人们寄望AI的发展能够普惠各层级的能力。事实上，AI一方面正在让普通能力趋同，另一方面正在拔高卓越能力的上限。能力的下限正在抬升，而能力的上限却正在消失。
四种驱动力正在加速这一转变。首先，AI造成的大压缩效应改变了培训基本胜任水平的成本。其次，一些任务的大分拆改变了不少岗位的职能构成，也改变了知识对于特定个体的依赖。第三，围绕特定个体又能进行强项技能的重新大捆绑。最后，大规模化则改变了卓越能力可覆盖的维度。此四种驱动力共同作用，一方面让多数人在许多具体任务上的表现趋同，一方面却让最终的manbetx20客户端下载 结果日益分化。
大压缩
大压缩的核心，不是让所有人都达到卓越，而是大幅缩短从“不会”到“胜任”的距离。如果设定80分为可靠的胜任水平，那么AI正在让80分变得越来越容易。一个新手现在可以在几分钟内完成一份像样的分析、翻译或代码。过去需要多年训练才能获得的基本能力，如今可以由AI迅速补足。
但AI并没有同样压缩从80分到99分的距离。更准确地说，它或许提高了所有人的绝对水平，却让相对意义上的99分更难达到。当标准化、可训练的部分被AI吸收后，达到更高的标准越来越取决于选择正确的问题、发现别人忽略的东西、在陌生情境下作出判断，以及为最终结果负责。这些能力无法靠增加几个提示词轻易获得。
80分越来越容易，99分却可能越来越难。 AI压缩了通往80分的道路，却没有压缩最后的19分；它甚至因为抬高了所有人的起点，使99分成为一个更严格、更稀缺的标准。
因此，大压缩并没有消除卓越，而是改变了卓越出现在哪里。当几乎人人都能写出一份合格报告时，合格本身便不再构成多大优势。普通级别的能力越充裕，真正稀缺的能力反而可能获得越高的溢价。
大分拆
一项工作看起来是一个整体，实际上却是一组任务的组合。过去，这些任务往往被固定在同一个岗位中，并不是因为它们天然不可分割，而是因为寻找不同技能、移交工作和协调多人都很昂贵。于是，一个人即使只擅长其中少数几项任务，也必须承担整个岗位。
AI使分拆此类岗位职能成为可能。写作、分析、翻译、制图、排程等任务，可以从原有岗位中分拆出来，交给不同的AI工具或智能体。人不再需要继承整个历史形成的任务组合，而可以把时间集中在自己真正擅长的部分：判断、创意、关系、品味，或者对复杂结果承担责任。
大分拆还发生在更深的层面：诀窍也可以从拥有它的人身上分离出来。书籍能够保存思想，录像能够传播课程，却无法复制专家面对新情境时的回应。AI分身则可能做到这一点。它不仅重复一位教授已经说过的话，还能回答新问题、识别学生的困惑，并把教授的思考方式应用于陌生情境。
任务可以离开岗位，诀窍可以离开大脑。过去只能依附于特定个人和职位的能力，开始变成可以独立调用、重新组合的模块。
大捆绑
大分拆并不意味着工作最终会变得支离破碎。恰恰相反，一旦任务和诀窍可以被分拆，它们就能够围绕一个人进行重新捆绑。
一位教授可能拥有原创思想，却不会设计软件、制作课程、翻译内容、营销产品，也无法亲自辅导每位学生。过去，要把思想变成完整产品，需要不同专家组成团队并进行大量协调。现在，AI可以把这些缺失的技能捆绑到教授身边。教授不必亲自掌握每一种技能，却可以完成并拥有整个产品。
因此，旧岗位被分拆，新工作却可能变得更宽。人亲自执行的任务减少了，对最终结果负责的范围反而扩大了。人的执行边界在收缩，责任边界却在扩张。
这正是AI时代的核心悖论：人之所以能够做得更多，恰恰是因为他们可以只专注于更少的事情。 大分拆让人摆脱自己并不擅长的任务；大捆绑则用AI补上互补技能，使人的最强能力成为整个工作组合的核心。
大规模化
大分拆使诀窍摆脱了专家必须持续亲自到场的约束；大规模化则使它摆脱了专家个人产能的约束。
过去，即使最优秀的教授也只能教授有限数量的学生。教科书可以扩大课程内容的覆盖面，却无法复制教授对每个学生的回应。AI分身则可能同时做到两者：它既可以教授数百万学生，又能针对每个人调整解释方式，而不再逐一占用教授的时间。
大规模化把个人专长转化为生产性资本。过去必须由本人一遍遍完成的能力，如今可以用极低的边际成本不断复制。判断力、洞察力或声誉上的微小优势，因而可能转化为覆盖面和回报上的巨大差距。
大分化
四种力量的共同结果，是强者可能变得更强。大分拆拿走一个人并不擅长的任务，大捆绑补上完成结果所需要的互补技能，使人能够更彻底地专注于自己的最强项；大规模化又把这一优势扩展到前所未有的范围。同时，当AI使一个人能够独立交付并拥有完整产品时，他也更容易获得自己所创造价值中更大的份额。在组织内部，判断力、品味和原创性很难被单独归因和奖励。但当市场可以直接评价最终产品，而创造者又拥有这个产品时，逐项测量每一种贡献便不再那么必要。AI未必让卓越才华变得可测量，却可以让它更容易转化为回报。
我们的制度未必有能力应对如此巨大的分化。学校、企业、劳动力市场和所有权制度，都是为知识留在人脑中、个人产能受到时间限制的世界建立的。而且，这里没有简单的解决方案。如果教授拥有自己的AI分身，超级明星效应可能进一步增强；如果平台拥有分身，权力与收益可能更加集中，因为平台能够汇集数千名专家的诀窍，同时控制分发渠道、客户关系和数据。限制规模化，会牺牲让优质知识以低成本服务更多人的巨大收益；但仅仅普及AI的使用权，也消除不了分化。
使用AI，与拥有可被AI放大的知识、声誉、客户关系和数据，是两回事：前者可以抬高所有人的下限，后者才决定谁能持续分享规模化所创造的收益。
没有简单的答案，并不意味着我们只能被动接受结果。制度并非一成不变，而看清这四种力量，正是制度调整的第一步。技术决定什么可以被放大，社会仍然可以决定谁有机会被放大、谁能够分享放大后的价值。真正的任务，不是重新压低正在消失的天花板，而是让更多人有机会找到自己的高点、拥有放大它的工具，并分享由此创造的价值。
（作者系香港大学人工智能、管理与组织中心总监，港大经管学院管理及商业策略学学术领域主任，张永红基金教授 (manbetx20客户端下载 学及商业策略)。本文仅代表作者观点。责任编辑邮箱：tao.feng@www.acphonor.com）