AI 的“拨号上网”时代
作者：Nowfal
现在是 1995 年。
你的电脑调制解调器 (modem) 发出刺耳的尖叫声，正试图连接到一个叫“互联网”的东西上。也许连上了，也许你得再试一次。
这是史上第一次，你可以在几秒钟内和世界另一端的人互通“信件”。当时全世界大概只有 2000 多个网站 ，理论上你一个周末就能全部逛完。大多数网站只是灰色背景上的一些文字，偶尔配上一张像素很低的图片 。加载时间简直要命。一张图片要一分钟，一段 1 分钟的视频可能要花上几小时。大多数人不敢在网上输入自己的信用卡号。所有人都在告诫：不要相信互联网上的陌生人。
很快，人们分成了两大阵营。
乐观主义者预言了翻天覆地的变化。有人相信数字商务将在几年内取代实体零售。还有人坚信我们将在虚拟现实世界中漫游。
“我预计，未来五年内，超过十分之一的人在乘坐公交、火车和飞机时，都会戴上头戴式电脑显示器。” - Nicholas Negroponte, 麻省理工学院教授, 1993
悲观主义者则 称 互联网只是一时风尚和泡沫。
来源：Did Paul Krugman Say the Internet’s Effect on the World Economy Would Be ‘No Greater Than the Fax Machine’s’? Snopes, 2018. 原引言发表于 Red Herring 杂志, 1998
如果你在 1995 年告诉一个普通人，25 年内，我们会从社交媒体上的陌生人那里获取新闻，而不是看报纸；我们会看点播节目，而不是有线电视；我们会通过 App 找对象，而不是靠朋友介绍；并且我们会彻底颠覆“不要相信陌生人”的告诫，以至于我们会让网上的陌生人用他们的私家车接我们（指网约车服务，如 Uber 或滴滴），还敢睡在他们空余的卧室里（指共享住宿服务，如 Airbnb 或途家）……大多数人都会觉得这简直是天方夜谭。
我们又回到了 1995 年。只不过，这次的主角是人工智能。
而今天辩论的双方，正犯着当年类似的错误。
一方警告说，AI 将在几年内消灭整个行业，导致大规模失业。另一方则声称，AI 创造的就业机会将多于它摧毁的。一个阵营认为 AI 是被过度炒作的“空中楼阁”(vaporware)，注定会泡沫破灭；而另一个阵营则预测，AI 将在十年内自动化所有知识型任务，重塑人类文明。
他们都只说对了一部分。
就业悖论：为什么自动化的影响因行业而异
Geoffrey Hinton，被一些人称为“AI 教父”，在 2016 年警告说 AI 将引发大规模失业。他宣称：“人们现在应该停止培养放射科医生了，” 他确信 AI 将在几年内取代他们。
来源：Twitter/X, Andy Walters/Geoffrey Hinton, 2023
然而，正如研究员 Deena Mousa 在《现在轮到算法为您看病了》一文中所展示的，尽管有此预言，AI 并未取代放射科医生。这个行业反而正蓬勃发展。
2025 年，美国诊断放射学住院医师项目在所有放射学专业中提供了 创纪录的 1,208 个职位，比 2024 年增长了 4%，该领域的 职位空缺率也处于历史最高水平。2025 年，放射科是全美收入第二高的医学专业，收入为 52 万美元，比...平均工资高出 48% 以上。
来源：The algorithm will see you now, Deena Mousa, 2025
Mousa 指出了预言失败的几个因素——现实世界的复杂性、这份工作不仅是图像识别，还有监管和保险方面的障碍。她指出的最关键一点是杰文斯悖论 (Jevons Paradox)，即***“某项技术提高了资源使用效率，反而会导致该资源的总消耗量增加，而非减少”***这一经济学原理。她的论点是，随着 AI 让放射科医生效率更高，以更低成本提供更好的诊断和更快的报告，意味着更多的人会接受扫描检查。因此，就业不但没有减少，反而增加了。
这也（指杰文斯悖论）是科技界的共识。微软首席执行官 Satya Nadella 同意 这一点，Box 首席执行官 Aaron Levie 也 表示：
“杰文斯悖论是这个世界上最不被理解但又最重要的概念。当我们让一项技术更高效时，需求增长会远超原有水平。AI 就是一个完美的例子——几乎任何应用了 AI 的事物，需求都会增加，而不是减少。”
他们只说对了一半。
首先，正如创造了 凭感觉编程 (vibe coding) 一词的计算机科学家 Andrej Karpathy 所指出的，放射科并不是寻找首批失业者的合适领域。
“放射科的工作太复杂、风险太高、监管太严。如果要寻找短期内会因 AI 而发生巨变的职业，我会去别处寻找——那些看起来像在重复同一件死记硬背的任务，每项任务相对独立、封闭（不需要太多上下文）、耗时短、容错率高（犯错成本低），当然还有在当前（数字化）能力下可自动化的工作。即便如此，我预计 AI 最初也只是作为工具被采用，工作内容会发生变化和重构（例如，更多的是监控或监督，而不是手动操作等等）。”
其次，科技界关于就业将增加的共识，实际上取决于具体行业。具体来说，该行业能释放出多少未被满足的需求，以及这种未被满足的需求增长，是否快于自动化和生产力持续提升的速度。
为了更好地理解这一点，让我们看看从 1800 年到 2000 年这 200 年间，三个行业到底发生了什么。经济学家 James Bessen 在《自动化与就业：当技术促进就业时》的论文中，展示了纺织、钢铁和汽车三个行业的就业、生产力和需求数据。
来源：Automation and jobs: when technology boosts employment, James Bessen, 2019
在自动化之后，纺织业和钢铁业的工人都经历了近一个世纪的就业增长，随后面临了急剧下降。相比之下，汽车制造业则保持稳定，尚未出现同样的大幅下滑。
要回答为什么前两个行业急剧下滑而汽车制造业没有，首先看看这三个行业工人的生产力：
来源：Automation and jobs: when technology boosts employment, James Bessen, 2019
再看看这三个行业的需求：
来源：Automation and jobs: when technology boosts employment, James Bessen, 2019
这些图表显示了一个一致的模式（请注意：生产力和需求图表是对数坐标，意味着生产力和需求呈指数级增长）。早期，一种服务或产品很昂贵，因为需要很多工人来生产。大多数人买不起或很少使用。例如，在 19 世纪初，大多数人只买得起一两条裤子或一件衬衫。然后，自动化使工人的生产力急剧提高。1900 年的一名纺织工人的产量是 1800 年的 50 倍。这种生产力爆炸导致价格暴跌，从而创造了巨大的新需求。突然之间，每个人都买得起多套衣服，而不再是一两件。就业和生产力双双飙升（请注意：就业增长掩盖了内部细分岗位的替代和工资变化。详见脚注 ）。
一旦需求饱和，就业就不再增长，而是在峰值需求处保持稳定。但随着自动化继续，工人的生产力不断提高，就业就开始下降。在纺织业，机械化带来了巨大的产量增长，但一旦消费停滞不前，而自动化和生产力却持续攀升，工人最终还是被取代了。我们可能并不需要无限的衣服。同样，无论多便宜，患者可能永远不需要一百万份放射科报告，因此放射科医生最终会遇到天花板。我们不需要无限的食物、衣服、纳税申报表等等。
在 Bessen 的图表中，汽车行业则讲述了一个不同的故事，因为需求远未饱和。全球大多数人仍然没有汽车。自动化也未能完全征服制造业（特斯拉在完全自动化制造上的退却证明了当前的技术局限）。当需求和自动化潜力都保持高位时，尽管生产力在提高，就业仍能维持甚至增长。
软件行业提出了一个更有趣的问题。你需要多少个 App？那些能按需生成应用、能自主创建整个软件生态系统的软件又如何呢？直到现在，“手写软件”一直是瓶颈。昂贵的软件工程师和他们我们的劳动成本，限制了公司能负担得起的开发内容。自动化改变了这一等式，它让工程师的效率大大提高。无论是消费级还是企业级软件市场，都表明存在大量未被满足的需求，因为企业总是有很多项目没能开工 。他们要么觉得开发成本不划算，要么必须将有限的资源分配给最优先的项目。我在亚马逊亲眼目睹了这一点。成千上万个创意没能获得资金，不是因为它们没有商业价值，而是因为没有足够的工程资源去实现它们。如果 AI 能以极低的成本生产软件，那将释放出巨大的潜在需求。那么，关键问题是，这种需求是否会饱和，以及何时会饱和。
所以，总而言之，对每个行业来说，就业前景取决于两股力量的赛跑：
未被满足的市场需求的规模和增长速度，以及
这种需求增长是否快于自动化带来的生产力提升。
不同行业的说明性矩阵
在这场需求与生产力的赛跑中，谁是赢家，将决定不同行业的不同命运。
泡沫：非理性繁荣构建未来
第二个争论点集中在这场 AI 热潮是否是一个等待破裂的泡沫。
在 1990 年代的互联网热潮中，一波公司在自己名字后面加上“.com”，以搭上这股狂热的顺风车，眼看着估值飙升。基础设施公司投入了数十亿美元铺设光纤和海底电缆——这些昂贵的项目之所以成为可能，只是因为人们相信了这股炒作 。所有这一切最终在 2000-2001 年的互联网泡沫破灭 中轰然崩塌。像思科 (Cisco) 这样的基础设施公司曾短暂成为全球市值最高的公司，最终也跌落神坛 。Pets.com 成了这场繁荣的“代言人”，它在 IPO 中筹集了 8250 万美元，花巨资在“超级碗”（美国国家橄榄球联盟的年度冠军赛，广告费极其昂贵）上投放广告，结果 9 个月后就倒闭了 。
但互联网泡沫也做对了几件事。更重要的是，它最终为我们带来了实体基础设施，使 YouTube、Netflix 和 Facebook 成为可能。当然，像 Worldcom、NorthPoint 和 Global Crossing 这些进行投资的公司都破产了，但它们也为未来奠定了基础。尽管崩盘在短期内证明了怀疑论者是对的，但从长远来看，它证明了乐观主义者在方向上是正确的。
今天的 AI 热潮也显示出类似的“非理性繁荣”。想想 OpenAI 前高管 Mira Murati 创立的 AI 初创公司，它在种子轮就以 100 亿美元的估值筹集了 20 亿美元，这是历史上最大的一笔种子轮融资 。尽管该公司既没有产品，也拒绝透露它在做什么，以及将如何产生回报。还有好几个 AI “套壳”应用 (AI wrappers)（指那些自身没有核心 AI 技术，只是在现有大模型基础上增加一个用户界面的应用）在几乎没有任何“护城河”的情况下，也筹集了数百万美元的种子资金。
然而，有些投资将比这股炒作更持久，并且即使这是一场泡沫，也可能在未来帮助到 AI 公司。例如，自 ChatGPT 发布以来，“超大规模云服务商 (Hyperscalers)” 的年度资本支出增加了一倍多——微软、谷歌、Meta 和亚马逊在数据中心、芯片和计算基础设施上的总支出已接近五万亿美元。无论哪些公司最终能幸存下来，现在正在建设的这些基础设施——从推理能力到支持它所需的电力——都将为我们的人工智能未来奠定基础。
来源：Is AI a bubble, Exponential View, 2025
基础设施投资可能有长期价值，但我们是否已经处于泡沫之中了？科技分析师和投资人 Azeem Azhar 提供 了一个出色的实用框架来回答 AI 泡沫问题。他使用五个指标来衡量当前的 AI 热潮：经济压力（投资占 GDP 份额）、行业压力（资本支出与收入比）、收入增长轨迹（翻倍时间）、估值热度（市盈率）和资金质量（资本来源的弹性）。他的分析表明，AI 仍然处于一场“由需求引领的繁荣”中，而不是泡沫，但如果这五个指标中有两个亮起红灯，我们就将进入泡沫区域。
需求是真实存在的。毕竟，OpenAI 是历史上增长最快的公司之一 。但仅凭这一点并不能阻止泡沫。鉴于其“产品-市场契合度”(product-market fit)，OpenAI 可能会没事，但许多其他 AI 公司正面临着与 1990 年代互联网公司同样的单位经济效益（指衡量单个用户或单位产品是否盈利的模型）问题。Pets.com 当时也有数百万用户（占当时互联网用户的很大一部分），但正如科技界的格言所说：如果你用 85 美分去卖 1 美元，你可以获得无限的客户和无限的收入 。因此，尽管存在需求，但模式可能与 1990 年代如出一辙。预计会出现过度建设。预计会出现一些惊人的失败。但也要预料到，这些基础设施将比炒作周期更长久，并催生出我们目前无法想象的事物。
可预测的不可预测性未来
那么，我们现在处于什么位置？
我们仍处于 AI 革命的早期阶段。 我们正处于互联网时代那个“调制解调器尖叫”的隐喻阶段。就像当年基础设施公司向光纤投入数十亿美元一样，现在的“超大规模云服务商”正向计算能力投入数十亿美元。初创公司在名字里加上“.ai”，就像当年的公司加上“.com”一样，都是为了寻求更高的估值。这股炒作将在狂热和绝望之间循环。有些预测回过头看会错得离谱。而一些看似疯狂的预测，最终可能被证明还是太保守了。
不同行业将经历不同的结局。 与“杰文斯悖论乐观主义者”的看法不同，一旦人类的需求得到满足，对许多事物的需求就会趋于平稳。任何行业的就业结果都取决于未被满足的市场需求的规模和增长，以及这种需求增长是否快于自动化带来的生产力提升。
成本降低将解锁新的细分市场。 金融学教授 Aswath Damodaran 曾（因）低估 Uber 的价值而闻名 [12]，他当时假设 Uber 只能占领现有出租车市场的一部分。他没有意识到，大幅降低出行成本会扩大市场本身，因为人们会用 Uber 去那些他们以前绝不会花出租车钱去的地方。AI 也将同样催生那些目前因“人类智能”成本过高而无法构建的产品和服务。一个餐馆老板可能会用 AI 来创建定制的供应链软件，如果用人类开发者，这个软件可能要花费 10 万美元，他永远不会去做。一个非营利组织可能会部署 AI 来打一场以前负担不起的官司。
我们可以预测变化，但无法预测细节。 1995 年，没人能预言到我们会和网上的陌生人约会，坐他们的 Uber，或者睡在他们的 Airbnb 里。也没人能预料到一种叫“网红 (influencers)”的职业会成为年轻人中最受追捧的职业。人类的创造力会产生我们用现有思维模式无法预测的结果。预计会有新的领域和行业出现。在过去五年中，AI 帮助我们解码的动物交流，比过去五十年加起来还多。一项能让我们与动物进行全面对话的技术，你能预测它将解锁什么样的工作吗？今天还不存在的某个工作，很可能成为 2050 年最受追捧的职业。我们现在叫不出它的名字，因为它还没有被发明出来。
工作类别将会转型。 就像互联网在淘汰一些工作的同时，也改变了另一些工作，并创造了新的类别。AI 也会如此。Karpathy 最后 提出了一个问题：
大约 6 个月前，我被问到一个问题，需要投票表决：5 年后，我们的软件工程师会变多还是变少？这个问题留给读者思考。
要回答这个问题，让我们回到 1995 年，问一个关于“记者”的同样问题。你可能曾预测记者的数量会增加，因为互联网能让你触达全世界，从而创造更多需求。在 10 年左右的时间里，你是对的，新闻业的就业人数一直在增长，直到 21 世纪初。但 30 年后，报纸的数量和记者的数量都下降了，尽管现在发生的“新闻报道”比以往任何时候都多。只是做这些事的人，我们不再称他们为“记者”了。博主、网红、YouTuber 和“ newsletter”（指付费订阅的电子周报或快讯）作者正在做着传统记者过去常做的工作 。
同样的模式也将在软件工程师身上上演。我们会看到更多的人在做软件工程的工作，大约十年后，“软件工程师”的含义将会彻底改变。想想前面提到的那个餐馆老板，他用 AI 创建了一个只对他自己有用的定制库存软件。他不会称自己为软件工程师。
所以，就像 1995 年一样，如果今天的人工智能乐观主义者说，25 年内，我们更喜欢从 AI 那里获取新闻，而不是从网红那里；我们看 AI 生成的角色表演，而不是看人类演员；我们通过 AI 媒人找对象，而不是通过约会 App（甚至可能直接用 AI 作为伴侣）；我们会彻底颠覆“不要相信 AI”的观念，以至于我们会依赖 AI 做出事关生死的决定，并相信它能抚养我们的孩子……大多数人都会觉得这简直是天方夜谭。
即使拥有所有的智能——无论是自然的还是人工的——也没有人能百分百预测我们的人工智能未来会是什么样子。科技公司的 CEO 们不能，AI 研究人员不能，当然，某个在互联网上高谈阔论的家伙（指作者本人）肯定也不能。但无论我们是否猜对了细节，我们的人工智能未来，都正在加载中。
如果你喜欢这篇文章，请考虑将其分享到你的社交媒体，或分享给可能感兴趣的人。要接收未来的文章，请使用下面的按钮订阅。请在 X.com 上关注我，一起讨论实时发生的科技和商业趋势。