AI时代的“中等技能陷阱”（Middle Skill Trap）
讨论AI的冲击，人们习惯关注两个极端。一端是高技能人才，拥有深厚的判断力、创造力和战略思维。另一端是体力劳动和面对面服务岗位，这些工作对物理操作和人际互动的依赖使得AI暂时触达不到。
真正处境最危险的，是中间那群人：初级程序员、分析师、翻译、初级律师、会计审计、基础金融分析、行政文员……他们的日常工作恰好落在当前AI最擅长的能力区间。
这些人面临的不只是简单的"被替代"，而是一种三重困境。
第一，横向替代正在加速。他们今天做的核心任务，如写代码、处理数据、起草文书、翻译文档，正是大语言模型进步最快的领域。AI不需要完全取代他们，只需要让一个人借助AI干完原来三个人的活，岗位就会收缩。
第二，向上流动的路径正在断裂。过去，一个初级分析师通过反复做报表、写报告、跑数据，逐步积累行业经验和判断力，几年后成长为高级分析师或管理者。这条学习阶梯依赖的就是大量中等复杂度任务的实践。现在AI接管了这些任务，年轻人可能从一开始就缺少了“练手”的机会。学习的入口被封堵了，经验积累的传统通道不复存在。
第三，向下的路，脱不掉的"孔乙己的长衫"。让一个数据分析师去做快递或护工，不仅存在技能错配，还有多年教育投入形成的沉没成本和身份认同。脱不下长衫，就被卡在了中间。
Acemoglu工作论文提出了“知识坍缩”（Knowledge Collapse）的警告：当AI提供越来越精准的现成答案，人们自主学习和探索的激励会下降，而社会共有的知识存量正是靠这些分散的、成本高昂的人类学习努力来维持和更新的。当effort被AI替代，新的公共知识信号不再产生，整个知识基础会逐渐枯竭。
中等技能群体的知识不再被市场需要，不再有人愿意投资去培养，他们自身的学习激励也在消退，这是一个自我强化的恶性循环。旧的能力基础被AI侵蚀，新的高阶能力尚未建立，路径本身也正在被破坏。