好，大家好，欢迎来到新一期的《世界观察》节目。今天我们尝试一个新的节目形式。因为我觉得如果每次都是我自己一个人，大家看我这老脸已经看烦了，而且多一点对话特别好。大家都知道我最近对AI特别痴迷，属于AI降临派。今天我邀请到两位来自世界AI心脏边上的人。因为我们都属于世界AI的边缘地带，尤其是日本，日本是世界AI的一块遗弃之地。我邀请到的两位都是来自AI心脏地带的，虽然日本有很多很好的AI公司，而且日本现在是半导体供应链的核心地带。

我简单替大家介绍这两位。如果你以前看我的节目，可能都看过，而且他们本身的节目也做得非常好。一位是何流，他做**《季风播客》，以前也跟我做过一期节目，他本身也是斯坦福胡佛研究所（Stanford Hoover）的研究员。另外一位是达主播**，我跟达主播以前做过四川话的节目，好多人都听过。达主播除了做播客之外，本身也在旧金山（San Francisco）的AI公司工作。所以说胡佛研究所虽然四舍五入在旧金山附近，而旧金山现在众所周知就是AI的心脏。两位都在AI的心脏地带，所以我非常感谢能来我这里聊。

我们就从刚才两位忍不住要发言的点开始。达主播先和大家打个招呼，因为他已经一年没有更新自己的播客《打脑壳》了。他一年没有更新的原因是一直在换工作，换了两个公司，并且之前生病了现在还在治病，主要是在忙自己的事情。其实在我们三个里面，达主播是离AI最近的，因为他在AI公司工作，而我们俩只是使用AI。

日本的AI弃地与商业认知

我觉得日本可以引入一个比较有意思的话题。我为什么说日本是AI的弃地呢？斯坦福大学每年会出一个AI调查报告。在所有调查的国家里面，连相对欠发达的国家也包含在内，日本对AI的熟悉率连其他国家的一半都不到。日本对于AI本身的熟悉程度、AI应用的使用程度，都是所有国家里面最低的一档。这也跟我在日本的实际感受相关。我前天在地铁上看到了一个AI广告，那个广告宣称用AI来帮你管名片。它说：“你看你收了这么多名片，最后都认不出谁是谁，用我们的工具可以用AI来管你的名片。”我当时在想，这到底是什么古早的、上世纪的想法，这种公司居然还有钱投广告，也是惊了。日本的商业社会就是这样，大家都热衷于收发名片，这可能只是一个结合了OCR（Optical Character Recognition: 光学字符识别）和简单CRM（Customer Relationship Management: 客户关系管理）的应用。

刚才何流提到，日本在AI产业链上还是很厉害的，尤其现在硬件和电力重新成为一个核心话题，但AI应用层面确实差一点。我想从一个问题开始问二位：最近科技行业的AI裁员特别厉害。今天凌晨四点，Meta刚刚进行了大规模裁员。昨天我还看到一个在Instagram工作的人在发倒计时短视频。另外一个是渣打银行，未来四年要在后台裁员八千人。他们后台总共才五万二千人，裁掉百分之二十，这个数字非常惊人。所以我想问，现在对于AI的工作替代已经没有任何悬念了，但是这个时间节点还有多久值得探讨。之前在东京单向街做活动，有一位做AI的人说，大家去拥抱自己最后六个月还有意义的工作时间。我虽然是AI降临派，但也觉得六个月太激进了。我想知道身处AI心脏地带的你们，对于AI引发的职业替代有多剧烈、到来的速度有多快，是什么样的想法？

剖析硅谷科技大厂的三层裁员动因

我自己觉得，每一次听到裁员的新闻——其实从2023年就开始了，在过去的一两年里，尤其是最近，我觉得每个星期都有硅谷大公司裁员的新闻。不管是耳熟能详的大厂，还是一些比较传统的科技中厂，甚至是渣打银行这样的传统行业。每次有裁员新闻，大家就说是AI来替代员工了。但在我看来，裁员有三个完全不同的原因。

第一个原因是公司在过去扩张期招了太多人。 我一直觉得，科技公司在2021年到2022年这段时间，所有的科技股票都在疯狂上涨。在那个时候，大语言模型（Large Language Model: 基于海量文本训练的AI系统）还没有真正爆发。严格来说，这个拐点大概是2022年年底OpenAI发布ChatGPT的时间。在这个时间之前，大家可能没有觉得AI可以应用到代替编程的作用，所以招了大量的程序员和科技从业人员。当时对于程序员的需求如此之高，以至于存在巨大的供需缺口，很多非科班出身的人零基础转码，也有很多大学毕业生选择了计算机科学（Computer Science）。所以供给端有巨大的增长。到了2023和2024年，公司逐渐开始意识到大语言模型非常适合写代码，因为它本质上是语言模型，而代码全部都是语言。这样一来，人员需求就有了一个巨大的缩减。公司突然发现他们之前为了预期增长而做的盲目扩张都是错的。

第二个原因与AI有关，但并不是AI直接替代员工，而是资本重定向。 公司需要花巨量的资金购买算力和Tokens。比如像Meta这样的公司，它需要花很多钱去建设数据中心。看Meta的财报，它对AI的投资是非常高的。在它要规划未来好几年的数据中心投资时，就必须在其他地方寻找降低成本的空间。Meta这样的软件公司之所以赚钱，是因为它卖的是广告。传统行业是高人力成本的，产生同样的营收需要几十个人；但在Meta，一个软件一个人用和一亿个人用是一样的。Meta的员工有着极高的投资回报率（ROI）。在它已经效率非常高的情况下，如果需要花巨量资本建数据中心、买算力，唯一能做的就是削减员工数量。

第三个原因才是工作自动化与AI替代。 我们认为公司有多少比例的工作可以用AI来自动化进行。我个人认为，这第三个原因到今年才真正开始显现。在此之前绝大多数裁员都是第一个原因，去年主要是第二个原因。因为今年是下一个拐点，就是编程智能体（Coding Agent: 能够自主编写和执行代码的AI助手）的流行。所有人都在用Claude Code或者是Codex，它直接代替了我们的工作流程。比如Meta今年一直说要裁员，在裁员发生之前的几个月里，公司要求所有员工首先接入Claude Code，然后把所有的工作流程写成Claude Code的Skill（技能脚本），让AI去自动化运行。用Meta员工自己的话来说，就是“他们在蒸馏自己”。第三个原因确实在发生，但今天为止的任何裁员，我认为这三个原因应该是同时发生的。只是当一个CEO宣布裁员时，他不愿意承认是自己做规划出了问题，他会把锅甩给AI，因为AI替代不是CEO的决策失误。

AI自动化的渗透与职业危机边界

你把裁员的过程分得很细致，但也确认了我们已经进入了Phase 3：AI开始对白领工作进行大规模自动化。那你觉得这一波来得有多剧烈？除了编程以外，AI也可以开始做各种各样的工作了。反过来问：你们现在还有任何主要工作是不借助AI自动化的吗？在我自己的工作中，除了我说话之外，任何工作都高度深度被AI自动化了。

有很多事情是AI没法替代的。比如我出去找投资人吃饭融资，AI是不能帮我融资的；我去找工作面试，AI也不能替我面试；我出去吃饭想要比较好的服务，服务员还是人；我们交朋友，到底是跟AI交朋友还是跟你们真人做播客，肯定还是跟真人。所以人与人打交道的部分，是AI不能替代的。关于工作，要区分两个东西：今天工作是不是已经在被AI大规模替代？这其实是个大问号。AI从发展到具备能力，再到进入世界经济，这个扩散速度不一定有大家想象的那么快。有很多裁员实际上就是CEO找了个借口，大的美国科技公司二三十年来都是这么裁减10%的。现在大家有了AI焦虑，就什么都往AI上套。

长期来看，人类智力是没法和机器智能竞争的。如果按照Anthropic CEO Dario Amodei 的说法，未来是“存在于数据中心里的天才国家”（Country of geniuses in data centers）。每一个AI Agent都是爱因斯坦级别的智商，拥有全世界的数据，只要有算力和能源，就可以在云端复制几百万个爱因斯坦。作为人去跟那个东西竞争智力肯定是没戏的。目前可能未来一两年，AI完成工作的时长就会翻倍，很快要达到一口气独立完成8小时、16小时甚至一周的工作量。这个“AI自主完成工作时长”是Meta和Epoch AI用来衡量AI能力的关键指标。当你交给AI一个写代码的任务，它如果能一口气独立完成8小时的工作量，就已经跟人类一样了。人类白天还要吃饭、打盹、偷懒，而AI不会。

我自己觉得周围的人都在用一种“再上两年班就没有班上了”的心情在工作。作为科技行业员工，我们的工作全都在电脑上完成。我的绝大多数工作流都在MCP（Model Context Protocol: 模型上下文协议）里面。我每天在Claude Code或Codex的UI界面里，靠着十个不同的MCP，让它们帮我发消息、写报告、做决策。在这种情况下，我唯一做的事情就是写Prompt。我唯一的输出是语言，那我就非常容易被替代。而那些需要更高阶媒介（如音乐、视频、物理交互）的服务型工作，危机感反而没有那么强。

你可以用一个指标来衡量你的工作是否容易被替代：你的工作有多少是纯文字和逻辑处理的。比如律师，所有的工作都是文字内容处理，当然有更高的精准度要求。初级律师从早到晚看合同、改合同，硅谷投资人认为这种工作很容易被AI取代；但高级合伙人需要去跟客户谈判、交流，就不太容易被取代。再比如保险精算和财务，每天拉电子表格，现在有Coding Agent，它非常擅长做数学题和编程序来计算，所以也是下一步比较容易被替代的工作。

Codex最近表示它不仅是一个编程助手，还可以做所有交付高商业价值目标的工作。这取决于底层基础模型（Base Model）有多强，以及像Claude Code这样的封装执行系统（Harness/Agent）做得有多完善。Skill机制就是一个非常有意思的尝试，如此轻量化的东西就可以把大量日常文本工作转化为高质量交付的结果。

AI合规与职业门槛的瓦解

另外，传统上被认为需要大量人际接触的工作，比如内科医生和心理医生（Therapist），其实也面临冲击。现在用AI做类心理医生功能的效果非常好。我感觉我跟AI聊天的治疗效果，比我找一小时50到70美元的普通心理医生要好得多。这可能是因为在美国找心理医生非常痛苦，涉及到保险报销、语言文化背景的隔阂。我不需要花30分钟跟AI解释什么是“典型的中国家庭”，它能立刻理解。一般的心理医生、一般的内科医生、一般的老师，恰恰是社会上人数最多的群体。

关于医生和律师的执照门槛问题。AI如果出错了谁来负责？我提供一个新闻，美国得克萨斯州已经授予了一家做AI心理治疗Agent的公司开处方的权限。法律障碍不是很难解决的，明天法律改了就完了，现在已经有很多公司在给AI发牌照了。不过，一旦发生事故，舆论反弹会很激烈。比如自动驾驶公司Cruise，之前出了车祸把人拖拽了一段路，视频上了新闻，这家曾经和Waymo并驾齐驱的公司就遭受了毁灭性打击。我们审视机器事故的标准比审视人类要严苛得多。但我认为，成本的大幅削减最终会让我们在争议中咬牙接受这些AI服务。社会会接受它的广泛应用，因为效率提升太诱人了。

其实大卫·格雷伯（David Graeber）在《狗屁工作》（Bullshit Jobs）一书里提到，医生的很大一部分工作其实是狗屁工作。美国医生需要花极大的时间去写符合保险公司要求的详细病历，记录考虑了什么病情、为什么要开这个药、为什么要拍X光，否则保险公司会拒绝赔付。心理医生也是如此。如果AI代替了写病历的这50%时间，医生是不是可以看更多病人，大家是不是能获得更好的服务？黄仁勋每次提到AI消灭工作，最爱举放射科医生（Radiologist）的例子。大家曾以为AI会看片了就不需要放射科医生了，结果现在放射科医生的招聘反而更多了，因为一个人可以借助AI看更多的片子，整个医疗系统的吞吐量提高了。这种摩擦的消除会加速整个世界的经济运转，最终经济系统里最慢的环节，将是任何必须要有人类手动操作的环节。

城市化危机与社会契约的重构

我们讨论哪些工作能被替代、哪些不能，到底是在寻找人类的安全感，还是在指出未来仅存的几个对绝大多数人没有意义的“人类孤岛”？如果AI的职业替代非常剧烈，尤其是中低级白领开始大规模失业时，有一个严肃的问题：城市化是怎么维持得住的？

现在的城市经济模型，尤其是服务业和消费业，是依靠白领工作产生的财富效应向外扩散的。餐厅、迪士尼乐园、美发店，大量在这些地方消费的是白领工作者。如果这些人都失业了，城市化的商业模型到底该怎么运转？

在美国，由于内需驱动，有足够大的白领人口比例。如果AI自动化了部分白领工作，使得专业服务成本降低，原本只服务少数人的高端律师和医生，现在可以服务更多普通人，这可能是一个好的结果。美国的城市在过去五十年里其实没有本质的发展，即使倒退也只是回到1970年代的现状。

但中国的情况完全不同。中国的纯粹白领或专业服务人员比例相对较小，但存在大量“类白领工作者”，比如庞大的公务员、国企员工和事业单位人员。他们的日常工作本质上也是在电脑前处理文档的知识型工作（Knowledge Worker）。如果把政府的公务员工作自动化一部分，不需要这么多人了，那中国每年毕业的一千万大学生去哪里？公务员是中国的社会契约里非常重要的一部分，有编制的人裁员对政府治理是重大冲击。国家目前能做的只能是缩编，即每年新增的招聘岗位减少，退休人员空出的岗位不再补招，利用自然更替来控制总量。如果真的按照经济效率和回报来考核，世界上大量的“狗屁工作”（比如商场保安、地铁安检员、日本车库门口指路的老大爷）可能早被裁掉70%了。

全球AI焦虑版图与监管博弈

我们来看斯坦福大学的研究数据，这非常有趣。全世界对AI焦虑程度最高的是印度（65%）和澳大利亚（67%），美国也很高（64%）。而中国相对较低（40%），最低的是日本（29%）。更值得注意的是焦虑程度的涨跌：印度一年内AI焦虑上涨了14%，这完全合理，因为印度的呼叫中心和代码外包服务将受到最强烈的冲击；匈牙利涨了11%；而南非和印尼反而在下降。

日本的低焦虑可能是因为社会已经习惯了经济停滞和终身雇佣制，大家不知道AI到底怎么替代工作，所以干脆躺平。而美国人对AI的焦虑有着深厚的社会讨论基础。最近在亚利桑那大学的毕业典礼上，Google的高管去演讲被学生疯狂喝倒彩。虽然有性骚扰丑闻的背景，但他在演讲中那种“AI已经要取代你们了，你们就等着被取代吧”的傲慢态度，引起了大学生的极大反感。

美国人对于新科技的抵制有其历史“肌肉记忆”。从社交媒体（Meta被指控算法故意诱导青少年焦虑导致心理疾病）、电子烟（针对青少年营销引发健康危机），到芬太尼滥用危机，美国社会经历了无数次因为新科技放任发展而带来的惨痛教训。因此，当AI出现时，社会立刻产生了防备心理。关于AI引导未成年人自杀的诉讼已经出现。AI监管已经成为2026年中期选举的核心议题。目前全美政治捐献最多的力量，一派是支持AI加速发展的机构（如a16z），另一派是主张严格监管AI的组织，双方在国会议员的选举中投入重金进行博弈。

最焦虑的永远是有知识的专家，全世界对AI最焦虑的其实是AI安全专家自己。对于普通人来说，这可能是一种弥漫在社会中的未知情绪。年轻人对AI的焦虑感往往更强，因为他们距离退休还有几十年，如果未来三年内工作就被取代，他们的一生该何去何从？理科生（尤其是计算机科学专业）的焦虑感也比文科生强，因为文科生本来就对未来薪酬预期不高，而程序员曾经习惯了高薪和高光时刻，现在的失落感和危机感尤为剧烈。DeepMind的朋友甚至直言：“两年后公司就不需要我了，因为我们的知识都已经转移给模型了。”

AI泡沫论与算力短缺的真相

关于AI泡沫的问题，如果算力扩展定律（Scaling Law）失效，现在就是AI的能力顶峰，那目前的市值确实是泡沫。但如果这只是开始，AI能替代70%的白领工作，那整个产业链的价值才刚刚起步。

我认为根本不存在AI泡沫。历史上的泡沫（如铁路热、互联网光缆泡沫）都是过度投资产生过剩产能，最后没人用导致破裂。但今天的AI算力完全不同，英伟达发布五年的GPU租用价格还在上涨。去年一年Google的Token使用量上涨了9倍，各大前沿实验室的使用量都在指数级上升，但台积电等半导体供应链的产能扩张却非常缓慢（每年仅增长10%-20%）。未来几年不仅没有泡沫，反而会出现极大的算力短缺。Uber在今年前三个月就烧完了一整年的算力预算；Anthropic年初预测今年收入90亿美金，到五月份已经上调到450亿美金。这是人类历史上前所未有的经济爆发，背后全是真金白银的投入。

在公开市场，像美光科技这种增长极快的公司市盈率才6、7倍，市场已经在给所谓的“泡沫”打巨大折扣了。但在私募和创投市场，确实存在泡沫。一些斯坦福的计算机博士，拿着一篇论文和在OpenAI实习过一个暑假的经历，没有任何产品就能以10亿美元的估值融到2亿美元。投资人害怕错失良机（FOMO），这种现象充斥着盲目和夸大。

硅谷也正在经历一场关于AI初创公司虚报营收的大讨论。传统的SaaS软件通过订阅制（Subscription）可以清晰计算年度经常性收入（ARR），但很多AI公司（如数据标注公司）是一次性的使用计费（Usage-based）。他们故意把单月的暴增收入直接乘以12来虚报年度营收，以此去融更高估值的钱。在资本的压力下，公司被迫吹嘘和包装，这也是行业乱象之一。

中美AI生态竞争：火力全开与各自为战

面对全球算力紧缺，中国的AI模型（如DeepSeek）选择了一条极力节省算力、优化注意力机制和MoE（Mixture of Experts: 混合专家模型）路由的路径。这是否是中国在算力受限下找到的正确道路？

从商业应用层面看，Cursor等应用公司为了控制极高的Token成本，已经开始微调并使用中国开源模型作为默认模型。这是一个必然趋势，所有AI应用如果被大规模使用，必须精打细算Token消耗。

但在底层模型和整体生态竞争上，我认为差距在拉大。美国现在的AI生态是几大飞轮火力全开：华尔街的巨量资本通过股市和衍生品市场全力支持AI；最前沿的模型（OpenAI, Google, Anthropic）不断突破技术上限；AI Agent应用迅速铺开，赚取海量利润然后再投入研发。哪怕落后六个月，在AI时代也意味着失去所有的定价权和利润空间。

反观中国生态，面临着多重瓶颈：

1. 资本枯竭：过去二十年的大基建消耗了大量资本，地方和企业债务高企，没有足够的资金进行底层的极限投入。
2. 算力受限：受美国出口管制影响，最前沿的算力获取极为困难。
3. 人才回流有限：最顶尖的AI人才依然集中在硅谷，而国内的创业环境充满了不确定性。
4. 资源错配：有限的资源并没有集中在底层大模型研发上。例如，国内大厂宁愿把上百亿的资金投入到外卖平台补贴大战中，内部诸侯割据，各自为战，缺乏像美国科技巨头那样集中力量突破底层智能的决心。

中国在AI应用层确实反应极快，24小时就能发布一个产品。但问题是，如果没有底层的技术突破，当美国的底层大模型能力下一次升级时，现在建立的一大片应用护城河瞬间就会被摧毁。英美遵循的是《超级智能》（Super Intelligence）的路径：先创造通用智能，再让智能解决一切问题；而中国更偏向于李开复提出的应用驱动路线，在底层能力不足时，应用层再繁荣也只是空中楼阁。

硅谷的996反噬与人类的品位孤岛

在极速迭代的AI浪潮下，硅谷的工作文化发生了诡异的扭曲。以前工程师们会考虑技术限制，现在借助AI，大家觉得无所不能，产生了一种“我太喜欢上班了，我要做十个产品版本”的极度亢奋。加上公司之间的竞争白热化，一个功能今天上线，明天就会被抄袭。为了应对竞争，硅谷现在也进入了高强度的996甚至全周无休模式。Scale AI的竞争对手在招聘启事上公开写明“996日程”，xAI也鼓励周六在家加班。

一方面是因为有了AI辅助，单个人的产出极大提升；另一方面，大家怀着“再干两年可能就没工作了”的危机感在拼命透支自己。人的工作记忆（Working Memory）根本无法承受同时开启七八个AI Agent多线操作带来的巨大认知负荷。这种工作模式带来了前所未有的疲劳感（Burnout）。硅谷的解决思路更是激进：不谈生活平衡，而是探讨脑机接口和云端“数字双胞胎”来进一步榨取生产力。

面对这样的未来，我们还能做什么？AI能快速整理复杂的财务数据、生成分析报告，但它缺乏人类的“品位（Taste）”。在口述历史、社会学等人文学科研究中，面对复杂的历史文本（如《中国金融大揭秘》），人类研究员凭借经验和直觉能敏锐地捕捉到政商博弈的隐秘脉络，这是AI无法替代的。在金融投资中，AI提供的信息往往泛泛而谈，真正的交易信号反而来源于社交媒体上人类分析师的敏锐洞察和情绪博弈。

在这个生产力将由机器主导的时代，普通的文本搬运工必将被淘汰，而拥有独特品位、创造力和个人魅力的“人类明星”价值将呈指数级上升。就像刘德华经历了无数媒介迭代依然无可取代，未来的世界，当机器智能超越普通人类时，那些能够把握时代情绪、具备敏锐直觉和深厚人文底蕴的少数人，将成为真正的引航者。但我们也必须警惕，社交媒体算法曾将迎合极端情绪的政客推上神坛，AI时代这股强大的力量，究竟是会重塑人类的精英品格，还是将社会推向更不可控的深渊？这一切，才刚刚开始。 [BODY_END] }} [AI_META_START] title: "AI降临派对谈：白领大失业之后世界会怎样？" summary: "本期对谈深入探讨了AI技术对白领工作及知识型员工的剧烈冲击与深远影响。嘉宾们从硅谷裁员的真实动因出发，分析了AI自动化引发的就业焦虑、中美AI技术路线与生态差异，以及在算力短缺和资本狂欢并存的背景下，人类社会可能面临的城市化危机与新型工作模式的反思。" area: "tech-engineering" category: "tech-trends" project: [] tags:

• "ai-automation"
• "knowledge-worker"
• "job-replacement"
• "silicon-valley-culture"
• "ai-infrastructure" people:
• "Sam Altman"
• "Demis Hassabis"
• "李开复"
• "黄仁勋"
• "Donald Trump" companies_orgs:
• "OpenAI"
• "Anthropic"
• "Meta"
• "Google"
• "DeepSeek"
• "a16z"
• "Scale AI"
• "Palantir"
• "台积电" products_models:
• "Claude Code"
• "Codex"
• "ChatGPT" media_books:
• "Super Intelligence"
• "中国金融大揭秘" [AI_META_END]

[BODY_START] 好，大家好，欢迎来到新一期的《世界观察》节目。今天我们尝试一个新的节目形式。因为我觉得如果每次都是我自己一个人，大家看我这老脸已经看烦了，而且多一点对话特别好。大家都知道我最近对AI特别痴迷，属于AI降临派。今天我邀请到两位来自世界AI心脏边上的人。因为我们都属于世界AI的边缘地带，尤其是日本，日本是世界AI的一块遗弃之地。我邀请到的两位都是来自AI心脏地带的，虽然日本有很多很好的AI公司，而且日本现在是半导体供应链的核心地带。

我简单替大家介绍这两位。如果你以前看我的节目，可能都看过，而且他们本身的节目也做得非常好。一位是何流，他做**《季风播客》，以前也跟我做过一期节目，他本身也是斯坦福胡佛研究所（Stanford Hoover）的研究员。另外一位是达主播**，我跟达主播以前做过四川话的节目，好多人都听过。达主播除了做播客之外，本身也在旧金山（San Francisco）的AI公司工作。所以说胡佛研究所虽然四舍五入在旧金山附近，而旧金山现在众所周知就是AI的心脏。两位都在AI的心脏地带，所以我非常感谢能来我这里聊。

我们就从刚才两位忍不住要发言的点开始。达主播先和大家打个招呼，因为他已经一年没有更新自己的播客《打脑壳》了。他一年没有更新的原因是一直在换工作，换了两个公司，并且之前生病了现在还在治病，主要是在忙自己的事情。其实在我们三个里面，达主播是离AI最近的，因为他在AI公司工作，而我们俩只是使用AI。

日本的AI弃地与商业认知

我觉得日本可以引入一个比较有意思的话题。我为什么说日本是AI的弃地呢？斯坦福大学每年会出一个AI调查报告。在所有调查的国家里面，连相对欠发达的国家也包含在内，日本对AI的熟悉率连其他国家的一半都不到。日本对于AI本身的熟悉程度、AI应用的使用程度，都是所有国家里面最低的一档。这也跟我在日本的实际感受相关。我前天在地铁上看到了一个AI广告，那个广告宣称用AI来帮你管名片。它说：“你看你收了这么多名片，最后都认不出谁是谁，用我们的工具可以用AI来管你的名片。”我当时在想，这到底是什么古早的、上世纪的想法，这种公司居然还有钱投广告，也是惊了。日本的商业社会就是这样，大家都热衷于收发名片，这可能只是一个结合了OCR（Optical Character Recognition: 光学字符识别）和简单CRM（Customer Relationship Management: 客户关系管理）的应用。

刚才何流提到，日本在AI产业链上还是很厉害的，尤其现在硬件和电力重新成为一个核心话题，但AI应用层面确实差一点。我想从一个问题开始问二位：最近科技行业的AI裁员特别厉害。今天凌晨四点，Meta刚刚进行了大规模裁员。昨天我还看到一个在Instagram工作的人在发倒计时短视频。另外一个是渣打银行，未来四年要在后台裁员八千人。他们后台总共才五万二千人，裁掉百分之二十，这个数字非常惊人。所以我想问，现在对于AI的工作替代已经没有任何悬念了，但是这个时间节点还有多久值得探讨。之前在东京单向街做活动，有一位做AI的人说，大家去拥抱自己最后六个月还有意义的工作时间。我虽然是AI降临派，但也觉得六个月太激进了。我想知道身处AI心脏地带的你们，对于AI引发的职业替代有多剧烈、到来的速度有多快，是什么样的想法？

剖析硅谷科技大厂的三层裁员动因

我自己觉得，每一次听到裁员的新闻——其实从2023年就开始了，在过去的一两年里，尤其是最近，我觉得每个星期都有硅谷大公司裁员的新闻。不管是耳熟能详的大厂，还是一些比较传统的科技中厂，甚至是渣打银行这样的传统行业。每次有裁员新闻，大家就说是AI来替代员工了。但在我看来，裁员有三个完全不同的原因。

第一个原因是公司在过去扩张期招了太多人。 我一直觉得，科技公司在2021年到2022年这段时间，所有的科技股票都在疯狂上涨。在那个时候，大语言模型（Large Language Model: 基于海量文本训练的AI系统）还没有真正爆发。严格来说，这个拐点大概是2022年年底OpenAI发布ChatGPT的时间。在这个时间之前，大家可能没有觉得AI可以应用到代替编程的作用，所以招了大量的程序员和科技从业人员。当时对于程序员的需求如此之高，以至于存在巨大的供需缺口，很多非科班出身的人零基础转码，也有很多大学毕业生选择了计算机科学（Computer Science）。所以供给端有巨大的增长。到了2023和2024年，公司逐渐开始意识到大语言模型非常适合写代码，因为它本质上是语言模型，而代码全部都是语言。这样一来，人员需求就有了一个巨大的缩减。公司突然发现他们之前为了预期增长而做的盲目扩张都是错的。

第二个原因与AI有关，但并不是AI直接替代员工，而是资本重定向。 公司需要花巨量的资金购买算力和Tokens。比如像Meta这样的公司，它需要花很多钱去建设数据中心。看Meta的财报，它对AI的投资是非常高的。在它要规划未来好几年的数据中心投资时，就必须在其他地方寻找降低成本的空间。Meta这样的软件公司之所以赚钱，是因为它卖的是广告。传统行业是高人力成本的，产生同样的营收需要几十个人；但在Meta，一个软件一个人用和一亿个人用是一样的。Meta的员工有着极高的投资回报率（ROI）。在它已经效率非常高的情况下，如果需要花巨量资本建数据中心、买算力，唯一能做的就是削减员工数量。

第三个原因才是工作自动化与AI替代。 我们认为公司有多少比例的工作可以用AI来自动化进行。我个人认为，这第三个原因到今年才真正开始显现。在此之前绝大多数裁员都是第一个原因，去年主要是第二个原因。因为今年是下一个拐点，就是编程智能体（Coding Agent: 能够自主编写和执行代码的AI助手）的流行。所有人都在用Claude Code或者是Codex，它直接代替了我们的工作流程。比如Meta今年一直说要裁员，在裁员发生之前的几个月里，公司要求所有员工首先接入Claude Code，然后把所有的工作流程写成Claude Code的Skill（技能脚本），让AI去自动化运行。用Meta员工自己的话来说，就是“他们在蒸馏自己”。第三个原因确实在发生，但今天为止的任何裁员，我认为这三个原因应该是同时发生的。只是当一个CEO宣布裁员时，他不愿意承认是自己做规划出了问题，他会把锅甩给AI，因为AI替代不是CEO的决策失误。

AI自动化的渗透与职业危机边界

你把裁员的过程分得很细致，但也确认了我们已经进入了Phase 3：AI开始对白领工作进行大规模自动化。那你觉得这一波来得有多剧烈？除了编程以外，AI也可以开始做各种各样的工作了。反过来问：你们现在还有任何主要工作是不借助AI自动化的吗？在我自己的工作中，除了我说话之外，任何工作都高度深度被AI自动化了。

有很多事情是AI没法替代的。比如我出去找投资人吃饭融资，AI是不能帮我融资的；我去找工作面试，AI也不能替我面试；我出去吃饭想要比较好的服务，服务员还是人；我们交朋友，到底是跟AI交朋友还是跟你们真人做播客，肯定还是跟真人。所以人与人打交道的部分，是AI不能替代的。关于工作，要区分两个东西：今天工作是不是已经在被AI大规模替代？这其实是个大问号。AI从发展到具备能力，再到进入世界经济，这个扩散速度不一定有大家想象的那么快。有很多裁员实际上就是CEO找了个借口，大的美国科技公司二三十年来都是这么裁减10%的。现在大家有了AI焦虑，就什么都往AI上套。

长期来看，人类智力是没法和机器智能竞争的。如果按照Anthropic CEO Dario Amodei 的说法，未来是“存在于数据中心里的天才国家”（Country of geniuses in data centers）。每一个AI Agent都是爱因斯坦级别的智商，拥有全世界的数据，只要有算力和能源，就可以在云端复制几百万个爱因斯坦。作为人去跟那个东西竞争智力肯定是没戏的。目前可能未来一两年，AI完成工作的时长就会翻倍，很快要达到一口气独立完成8小时、16小时甚至一周的工作量。这个“AI自主完成工作时长”是Meta和Epoch AI用来衡量AI能力的关键指标。当你交给AI一个写代码的任务，它如果能一口气独立完成8小时的工作量，就已经跟人类一样了。人类白天还要吃饭、打盹、偷懒，而AI不会。

我自己觉得周围的人都在用一种“再上两年班就没有班上了”的心情在工作。作为科技行业员工，我们的工作全都在电脑上完成。我的绝大多数工作流都在MCP（Model Context Protocol: 模型上下文协议）里面。我每天在Claude Code或Codex的UI界面里，靠着十个不同的MCP，让它们帮我发消息、写报告、做决策。在这种情况下，我唯一做的事情就是写Prompt。我唯一的输出是语言，那我就非常容易被替代。而那些需要更高阶媒介（如音乐、视频、物理交互）的服务型工作，危机感反而没有那么强。

你可以用一个指标来衡量你的工作是否容易被替代：你的工作有多少是纯文字和逻辑处理的。比如律师，所有的工作都是文字内容处理，当然有更高的精准度要求。初级律师从早到晚看合同、改合同，硅谷投资人认为这种工作很容易被AI取代；但高级合伙人需要去跟客户谈判、交流，就不太容易被取代。再比如保险精算和财务，每天拉电子表格，现在有Coding Agent，它非常擅长做数学题和编程序来计算，所以也是下一步比较容易被替代的工作。

Codex最近表示它不仅是一个编程助手，还可以做所有交付高商业价值目标的工作。这取决于底层基础模型（Base Model）有多强，以及像Claude Code这样的封装执行系统（Harness/Agent）做得有多完善。Skill机制就是一个非常有意思的尝试，如此轻量化的东西就可以把大量日常文本工作转化为高质量交付的结果。

AI合规与职业门槛的瓦解

另外，传统上被认为需要大量人际接触的工作，比如内科医生和心理医生（Therapist），其实也面临冲击。现在用AI做类心理医生功能的效果非常好。我感觉我跟AI聊天的治疗效果，比我找一小时50到70美元的普通心理医生要好得多。这可能是因为在美国找心理医生非常痛苦，涉及到保险报销、语言文化背景的隔阂。我不需要花30分钟跟AI解释什么是“典型的中国家庭”，它能立刻理解。一般的心理医生、一般的内科医生、一般的老师，恰恰是社会上人数最多的群体。

关于医生和律师的执照门槛问题。AI如果出错了谁来负责？我提供一个新闻，美国得克萨斯州已经授予了一家做AI心理治疗Agent的公司开处方的权限。法律障碍不是很难解决的，明天法律改了就完了，现在已经有很多公司在给AI发牌照了。不过，一旦发生事故，舆论反弹会很激烈。比如自动驾驶公司Cruise，之前出了车祸把人拖拽了一段路，视频上了新闻，这家曾经和Waymo并驾齐驱的公司就遭受了毁灭性打击。我们审视机器事故的标准比审视人类要严苛得多。但我认为，成本的大幅削减最终会让我们在争议中咬牙接受这些AI服务。社会会接受它的广泛应用，因为效率提升太诱人了。

其实大卫·格雷伯（David Graeber）在《狗屁工作》（Bullshit Jobs）一书里提到，医生的很大一部分工作其实是狗屁工作。美国医生需要花极大的时间去写符合保险公司要求的详细病历，记录考虑了什么病情、为什么要开这个药、为什么要拍X光，否则保险公司会拒绝赔付。心理医生也是如此。如果AI代替了写病历的这50%时间，医生是不是可以看更多病人，大家是不是能获得更好的服务？黄仁勋每次提到AI消灭工作，最爱举放射科医生（Radiologist）的例子。大家曾以为AI会看片了就不需要放射科医生了，结果现在放射科医生的招聘反而更多了，因为一个人可以借助AI看更多的片子，整个医疗系统的吞吐量提高了。这种摩擦的消除会加速整个世界的经济运转，最终经济系统里最慢的环节，将是任何必须要有人类手动操作的环节。

城市化危机与社会契约的重构

我们讨论哪些工作能被替代、哪些不能，到底是在寻找人类的安全感，还是在指出未来仅存的几个对绝大多数人没有意义的“人类孤岛”？如果AI的职业替代非常剧烈，尤其是中低级白领开始大规模失业时，有一个严肃的问题：城市化是怎么维持得住的？

现在的城市经济模型，尤其是服务业和消费业，是依靠白领工作产生的财富效应向外扩散的。餐厅、迪士尼乐园、美发店，大量在这些地方消费的是白领工作者。如果这些人都失业了，城市化的商业模型到底该怎么运转？

在美国，由于内需驱动，有足够大的白领人口比例。如果AI自动化了部分白领工作，使得专业服务成本降低，原本只服务少数人的高端律师和医生，现在可以服务更多普通人，这可能是一个好的结果。美国的城市在过去五十年里其实没有本质的发展，即使倒退也只是回到1970年代的现状。

但中国的情况完全不同。中国的纯粹白领或专业服务人员比例相对较小，但存在大量“类白领工作者”，比如庞大的公务员、国企员工和事业单位人员。他们的日常工作本质上也是在电脑前处理文档的知识型工作（Knowledge Worker）。如果把政府的公务员工作自动化一部分，不需要这么多人了，那中国每年毕业的一千万大学生去哪里？公务员是中国的社会契约里非常重要的一部分，有编制的人裁员对政府治理是重大冲击。国家目前能做的只能是缩编，即每年新增的招聘岗位减少，退休人员空出的岗位不再补招，利用自然更替来控制总量。如果真的按照经济效率和回报来考核，世界上大量的“狗屁工作”（比如商场保安、地铁安检员、日本车库门口指路的老大爷）可能早被裁掉70%了。

全球AI焦虑版图与监管博弈

我们来看斯坦福大学的研究数据，这非常有趣。全世界对AI焦虑程度最高的是印度（65%）和澳大利亚（67%），美国也很高（64%）。而中国相对较低（40%），最低的是日本（29%）。更值得注意的是焦虑程度的涨跌：印度一年内AI焦虑上涨了14%，这完全合理，因为印度的呼叫中心和代码外包服务将受到最强烈的冲击；匈牙利涨了11%；而南非和印尼反而在下降。

日本的低焦虑可能是因为社会已经习惯了经济停滞和终身雇佣制，大家不知道AI到底怎么替代工作，所以干脆躺平。而美国人对AI的焦虑有着深厚的社会讨论基础。最近在亚利桑那大学的毕业典礼上，Google的高管去演讲被学生疯狂喝倒彩。虽然有性骚扰丑闻的背景，但他在演讲中那种“AI已经要取代你们了，你们就等着被取代吧”的傲慢态度，引起了大学生的极大反感。

美国人对于新科技的抵制有其历史“肌肉记忆”。从社交媒体（Meta被指控算法故意诱导青少年焦虑导致心理疾病）、电子烟（针对青少年营销引发健康危机），到芬太尼滥用危机，美国社会经历了无数次因为新科技放任发展而带来的惨痛教训。因此，当AI出现时，社会立刻产生了防备心理。关于AI引导未成年人自杀的诉讼已经出现。AI监管已经成为2026年中期选举的核心议题。目前全美政治捐献最多的力量，一派是支持AI加速发展的机构（如a16z），另一派是主张严格监管AI的组织，双方在国会议员的选举中投入重金进行博弈。

最焦虑的永远是有知识的专家，全世界对AI最焦虑的其实是AI安全专家自己。对于普通人来说，这可能是一种弥漫在社会中的未知情绪。年轻人对AI的焦虑感往往更强，因为他们距离退休还有几十年，如果未来三年内工作就被取代，他们的一生该何去何从？理科生（尤其是计算机科学专业）的焦虑感也比文科生强，因为文科生本来就对未来薪酬预期不高，而程序员曾经习惯了高薪和高光时刻，现在的失落感和危机感尤为剧烈。DeepMind的朋友甚至直言：“两年后公司就不需要我了，因为我们的知识都已经转移给模型了。”

AI泡沫论与算力短缺的真相

关于AI泡沫的问题，如果算力扩展定律（Scaling Law）失效，现在就是AI的能力顶峰，那目前的市值确实是泡沫。但如果这只是开始，AI能替代70%的白领工作，那整个产业链的价值才刚刚起步。

我认为根本不存在AI泡沫。历史上的泡沫（如铁路热、互联网光缆泡沫）都是过度投资产生过剩产能，最后没人用导致破裂。但今天的AI算力完全不同，英伟达发布五年的GPU租用价格还在上涨。去年一年Google的Token使用量上涨了9倍，各大前沿实验室的使用量都在指数级上升，但台积电等半导体供应链的产能扩张却非常缓慢（每年仅增长10%-20%）。未来几年不仅没有泡沫，反而会出现极大的算力短缺。Uber在今年前三个月就烧完了一整年的算力预算；Anthropic年初预测今年收入90亿美金，到五月份已经上调到450亿美金。这是人类历史上前所未有的经济爆发，背后全是真金白银的投入。

在公开市场，像美光科技这种增长极快的公司市盈率才6、7倍，市场已经在给所谓的“泡沫”打巨大折扣了。但在私募和创投市场，确实存在泡沫。一些斯坦福的计算机博士，拿着一篇论文和在OpenAI实习过一个暑假的经历，没有任何产品就能以10亿美元的估值融到2亿美元。投资人害怕错失良机（FOMO），这种现象充斥着盲目和夸大。

硅谷也正在经历一场关于AI初创公司虚报营收的大讨论。传统的SaaS软件通过订阅制（Subscription）可以清晰计算年度经常性收入（ARR），但很多AI公司（如数据标注公司）是一次性的使用计费（Usage-based）。他们故意把单月的暴增收入直接乘以12来虚报年度营收，以此去融更高估值的钱。在资本的压力下，公司被迫吹嘘和包装，这也是行业乱象之一。

中美AI生态竞争：火力全开与各自为战

面对全球算力紧缺，中国的AI模型（如DeepSeek）选择了一条极力节省算力、优化注意力机制和MoE（Mixture of Experts: 混合专家模型）路由的路径。这是否是中国在算力受限下找到的正确道路？

从商业应用层面看，Cursor等应用公司为了控制极高的Token成本，已经开始微调并使用中国开源模型作为默认模型。这是一个必然趋势，所有AI应用如果被大规模使用，必须精打细算Token消耗。

但在底层模型和整体生态竞争上，我认为差距在拉大。美国现在的AI生态是几大飞轮火力全开：华尔街的巨量资本通过股市和衍生品市场全力支持AI；最前沿的模型（OpenAI, Google, Anthropic）不断突破技术上限；AI Agent应用迅速铺开，赚取海量利润然后再投入研发。哪怕落后六个月，在AI时代也意味着失去所有的定价权和利润空间。

反观中国生态，面临着多重瓶颈：

1. 资本枯竭：过去二十年的大基建消耗了大量资本，地方和企业债务高企，没有足够的资金进行底层的极限投入。
2. 算力受限：受美国出口管制影响，最前沿的算力获取极为困难。
3. 人才回流有限：最顶尖的AI人才依然集中在硅谷，而国内的创业环境充满了不确定性。
4. 资源错配：有限的资源并没有集中在底层大模型研发上。例如，国内大厂宁愿把上百亿的资金投入到外卖平台补贴大战中，内部诸侯割据，各自为战，缺乏像美国科技巨头那样集中力量突破底层智能的决心。

中国在AI应用层确实反应极快，24小时就能发布一个产品。但问题是，如果没有底层的技术突破，当美国的底层大模型能力下一次升级时，现在建立的一大片应用护城河瞬间就会被摧毁。英美遵循的是《超级智能》（Super Intelligence）的路径：先创造通用智能，再让智能解决一切问题；而中国更偏向于李开复提出的应用驱动路线，在底层能力不足时，应用层再繁荣也只是空中楼阁。

硅谷的996反噬与人类的品位孤岛

在极速迭代的AI浪潮下，硅谷的工作文化发生了诡异的扭曲。以前工程师们会考虑技术限制，现在借助AI，大家觉得无所不能，产生了一种“我太喜欢上班了，我要做十个产品版本”的极度亢奋。加上公司之间的竞争白热化，一个功能今天上线，明天就会被抄袭。为了应对竞争，硅谷现在也进入了高强度的996甚至全周无休模式。Scale AI的竞争对手在招聘启事上公开写明“996日程”，xAI也鼓励周六在家加班。

一方面是因为有了AI辅助，单个人的产出极大提升；另一方面，大家怀着“再干两年可能就没工作了”的危机感在拼命透支自己。人的工作记忆（Working Memory）根本无法承受同时开启七八个AI Agent多线操作带来的巨大认知负荷。这种工作模式带来了前所未有的疲劳感（Burnout）。硅谷的解决思路更是激进：不谈生活平衡，而是探讨脑机接口和云端“数字双胞胎”来进一步榨取生产力。

面对这样的未来，我们还能做什么？AI能快速整理复杂的财务数据、生成分析报告，但它缺乏人类的“品位（Taste）”。在口述历史、社会学等人文学科研究中，面对复杂的历史文本（如《中国金融大揭秘》），人类研究员凭借经验和直觉能敏锐地捕捉到政商博弈的隐秘脉络，这是AI无法替代的。在金融投资中，AI提供的信息往往泛泛而谈，真正的交易信号反而来源于社交媒体上人类分析师的敏锐洞察和情绪博弈。

在这个生产力将由机器主导的时代，普通的文本搬运工必将被淘汰，而拥有独特品位、创造力和个人魅力的“人类明星”价值将呈指数级上升。就像刘德华经历了无数媒介迭代依然无可取代，未来的世界，当机器智能超越普通人类时，那些能够把握时代情绪、具备敏锐直觉和深厚人文底蕴的少数人，将成为真正的引航者。但我们也必须警惕，社交媒体算法曾将迎合极端情绪的政客推上神坛，AI时代这股强大的力量，究竟是会重塑人类的精英品格，还是将社会推向更不可控的深渊？这一切，才刚刚开始。