街头之声：AI焦虑下的众生相
在美国纽约繁华喧嚣的街头，一场关于人类命运与技术跃迁的追问正在悄然展开。《纽约时报》（New York Times: 美国最具影响力的主流媒体之一）旗下备受欢迎的播客节目 《The Daily》 的主持人拿着话筒，行走在步履匆匆的人群中。他向过往的路人抛出了一个极其简单却又重逾千斤的填空题：“请问，你对人工智能（Artificial Intelligence: 模拟人类智能的计算机系统）的感觉是——？”
面对这个突如其来的问题，街头路人们的反应呈现出一种极其复杂而微妙的光谱。空气中弥漫的不是对科幻未来的憧憬，而是一种混合了困惑、焦虑与本能防备的复杂情绪。有人稍微思索后吐出了“复杂”这个词；有人则毫不掩饰地吐露了心中的“焦虑”与“恐慌”；还有人长叹一口气，形容自己对AI的看法是“爱恨交加”。在这些看似温和的词汇背后，隐藏着极其具体而残酷的生存博弈。一位路人无奈地感叹道，这东西确实太厉害了，它能让自己的写作质量提升一个档次，但转过头来，它也在悄无声息地抢走自己的饭碗。
这种担忧绝非无病呻吟，对于许多人来说，危机早已逼近眼前的防线。在采访中，有受访者神色沉重地表示，人工智能已经实质性地威胁到了他所在的行业，他现在每天早上醒来，脑子里唯一的念头就是必须重新思考自己这辈子到底该靠什么吃饭，因为八成得面临改行的命运。更有人直截了当地戳破了温情脉脉的遮羞布：“我当时脑子里就只有一个念头，天哪，这东西是要来抢我的工作的。可结果呢？它不是‘准备要抢’，而是‘已经抢走了’。”
对于大多数普通人而言，这种冲击并不是抽象的学术讨论，而是实实在在的肉体痛感。如果你在最近两年参与过招聘季的竞争，或者家里正好有一个面临填报高考志愿、选择未来专业方向的孩子，那种手心出汗、不知所措的焦虑感是不需要任何语言翻译的。在变幻莫测的技术海啸面前，旧有的职业坐标系正在全面失效。
在街头采访的最后，一位上了年纪的受访者分享了自己的故事。就在半年前，他还没有决定好自己到底什么时候退休，总觉得可以在岗位上再坚持几年。然而，人工智能的快速普及，帮他把这个纠结已久的决定强行往前提了。他说，现在单位里的事情变化得实在是太快了，各种新工具的引入让他感到应接不暇，心底深处总有一个疲惫的声音在反复嘀咕：“算了，我准备好了，现在收摊也行。”
说完这些，这位老人顿了顿，眼神中流露出更深沉的忧虑。他提到了自己那两个分别上五年级和七年级的孙子。看着正在无忧无虑成长的一代，他不禁发问：等他们长大上大学的时候，他们会去学什么？毕业后又会去干什么？今天我们所熟悉的那些道路，到时候是不是已经彻底不复存在了？
这种对未来的普遍迷茫，折射出大面积的社会群体心理变迁。根据相关数据统计，有高达七成的美国人坚信人工智能最终会导致整个社会的总体工作岗位变少。这是一个极其惊人的比例。要知道，在政治撕裂严重的美国社会，即使是支持前总统唐纳德·特朗普这样极具争议的政治核心议题，其支持率的波动范围也大致维持在百分之三十几左右。而在“AI将消灭工作岗位”这一判断上，不同阶层、不同党派的美国民众居然达成了高度一致的共识，足见这场技术风暴带给普通大众的心理震撼有多么强烈。
盲区中的风暴：统计尺度的失效
在这期引人深思的节目中，接受采访的嘉宾是本·卡塞尔曼（Ben Casselman: 纽约时报首席经济记者）。作为一名长期跟踪宏观经济动向的资深媒体人，卡塞尔曼的工作说白了就是天天跟各种顶级经济学家、决策智囊打交道，试图从冰冷的数据中剥离出社会运行的真实脉络。
当主持人开门见山地询问“人工智能会怎么影响经济，这个问题占用了你多少时间”时，卡塞尔曼给出了一个不容置疑的回答：“这大概是眼下最重要的一个宏观经济问题。”
回顾过去几年的财经版面，全球媒体和市场交易员们都在为了各种瞬息万变的宏观冲击而熬夜盯着屏幕。大家盯着中东油价的起伏，盯着特朗普的社交媒体动态，盯着国际贸易谈判的一举一动，根据这些地缘政治的摩擦来随时调整自己的企业预算、外贸订单和投资仓位。这些宏观层面的冲击毫无疑问是剧烈且直接的。然而卡塞尔曼指出，如果从一个更长的时间跨度来看——比如五年或十年之后我们重新坐在这里回头审视——今天我们所经历的那些看似惊心动魄的关税战、地缘冲突，或许都将沦为背景噪音。到时候，我们真正要谈论的、对人类社会塑造最深的，多半只有人工智能这一场变革，以及它在当下这个时间点露出的最早那一抹苗头。
“可是，最令人感到恐慌的地方在于，”卡塞尔曼补充道，“我们不仅不知道这场技术演变在未来会带来多大的变化，我们甚至连眼下它正在对经济产生什么具体的影响都说不清楚。”
这并不是在危言耸听，而是直指现代宏观经济统计系统的阿喀琉斯之踵。以全世界最受关注的经济体温计——美国劳工部每个月发布的非农就业报告为例。这份报告每月定期公布，发布那一刻全球金融市场的每一次跳动、每一笔数亿美元资金的流向，都紧紧盯着那几个核心数字。然而，如果你试图从这份被奉为圭臬的报告中，查一查目前最受AI冲击的科技行业这个月雇佣了多少人、裁撤了多少人，你会惊讶地发现：你根本查不到。
因为在这份被全世界当成经济体温计的报告分类里，压根就没有“科技”这个独立的行业类别。科技行业的从业人员被拆得七零八落，分别塞进了其他几个古老的行业格子中：一部分被归类在所谓的信息业中（顺便说一句，传统的纸媒报纸、电视广播也同样在这个格子里）；一部分被归类在专业服务中；还有一部分居然被算在了传统的制造业里。
这种滞后的行业分类方法，是几十年前根据旧有的工业结构定制出来的。在那个年代，互联网还没有诞生，更不用说人工智能了。因此，当研究人员想要确切了解人工智能把科技行业冲击成什么样时，他们手里没有一把能够直接测量它的尺子。这种尺度的缺失，意味着决策者和经济学家无法在每个月的宏观数据出炉时，第一时间理清科技领域的真实失业状况。
更要命的问题在于数据流的“速度”。对于在这场变革中最敏感、最脆弱的群体——那些刚刚走出校门、准备步入社会的应接毕业生来说，官方的数据体系根本无法做到按月甚至按季度去可靠地追踪他们的真实去向。统计学的底层机器运转缓慢，远远落后于技术在现实世界的演进速度。这造成了一个巨大的信息疏漏：最大的社会变革正在我们眼皮子底下高频发生，但我们手里却握着一把前工业时代的尺子，根本量不出这场高烧到底烧在人体的哪个部位。
矛盾的信息流：失业预警与招聘热潮
既然官方的统计尺子因为分类古老和更新滞后而量不准，市场很自然地转向了民间的统计力量。在当今的美国，确实有许多手握海量一手数据的商业巨头在填补这个空白。例如，为无数大型企业提供薪酬管理服务的 ADP（Automatic Data Processing: 全球最大的劳动力数据与人力资源服务商之一）公司，手里就攒着海量的实际发放工资数据；职业社交平台领英（LinkedIn）和主流招聘网站Indeed也拥有海量的简历投递与职位需求数据。
这些机构定期向外界发布关于劳动力市场的研究报告，经济学家们也纷纷一头扎进这些民间数据池里试图探寻真相。然而，令人困惑的事情发生了：这些看似专业、严谨的研究报告，得出的结论却经常南辕北辙，讲的根本就不是同一个故事。
卡塞尔曼指出，最近有几份由资深经济学家撰写、方法论极其严密的学术报告显示，在那些被评估为最容易被人工智能替代的岗位上（例如传统的客户呼叫中心、基础文案岗等），入门级别（Entry-level: 适合毕业生或无经验者的基础岗位）的招聘需求正在发生极其明显的萎缩。这似乎证实了人们的直觉：AI确实在消灭那些普通人的起步工作。
然而，几乎在同一时间，另一批同样使用详实数据、经过同行评审的学术研究却得出了相反的结论：那些在业务中引入人工智能技术最猛、工具上线速度最快的公司，其整体的招人速度和雇佣规模反倒比其他保守的企业还要多。
这两种截然相反的结论同时摆在决策者的案头，让问题变得更加扑朔迷离。一方面，有证据表明人工智能在消灭基础的入门工作，使得底层劳动力的晋升通道收窄；另一方面，又有证据表明人工智能在推动企业业务扩张，从而创造出更多的全新就业岗位。包括英伟达（NVIDIA）创始人黄仁勋在内的科技巨头在接受访谈时，也极力向公众灌输一种乐观的预期：人工智能非但不会消灭所有工作，反而会通过重塑生产力，催生出大量我们今天甚至无法想象的新型岗位。
卡塞尔曼对此解释道，这种数据上的矛盾和冲突其实并不令人意外。技术迭代的速度实在是太快了，这一领域可以说是“一天一个样”。今天被认为无法替代的创意工作，明天可能就会因为某个开源模型的更新而彻底被低成本自动化。这种高速流动的现实，超出了所有静态研究模型的捕捉极限，导致研究者们往往只能摸到大象的某一个部位。
CEO的遮羞布：借AI之名的裁员真相
为了在混杂的信号中寻找支撑，人们开始将视线移向微观企业。既然宏观统计有盲区，民间研究有矛盾，那么去听听企业自己怎么说，总该是不会出错的吧？毕竟企业裁了多少人、账本怎么走，自己心里最清楚。
在这样的背景下，全球零售与云计算巨头亚马逊（Amazon）宣布了一轮涉及全球多达一万六千个岗位的庞大裁员计划，并在公告中明确提到了这是为了应对技术变革与人工智能时代的到来。随后，由推特创始人杰克·多西（Jack Dorsey）创立的数字支付巨头 Block 也宣布了裁撤将近一半员工的激进计划，多西在给员工的内部信中，同样将手指向了人工智能，声称这些智能工具已经从根本上改变了搭建和运营一家现代化企业所需的员工规模。
故事听到这里，逻辑似乎已经非常闭环且清晰了：连硅谷最顶尖的企业CEO都公开承认裁员是因为AI，这难道还不足以证明AI在消灭工作吗？
然而，当卡塞尔曼去跟那些独立的学术界经济学家交流时，听到的却是一片冷嘲热讽与深切的怀疑。经济学家们戳破了一个企业管理层秘而不宣的利益链条：在眼下这个时间点上，“把人工智能挂在嘴边”对于上市公司的管理层来说，是一件能够获得丰厚金钱奖励的事情。
在资本市场上，只要一家公司的CEO在财报会议上大声宣布“我们已经在人工智能领域压上了全部重注，我们通过引入AI取得了重大的效率突破”，这家公司的股价就会在短时间内迎来一波暴涨，风投机构和机构投资者的资金就会源源不断地涌入。
“假设你现在是一位压力巨大的上市公司CEO，”卡塞尔曼直言不讳地分析道，“你的公司在两年前，因为疫情期间线上流量的暴增而盲目扩招了大量员工。现在疫情红利退去，生意慢下来了，你的财报变得很难看，你必须砍掉一大部分员工来维持利润率。这个时候，摆在你面前的解释话术有两种：”
- 第一种：“我以前的管理判断搞砸了，我当初头脑一热招了太多人，现在我不得不为了自己的愚蠢决策而裁掉大家。”
- 第二种：“我们正在积极拥抱未来！人工智能工具的引入让我们的组织效率得到了跨越式的提升，因此我们现在可以精简人员，以更轻量化的架构去迎接新时代。”
如果你是那位CEO，为了保住自己的职位和公司在华尔街的股价，你会选择向市场公布哪一种说法？答案是不言而喻的。
因此，人工智能在很多时候，实际上沦为了一些企业管理者非常顺手的“背锅侠”。那些因为前期决策失误、市场需求疲软而发生的常规业务收缩与裁员，被精致地包装成了顺应AI科技浪潮的“效率升级”。虽然很多企业内部确实在尝试使用各种大模型工具，但说这些工具在今天就已经能够成熟到完全替代成千上万名熟练工人的日常工作，显然是夸大其词。这种话术上的包装，进一步污染了就业市场的数据源，使得人们更难看清AI技术在微观层面的真实替代路径。
历史分水岭：速度决定转型痛感
尽管数据掺杂了噪音，但卡塞尔曼强调，在与无数经济学家和行业领袖的深度探讨中，有两件事情是完全可以确定的。
第一件事是：人工智能的技术普及和迭代速度，快得令人窒息。
这不仅仅是硅谷那些拿了融资的技术鼓吹手在自吹自擂。无论你去问哪个传统行业的企业高管，还是去问那些持审慎态度的宏观经济学者，大家在同一件事上已经达成了越来越强烈的共识：这套技术绝对不是又一次转瞬即逝的资本泡沫，它会真真切切地重塑实体经济，改变现有的劳动力分配格局，彻底颠覆我们未来的日常生活。
就在播客录制前不久，一份由大约两百名世界级经济学家联名签署的警告信公开披露。这些学者在声明中发出警告：人类经济体可能正在迎来一场前所未有的剧烈转变。从冲击的深度和波及面来看，这场变革的规模将超越以往的工业革命，但它在社会层面铺开所花费的时间，却要短得多。
我们可以把时针拨回那段人类最著名的转型期。工业革命（Industrial Revolution: 18世纪中叶开始的由工场手工业向机器大工业过渡的变革）是从英国曼彻斯特的那些纺织厂里开始的。蒸汽机和机械织布机是一台一台地安装上去，缓慢地替换掉那些手工业者。这个技术扩散的过程，从英国扩散到欧洲大陆，再迈向世界的其他角落，整整跨越了一百多年的时间。
在一百多年的时间跨度里，时间是极其慷慨的。它足够三到四代人完成出生、成长、工作、衰老和死去的完整生命周期。如果你爷爷那辈人没有赶上纺织业的机械化转型，你爹那辈人可能会开始感受到压力，而到了你这一辈，你还有充足的余地去学校里学习一门新的手艺，以适应这个已经变样了的社会。
然而，这两百位经济学家所警告的是，人工智能的演进速度不会再给人类留下几代人的缓冲时间。
这就引出了第二件确定的事情：到目前为止，人工智能对宏观就业的实际破坏力，在数据上依然显得非常轻微。
卡塞尔曼解释说，虽然硅谷每天都有关于AI替代人类的传言，但从整体宏观经济的统计来看，我们并没有看到大面积的、由于AI普及而导致的失业潮。如果人工智能真的已经开始像蝗虫过境般成片地消灭传统工作，哪怕我们的统计尺子再破，整体失业率的数据也是绝对掩盖不住的。
一边是“人类历史上最大、最快的一场变革”的宿命论宣判，另一边是“宏观数据里什么异样都没看见”的静默现实。这两个看似完全矛盾的画面同时并存，让当下的社会心态显得极为别扭。
卡塞尔曼用了一个生动的比喻来形容这种诡异的宁静：这就像是一场真正能够地动山摇的大地震来临之前的短暂瞬间。在这个阶段，大地深处的板块已经开始发生错位，但在地表，普通人抬起头，只能看到头顶上的吊灯在轻轻地晃动。晃动是如此的轻微，以至于你揉了揉眼睛，甚至会开始怀疑自己是不是因为劳累而出现了幻觉。而在这份看似平静的摇晃之后，埋藏的是技术普及中著名的“J曲线”。
触底的J曲线：低效期背后的积蓄
在经济学和科技史的研究中，一项颠覆性技术在实体经济中的普及，往往要遵循一条特殊的曲线—— J曲线（J-Curve: 描述某种指标先跌后猛涨的非线性发展轨迹）。
生产率/效率 (Productivity)
^
| / (猛烈上升段：技术成熟，工作流重构完成，效率暴增，岗位消失)
| /
| /
--+-------+---------------------------> 时间 (Time)
| /
| \ /
| \/ (探底段：企业摸索、员工学习、工具难用，导致效率反而下降)
这条曲线的形状就像英文字母 J 一样：当一项新技术刚诞生并推向市场时，它对社会生产率的贡献不仅不会立刻往上窜，反而会先往下掉，跌进一个充满混乱与低效的“深坑”中。在坑底挣扎很长一段时间后，才会迎来指数级的爆发上升。
这背后的逻辑其实并不复杂。当一种全新的、打破常规的工具出现时，无论是企业的管理层还是底层的普通员工，所有人都是懵的。大家都隐约知道这东西以后会很重要，但谁也说不清楚该怎么把它融合进现有的日常业务流程里。
为了说明这一点，卡塞尔曼和主持人分享了两个非常具有代表性的历史与现实案例：
第一个是距离我们最近的2020年新冠疫情初期。在那个混乱的阶段，全球无数的企业和学校被迫硬着头皮开始推行居家办公和视频会议。在最初的几个月里，这种新工具的引入并没有让大家的沟通变得更有效率，反而让所有人感到心力交瘁。大家在会议前手忙脚乱地调试设备：摄像头开了没有？麦克风怎么关不掉？屏幕共享怎么把私人微信界面给投出去了？有些大学教授甚至对着一片漆黑的静音屏幕，声情并茂地讲了四十分钟才发现学生根本没听见。在那个阶段，视频会议技术带来的是工作时间的延长和无意义的内耗，生产率实际上是下降的。
第二个案例是1990年代互联网拨号上网刚刚普及的年代。那时电脑走进了办公室，但大家在很长一段时间里根本不知道用它能干点什么正经活。员工们整天在简陋的网页上瞎折腾，或者沉迷于扫雷和空龙接龙。企业为了配置这些电脑系统投入了巨额的预算，却发现办公室的整体产出并没有明显的提升。
卡塞尔曼指出，当前我们面对人工智能，极有可能正卡在 J 曲线那个往下掉的勺子底部。在当下这个时间点，各种AI工具的大规模引入，不仅没有让许多公司的效率变高，反而让大家变得更累、更没有效率了。
主持人深有感触地附和道，作为一名跑白宫新闻的政治记者，他最近也在尝试用各种先进的AI大模型来协助自己的日常工作，但实际体验却很糟糕。比如，他想让大模型帮他检索一篇多年前的旧演讲稿，或者帮他梳理一份特定领域的联系人名单。在经历了反复的对话微调、纠正AI的胡编乱造（即幻觉问题）之后，他彻底失去了耐心，最后发现还是自己用最原始的方法——拿起电话一个一个打过去，效率反而更高。
“这正是我们在J曲线底部最真实的写照。”卡塞尔曼说，“对于个人而言，这种摸索可能只是个人的烦恼。但对于整个经济体来说，真正的破坏力正在这个坑底悄然酝酿。”
在大家都觉得AI不好用、效率低的这个阶段，企业的管理层并没有闲着。他们正在暗中拆解现有的工作流程，重新设计岗位的职责边界。他们会逐渐发现，某些环节在技术微调后其实根本不需要那么多人了，而另一些环节则需要紧急增配新的人手。同时，一大批从诞生那天起就完全围绕人工智能技术来构建底层架构的新型企业，正在泥潭之外悄然孵化。
一旦这些新型的商业模式探索成功，工作流重构完成，那条J曲线就会越过那个关键的拐点，以一种极其狂暴的姿态向上窜升。到那一天，真正的宏观经济影响就会像山洪暴发一样砸向社会，生产率会迎来大爆发，而与之相伴的，则是大量我们曾习以为常的传统饭碗在极短时间内成片地消失。
悄然消失的屋子：打字员的温和消逝
为了理解那条J曲线在上升段会如何收割就业，卡塞尔曼建议我们再次把目光投向1990年代那场金光闪闪的互联网技术革命。
在那个年代，有许多古老的工种在电脑和网络面前彻底失去了存在的价值。其中最典型的代表，就是文字处理员（Word Processor: 专门在打字机或早期电脑上进行文案打字与排版的职业）。
在“Word”变成我们电脑桌面上的一个常用软件之前，它在现实世界里是一个极其庞大的劳动群体。在当时的政府机关、大型国企和外企办公室里，通常都设有专门的打字室。那一间间屋子里坐满了人，每天的工作就是对着打字机或者笨重的终端，噼里啪啦地把别人手写的草稿变成整洁的铅字文件。然而，随着个人电脑的迅速普及，人人学会了自己用键盘敲字，打字室的那间屋子就这么悄无声息地空了，这个职业在短短十几年内彻底退出了历史舞台。
同样的消逝还发生在旅行社的柜台前。在过去，如果你想订一张去往外地的机票或火车票，你必须亲自顶着太阳跑一趟旅行社，坐在柜台前，眼巴巴地看着业务员在一本厚厚的班次表上反复翻找、确认。后来，随着各大在线旅游平台的崛起，人们只要在手机上点几下就能完成预订，旅行社的实体柜台和那些帮人翻班次表的业务员，也大多消失不见了。
银行的网点也是如此。以前取钱、转账、查余额都需要在柜台前排长队、叫号，现在这些功能大半被手机银行所替代，银行的基层网点也迎来了大规模的收缩。
然而，令人感到奇怪的是：为什么今天我们回头看那个消逝了无数职业的1990年代，我们脑海里浮现出的词汇却全是“繁荣”、“机会”、“下海”和“明天会更好”，而没有把它当成一场社会的灾难？
卡塞尔曼指出，答案只有两个字：慢与散。
“文字处理员和旅行社柜台的消失，不是那种戏剧性的故事。”卡塞尔曼解释道，“并不是在某一个寒冷的星期一早上，突然有人推开大门，把整个打字室的所有员工一次性全给开除了。它是一年一年、如同温水煮青蛙一样慢慢往下磨的。”
在这种缓慢的摩擦中，时间给不同年龄段的普通人留出了弥足珍贵的缓冲带：
- 对于那些已经五十多岁、职业生涯步入尾声的老员工来说，他们有足够的时间在原来的岗位上平稳度过最后几年，体面地完成退休，不受技术变革的羞辱。
- 对于那些三十岁出头、正值当打之年的中青年员工来说，他们可以敏锐地观察到风向的变化，在几年时间里去学门新电脑手艺，或者主动作出调整，换个不受波及的岗位。
- 至于那些正在学校里读书的年轻人，他们能清楚地看到未来的趋势在往哪里走，从而在填报志愿时主动避开那些正在枯萎的传统专业，去念一个跟计算机、互联网相关的新兴专业。
除了速度慢之外，这种冲击在空间和行业分布上也是极其分散的。它并没有集中在某一个特定的小城镇，也没有在同一个礼拜让全城的所有工厂集体拉闸。这种分散性，避免了局部社会生态的瞬间坏死，让劳动力市场的自我修复功能得以正常运转。
骤雨狂风：西科里家具业的坍塌
然而，技术变革的剧本并不总是温和的。在1990年代末期起步、并在2000年代迅速进入加速期的另一场经济变革，则给美国社会留下了一道至今都没有愈合的创伤。在宏观经济学界，这场冲击有一个广人知的学术名词—— “中国冲击”（China Shock: 中国加入WTO后对发达国家地方制造业产生的剧烈竞争效应）。
回看当年的历史影像，在世纪之交的电视新闻里，美国官员们在镜头前自信地向选民们解释把中国拉进世界贸易组织（WTO）的宏观红利：“我们将让这个全球贸易网络变得更加强大，让这个拥有十二亿人口、规模达一万亿美元的新兴经济体更深地融入全球市场，这会为我们带来更廉价的商品和更广阔的市场，这显然是一个巨大的好消息。”
然而，在宏观叙事的另一侧，电视新闻的话外音却被刺耳的爆破声和工人们的哭泣声所填满：
- “托马斯维尔家具公司的六号厂，于七月中旬正式关闭生产线，设备全部迁走……”
- “今天凌晨，拥有百年历史的某织造厂废墟被定向爆破清理，共用去了一吨多的炸药……”
- “本县最大的纺织厂宣布关停四家工厂中的两家，八百多个工作岗位瞬间化为乌有。而这，还仅仅是自去年十二月算起的最新数据……”
在这场全球化产业大转移的暴风雨中，北卡罗来纳州一个叫西科里（Hickory: 曾被誉为“世界家具之都”的美国传统制造重镇）的城市，不幸成为了这场冲击的暴风眼。
作为二十世纪的家具之都，西科里曾经是一座高度依赖家具制造业的单功能城镇。这里的几代居民都在工厂里上班，流水线上源源不断产出的高品质沙发和实木桌椅，是这座城市财富的唯一源泉。然而，当中国加入世贸组织后，凭借着极高的劳动力效率、完善的产业链配套，大量价格便宜到令人难以置信的中国进口家具如潮水般涌入美国市场。
在绝对的价格优势面前，西科里的工厂根本毫无招架之力。这不是一年一年慢慢磨的过程，而是在短短几个月、几年之内，当地的家具工厂开始成片成片地倒闭，卷帘门一家接着一家拉下来，就再也没有重新升起过。
短短数年内，光是西科里这一带的家具制造行业，丢掉的岗位就以万为单位来计算。卡塞尔曼说，你可以试着想象这样一个极其残酷的画面：“把这整个县城里所有正值壮年、能够干活的青少年全部拉出来，让他们在街上排成一长排。然后有一个长官走过去告诉他们：明天，你们所有人都不用再来上班了。”
这就是“中国冲击”与“互联网革命”最本质的区别：它来得太快，且空间上极度集中。
多米诺骨牌：地缘破产的连锁反应
当一个原本富庶的单产业城镇在极短时间内失去了它的支柱产业，接下来发生的并不是教科书里所写的那种优雅的“劳动力重新配置”，而是一场社会生态的多米诺骨牌式塌方。
卡塞尔曼生动地还原了这种局部经济体系统性坏死的逻辑链条。在西科里，那些在家具厂上班的工人们在失去了工作和唯一的收入来源后，第一反应必然是勒紧裤腰带，削减一切非必要开支。
[家具厂倒闭，工人失业]
│
▼
[工人失去收入，削减日常开销]
│
├─► [街角超市流水暴跌] ──► [收银员、理货员被裁]
├─► [镇上餐馆客流减半] ──► [餐馆倒闭，厨师服务员失业]
└─► [地方税收锐减] ────► [公立学校裁员，教师保不住工作]
于是，原本每天下班后人头攒动的街角超市开始变得冷冷清清，超市老板为了活下去，只能选择裁掉收银员和理货员；镇上的餐馆客流量直接腰斩，很快也贴出了转让告示；由于大批工厂倒闭，地方政府的税收瞬间干涸，镇上的学校因为资金匮乏而不得不开始精简教师队伍。一个核心制造行业的倒下，在极短时间内把镇上所有的服务业、公立机构全部拖下了水。
在这个时候，有人会问：既然这里没活干了，人为什么不搬走呢？俗话说人往高处走，去那些正在崛起的新兴城市找工作不就行了？
“可是在现实世界里，”卡塞尔曼叹了口气，“你连搬家这个选择都被强行剥夺了。因为你被自己名下的那套房子给定死在了原地。”
在这些产业塌方的城镇里，由于支柱行业不复存在，整座城市都在无可挽回地走向衰落。在这个时候，根本不会有任何外地人愿意跑来这里接盘买房。你想走，就必须先卖掉手里的房子以换取路费和在新城市租房、生活的本钱。但现实是，你的房子在市场上根本卖不出去，或者价格已经跌到了令人发指的冰点。你名下最核心的“资产”，在这一刻变成了将你牢牢锁在废墟上的“枷锁”。你明明知道留下来没有前途，却只能眼睁睁看着自己和整片社区一起，慢慢下沉。
这种地缘性的破产和绝望，最终在局部社会里发酵出了极其丑陋的果实。在失业率高企、看不到未来的铁锈地带，人们的精神防线开始崩溃，成瘾性问题迅速抬头。起初是用来缓解体力劳动伤痛的止疼药，后来逐渐演变成对精神麻醉的病态依赖。这条暗线，最终汇聚成了肆虐全美、导致数十万人死亡的阿片类药物危机（Opioid Crisis: 止痛药滥用引发的公共卫生灾难）。
另一条暗线，则流向了选票箱。那些被时代抛弃、憋了一肚子怨气的普通选民，感到自己被华盛顿的精英和全球化的既得利益者彻底遗忘了。这种积压了数十年的愤怒，最终转化为了摧毁建制派政治秩序的惊人能量，成为了特朗普在2016年大选中登顶权力的铁杆基本盘。
当我们坐在空调房里，用那些干净、优雅的学术词汇——比如“比较优势”、“产业升级”和“结构性调整”——来高谈阔论全球化与技术进步时，脑子里往往是没有画面的。但西科里的故事，把那幅沾满眼泪与绝望的真实画面狠狠地递到了我们面前：它是被爆破的百年厂房，是无人问津的斑驳房屋，是堆满空药瓶的破败街区，以及投票箱里那一张张写满愤怒的选票。
无锚的未来：个体如何与不确定性共处
回到当下，人工智能这场大潮，究竟会重复1990年代互联网革命那种“温和、分散、有时间调整”的剧本一，还是会演变成“中国冲击”那种“迅猛、集中、成片塌方”的剧本二？
这正是让所有严肃经济学家感到忧心忡忡的地方。如果AI的普及速度快到让数十个行业的白领和蓝领在几年内集体失业，且这些被抹掉的岗位的从业者在短时间内根本找不到任何可以掉头的方向（因为其他几乎所有行业也都在被AI清洗），那么“中国冲击”所带来的社会撕裂与政治动荡，将在一个大得多的尺度上重新上演。
主持人关切地问卡塞尔曼：“既然过去的教训如此惨痛，那么华盛顿的那些政策制定者和两党政客，现在有没有在做相应的准备？”
“他们确实开始聚在一起讨论这些教训了。”卡塞尔曼回答道，“但在华盛顿，‘开始讨论’和‘拿出可执行的方案’完全是两码事。”
尽管国会的听证会开了一场又一场，各州的议会也在频繁讨论，各种智库的研讨会更是人满为患，但迄今为止，美国政界没有任何一个人能够拿出一份像样的、哪怕是能够让大家觉得有一丝可行性的全面应对方案。
经济学家们认为，面对未知的风暴，政府眼下最急迫的任务是做两件事：
- 先把“眼睛”装上：升级现有的宏观经济统计工具，创造出能够实时、精准监测AI对各个具体行业和岗位影响的测量仪，弄清楚到底是哪些群体在挨刀、他们具体分布在哪里。
- 修补现有的社会安全网：美国现行的失业保险系统在疫情期间已经暴露出了系统性的破败与低效；而早年间为了帮助因全球化失业而设立的“贸易调整援助项目”，在实际运行中因为官僚流程的繁琐，导致绝大多数真正需要帮助的底层工人根本拿不到半点补贴。这些旧的“安全网”漏洞百出，根本无法承载即将到来的大潮。
至于那些更具科幻色彩和激进色彩的设想——比如由政府出资建立主权财富基金以让全体国民分享AI红利，或者直接向全民无条件发放现金的 全民基本收入（Universal Basic Income: 政府定期向所有公民发放无条件基本生活保障金的设想）方案，卡塞尔曼坦言，在目前的政治现实下，没有一样是近期能够够得着、可执行的政策。
在节目的最后，主持人问出了那个萦绕在每个普通人、每个家庭心头的终极疑问：
“既然宏观政策指望不上，那么对于听节目的普通人，或者那些家里有孩子正在成长的家长来说，我们到底该怎么办？我们该怎么跟孩子解释这个世界，又该建议他们去学点什么？”
卡塞尔曼深吸了一口气，给出了一个极其老实、但也极为残酷的回答：“这个问题，恰恰包含着当下这个时代最让人感到恐惧的东西。”
回看1990年代，那时的社会虽然也充满着技术带来的震荡，但整体的社会航标是清晰的。作为家长，你可以非常笃定地告诉孩子：去好好读书，考上大学，去学计算机，去学软件工程，去拥抱那些正在蓬勃兴起的新兴行业。虽然这条路对某些具体的人来说也可能走不通，但从概率上来看，只要你顺着这个方向走，你这辈子的日子大概率不会过得太差。
但是今天，我们彻底失去了那个能够作为锚点的标准答案。
“我知道人工智能在未来一定会创造出许多全新的工作岗位，这一点我作为一个经济记者从不怀疑。”卡塞尔曼语气沉重地说道，“但问题是，我今天站在这里，完全不知道那些新工作到底长什么样。我不知道今天该建议一个年轻人去学什么专业，我甚至不知道该不该继续建议他花大笔学费去上大学。未来的账本正在发生根本性的重塑，而我们这些坐在前排的观察者，目前还完全没有看懂它是怎么变的。”
在这个宏观统计尺度失效、未来导向坐标缺失的交界点上，旧的经验已经作废，新的共识尚未建立。或许正如主持人所言，在未来很长的一段时间里，我们所能做的，也仅仅是逼迫自己去适应并学会与这份巨大的“不确定性”艰难共处。因为在这个被AI推着一路狂奔的时代列车上，我们其实已经没有任何退路。