我最近一直在思考一个很奇怪的问题。
为什么随着年龄增长，我们的能力明明越来越强，能够做的事情却反而越来越少？
这似乎是一个违背常识的现象。
按理说，一个人工作得越久，积累的经验就越丰富，掌握的技术就越成熟，能够解决的问题也应该越来越多。尤其是在 AI 出现之后，个人生产力得到了前所未有的提升。过去需要几个月完成的开发任务，现在可能只需要几周，甚至几天。
可是，我们的生活并没有随着生产力的提高而变得越来越好。相反，很多人发现，自己能够参与的项目越来越少，能够获得的机会越来越少，甚至连未来能做什么都不知道。
这到底是为什么？
我刚毕业的时候，从事的是联盟链开发。
那个时候，搭建一条链、开发一些链上功能、解决节点之间的问题，都需要花费大量时间去研究。
很多东西不熟悉，需要阅读文档、查找资料、调试代码，一点一点积累经验。
后来，我又接触了底层链、钱包、交易基础设施等不同领域。
现在回头看当年做过的事情，我很确定，如果今天重新拿到那些需求，我一定能够做得更好。
首先，我有了更多的项目经验，对底层原理、系统架构、常见问题都有了更深入的理解。
其次，现在有了 AI。
这两方面叠加起来，意味着我不仅能够更快地完成过去的工作，而且能够用更合理的架构、更好的代码质量、更成熟的工程方法完成它们。
甚至过去某些超出个人能力范围的事情，现在也可以借助 AI 独立完成。
这不是一种错觉。
我们的绝对生产能力确实在增长，而且增长的幅度可能远远超过过去任何一个时代。
但问题是，我现在已经没有机会再去做当年的那些事情了。
不是我不会做，而是不再有人把这样的工作交给我。
可能世界上仍然存在一些公司，需要搭建联盟链，需要开发钱包，需要维护底层节点。
但那些公司不是我所在的公司，那些项目也不是我能够参与的项目。
即使我拥有完成这些工作的能力，也不意味着我拥有参与这些工作的机会。
这就出现了第一个矛盾：
我能够完成的工作越来越多，但真正能够让我去完成的工作却越来越少。
最容易想到的解释是，个人的进步并不意味着竞争力的提高。
因为在你进步的同时，别人也在进步。
假设五年前，我能够独立开发一条区块链，这可能是一项比较稀缺的能力。
但五年之后，行业积累了大量成熟的技术方案、开源框架、开发工具和工程经验。
当年需要研究很久的问题，现在可能已经有了标准答案。
当年只有少数工程师能够完成的任务，现在有更多人能够完成。
你从一个刚毕业的工程师成长为拥有多年经验的工程师，但整个行业也从一个相对早期的阶段进入了更加成熟的阶段。
结果是什么？
你现在的能力比五年前强得多，但这种能力在市场上的稀缺程度可能反而降低了。
这是一个容易被忽略的事实：
决定一个人市场价值的，不是他掌握了多少能力，而是他的能力相对于市场需求究竟有多稀缺。
如果所有人都不会做一件事情，那么你会做，就很有价值。
如果所有人都会做这件事情，那么即使你做得比过去更好，也不一定能获得更高的回报。
甚至可能出现一种更加荒诞的情况：
你在某项技术上投入了五年时间，终于达到了自己曾经期待的水平，却发现市场已经不再愿意为这项技术支付过去的价格。
你完成了个人的成长，但错过了这项能力最稀缺的时期。
能力可以积累，但能力的市场价值并不会随着积累而自动增长。
AI 的出现，把这个问题放大了很多倍。
过去，一个普通工程师想要掌握一套复杂的技术体系，可能需要几个月甚至几年的实践。
现在，借助 AI，他可以在很短的时间里完成一个过去根本不敢尝试的项目。
AI 让每个人的能力边界都得到了极大的扩展。
但这里有一个很重要的问题：
AI 不只是帮助了你。
它也帮助了你的竞争对手。
原本你掌握的技术经验能够构成竞争壁垒，现在其他人可以借助 AI 快速跨越其中的一部分。
原本需要五个人完成的开发任务，现在可能只需要一个人。
原本需要一个专业团队才能开发的产品，现在一个人也可能做出原型。
看起来，每个人都获得了更大的生产能力。
但从就业市场的角度看，企业可能因此需要更少的工程师。
假设过去有一百个项目，每个项目需要十名工程师，总共需要一千名工程师。
AI 让开发效率提高五倍之后，每个项目只需要两名工程师。
如果项目数量没有变化，那么整个行业只需要两百名工程师。
要想维持原来的就业规模，项目数量就必须从一百个增长到五百个。
问题就在这里。
技术进步可以让生产效率增长五倍，但谁能保证市场需求也会增长五倍？
尤其是在区块链这样的行业。
搭建一条链变得越来越容易，不代表世界就需要越来越多的链。
开发一个钱包变得越来越容易，不代表用户需要安装越来越多的钱包。
构建一套交易系统变得越来越容易，也不代表真实的交易需求会同比增长。
如果市场需求无法跟上生产效率的提升，那么技术进步带来的结果就可能不是更多工作，而是更少的工作。
这也是 AI 最反直觉的地方：
AI 增强了每个人的绝对能力，却可能降低个人能力的稀缺性，甚至削弱劳动者的议价能力。
当然，AI 也可能创造新的市场、新的产品和新的岗位。但在新需求出现之前，旧岗位受到的冲击却可能已经发生。
技术能够创造新的机会，也能够消灭原有的机会。
而这两个过程并不一定同步。
但仅仅从技术进步和行业竞争的角度解释，还不够。
因为还有一个非常重要的因素：经济周期。
一个人的职业机会，不仅取决于能力，还取决于他恰好生活在什么样的经济环境中。
假设两个能力完全相同的工程师，一个在行业繁荣时期求职，另一个在行业低迷时期求职。
前者可能同时收到多家公司的邀请，轻松获得高薪岗位。
后者却可能投出几十份简历，依然找不到满意的工作。
他们的能力没有区别，区别只是所处的经济周期。
在经济扩张时期，企业愿意投资，资本愿意融资，新公司不断成立，新项目不断启动。
很多项目即使暂时没有盈利，也愿意雇佣工程师进行研发，因为投资人和企业相信未来存在增长空间。
但当经济进入收缩阶段，情况就完全不同了。
企业开始重视现金流，控制成本，削减研发预算。
那些原本可以尝试的项目不再立项。
那些原本能够容纳十名工程师的团队，现在可能只保留三个人。
工作机会的消失，并不意味着社会失去了完成这些工作的能力，而是企业不再愿意为这些工作付钱。
对于 Web3 行业来说，这种周期性尤其明显。
传统软件行业的需求，往往还能够依靠相对稳定的企业业务维持。
但 Web3 大量项目的资金来源，与加密市场的价格、风险偏好和融资环境密切相关。
牛市的时候，币价上涨，融资活跃，新项目层出不穷。
公链、钱包、DeFi、NFT、GameFi、交易工具，各种项目都需要开发者。
熊市的时候，资产价格下跌，融资减少，项目裁撤，团队缩编。
那些牛市中看起来无比重要的开发需求，到了熊市可能突然就消失了。
而且，币价重新上涨，也不意味着开发需求一定会恢复到过去的水平。
因为新的资金可能更多地流向交易所、支付、稳定币等已经形成商业模式的领域，而不再流向那些重复建设的基础设施项目。
这意味着一个工程师完全可能在牛市中积累经验，在熊市中达到技术巅峰，却发现自己已经没有足够多的机会施展这些能力。
回过头看我的职业经历，我开始怀疑：
我是不是恰好把行业繁荣时期获得的机会，误认为是个人能力带来的必然结果；又把行业收缩时期失去的机会，误认为是年龄增长导致的个人衰退？
这两个判断可能都是错误的。
年轻时机会很多，不一定完全是因为年轻。
年长后机会变少，也不一定完全是因为年龄。
很多时候，我们只是恰好经历了不同的经济周期。
除了行业和技术变化，个人的职业路径本身也会产生约束。
我刚毕业的时候，可能愿意接受一个月薪几千元的开发岗位。
因为那个时候，我没有多少经验，对收入的要求也不高。
公司愿意提供一个机会，我就能够在工作中积累经验。
但现在不一样了。
假如有一家企业让我重新去做联盟链开发，工资只有八千元。
我当然能够胜任。
甚至可以比刚毕业的时候做得好得多。
但我还会接受这份工作吗？
大概率不会。
我的工作经验、薪资预期、生活支出，都决定了我很难重新回到过去的岗位。
更重要的是，公司也未必愿意招聘一个拥有多年经验的人来做初级工程师的工作。
企业会考虑薪资、稳定性、岗位匹配度，甚至担心你很快就会离职。
于是，一个奇怪的现象出现了：
你能够胜任的岗位越来越多，但真正适合你、愿意招聘你、你也愿意接受的岗位，反而可能越来越少。
个人技术能力的覆盖范围在扩大，个人经济条件允许的选择范围却可能在缩小。
年龄本身未必是决定性因素，但年龄背后所代表的职业积累、生活责任和机会成本，会逐渐限制我们的选择。
所以并不是所有曾经做过的事情，都能成为我们未来随时可以重新选择的事情。
职业经历并不是一份可以无限累加的机会清单。
很多机会具有明显的阶段性。
错过了那个阶段，即使你今天拥有更强的能力，也未必能够重新获得那个机会。
如果说前面讨论的是生产力与就业市场之间的矛盾，那么还有一个更深层的问题：
我们所处的社会，可能已经不再缺乏完成某些事情的技术能力。
而是缺乏值得完成的事情，或者说，缺乏愿意为这些事情支付成本的人。
过去，一个人想开发一款软件，首先面临的是技术问题。
我能不能写出这套系统？
我有没有能力搭建服务器？
我能不能解决性能、安全和架构问题？
现在，AI 让这些问题的解决成本大幅降低。
一个人就可以完成过去需要一个团队完成的开发任务。
但随之而来的问题是：
开发出来以后，谁来用？
谁愿意付钱？
市场真的需要这款产品吗？
这些问题，并不会因为 AI 的能力增长而自动得到解决。
我过去也做过交易工具、自动化交易系统等项目。
从技术上来说，产品能够实现的功能越来越丰富，开发效率也越来越高。
但最终决定一个项目能不能成功的，往往不是我们能够开发多少功能，而是这些功能有没有真实需求，能不能形成可持续的收入。
假设 AI 明天让我的开发效率再提高十倍，我可以更快地开发出十种产品。
但如果没有人需要这些产品，那么我的生产效率提高十倍，并不意味着我的收入也会提高十倍。
这就像一家工厂，原本每天只能生产一百双鞋。
现在引入了自动化设备，每天能够生产一万双鞋。
但市场依然只需要一百双。
那么剩余的生产能力，并不会自动变成财富。
AI 给了我们一座生产能力更强大的工厂，却没有同时给我们带来更多订单。
过去，技术能力是稀缺资源。
现在，技术能力正在逐渐变得廉价。
真正稀缺的，可能变成了市场需求、客户资源、分发渠道、资金，以及判断什么事情值得做的能力。
更残酷的是，这些稀缺资源并不会因为你是一个优秀的工程师，就自动向你转移。
还有一个更值得思考的问题：
如果 AI 让所有人的生产效率都提高了，为什么普通人的生活不一定随之改善？
假设过去一家企业需要十名工程师，每个人月薪两万元。
现在借助 AI，只需要三名工程师就能完成同样的工作。
企业节省了七个人的人力成本。
那么节省下来的资金去了哪里？
它可能变成企业利润，可能用于价格竞争，也可能投入其他业务。
但并没有任何经济规律保证，这些收益一定会平均分配给剩下的三名工程师。
更没有任何保证，那七名失去岗位的工程师能够分享到相应的收益。
从整个社会来看，生产效率提高了。
但从普通劳动者来看，自己的收入可能没有增长，甚至连原来的工作都失去了。
这揭示了一个长期被忽略的问题：
生产力的增长，不等于劳动者收入的增长。
技术进步能够创造更多财富，但财富由谁获得、如何分配，取决于另外一套机制。
如果生产所需要的劳动越来越少，那么仅仅依靠出售劳动来获得收入的人，可能反而处于更加不利的位置。
掌握资本、客户、渠道和稀缺资源的人，则可能获得更强的议价能力。
在这种情况下，一个工程师即使拥有比十年前强大十倍的开发能力，也不代表他能够获得十倍的收入。
甚至，他还可能面临比十年前更加激烈的就业竞争。
这不是生产能力的问题。
而是生产能力与经济回报之间的关系发生了变化。
回想刚毕业的时候，我对职业发展的理解其实很简单。
遇到不会的东西，就学习。
遇到解决不了的问题，就研究。
掌握更多技术，积累更多经验，就有机会承担更复杂的项目。
能够承担更复杂的项目，就有机会获得更高的收入。
这是一条非常清晰的成长路线。
学习、工作、积累经验、提高能力、获得回报。
但工作多年以后，我逐渐发现，这条路线并不总是成立。
你学会了一项技术，不代表市场还需要这项技术。
你积累了五年经验，不代表企业愿意为这五年经验支付更高的价格。
你掌握了 AI，不代表你比竞争对手拥有更大的优势。
你能够独立开发一款产品，不代表有人愿意购买它。
甚至你比五年前更有能力，却可能比五年前更难找到满意的工作。
一个人的技术能力可以持续增长，但他的收入、职业机会和生活质量，并不会沿着同样的曲线增长。
尤其当经济周期、行业成熟和技术替代同时发生时，这种背离可能更加明显。
于是，我们过去相信的那个简单逻辑，开始出现问题。
努力提高能力，仍然是一件有价值的事情，但提高能力已经不足以保证生活会越来越好。
这或许是很多工作多年的工程师真正感受到的困境。
并不是不知道如何继续学习。
也不是没有能力继续进步。
而是越来越不知道，继续进步究竟能够换来什么。
我认为，以上这些现象最终指向一个更加根本的问题。
过去，我们经常认为社会最大的限制是生产能力不足。
软件开发太难，工程师太少，生产成本太高，技术实现周期太长。
因此，只要不断提高生产效率，就能够创造更多价值。
但随着技术发展，尤其是 AI 的出现，一些领域的主要矛盾可能正在发生变化。
我们不再缺乏开发软件的能力。
我们缺乏的是值得开发的软件。
我们不再缺乏搭建系统的能力。
我们缺乏的是愿意使用这些系统的客户。
我们不再缺乏执行任务的能力。
我们缺乏的是有经济价值、有人愿意付费的任务。
当然，这不意味着整个社会已经没有新需求。医疗、能源、教育、科学研究以及大量现实产业仍然存在许多没有解决的问题。
问题是，有需求不等于有支付能力，有技术解决方案也不等于有商业机会。
更重要的是，社会上存在的机会，不一定是某个具体的人能够接触到、参与到或者获得回报的机会。
世界上可能每天都有成千上万个新项目。
但这些项目不一定属于你。
世界上可能有很多公司仍然需要你掌握的技术。
但它们不一定愿意招聘你。
你可能拥有完成某项工作的全部能力，却没有获得这项工作的机会。
这就是现代社会中一种令人无力的处境：
一个人的生产能力，可能远远大于他能够实际使用的生产能力。
而 AI 正在进一步扩大这种差距。
回到最开始的问题。
为什么随着年龄增长，我们明明越来越有能力，能够做的事情却越来越少？
我认为，至少存在五种力量共同作用。
第一，整个行业都在进步，过去稀缺的技术逐渐变成普通能力。
第二，AI 提高了每个人的生产效率，却可能减少完成同样任务所需要的劳动。
第三，经济周期和行业周期不断改变企业的投资意愿，让工作机会出现剧烈波动。
第四，随着职业发展，薪资预期、生活成本和职业定位不断提高，能够接受的工作范围可能收缩。
第五，生产效率的增长逐渐受到市场需求的约束，而生产力增长产生的收益也不一定由劳动者获得。
这些因素叠加起来，就可能形成一种看似矛盾、实际上完全合理的结果：
一个人拥有越来越强的能力，却拥有越来越少的机会。
尤其是在 Web3 这样高度依赖资本和市场周期的行业，一个人完全可能在牛市中获得大量机会，在熊市中积累更多经验，最后却发现自己的能力已经没有足够多的用武之地。
这不是说个人努力没有意义。
也不是说技术进步一定会让普通人生活得更差。
而是我们必须承认：
个人能力、市场机会和经济回报，是三件不同的事情。
它们可能在某个时代一起增长，也可能在另一个时代彼此背离。
年轻的时候，我们很容易以为，只要不断提高能力，未来就一定会越来越好。
但随着经历增加，我们开始发现，真实世界并不是按照个人能力的大小来分配机会。
它还受到市场需求、经济周期、资本流动、产业结构、技术替代，以及无数偶然因素的影响。
一个人的能力可以积累十年。
但某个行业的机会窗口，可能只存在三年。
等你终于拥有足够强的能力时，那个窗口可能已经关闭了。
而下一个窗口在哪里，并没有人能够提前告诉你。
能力是可以积累的，但机会不是可以储存的。
这可能是我工作这些年，越来越深刻地感受到的一件事情。
也让我开始思考一个更大的问题：
如果未来 AI 让每个人都拥有越来越强的生产能力，但社会并不需要那么多人的劳动，那么普通人究竟应该依靠什么获得收入，又应该如何分享技术进步所创造的财富？
过去我们总以为，技术进步意味着人类能够做的事情越来越多。
现在我开始意识到，也许真正的问题从来不是我们能够做多少事情。
而是这个世界，究竟还需要我们做多少事情。