在接受采访的前一天，已经有 15 年从业经验的猎头尹中，收到了候选人的一条微信。

" 大哥，最近焦虑坏了，马上要离职了。"

候选人名校本硕博毕业，在国内 top 级学校做过人工智能方向的博士后，又辗转进入工业互联网行业从业，履历光鲜。但随着年龄的增长，他也逃不过 AI 热潮所带来的职业焦虑。毕竟 AI 大模型的更迭速度太快，如果学习能力跟不上，便有可能要面对被市场淘汰的局面。

这种焦虑并不罕见，尤其在各类智能体爆火的 2026 年。

年初，AI Agent 爆火，其中的代表产品是 OpenClaw（龙虾），人们忙着探索如何 " 养虾 "。紧接着，" 如何部署 Codex 和 Claude Code" 变成了互联网热议话题。国内各大科技公司争相推出自家的 AI Agent，希望用户能把产品安进电脑、手机甚至是通讯软件中。

一时间，人与 AI 的关系变得更加紧密起来，" 使用 AI" 成为衡量工作能力的一项指标。同道猎聘集团副总裁把冉告诉南风窗：" 猎聘大数据显示，近一年要求会使用 AI 工具的职位同比增长 144.1%，且有此要求的职位，出现了更多非技术岗。"

当被 " 蒸馏 " 成 Skill 的程序员们，在 Github 里实现赛博永生的时候，当科技公司反复宣传 " 不懂编程的小学生，也能做出小程序或者网页 " 的时候，许多人心头开始萦绕一个疑问—— " 我的工作还能属于我多久？"

但与此同时，一个与这种焦虑截然相反的判断出现了。脉脉 CEO 林凡曾公开提到，在 AI Agent 引导人才结构变化的情况下，35 岁的职场人将迎来价值重估。这一信号，让网络上开始出现 "35 岁被疯抢 " 的讨论。

他的意思是，过往曾因为精力不济，家庭压力过大而被市场低看的 35 岁职场人，将会因为过往沉淀的行业经验，而一跃成为 AI 时代的香饽饽。毕竟，AI 能够代劳大部分基础、繁琐的工作，但成熟职场人能够将基础工作转化为 Skill 的经验，才能够与 AI 深度协同。

斯坦福数字经济实验室研究科学家陈如雨长期追踪 AI 对劳动力市场的影响。在她看来，这一判断有一定道理，但仍需把不同行业、岗位和劳动者之间的差异纳入考量。" 年龄只是经验与隐性知识（tacit knowledge）积累的粗糙代理变量。" 她告诉南风窗。意即，年龄不能与经验直接画等号。

AI 对 35 岁没有概念。AI 时代里的职场故事，既不是年龄决定论，也不是资历至上论。真正可能提高一个人市场价值的，并非抽象的年龄或工龄，而是经验中那些难以标准化、能够转化为判断与行动的部分。

似乎所有行业都与 AI 挂上了钩。但在这其中，有一些职业表现得更为迅猛。律师素以 " 行走的法典 " 著称，背诵大部头法是职业基本功，而 AI 似乎正能最先突破这一人力瓶颈。

然而，今年正好 35 岁的锦天城合伙人王欣桐，有时候很头疼。

因为律所里年轻的实习助理经常交上来一些存在低级错误的法律文书。" 要么是方案错误，要么是英语语法低级错误，但是他们往往会说，这是 AI 生成的，不关我事 "。

但新人律师们往往不是出于 " 你爱怎么样就怎么样 " 的心态说出这话，相反，他们真心实意觉得，作为新人，自己的能力比不上 AI，如果 AI 这样说了，那么事情就应该是这样的。

王欣桐观察过，年轻律师们过度依赖 AI 写法律文书，导致文书常常出现引用过时法条的情况。" 我自己也发现，当我用 AI 做法律检索时，它写出来的东西很奇怪。"

这种奇怪的感觉，建立在王欣桐 14 年知识产权领域的从业经验之上。她形容为，" 按照我的经验判断或者逻辑直觉来讲，它不应该是这样子。于是我让 AI 就某点再度核查，要求给出信息来源，这时候 AI 就会主动认错 "。

AI 检索法条的困难点在于，当一个法规中的法条，被另外一个法规或者法条废止了的时候，法条数据库是无法直接显示出结论的，AI 也就无从判断这一冲突。并且，法律仍在不断细化，数据库不一定比从业律师了解快及全面。

如果年轻律师没有做过足够多的法律检索，没有仔细地写过法律文书，也没有经过法律庭审并跟随过法官的思路进行推导、亲自分析判决书，那么便无法形成一种潜意识，也不会知道其中能有多少细节可以推敲。

AI 的确可以帮王欣桐整理所有类似案例的判决结果，但怎么选择管辖法院、怎么和对方谈和解、怎么平衡客户 " 快速结案 " 和 " 维护市场地位 " 的需求，这些只能靠她作为人类的经验。

但也有好的一面。" 对我所在的知识产权领域而言，AI 绝对是给 35 岁 + 的律师带来了新机会。我身边不少 35 岁 + 的合伙人，都在用 AI 放大自己的经验优势。"

这种 " 放大 " 体现在数据上非常客观。过去，一个合伙人最多只能带 5 个律师，因为需要花大量的时间、精力审核年轻律师的工作成果；现在，AI 可以帮助节省基础工作时间，5 个可以变为 10 个，合伙人也有更多的时间可以处理高价值案件。

类似的 "AI 加成工作 " 的感受，同样出现在互联网行业里。过去十年，互联网大厂陆续经历了高光时刻和瓶颈期，如今，它们又被视作 "35 岁危机 " 最严重的行业。与科技息息相关的互联网，正在亲手制造出一些可以替代自己真人员工的产品。

但是，在这个行业里，35 岁的陈数没有因为 AI 产生太多焦虑。

她举了一个例子。最近，她需要向大老板汇报业务，于是她把基础的数据、图片和文案给到助理，让助理用 AI 帮忙做一个 PPT。" 做出来的东西很难看 "，陈数说道，" 他 / 她直接告诉 AI，把这些材料做成一个 PPT，风格要高大上，语句要简洁 "。

陈数不满意，只能手把手教助理怎么用 AI 做 PPT，" 比如说左边这个图主要讲述的是什么，要体现什么价值和链路，需要人把口令拆解得详细一点 "。

她形容，让 AI 做 PPT 之前，自己脑子里已经通过对业务的理解，有一个合理的画面，但助理因为缺乏业务经验，只能把素材一股脑丢给 AI，无法借助 AI 通过素材组合，表达出真正要表达的内容。

" 这就是经验积累（的结果）"，陈数解释道。

这种 AI 放大经验价值的情况，体现在整个就业市场里，便化身为一种招聘需求。

同道猎聘集团副总裁把冉表示，" 过去两年企业招聘需求的变化，本质上是人才能力模型的变化，企业不再只寻找单一专业技能的人才，而是在寻找能够与 AI 协同工作的复合型人才 "。

而猎聘大数据也显示，在 2026 年 1 — 7 月，要求 5 到 10 年工作经验的新发职位占比达到 32.93%，仅次于要求 3 — 5 年工作经验的新发岗位。这意味着，原本要求经验和年轻共存的企业，正在慢慢拓宽年龄边界。

但年龄本身并不等同于所谓经验。

" 很多人其实只有经历，没有经验 "，猎头尹中说道。从地产、金融到正当红的能源与硬科技赛道，尹中接触过太多只是年龄虚长，但经验无增长的人。

" 这在职场招聘中很常见，他 / 她 35 岁，在公司工作多年，认为自己是个熟手。但这种‘熟’只存在于这个单一环境里，比如更清楚领导的喜好或者繁琐的 OA 流程，这些放在市场上，毫无竞争力。一个刚毕业的应届生也可以做 "，尹中觉得，这样的 35 岁人士，无论 AI 浪潮来或不来，都有被市场淘汰的风险。

尹中今年 37 岁，他用自己的行业，来说明 " 经历 " 与 " 经验 " 之间的区别。

猎头行业里，有一些已经做了十几年的人，" 动作 " 非常固定：在网上搜索个人简历，而后给候选人打电话，如果客户有需求，便帮着推一推，" 能成算我运气好，不成就算了，这就是纯经历 "。尹中称之为：只是执行。

在他的理解里，经验是能从 " 动作 " 里提炼出一套方法论，" 比如我会分析什么时间搜简历、打电话效果最好，我应该用怎么样的话术和客户沟通 "。

如果一个人说自己工作了十年，其实十年这个数字不重要，这十年里留下了什么，才是真正重要。严格说来，王欣桐与陈数在职场里呈现出来的优势，与 35 岁的年纪无关，而与她们在前往 "35 岁 " 道路上的十余年历练有关。

并且，不同的岗位有不同的年龄－能力成长曲线、不同的职业年龄光谱。35 岁在技术更迭周期更短的程序员群体里，或许不再年轻，备受 "35 岁危机 " 的焦虑情绪困扰，但在 " 前十年打基础 " 的律师行业里，35 岁仍属于黄金年龄。

无论是 "35 岁危机 "，还是林凡口中将重新迎来春天的 "35 岁职场人 "，这些名词所指的 "35 岁 " 只是一个代理变量。

在把冉看来，从企业招聘的角度而言，重要的其实是这个阶段的候选人的专业能力是否形成壁垒，是否具备持续学习和适应变化的能力，并且还要评估候选人职业发展的稳定性和价值贡献。

" 对于部分 35 岁 + 职场人而言，如果长期停留在重复性执行岗位，没有形成专业壁垒、管理能力或业务影响力，当企业进行组织调整、岗位优化时，确实可能面临更大的压力。" 把冉告诉南风窗。

年龄之所以成为这场变化中更加显眼的标签，是因为人们常常用年龄来衡量经验之多寡。但什么样的经验，才能够被 AI 所放大？

斯坦福数字经济实验室的 Erik Brynjolfsson，Bharat Chandar 和陈如雨在论文 " 煤矿里的金丝雀，人工智能对近期就业影响的 6 个事实 " 里，提供了一种新的、更加宏观的解释机制，可以用来理解尹中、王欣桐与陈数口中那些被 AI 放大了的经验。

南风窗和陈如雨交流得知，研究者们把 AI 的用法分为两类。一类是 " 替代 "：AI 直接上手帮人干活，报告让它写、代码让它出。另一类是 " 互补 "：人和 AI 搭着干，AI 查资料、出建议，主意还是人拿。

在分类的基础上，他们利用 Anthropic 的数据，拆解每个职业里各个小任务的 AI 使用方法，更偏向哪一种。再结合覆盖数百万美国劳动者的就业数据，分析不同年龄与 AI 用法的情况下，就业走势有什么不同。

他们把两个问题摆在一起看，一是 " 一个职业中 AI 使用得多不多 "，二是 " 使用 AI 时，是‘替代’型用法多，还是‘互补型’用法多 "。最终他们发现，在年轻人群体里，真正与就业下滑挂钩的只有 " 替代 "，而在 41 岁以上的群体中，" 互补 " 往往伴随着就业增长。

这意味着，真正影响就业的并不只是一个岗位 " 接触了多少 AI"，而是 AI 以何种方式进入工作流程：它是在替代人，还是在帮助人完成原本的工作。

在此基础上，研究者又提出了可编码知识（codified knowledge）与隐性知识（tacit knowledge）的可能机制。前者，是通过教育、教材或书面程序教授的，正式化、标准化、文档化的知识；后者，是通过实践、指导和反复接触真实情景获得的知识。

而 AI 对两类知识的冲击程度是不同的。尽管研究结论并非强因果估计，而是一种 " 相关关系 "，但仍能给予一种提示：AI 更容易替代可编码知识，对隐性知识则更呈现补充状态。

" 如果我们想一下 AI 大模型是怎么被训练出来的，就很容易理解。AI 学习的是人类已经生产并记录下来的海量文本和数据，再从中识别规律、生成内容。因此，那些已经被标准化、文档化的可编码知识，恰好是 AI 比较擅长处理的。" 陈如雨说道。

也就是说，所谓能够放大 AI 作用的经验，并不等同于 " 我知道很多 "。这在王欣桐的工作里具象化为，过去她经常要啃的电气工程学或药学论文，如今有了 AI 并不需要再啃，AI 会帮助她理解案件里的关键技术点。

" 隐性知识 AI 还没学得那么好。这类知识没有现成的文档可以照着学，主要靠边做边学 ( learning by doing ) ：处理一个个具体的问题，听反馈，慢慢磨出自己的判断。而且很多经验是和具体的公司、行业、客户绑在一起的，常常要做一些没法写成流程的深度思考和创造性判断。所以在这类任务上，AI 目前更多是与人互补，还很难完全替代人。当然，这条界限也不是固定的——随着时间推移，一些原本写不下来的知识，正在被逐渐写下来、编码化。" 陈如雨继续解释。

这些，在律师工作里能具象化为很多场景，如，当事人只给律师打了一通电话，律师需要凭经验直觉，去 " 猜 " 他们的想法。

" 比如在离婚诉讼中，当事人也讲不清楚自己到底想要什么，只是不停地与律师哭诉，律师必须从支离破碎的语言里，还原哪些事实是有用的，并向当事人提问。AI 没有办法有的放矢地提问，梳理并且帮助当事人消化情绪 "，王欣桐举例道。

但陈如雨强调，AI 具体如何影响就业，不能仅凭职业 " 类别 " 判断。

" 一个岗位里，这两类知识各占多少，取决于它每天要做哪些任务。落到个人身上，则要看另外两件事：能写下来的那部分可编码知识，有没有用 AI 去做、用得好不好；没有写下来的那部分隐性知识，实际攒下了多少经验和判断。" 她说道。

当我们试图找到评估一个人在 AI 时代拥有何种价值的一套标准时，最终仍要看一个人是否能且如何能与 AI" 咬合 "。

某种程度上，年龄只是最终呈现出来的一种群体分布。

因为在职业生涯早期，一个人拥有的知识更多来自学校与书本，只有随着工作经历的增加，人才有机会从实践和具体情景中，得到无法从课堂获取的知识。而 AI，更擅长调用前一种知识。

在职场初期，年轻人通常承担更多的是基础任务（也就是可编码知识），而资深劳动者则需要承担更多隐性知识相关的任务。而 AI，更容易取代前一种任务。

AI 只是改变了不同知识与任务，在劳动力市场上的相对价值。这并不代表，35 岁便一定更加不受 AI 冲击，更加 " 值钱 "。

其实，陈如雨正在做的另外一项研究显示，在美国劳动力市场里，生成式 AI 到来后，中级职场人的职业晋升速度，变慢了。

但这并不是故事的全部。

上述 " 煤矿里的金丝雀 " 研究发现：AI 虽然没有带来大面积失业，但在美国，AI 暴露程度最高的那些职业里，22 岁到 25 岁年轻人的就业，已经明显落后于暴露程度低的同龄人，差距约为 19%。这不是说 19% 的年轻人丢了工作，而是两组人的就业轨迹之间拉开的缺口。

一年前的 2025 年 7 月，这个差距还是 15%。"（现在，）信号越来越清晰。" 陈如雨说。

如果 AI 生来 " 奖励 " 在具体情境中练就的隐性知识，却确实有替代年轻职场人的忧患，那么下一代资深职场人能从何处来？

王欣桐对此很疑惑，"AI 让这个（律师）行业（看起来）不需要新人，有些新人也缺乏判断力，缺乏系统体系的法律思维逻辑的训练，缺乏英文能力。但我不知道是好事还是坏事，我无法判断未来。"

过去，" 培养新人 " 常常是许多律所合伙人需要经历的痛苦阶段，但 AI 到来后，合伙人们都发现，多数做基础工作的新人，能力确实比不上 AI 了。

王欣桐平常也到公益组织里辅导法学生们找工作，" 学生们觉得工作特别难找，但是完全不知道发生了什么，找不到方向的时候，他们的精力就用偏了，还会造成焦虑情绪。"

在美国，类似的情况也在发生。陈如雨和同事们发现，22 岁到 25 岁年轻人的就业下滑，主要不是因为更多人离职或被裁，而是企业招得少了。在她看来，面对 AI 带来的不确定性，减少甚至停止入门岗位的招聘，是企业最容易先动的一环。因为比起裁掉现有员工的高昂代价，它的成本低得多，调整空间也大。

不过，" 也有雇主开始意识到，少招新人可能是一笔短视的行为。如果今天不招年轻人，未来企业的中坚管理层从哪里来？需要花高价去别的公司挖人吗？人才梯队一旦断了，企业最后付出的成本可能更高。" 陈如雨告诉南风窗。

反过来，王欣桐有时也会担心，AI 会 " 吃掉 " 自己的能力。过去她啃论文，一字一句学电气工程学与药学的专业知识，这个过程虽然并不能让她直接抵达关键技术点，但带给了她更多专业概念和抽象理解，让她能够更灵活地在工作中运用知识。

今天她会想，少了这个独立思考的过程，以及它所带来的知识储备，" 会不会对构建我的知识体系，反而有弊 "。

在 AI 浪潮里，" 要拥抱 AI"" 持续学习 " 的个人建议层出不穷，这些建议所言非虚，我们习惯也擅长讨论这些。但是浪潮扑面而来之时，要被重新设计的，或许还有工作本身与秩序。

技术总是中性的，技术最终如何进入社会，与社会互动，并不由它所掌控。人类此时要做的，应当是给 AI 修一条合适的轨道。

当地时间 8 月 26 日，比尔 · 盖茨发布了一则长文，他主张给部分职业留出 " 人类保留区 "，呼吁考虑预留部分岗位，在未来数年或数十年里逐步引入 AI，同时承诺保留部分岗位给人类。

这种呼吁并非少数。早在 7 月，斯坦福数字经济实验室就曾发布过一封由 200 多名研究人员共同签署的联名信 "We Must Act Now"。这 200 人里，包含了 16 名诺贝尔奖得主，多名顶尖经济学家与人工智能研究者。

他们呼吁，我们应当开始建立 AI 补充人类能力，并且造福人类社会所需要的政策与机构，以应对 AI 带来的经济影响。

迷茫恰恰佐证了我们仍然处于 AI 时代的发展早期，而正如比尔 · 盖茨所说的，" 我们必须有意识地确保它（AI）惠及所有人，而不仅仅是少数富人 "。

因此，回到我们仍然未知的 "35 岁危机 " 是否消解或加剧，真正的问题其实并不是哪个年龄段的人更能与 AI 协作，而是我们是否能够建立一套秩序，让人能够从 25 岁走到 35 岁？