判断很直接：未来五到十年，工业领域的岗位总量会下降，采购与供应链这行也不例外。危机感已经在从业者中间弥漫，可大多数人说不清哪一把剑会先落下。他给出的排序并不复杂——最先被替代的，是重复性高、交付结果标准化的活儿；是那种动作固定、机器比人既快又准的环节；以及危险环境下的物理作业。机床、金属冲压、激光切割这一类工序，将来一定是机械臂在动，不会再有人去推料，去做那些动作，原因很现实：机器出事故的概率远低于人，造成的损失也小得多，没有理由留人。

被压缩的不只是体力。研发设计环节同样在瘦身：过去要养一批研发设计人员反复推敲，如今靠仿真模拟就基本能跑完；过去医药要一遍遍做临床试验试错，如今用大数据靠AI处理加仿真直接推导，推得相当准，省下实实在在的工时，账很容易算清楚，岗位自然就少了。他反复提起一个词——学习曲线——这个词在过去几十年、乃至从工业革命起都成立——靠师傅带、靠反复练，慢慢摸出难点和坑。可现在你打开豆包问一句，怎么操作一台工业设备、怎么用一台洗衣机，它甚至可能把操作的完整视频端到你面前。学习快慢不再取决于有没有人带，而取决于你有没有找对平台、有没有摸到获取知识的那个正确入口。一旦摸到，过去那道靠年头堆出来的坡，几乎被推平。

但这不等于人类全盘退场。他特别看重供应链的另一副面孔——生态圈，里头有灰度、有冗余。一个订单、一次紧急调货，靠的往往不是系统里那条最低价，而是两个人十几年攒下的交情。反过来，若没有这层交情，你哪怕肯多付十个点，对方都懒得理你，因为他再等等，或许能从别处拿到十五个点。

这正是机器给不了的东西：有温度、靠博弈、要判断。于是他预见行业会长出一批“老中医”式的人物——系统搞不定的突发、非标、需要灰度判断的难题，都归他们去解，今天被请去这儿看看，明天被请去那儿救火，身份更像顾问，待遇反而更高。一句话，行业职位的总量在减少，可它逼着每一个人往上走：人要尽量多元化自己的经历，比如做过销售、做过产品开发再回过头来做采购，那就是降维打击；倘若一直窝在采购这一个环节里，职业发展之路只会越走越窄。

行业协会的旧账本正在失效：过去协会靠办培训、做技能梳理、卖认证变现，如今这条路越走越窄——资讯如此透明，稍微聪明点的人直接问豆包就都拿到了，协会那点“你不知道怎么考证，我来帮你”的信息差早已填平。若还只在定标准、卖培训、发证书上打转，能提供的东西客户自己也拿得到，价值就被摊薄成了纸。

他给的出路是转身面向B端。道理都相通：面向大众服务，却要从企业口袋里挣钱——卖的是沉淀多年的数据、行业指标报告、细分领域的分析，就像美世卖薪酬报告那样。普通AI能给出来的只有排名，没有那些更细、更深、更成体系的东西。协会必须往深一层做，跟B端产生真正的价值连接，才有变现的可能。他爱用“平替”打比方：LV的包有平替，国际知名的咨询公司、猎头公司也在被中国本土的平替一点点蚕食——他自己的公司就笑称是“五大的平替”，因为本就出身那几家顶尖机构，同样高水准的服务收费便宜点，只是并非每个人都知道罢了。

AI在诸多领域攻城略地，可在高管招聘这件事上，他判断冲击会很小。年薪越过百万的经理人员，他们的领导力往往是情境化的：今天温文尔雅，换个局面就可能冷面铁血。同时，高管是会画饼的，哪些饼真心、哪些是敷衍，恰恰是一个有经验的猎头坐在对面才能判知的事——机器读不懂这层。

有人想把AI面试做成测谎，他觉得不准：光凭瞳孔放大、血压升高、心跳加速就来判真假，噪声太大了——有人天生高血压，有人天生爱抖腿，心跳快就等于说谎？何况面对机器，人人开头都会紧张，越训练得多心境越趋于平淡，那测出来的数据还有什么意义？他更务实：猎头这行本就是美国人创立的，科技类工具也大多从西方来，已经有了那么多成熟系统，本土人士把功课吃透作业抄好就不错，人家要是还没有的系统，多半也不必靠自己硬造。何况高管招聘是低频需求、过程中的变量极多，很难堆出一个能互相通用的高管大数据库。但凡有点门槛的招聘就类似，像银行招录年轻人，几个大银行的文化不同、组织架构不同、评价标准也不同，硬把四家数据捏一块只会搅成一团乱麻——在这里被录用的人，在那里被刷掉，你根本说不清为什么。

看人没有一定之规，他说自己能讲的大方向就那么几条：交流、逻辑、内驱力、学习敏锐度、好奇心，可每个人呈现的方式都不一样，两个看着迥异的人去做同一份工作，可能都干得漂亮。最值钱的眼光当然是看潜力，谁若能一眼看出这人将来能做VP、能做总经理，早发财了——可没有人手里有水晶球。人的成长还跟环境死死绑在一起：一棵再有potential的树苗，路上碰上一根高压线也就折了；一个人开头再好，一旦涉及贪腐就全崩了。

这两年企业越来越少用coaching，道理也在这儿：就因为功夫长在一个人身上，他要不想配合的话谁也逼不出来；培训课堂里聊得再热络，回到日常工作环境中，人的行为照样会纹丝不动。反过来，初级岗位上用机器筛选反而效果好些：要求没那么高，看行业匹配、有没有热情、逻辑是否清楚、够不够勤快，二十分钟定一个大学生的去留，不会差到哪儿去。高端靠人、低端靠机器，这大概就是招聘市场往后的常态。

机器最先顶替的，是那种工匠式的一丝不苟。拿工艺品工厂为例：过去车间里坐满熟练的女工，一笔一笔描画，一段一段打磨；如今输入图片、3D打印，只要材料调对，成品比手工做的还精细，还能二十四小时不停产出。眼下塑料的全彩打印精度已经能做到零点二毫米，手机壳上要印一幅多精确的画都不在话下。在几种常见的材质上——塑料、粉末金属、陶瓷——机器能替人手工完成大部分工作。

可AI偏偏没有真正的创造力。影视行业已经能用AI按指令生成“某类桥段、发生在某地、男女主角是什么身份”的内容，几次修改就能让成品提到八十分；从业多年的人惊讶地发现，只要问得出来、提得出来，AI就做得出来，只不过，如此“创作”出来的成品全是从既有素材库里往外copy。

真正“从0到一”的东西AI们还是想不到的：像马斯克忽然说汽车能飞，或是中国小伙手搓“御剑飞行”的飞行板，靠的是“敢往无人处”的想法。真正的创造者，是自己架起几台机器，把工具的能力用到极致来实现自己创意的人。

现在的Charlie反倒担心，AI是不是在拉低人的创造力？太多人满足于让机器代劳，出个及格的东西混个过关，久而久之连脑袋都不敢想转一转了。

这是他最想对年轻人说的话：别再迷信旧的成长路径，也别再指望“进个协会、认几位老大”。过去年轻人进协会是为了接近前辈，如今这些前辈早被自己的时间占满，没空跟新手闲聊。成长的模式已经换了——各行业的顶尖者如今多是年轻一代。定个目标：在三十几岁前就该做到公司VP，或是行业里最出名的一小撮人，因为前沿领域里挑大梁的就是这些年轻人，中美有太多的实例说明这套快速崛起的公式是成立的。反过来，在传统领域若还想着熬到五十几岁才当上总监，那基本没机会了，会被机器、被这个时代狠狠地甩出去。

现在的成长，不再靠简单累积年资，而是看谁有创造性想法、谁真正把活儿干得更漂亮。每天朝九晚五重复同一套动作，就是一个迟早被机器取代的螺丝钉。他并不把这描绘成末日：国家不像90年代大下岗那样放任大家自由落体，而是托着底，让AI创造的财富去抬高公共福祉。只是多数人自驱力有限，更容易躺平，那幸福感就得从职场以外找——有人做做刺绣、设计点小珠宝，在网上卖得挺好，也就不必非挤进写字楼打工。他半开玩笑地说，现在这一茬或许就是大企业里最后一波“打工人”了；眼下的八零后最是煎熬，若不能往上跃到“按几个按钮就成”的位置，还在底层忙活那些操作，十有八九要被替代。

至于AI接下来往哪长，他给了几条清晰的预判。工业上会长出“工业版滴滴”：采购可在平台上群发询价，先用规格刷掉一批，最后留下几家做人工谈判，前面全交给机器——投标早已如此，技术标、商务标写得明明白白，做得到就做，做不到不谈。更往后，企业的决策系统会像战场的指挥系统，数据彻底拉通：该执行的指令直接下达，你摁不摁那个按钮都一样，系统替你摁了，还会把“你没作为”同步给你的上级，让人“无处可逃”，部门间的扯皮、揣着明白装糊涂都会被极致压缩。

他相信AI很快就会“有感知”——你跟某个模型聊得够久，它就自动建立了你的画像，知道你是做什么工作的、你平时爱问什么、不想听什么；甚至能察觉你在叹气、在迟疑，主动来问你是不是有顾虑。它学你，比你学它还快；付费到位，模型就足够聪明。

对热度正高的人形机器人，他反倒冷静：三条腿的、带轮的、带履带的各有妙用，唯独“两条腿的人形”还有点问号——这东西不容易站稳、灵巧手还不太行，真用得上的场景，可能首先是康养和巡逻这类。其实我们家里并不需要一个长得跟人一模一样的设备来帮忙干家务，扫地机器人那种“扁盒子”其实挺适配它的工作，有几台智能设备各司其职就够了。

他讲起自己去广州现场看过的飞行汽车：中国方案用的是四台大螺旋桨，而非高压空气，这更安全，只是略显笨拙，平时要把桨折起来收进车里，飞得也不高，本质上是低空经济。他畅想未来的城市——公路悬在地面之上几十米，楼宇立体到夸张，再过二三十年，这些景象或许都能亲眼看到。

说到最后，他的态度平静而坦然：这就是社会变革，赶上了就迎着上，做制造业、做供应链的兴许还有好些年的缓冲。多数人既然不是走在最潮头的那批，也就没什么可天天焦虑。潮水退去的时候，沙滩上有人惊慌，有人躺平，而他更愿意做个清醒的守望者：看着旧秩序一点点瓦解，也看着新的生态从土壤里一寸一寸地长出来。