在 Adobe 做了 25 年的高级软件质量工程师，年薪超过 15 万美元，被裁后投了上百家科技公司，只拿到一次面试

在 Adobe 做了 25 年的高级软件质量工程师，年薪超过 15 万美元，被裁后投了上百家科技公司，只拿到一次面试。 失业救济金耗尽后，56 岁的 James Strawn 考取了商用驾照，坐进了一辆 40 英尺长的黄色校车驾驶室。 舆论把这当成一个技术老兵被时代抛弃的心酸故事。 有人归咎于大厂裁员，有人归咎于年龄歧视，还有人归咎于 AI 抢走饭碗。 为什么一个在顶级软件巨头深耕四分之一个世纪的技术骨干，在开放市场上会瞬间失去流动性？ 为什么一个能保障 Premiere 稳定运行二十年的资深工程师，连让真人看一眼简历都做不到？ 把这笔跨越 25 年的职业账本拆开，底下运转着一台经典的经济学机器。 企业专用性人力资本。 1964 年，诺贝尔经济学奖得主加里·贝克尔在《人力资本》中划出了一条残酷的分界线。 人力资本分为两种。 一种是通用资本，比如逻辑推理、基础算法、通用协作，换到任何公司都能即插即用。 另一种是专用资本，比如某家巨头特定的代码架构、内部自研工具链、组织协作暗语以及特定软件的历史遗留问题。 专用资本在公司内部极其值钱。 Strawn 在 Adobe 工作了 25 年，其中超过 20 年在 Premiere 视频剪辑软件团队做质量保障。 他对这款拥有数千万行代码的庞大软件了如指掌，清楚每一个历史补丁的脾气，熟悉跨部门协调的每一个节点。 在 Adobe 内部，这套高度专用的知识能支撑他拿到 15 万美元以上的年薪。 但这套资产的致命缺陷在于：它的价值完全依赖于 Adobe 这个特定的生态。 一旦离开这个系统，他在过去二十年积累的大部分经验，在外部市场上几乎无法直接折现。 巨头用高薪购买了他的深度绑定，也在这二十年里慢慢锁死了他在外部世界的议价权。 如果说专用性资本贬值是第一道关卡，那么挡在求职路上的第二道关卡，则是一台彻底失控的自动化机器。 算法守门人与简历黑洞。 Strawn 在求职的一年多时间里，找了职业教练，重构了简历，把期望年薪从 15 万降到 10 万以下。 结果石沉大海。 2021 年，哈佛商学院教授约瑟夫·富勒主导了一项名为《隐藏的劳动者》的重磅研究。 调查揭开了一个荒诞的现实：全美超过 90% 的大型雇主使用申请人追踪系统。 88% 的企业高管亲口承认，这套自动化招聘算法由于死板的关键词匹配和严苛的规则设定，把数以百万计完全合格的高技能人才直接过滤掉了。 超过 75% 的简历，在整个招聘流程中从未被人类的眼睛看过哪怕一秒。 求职端在用 AI 批量生成简历、海量投递，招聘端在用自动化算法粗暴截流、一键丢弃。 两边的算法互相空转，把真实的经验与能力压缩成毫无温度的关键词比对。 在这场由算法把守的求职流水线上，一个拥有 25 年单一巨头深厚背景的资深工程师，在算法眼里不过是一串不够年轻、关键词不够匹配的死数据。 当数字世界的求职体系陷入算法空转的沼泽时，最终接纳他的，是实体世界的物理法则。 考下商用驾照 CDL，握住一辆 40 英尺校车的方向盘，每天清晨把几十个孩子安全送到学校。 这里的规则完全不同。 没有自动化系统的关键词匹配，没有虚幻的日历会议裁员脚本，没有无休止的简历黑洞。 实体经济的逻辑极其质朴：准时出车、安全驾驶、对车上的每一个生命负起责任。 Strawn 在后来的自述里提到，校车车库里的同事踏实、友善，握着方向盘的感觉远比每天盯着屏幕等待自动化拒信要真实得多。 虽然收入远不及硅谷大厂，但这种基于物理在场与真实责任的工作，重新赋予了他脚踏实地的尊严。 现代科技巨头用高薪构建起精密的专业分工，把劳动者塑造成单一系统里的专有齿轮。 而高度数字化的招聘系统，又用自作聪明的自动化算法把人抽象成毫无生气的标签。 当数字系统用一次冷冰冰的通话解除 25 年的契约，当算法守门人把真实的履历当成垃圾过滤时，人们往往才看清一件朴素的事实。 数字世界的泡沫与算法黑洞可能会失灵。 但真实世界里那些需要责任、规则与物理在场的实体劳动，始终维系着社会运转的底线。