AI 抢饭碗？你搞错时间线了
短期恐慌与长期变革——阿马拉定律的两面
同一周，两份报告掉到桌上。
Bojie Li 的分析算了笔账：全球算力目前能支撑 680 万"数字员工"——像人一样每周工作 40 小时的 AI agent。预测：2030 年 140 亿，2035 年 7200 亿。成本从每月 $2,950 降到 $4。每个人指挥 9 个数字助手。
Anthropic 的劳动力市场研究说的是另一件事："目前没有证据表明 AI 对就业产生了系统性影响。"程序员——AI 覆盖率最高的职业，75%——没有出现系统性失业增长。信号"与零无异"。
一份说数字员工很快以 72:1 的比例碾压人类，另一份说革命连开始都没开始。两份都对。
它们之间的差距，恰恰是理解 AI 对就业影响最重要的事。
斯坦福研究员 Roy Amara 发现了一个反复出现的规律：人们总是高估技术的短期影响，低估它的长期影响。
ATM 发明后，所有人都说银行柜员要完。结果？每个网点的柜员从 20 人减到了 13 人，银行多开了 43% 的网点。柜员总数涨了。工作内容从数钱变成了客户关系管理。
电子表格发明后，所有人都说会计要完。VisiCalc 把财务建模从 20 小时压到了 15 分钟。会计没少，多了 60 万个岗位。突然之间，不只财富 500 强需要财务分析，所有公司都需要。
互联网发明后，所有人都说零售要完。2000 年泡沫破裂似乎证明了怀疑派是对的。电商安静增长了二十年，现在占全球零售总额约 21%——远超 1999 年最疯狂的预测。
每次都是同一个模式：恐慌先行，泡沫破裂，然后长期变化远超所有人的想象。AI 正走在这条路上。我们现在处于"恐慌"这一章。
说具体的。
应用差距很大。Deloitte 2026 年 AI 报告：78% 的企业"试过"AI，只有 27% 做到了全公司部署。只有 21% 围绕 AI 重新设计了工作流程。搞 agent 的？全面部署的只有 2%。技术存在于 demo 和试点里，不在生产环境大规模替代人。
成本还贵。Li 的分析显示，数字员工当前的终端用户成本约 $2,950/月。听着跟某些市场初级员工差不多？还得加上人类监督的成本、GUI 场景下的效率低下、AI 写代码逻辑错误多 1.75 倍。大多数场景下，ROI 算不过来。
办公室最多的工作——操作软件界面——AI 只做到了人类水平，没有超过。Claude Opus 4.6 在 computer use benchmark 上 72.7%，人类 72.4%。基本打平。Agent 执行同样的任务需要多 1.4-2.7 倍的步骤，越往后越慢。企业软件大多 GUI 驱动的，这个领域数字员工还没比人快。
Anthropic 的数据证实了这点。AI 高暴露职业的失业率稳定在 ~3%，和低暴露职业的走势相同。框架能检测到 1 个百分点的变化——信号不存在。
知识工作者们，今年因为 AI 抢饭碗焦虑睡不着的——数据说可以先喘口气。
工作被替代的风险是真实的。但恐慌的时间线不对。
现在翻过来。
成本下降是无情的。AI 推理成本从 2022 到 2025 降了 280 倍，2024 年 1 月之后还在加速。Li 预测数字员工成本 2030 年降到 $72/月。就算时间线乐观了 2-3 年，方向是确定的。等数字员工的月费比 Netflix 会员还便宜的时候，知识工作的经济学就永久性变了。
年轻人是金丝雀。Anthropic 发现了"初步迹象"：22-25 岁的年轻人在 AI 高暴露职业中就业率下降。外部数据更触目：Dallas Fed 报告，年轻人在高 AI 暴露职业的求职成功率自 2023 年底以来下降了 3 个百分点以上。SignalFire VC 数据：科技大厂的应届生新入职下降了 50%。初级开发岗位招聘帖减少了 67%。
这是先行指标。公司没裁高级工程师——停止了招初级工程师。入口在悄悄关闭，所有人还在争论"AI 到底有没有真正替代工作"。
BLS 已经在定价了。美国劳工统计局 2024-2034 年预测明确纳入了 AI 的影响。AI 覆盖率每增加 10 个百分点，预期就业增长降 0.6 个百分点。行政、销售、律师助理、翻译、平面设计师——全在下降列表里。
"大反转"是结构性的。Li 描述了三阶段转变：2026 年人做决策和执行的场景里 AI 是辅助角色，2030 年人负责决策而 AI 执行所有数字工作、人退到物理工作上，2035 年 AI 自己完成决策加执行、反过来雇人来做物理任务。
听起来极端？看看现在的数据。36.3% 的新创公司是单人创立——2017 年以来翻了一倍。个人开发者在发布两年前需要十人团队才能做的产品。团队到个人的结构性转变不是预测，已经在发生。
Li 有一个漂亮的类比：电子表的精度成本全面超越了机械表，百达翡丽不仅没死——"人类工匠手工完成"本身反而成了溢价的来源。
推论：AI 处理所有信息工作，人类的存在本身变成了稀缺品。心理治疗、教育、艺术、手工艺——需求不会缩小，会爆。
基本同意。但论证有盲区。
转型路径很重要。不是每个失去编程工作的人都能变成手工匠人或心理咨询师。技能转换需要时间、金钱和制度支持——这些目前都不到位。手表类比适用于稳态，从这里到稳态的那十年，才是痛苦集中的地方。
更关键的一点：瑞士钟表业雇了约 6 万人。全球石英表产业雇了数百万人。职业一旦"高端化"，高端层的就业量只是原来的零头。大多数原来的会计没有变成"匠人会计"——变成了数据分析师，完全不同的岗位。
历史真正的教训不是"工作会变高级"。是"全新的、现在完全无法预测的工作会出现"。1990 年没人猜到"社交媒体运营""UX 研究员""DevOps 工程师"。AI 创造的新工作，以今天的视角看，同样不可想象。
有一类人我很有信心：能编排 AI 造东西的人。
Sam Altman 和科技 CEO 朋友们有个赌局：第一家十亿美金的一人公司会在哪年出现。Dario Amodei 警告，人机协作的"半人马阶段"可能很短暂。Jensen Huang 说 AI 让"每个人都能过上好日子"，能力民主化了。
都对。实际含义很清楚：未来十年最高杠杆的位置，是能拆解问题、指挥 AI agent 团队解决问题的人。
不是空想。一直在这么做。盘盘猫——29 天，10 个 app，一个人加 Claude Code。Mio——空仓库到语音 AI 伴侣 4 天，然后整个产品方向推翻重来，还是一个人。之前写过系统性思维和编排能力是这个时代的元技能，之后看到的一切都在加强这个判断。
数据印证了。Solo founder 现在占新创公司 36.3%（Carta，2025 H1），2017 年只有 17%。成功退出的创业公司里，52.3% 是 solo founder 做的。Pieter Levels 一个人、零员工、零 VC，靠一堆产品年入 $3M，利润率 90% 以上。
数据印证了。Solo founder 现在占新创公司 36.3%（Carta，2025 H1），2017 年只有 17%。成功退出的创业公司里，52.3% 是 solo founder 做的。Pieter Levels 一个人、零员工、零 VC，靠一堆产品年入 $3M，利润率 90% 以上。
供给侧信号更强：Gartner 报告多 agent 系统的咨询量从 2024 Q1 到 2025 Q2 暴涨了 1,445%。2026 年 40% 的企业应用将内置 AI agent。Agent 编排的基础设施正在成形——MCP、A2A、OpenAI Agents SDK——先学会的人有巨大的先发优势。
被说服了——或者只是好奇——这些是从实践里学到的。
学拆问题，别学 prompt。Prompt engineering 是过渡期技能。模型每个季度都在变好，越来越擅长理解模糊的指令。不会被自动化掉的能力：面对混沌、定义不清的问题，拆成清晰的子问题，每个子问题有明确的成功标准。每次开工前写"做完了长什么样"的文档。不性感，跳过的代价就是浪费一天跟 AI 打转。
用并行思维。Agent 编排最大的杠杆是并行。做调研不要让一个 agent 干所有事——同时启动 5-10 个专门的 agent。一个验证数据，一个交叉参考劳动力市场研究，一个调查历史先例。这篇文章的调研就是三个并行 agent 10 分钟完成的。换人类调研团队，得好几天。关键技能：知道怎么切分任务，让 agent 独立运行互不阻塞。
快发布，快砍掉。AI 把试错成本压到了接近零。做三个版本，扔掉两个。Mio v1 粗糙，建在错误假设上——不发布就看不到真实用户行为，看不到就发现不了 v2 的转型方向。第一版是调研工具，不是产品。不 work 的东西，几天内就放弃。花时间去打磨一张烂牌，是最大的时间坑。
品味和判断力。所有人都用同样的 AI 工具时，差异化靠判断力。解决哪个问题。五个生成结果里哪个真正好。UX 对不对。文案有没有击中语气。AI 能生成无限选项——你来筛选。筛选能力来自造东西和看东西翻车。没有捷径。
分发比建造重要。Solo builder 必须听的一句反面论证："2026 年，建造容易，被看见才难。"AI 把建造端拉平了。没拉平的是信任、关系、受众和品牌。产品好没分发渠道的一人公司，会输给产品一般但自带受众的竞争者。需要在需要分发之前就开始建分发渠道。
综合 Li 的分析、Anthropic 的数据和历史先例，实际时间线大概是这样的。
现在到 2027 年：恐惧比现实大。AI 应用还早。成本还高。大多数企业工作流还是人驱动的。痛苦集中在入门级招聘，不是大规模裁员。这是重新装备自己的窗口期。知识工作正经历"ATM 到客户关系经理"的转变。趁工作还在、领域知识还在积累，现在就学会编排 AI。
2028 到 2030 年：拐点。模型能力明确超越人类大多数知识任务。成本通过蒸馏和竞争降 10-40 倍。数字员工从奢侈品变成公共设施。没转型的公司会输给转型的。就业市场真正感受到冲击——不只是入门级。
2031 到 2035 年：新常态。一个人加 100 个 agent 就是一家公司。月费降到 $27 甚至 $4。全新的、今天无法预测的岗位出现。"人类溢价"经济成形——心理咨询、教育、手工、面对面的存在感。2026-2027 完成了转型的人主导格局，没转型的得经历痛苦的过渡。
窗口开了。不会永远开。
第一篇说了 benchmark 不重要，重要的是系统。第二篇算了一笔账：AI 算力正被疯狂补贴。第三篇讲了超级个体。第四篇拆解了龙虾热的深层机制。第五篇重新审视了智能诅咒。
这篇讲的是时间线。短期威胁被高估了。长期转型比所有人定价的都大。正确的反应不是恐慌，不是否认——是卡位。
This post is also available in English.