未来几年，我们可能会见到以前从未见过的世界。
Anthropic 的 CEO 说：
「约 50% 的初级白领岗位可能在未来 1–5 年内消失。」
扎克伯格也说：
「中级程序员很快将变得不必要。」此后，Meta 就裁员了 5%。
AI 越进步，人们越焦虑。
遇到这种恐慌时，我们的第一反应，往往是去历史中寻找慰藉。
在过去 200 年里，每一轮技术革命几乎都会带来失业焦虑，但通常不会真的引发长期的大规模失业，反而会创造更多就业。
最经典的例子之一，就是动力织布机。它的出现一度打击了手工织布工，但也极大地降低了纺织品成本、激发了更大的需求。最终，纺织业的规模大幅扩张，创造了远超手工作坊时代的工作岗位。
但 AI 这一波，确实有几个不太一样的地方。
1）速度更快。
过去的劳动转型是缓慢的。农业转型花了一个世纪，电话接线员被替代用了约 50 年。这种节奏，给了社会消化和反应的时间。
而一旦速度加快，情况就会发生变化。比如在 2000 年前后的「锈带危机」中，中国入世之后，在不到十年的时间里密集冲击了美国制造业，很多地区根本来不及调整，最终只有 17% 的制造业重镇实现了就业恢复。
而 AI 的演进速度，显然要快得多。
从下图我们能看到，过去一年里，每隔几周就会出现标志性的 AI 产品创新。在 AI Coding 能力取得新突破之后，这一速度还在加快。
2）波及范围似乎更广。
以往的技术革命往往只影响某个行业。但这一次，以美国就业市场为例，AI 可能会影响各个行业超过 40% 的工种。
Andrej Karpathy 前不久对美国不同职业的「AI 暴露度」做了量化：大约 42% 的职业处在较高 AI 暴露度区间，横跨多个领域，以白领工作为主。
只看比例，这一波的影响范围，已与美国历史上最大规模的就业冲击相当：20 世纪初，美国约有 41% 的劳动力受到了农业机械化的影响。
不过那一次，很多农业劳动力被制造业和服务业所吸纳。
而这一次受到 AI 冲击的人，会被什么吸纳呢？我们还没有明确的答案…
3）AI 在切断人才培养路径。
很多工作都依赖「学徒制」：Junior 员工先做简单任务，再在 Senior 员工的带领下逐渐成长。
但现在，在很多任务上，AI 已经能比新人做得更快、更好了。因此，很多企业会更倾向于让 Senior 带着 AI 完成工作，而不是从头培养新人。
短期来看，这样或许能降本增效，但长期可能会带来人才断供的问题。
所以这一次，我们似乎很难再简单地用历史结论来安慰自己。
但是，在查阅了大量资料后，我们发现了一套不太一样的思考框架，得到了一些相对积极的结论。
要把这个框架讲清楚，我们可以一起分析一个案例：在过去几十年里，技术变革是如何影响银行柜员这一岗位的。
柜员面临的第一波技术冲击，是上世纪 70 年代 ATM 的普及。
柜员原本有很大一部分工作是办理存取款，但 ATM 直接将这部分工作自动化了。按理说，这本该导致大批柜员失业。
但现实走向是有些反直觉的：
从下图可以看到，银行柜员的数量在 ATM 进入美国的前 10 年内，不但没有减少，反而翻了快一倍。后面虽增速放缓，但也并没有出现大幅下滑。
为什么会这样？
要回答这个问题，我们就需要理解 ATM 与银行柜员的关系到底是怎样的。
ATM 的出现确实让单个网点所需的柜员数量减少了，但同时引发了两层连锁反应：一是给网点降本增效，驱动银行开设了更多网点；二是将柜员从简单任务中解放出来，让银行意识到，柜员更大的价值在于维护客户关系与产品销售。
结果是，虽然单个网点的柜员密度有所降低，但由于网点总数扩张与柜员职能转型，整体需要的柜员反而变多了。
这背后对应着一个经济学概念——Jevons Paradox（杰文斯悖论），即：
技术进步会提高资源使用效率，导致成本降低、激发出更大的市场需求，令资源消耗不减反增。
因此，ATM 并没有真正替代柜员，而是与之互补，组成了一个更高效的工作单元。
但这只是故事的上半卷。
在 2010 年前后，柜员遭遇了第二波技术冲击。这一次，岗位数量大跌了 50%。
这次变化，并不是 ATM 冲击的姗姗来迟。ATM 早就完成了渗透。
真正改变故事走向的，是看似无关的手机和移动互联网。这两者的普及，带来了一个新范式：
移动银行。
当大部分银行操作都可以在 App 中完成，银行就不再需要运营那么多线下网点，也就不再需要网点中的那些柜员了。
至此，我们可以从这个案例中，抽象出技术作用于劳动力的两条路径：
路径一：
像 ATM 那样，嵌入固有工作流。
在这条路径下，整个体系依然围绕人设计，技术更多是释放原有岗位中人的生产力，让「人 + 技术」这个整体有更好的产出。此时，岗位更多会被重塑，甚至逆向增长，而非消失。
路径二：
像手机和移动互联网那样，重塑新的工作范式。
技术不再作为辅助，而是直接创造出一套全新的生产体系，大幅降本增效的同时，也导致一些岗位失去存在的场景和意义。这种方式对就业的冲击往往更大。
而这两条路径的本质区别，其实就是一个词：
ROI。
如果「人 + 技术」的 ROI > 「只用技术」的 ROI → 人留下；
如果「人 + 技术」的 ROI < 「只用技术」的 ROI → 人出局。
所以，如果要理解 AI 对当下就业的真实影响，我们应该把问题收敛成：
「人 + AI」vs「只用 AI」的 ROI，哪个更高？
目前来看，在很多场景里，「人 + AI」的 ROI 或许还是高于「只用 AI」，因为人和 AI 的能力是互补的：AI 更擅长逻辑推理类工作，但在情商、创造力和各种隐性知识上，人类依然有明显优势。
（关于创造力，我之前读过一篇文章，其中有段很好的表述：
大型语言模型是互联网的「模糊 JPEG」。
就像 JPEG 压缩会丢失细节以换取更小的文件大小，LLM 通过「有损压缩」海量文本数据，学习的是统计模式而非真实理解。当你让 ChatGPT 写一首诗时，它所做的并非「创作」，更接近于生成一个概率上最「合理」的文本——基于它见过的数百万首诗的统计平均。
这意味着AI的默认输出趋向平庸。谈不上错误，也谈不上糟糕，只是安全、可预测、不会冒犯任何人。它总是倾向于「中间地带」，因为中间地带在统计上最可能出现。
不过，在 OpenClaw 出现之后，事情确实有些变化。
因为 OpenClaw 让大家看到了 Proactive Agent 的可能性，也让一些创业者真的开始尝试做更 AI-Native 的组织和工具、尽可能减少人的介入，比如让 AI 管 AI（我们最近的两期播客都在讲这件事，回顾：OpenClaw 之后，我只想未来 3-6 个月的事情｜42章经;我们是如何定义 OpenClaw for Teams 新产品形态的｜42章经）。
这是不是意味着，AI 对我们的影响会越来越接近路径二？
也许有这个苗头，但新的范式能不能出来、什么时候出来、到底会长什么样，我们现在也说不好。
而且，即便 AI 真的发展到那一步，也不等于一定会出现大规模失业。
别忘了，虽然手机银行的出现让柜员岗位大幅减少，但也带来了新的岗位需求，比如软件工程师、能够处理复杂问题的客服专家等等。
新的范式往往会解锁新的机会。
当然，不是人人都能抓住这些机会。这个过程也会伴随阵痛，其中最典型的问题，就是「就业极化」——
美国学者曾把工作分为「高技能」「中技能」和「低技能」三类。其中，「中技能」工作因规则明确、流程固定，最易被自动化技术替代；管理、创意、谈判等「高技能」工作难以标准化，技术更多是与其形成互补；维修、清洁等「低技能」体力劳动，由于自动化成本过高，短期内也较为稳固。结果就是：
就业会不断向两端集中，中间层的空间日益收窄。
柜员就是一个典型的「中技能」岗位。随着技术变革，其中能力更强的人，可能会转向更「高技能」的岗位，不仅不会失业，反而会获得更高的回报。事实上，虽然柜员数量在 2010 年之后锐减，但理财顾问、金融经理等岗位却在持续扩张，其增速是全美平均水平的三到五倍，中位年薪也是柜员的近三倍。
所以，每一轮技术变革，都是一次重新洗牌。能跟上的人会借势跃升；跟不上的人，则确实会受到挤压。
这种极化听起来很残酷，但这并不是 AI 这波独有的问题，而是一个长期趋势。1979 年时，美国约有 60% 的岗位属于「中技能」范畴，到 2012 年已降至 46%。类似趋势也出现在了十多个欧盟国家。
AI 这一波，只是在延续这一趋势，只不过程度可能会更剧烈。因为很多在移动互联网时代还算「高技能」的工作，比如基础编程、数据分析，也在逐渐滑向「中技能」区间，而「高技能」工作的标准正在变得越来越严苛。
但与其被动担忧哪些岗位会消失，不如主动去想 AI 时代会诞生哪些新机会。
这里我们可以一起情景模拟一下：
如果你是一个公司的 CEO，你现在会更关注怎么裁更多人，还是怎么招更多能把 AI 用好的人？
如果你是一个技术负责人，现在有 1000 个每天消耗 1 亿 token 的人来应聘同一个岗位，你会不会觉得是幸福的烦恼、恨不得多招几个？
很明显，现在能用好 AI，就是一个非常重要的技能。而且很多人确实正在借助 AI 跃升为超级个体或者 OPC，去尝试成为这波浪潮里的「高技能人群」。
过程中可能还会产生很多别的机会。比如，之前的工业革命诞生了大量「拧螺丝」的需求，互联网时代诞生了大量「审核员」需求，那 AI 时代，会不会也有很多「数据标注」的需求？还可以有数据录入、数据审核、数据梳理、各种环境的优化和搭建、AI 幻觉的结果审核……等等等等。
当然，也有人担心，现在 AI 这么强，那生产供给会不会很快超过消费需求，导致需要的人类员工越来越少？
但其实，人们的需求，远比我们想象得更有弹性。
正如前面提到的杰文斯悖论中所揭示的：当一个东西变得更便宜、更好做，人们不会消耗「同样多」，而会消耗「更多」。
就像纺织机的出现，让每个人拥有的衣服从一件变成了几十件一样。当 AI 极大降低生产门槛之后，可能也会催生出一个前所未有的庞大市场。之前我们的嘉宾东旭就曾在节目里说过：
这个世界上可能并不缺另一个 Linux，但一个山村的小图书馆，可能需要一个数字借阅系统；一个八线城市的小超市，可能需要一个线上下单系统。当你手里有一个几乎能力无限的工具时，真正有价值的需求，往往是非常长尾的。（回顾：从 Clawdbot 到 26 年 AI Coding 主题大爆发｜42章经）
这些需求过去并不是「没有价值」，而是「无法被满足」。当工具足够强大、成本足够低，这些需求完全有可能被激活。
数据也在印证这一点。从下图可以看出，2024 年之后软件开发量迎来了爆发式增长。我们完全有理由相信，随着 AI 能力越来越强、掌握 AI Coding 的人越来越多，这个势头还将持续，直至迎来一个新的供需平衡。
所以，AI 不一定会消灭工作，但会重新定义什么叫「有价值的工作」。这个过程中，对人的要求一定会越来越高，也会有人被淘汰，就像过去几百年里一直发生的那样。但对学习能力强、适应性强的人来说，机会只会更多。
最后，我们不妨想再极限畅想一下：
AI 发展到极致，未来会不会出现完全不需要人类参与的全自动化组织？到那时我们又该怎么办？
我们还不清楚这种组织具体会是什么样，但曾有人提出过一个设想：
当 AI 进化到 AGI 阶段，「人才」将变成一种可以被无限复制、合并、进化的数字资产，上限取决于算力。
举个例子。如果你拥有一个顶级工程师的 AGI 副本，理论上就能瞬间克隆出一百万个分身，让它们通过共享的「大脑」直接「思想融合」，过程中不存在任何沟通损耗或信息不对称。
这样的组织可以像软件代码一样完美复制、指数级迭代，演化速度将从人类生物进化的万年周期，被压缩至秒的尺度。
如果 AI 真能演进到那个程度，人类可能就真的不再需要投入生产活动了。
但到那时，我们所处的，将是一个与今天的逻辑完全不同的世界。
举个可能不太恰当的例子。就像今天的瑜伽老师、播客主播、健身教练，在百年前几乎不存在一样。当社会盈余足够大，大到可以支撑人类去做大量「非生存必需」的事情时，新职业也会不断被发明出来。
如果 AI 进一步放大这种盈余，人类的「工作」，可能不再是生产，而是如何度过时间、如何充盈生活。
写到这里突然想起来，Claude Code 的作者 Boris Cherny 曾说过，AGI 实现之后，他可能会去做味增。
这样的未来，在我看来好像也还挺美好的…？
你做味增，我做地下音乐。我们都不用为生计发愁，我们都可以有美好的未来。
线上股票配资门户提示：文章来自网络，不代表本站观点。
