老板都该重新算一遍的账：

过去，一家公司里可能藏着一个"价值200万的问题"。

老板觉得，能解决简直太好了。

找外包一报价，500万。

老板一盘算，不划算，搁置。

今天有了AI写代码，开发成本可能从500万降到50万。

那个原本被搁置的200万需求，就重新冒头了。

请你现在停一下，认真想一想：

你的公司里，过去这些年，有多少个"200万的问题"，是被"500万的报价"劝退的？

那些当年算不过来账、被塞进抽屉的需求清单，现在该重新拿出来，用新的成本，再盘一遍。

这可能是AI给中国企业最实在、也最被低估的一份红利。

不是让你多写十份报告。

是让一批过去不划算的事，忽然划算了。

而这件事的瓶颈在哪？

不在第三个人。在第一个人。

在那个能走进现场、把真问题挖出来、把需求讲清楚、并且敢对结果负责的人身上。

这个角色，今天已经有了名字：FDE（Forward Deployed Engineer，前沿部署工程师）——深入业务现场，把模型、智能体和数据工具，真正变成生产系统的人。

现在你会发现，吴军老师和刘润老师，是从两条完全不同的路，走到了同一个结论上。

而在一家公司内部，谁最贴近"第一个人"的画像？

看得见全部业务线的真实数字，清楚哪块在流血、哪块在虚胖。

天生用ROI和损益表说话，不会被"技术很酷"忽悠。

有跨部门调动资源的合法性。

手里握着绩效和激励的设计权。

你缺的从来不是业务理解。你缺的，只是把业务理解变成一个能跑起来的系统的那一小段路。

而那一小段路，正是今天成本下降最快的部分。

第一，先做减法，再做AI。

在给任何一个流程装上AI之前，先把吴军老师那个问题问一遍：这家公司为达成目标，到底需要做哪些事？

然后你会发现，有些流程的正确解压根不是"用AI提效"，而是"取消"。

在一个多余的流程上做AI，等于花钱把多余变得更快、更精致、更难被察觉。

顺序永远是：先砍，再连，最后才是自动化。

第二，每个AI项目，都要回答"多出来的效率归谁"。

立项时不要只写"预计提效X%"。

要往下追一层：这部分效率，会变成利润，会被同行卷掉，还是会被新的会议和报表吃掉？

如果答案是后两种，这个项目就是防守型支出——该做，但别指望它带来增长，也别按增长的标准去投预算。

真正的进攻型项目，一定建立在你独有的东西上：独有的数据、独有的流程、独有的客户关系。

因为价格来自稀缺。人人都能干的事，做得再快也不值钱。

第三，可以外包执行，永远别外包判断。

这是我从这场对话里拿到的最重要的一条。

代码可以外包，报表可以外包，甚至方案都可以外包。

但"这个答案对不对"这个判断，一旦外包出去，你就从东家变成了佃户。

这不是要求你去学Python。

而是说：你至少要亲手把一个真实场景，从脏数据进去，到能复用的结果出来，完整跑通一次。

只有你自己做过一次，你才知道供应商跟你说"这个技术上很难"的时候，他是真的难，还是不想做。

这就是那五袋米和八袋米之间，全部的差别。

可以预见，世界还会继续变容易。

写一段代码，会更容易。

做一张图，会更容易。

生成十个方案，会更容易。

一个人干完过去十个人的活，也会更容易。

但是——

发现一个真问题，依然很难。

判断什么是对的，依然很难。

让客户愿意持续付钱，依然很难。

为最终的结果签字担责，依然很难。

技术每替代一种旧能力，就会重新定义一种新的稀缺。

幸好，困难还在。

因为只要困难还在，机会就没有消失。

上面第三条建议是：可以外包执行，永远别外包判断。

道理都懂。

但接下来那个问题，才是真正卡住大多数人的：

这份判断力，具体怎么长出来？

它不是一节课、一个工具、一场讲座能给的。

它需要一条路径、一批同行的人、和一个能持续跑三年的坐标系。

所以我们做了AI-FDE先锋会员。

这是最容易被误解的一点。

FDE不是要求CFO变成程序员，也不是学会几个AI工具。

它是一套方法论：把你的财务经验产品化，然后前置部署到企业的真实经营场景里。

拆开看三个词：

"前置"——主动走到业务一线和经营前端，提前识别财务、风控、经营全流程的痛点，而不是被动等技术部门推动。

"部署"——输出可以直接落地的方案，不是停留在Demo阶段的演示。

"工程师"——对场景价值和落地效果负责，而不只是对"系统上线"负责。

它和技术型FDE的分工非常清楚：

技术型FDE连接的是模型、数据与系统，交付一个能稳定运行的生产系统。

而业务型AI-FDE，以财税专业为根基，连接的是经营问题、业务流程与技术团队。

一句话：AI做执行，CFO做判断。

AI负责整理、生成、核对、自动化，降低重复工作的边际成本。

CFO负责定义、取舍、授权、落地，把经验转化为可执行的规则。

核心竞争力只有一句：把组织经验，变成AI可理解、可执行、可复用的上下文。

因为全球AI巨头，正在同时做同一件事——把工程师送进企业现场。

2026年5月，OpenAI成立Deployment Company，将FDE嵌入客户组织，帮企业搭建可日常使用的AI系统。

2026年6月，AWS投入10亿美元，建设专门的FDE组织，与客户的业务、工程和安全团队联合交付。

同期，Microsoft与EY联合投入超10亿美元，以FDE与行业专家推动财务、税务、风险等核心职能的规模化应用。

这些巨头用真金白银在讲同一句话：

下一阶段真正稀缺的，不是模型，而是让模型进入业务、产生结果的人。

国内的信号同样明确。政府工作报告连续两年写入"人工智能+"；新《会计法》提升电子凭证法律效力，数据资源可确认为无形资产入表——财务的职责，正在从"管钱"扩展到"管数据资产"。

与此同时，企业招聘端已经在明确要求AI数据分析与智能流程搭建能力。

AI能力，正在从加分项，变成准入门槛。

我们把这条路径拆成了三级，每一级都有明确的交付物——不是学完，是做出来。

LEVEL 01 · AI应用者｜个人效率升级

掌握AI办公自动化与智能财务分析工具，交付你的个人AI工作台和第一个自动化Skill。

这一级的目标很朴素：向老板展示实打实的效率提升，建立岗位安全感。

LEVEL 02 · 场景搭建者｜业务价值创造

围绕财务、法务、经营痛点，独立搭建MVP。交付部门知识库、合同审核流程与经营数据看板。

这一级开始为企业控险降本——从个人提效，走向业务价值创造。

LEVEL 03 · 业务型FDE｜第二职业曲线

统筹企业全域AI数字化规划，跨部门推进智能体系部署。交付AI落地作品集与FDE能力档案。

这一级，你已经是可以对外输出的顾问型人才。

知识资产——制度、合同、案例与流程，沉淀为可调用的企业知识底座。

能力资产——工作台、经营分析与场景MVP，形成可展示的FDE能力档案。这是比简历更有说服力的东西。

关系资产——专家、企业与同频CFO的连接，形成长期的学习与协同网络。

四门必修课，筑牢底层能力：转型认知与成长地图（理解FDE、岗位变化与个人升级路径）、个人AI工作台（用AI处理文件、数据、报告与自动化任务）、企业知识库（把制度、合同、案例、流程沉淀为可调用的知识库）、经营分析与汇报（月报、现金流、预算偏差、老板摘要与经营建议）。

八门选修课，覆盖风控合规与经营战略两大方向，按需选学：制度流程与风控知识库搭建、AI合同审核与法务风控MVP、企业经营数据打通与AI看板、AI审计与税务及金税四期合规应对、出海财税与跨境经营风险管控、融资并购与资本路径中的CFO角色、AI内容生产与CFO个人IP打造、年度复盘与AI-FDE作品集路演。

每门课都配套可直接落地的规则表、流程图或自查清单。

AI财务管理师线上课程，8大基础模块＋5类智能体升级实操，从财税数智化转型、预测决策、预算与成本管理、风险合规税筹、内部审计，一直到智能体与协同自动化（发票、报销、测算与所得税申报）。

会员可免费参加工业和信息化部人才交流中心颁发的AI财务管理师认证考试。

证书名称为IITC工信人才岗位能力评价证书，专业领域标注"AI财务管理师"。

国家级事业单位发证、录入官方人才数据库、官网永久可查。

流程清晰：提交报名资料→ 开通学习账号 → 完成线上学习 → 参加统一测评（线上120分钟，原则上每年6次）→ 通过后颁证并入库。

（具体报名资格、测评安排与证书发放，以项目当期官方规则及审核结果为准。）

中国管理科学学会——国家级学会，百余家单位会员、逾万名个人会员，政产学研用多方资源。这些会员企业真实的财务数字化与AI落地需求，就是FDE能力最直接的变现出口。

虹桥国际中央商务区——长三角会员中心（虹桥会客厅）汇聚多家国内外重要机构。政府侧的企业招商、资本与政策资源，FDE会员均可对接调用。

顶尖高校与商会网络——上海财经大学等院校财税院系的学术积淀，加上商会网络。

从能力认证，到项目对接；从企业引荐，到资本链接——这是一条完整的变现生态，而不只是一张证书。

L1｜CFO AI-FDE 先锋进修版 ¥5,800／年完成AI-FDE基础能力主线，纳入AI财务管理师线上课程与测评支持，沉淀个人工作台、场景MVP与能力档案，进入企业、专家、渠道与项目连接网络。

L2｜企业1+1团队 ¥9,800／年CFO＋核心骨干双人学习，附企业AI初诊。 **我们最推荐这一档。**一个人来，是学会了方法；两个人来，是企业内部有了一个能互相校验的小组——而AI落地这件事，从来不是一个人能推动的。

L3｜实控人联名 ¥49,800／年面向企业掌舵人的高端圈层，私董会深度研讨行业趋势、资源与决策。

L4｜战略伙伴 ¥128,000／年深度战略级合作权益，涵盖品牌联合推广、高端资源共享与资本精准链接。

L5｜三年创始锁定创始会员专属锁定权益，长期享受平台增值红利与专属服务升级。

各层级设有逐级抵扣机制，先从L1起步，后续升级可抵扣，降低试错成本。

因为这件事的性质决定了它不可能一次性交付。

AI工具与场景在快速迭代——今天跑通的方案，半年后可能就有更好的做法。会员制保证课程内容与工具库持续更新，让你始终站在能力前沿。

落地需要持续陪伴——从个人提效到企业全域部署，中间需要阶段性指导、案例复盘与同行互助。这不是听完课就能自动发生的。

资源需要长期经营——职业变现依赖项目对接、企业引荐与圈层信任，而信任只能靠时间积累。

他交五袋米还是八袋米，差别不在于米，在于他会不会打算盘。

这个时代最大的分水岭，不是你会不会用AI，而是——

你是那个驾驭AI的人，还是那个依赖AI、然后间接被他人支配的人。

我们做的这件事，说到底只有一句话：

让你的经验，成为可部署的AI能力。

把真实问题，做成你的第一个FDE作品。

AI-FDE先锋会员，现已开放。

报名或咨询，后台私信我们。

本文的灵感与全部核心观点，来自刘润老师对话吴军老师的一篇文章《对话吴军：时代给了裁员一张遮羞布》。

我摘出的只是其中很小的一部分。原文还聊了世界模型与大语言模型之争、AI安全的三场辩论、人形机器人是不是一种"自恋"、孩子该不该学计算机，以及"陷阱往往伪装成机会的样子，而机会往往伪装成困难的样子"，都非常精彩。

非常推荐完整读一遍：

https://mp.weixin.qq.com/s/LbNr2-2W-W_IfdrrQ30LxA