这两天，我们的情绪监测线抓到了一对镜像新闻，放在一起看很有意思。
一条是考研名师汤家凤公开呼吁取消英语的主科地位。理由很直接：AI 翻译和同传已经成熟，英语作为沟通工具的价值塌了，没必要再让几千万学生为它耗十几年。
另一条来自某高校的计算机老师，态度更狠：没有 Token 的 CS 学生，立即退学。意思是，学了四年编程却不会用大模型，等于白学。
两条新闻几乎同时出现，方向完全相反——一个在给英语办降级，一个在给「会用 AI 的编程」办升值。
直觉上，AI 最先冲击的应该是离机器最近的编程。结果先被宣判贬值的，偏偏是离机器最远的语言。这背后藏着一条技能定价的规律，而它正在悄悄重写营销团队的工资单。
为什么先贬值的是英语
把两种技能放到 AI 面前看，区别就清楚了。
英语是转换型技能：把思想装进另一种语言，本质是信息转换。它的稀缺来自「只有少数人会」，而 AI 的翻译把这层稀缺直接抹平了，边际成本趋近于零。当一样东西人人可以瞬时获得，它的价格只有一个归宿：向零收敛。
编程是指令型技能：把意图变成机器能执行的东西。AI 出现后，写代码的门槛确实降了，但意图没有变便宜——恰恰因为执行变快，意图的价值被放大了。CS 学生被要求必须会用大模型，不是因为语法更重要了，而是因为语法已经不值钱了，剩下值钱的是「知道要机器做什么、怎么验证它做对了」。
一句话：AI 抹平的是转换，放大的是指令。谁离意图近，谁的杠杆就被 AI 放大；谁只做转换，谁就被 AI 免费化。
营销团队正在经历同一次重估
这套规律正在营销行业重演，我们这几周的经历全是切片。
先看贬值的「英语」。过去外贸和跨境营销养着一整层转换岗：翻译产品卖点、把中文文案改成英文、给详情页批量出素材、把竞品资料整理成摘要。这些活 AI 现在几秒就能交初稿，为一个翻译或一个初稿付高价的年代已经过去了。我们感受到的真实变化是：客户不再为「做出来」付钱，只为「做得对不对」付钱。
再看升值的「编程」。我们最近写的几件事，回头看其实是同一个重估：
- 帮客户选品，AI 分析完五款，最值钱的一句建议是「别做」——值钱的是风险判断，不是分析报告；
- 客户丢来一张参考图说「照这个感觉做」，我们把感觉拆成色值、字距、构图参数，存成可复用的模板——值钱的是把模糊需求翻译成规格的能力；
- 同一个建议，AI 提了六次，我们拖了四十三天才落地——值钱的是采纳和执行，不是建议本身。
这些活有个共同点：AI 都帮不上「决定」的部分，只能放大「执行」的部分。判断、规格化、落地验证，正在成为营销团队里最贵的三样东西。
没有 Token 的营销人，正在被悄悄降级
那位高校老师的退学警告，对营销行业同样成立，只是形式更温和：没有 Token 的营销人不会被退学，只会被悄悄降级。
我观察到一个清晰的分层。基层里最先被 AI 顶掉的，不是能力最差的人，而是工作内容最接近转换的人：只会套模板写文案的，只会把资料翻成英文再排版的，只会把领导意图原样转述给设计和执行的。而同一层里，能定义问题、能验证答案、能对品味负责的人，反而因为 AI 省掉了杂活，开始干以前两三个人的活。
有客户团队问我们，招 AI 营销运营该看什么。我的回答是：别看技能清单，看判断证据——他过去做过什么决策、决策依据是什么、错了是怎么发现的。技能清单是转换型资产，AI 三个月就能抹平；判断证据才是真正的护城河。
给技能定价，只需要两问
如果要把这套规律带走，记住两个问题，给任何一个岗位或技能做定价：
第一问：这个技能的稀缺来自信息差，还是判断差？信息差型技能——我会你不会的转换、我知道你不知道的资料——AI 正在以归零成本抹平，预算应该尽早挪走。判断差型技能——我知道什么值得做、什么是好、该信谁——AI 抹不掉，只会放大你的杠杆。
第二问：AI 是在替你完成，还是在替你放大？替你完成，说明这个技能是 AI 的下游，会贬值；替你放大，说明你是 AI 的上游，会升值。
英语贬值不是英语的错，是它离意图太远；判断升值也不是 AI 的恩赐，是它离意图最近。下一次技能重估来的时候，记得站在意图那边。
