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，两份报告掉到我桌上。
Bojie Li 的分析算了一笔账：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。他的预测：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要以 72:1 的比例碾压人类。另一份说这场革命连开始都还没开始。
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一件事。
阿马拉定律
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。结果呢？每个网点的柜员从 20 人减到 13 人——但银行多开了 43% 的网点。柜员总数反而涨了。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 15 分钟。结果？会计没少，反而多了 60 万个会计岗位。因为突然之间，不只是财富 500 强需要财务分析了，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。然后电商安静地增长了二十年，现在占全球零售总额的约 21%——远超 1999 年最疯狂的预测。
每一次都是同一个剧本：短期恐慌 → 泡沫破裂 → 长期转型远超所有人想象。
AI 正在走同一条路。我们现在处于"短期恐慌"这一章。
短期恐慌被严重高估了
我说具体的。
应用差距巨大。 Deloitte 的 2026 年 AI 报告发现：78% 的企业"试过"AI，但只有 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 和试点项目里，不是在生产环境中大规模替代人。
成本还很贵。 Li 自己的分析显示，数字员工当前的终端用户成本约 $2,950/月。听起来跟某些市场的初级员工差不多？但你还得加上人类监督成本、GUI 场景效率低下、以及 AI 写的代码逻辑错误多 1.75 倍。大多数场景下，ROI 还算不过来。
办公室里最多的工作——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。但 agent 执行同样的任务需要多 1.4-2.7 倍的步骤，而且越往后越慢。企业软件大多是 GUI 驱动的，在这个领域数字员工还没有比人快。
Anthropic 的数据证实了这一点。 AI 高暴露职业的失业率稳定在 ~3%，和低暴露职业走势相同。他们的框架能检测到 1 个百分点的变化——信号就是不存在。
如果你是知识工作者，今年因为 AI 抢饭碗焦虑得睡不着——数据说你可以先喘口气。
不是因为威胁不真实。是因为你担心的时间线不对。
长期影响被严重低估了
现在翻过来说。
成本下降是无情的。 AI 推理成本从 2022 到 2025 降了 280 倍，2024 年 1 月之后加速。Li 预测数字员工成本 2030 年降到 $72/月。就算他的时间线乐观了 2-3 年，方向是确定的。当一个数字员工的月费比 Netflix 会员还便宜的时候，知识工作的经济学就永久性改变了。
年轻人是金丝雀。 Anthropic 发现了"初步迹象"：22-25 岁年轻人在 AI 高暴露职业中的就业率在下降。外部数据更触目惊心：Dallas Fed 报告，年轻人在高 AI 暴露职业中的求职成功率自 2023 年底以来下降了 3 个百分点以上。SignalFire 的 VC 数据显示，科技大厂应届生新入职下降了 50%。初级开发岗位的招聘帖减少了 67%。
这是先行指标。公司没有在裁高级工程师——他们在停止招初级工程师。入口在悄悄关闭，而所有人还在争论"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 影响。AI 覆盖率每增加 10 个百分点，预期就业增长下降 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：人决策 → 人执行 → AI 辅助
- 2030：人决策 → AI 执行所有数字工作 → 人做物理工作
- 2035：AI 决策和执行所有数字工作 → AI 反过来雇人做物理任务
听起来极端？看看现在的数据。36.3% 的新创公司是单人创立的——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出的产品。从团队到个人的结构性转变不是预测，是已经在发生的事。
瑞士手表论（以及它的盲区）
Li 有个很漂亮的类比：当电子表在精度和成本上全面超越机械表，百达翡丽不仅没死——"人类工匠手工完成"本身反而成了溢价来源。
他的推论：当 AI 处理了所有信息工作，人类存在本身就成了稀缺品。心理治疗、教育、艺术、手工艺——需求不会缩小，会爆发。
我基本同意。但这个论证有盲区。
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，但从这里到稳态的十年，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几百万人。当一个职业"高端化"的时候，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"——他们变成了数据分析师，一个完全不同的岗位。
历史的真正教训不是"你的工作会变高级"。而是**"全新的、现在完全无法预测的工作会出现"**。1990 年没有人能猜到"社交媒体运营""UX 研究员""DevOps 工程师"。AI 创造的新工作，从今天的视角看，同样不可想象。
但有一类人我很有信心：能编排 AI 来造东西的人。
成为指挥官
Sam Altman 和他的科技 CEO 朋友们有个赌局：第一家十亿美金的一人公司会在哪一年出现。Dario Amodei 警告说，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"，因为能力被民主化了。
我觉得他们都对。实际含义很清楚：未来十年最高杠杆的位置，是那个能拆解问题、指挥 AI agent 团队去解决问题的人。
这不是空想。我一直在这么做。
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。我在第三篇：超级个体里写过这个论点——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。
数据也印证了。Solo founder 现在占新创公司的 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。
供给侧的信号更强：Gartner 报告多 agent 系统咨询量从 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——先学会用的人会有巨大的先发优势。
实操指南：从打工人到一人公司
如果你被说服了——或者只是好奇——这是我从实践中总结的东西。
1. 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指令。不会被自动化掉的能力是：面对一个混沌的、定义不清的问题，把它拆成清晰的子问题，每个子问题有明确的成功标准。这是架构能力，是你碰任何 AI 工具之前要做的事。
我每次开工前都写一份"做完了长什么样"的文档。不性感，但每次跳过就浪费一天跟 AI 打转。
2. 用并行思维，别用串行思维。
Agent 编排最大的杠杆是并行。我做调研的时候不会让一个 agent 干所有事——我同时启动 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 在 10 分钟内完成的。换成人类调研团队，得好几天。
关键技能是知道怎么切分任务，让 agent 们能独立运行、互不阻塞。分布式系统思维在知识工作中的应用。
3. 快发布，快砍掉。
AI 把试错成本压到接近零。做三个版本，扔掉两个。Mio v1 很粗糙，建在错误的假设上——但不发布就看不到真实用户的行为，看不到行为就发现不了 v2 的转型方向。第一版是调研工具，不是产品。
不 work 的东西，几天内放弃。花时间打磨一手烂牌是最大的时间坑。
4. 品味是最后的护城河。
当所有人都有同样的 AI 工具，差异化靠的是判断力。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 生成无限选项——你来筛选。这种筛选能力来自造东西和看东西翻车。没有捷径。
5. 分发 > 建造。
这是 solo builder 必须听的反面论证："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。产品做得好但没有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。在你需要分发之前就开始建分发渠道——newsletter、社交、社区。
6. 别忽视心理健康。
72% 的创业者面临心理健康问题。Solo founder 独自承担所有认知和情绪负荷，没有合伙人分担。建立你的支持网络——同行、导师、社群。孤立循环（退缩 → 更难受 → 更退缩）是一人公司的沉默杀手。
真正重要的时间线
综合 Li 的分析、Anthropic 的数据和历史先例，这是我对实际时间线的判断：
2026-2027（现在）： 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上，不是大规模裁员。这是重新装备自己的窗口期。 如果你在知识工作岗位上，这就是你的"ATM 到客户关系经理"时刻。趁工作还在、领域知识还在积累，现在就学会编排 AI。
2028-2030： 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下降 10-40 倍。数字员工从"奢侈工具"变成"公共设施"。没有转型的公司开始输给转型了的。就业市场真正感受到冲击——不只是入门级。
2031-2035： 新常态。一个人 + 100 个 agent = 一家公司。月费 $27-$4。全新的、我们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 年完成转型的人在主导格局，没转型的人在痛苦过渡。
窗口打开了。不会永远开着。
第一篇说了 benchmark 不重要，重要的是系统。第二篇算了一笔账：AI 算力正在被疯狂补贴。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。
这一篇讲的是时间线。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，也不是否认——是卡位。
阿马拉说对了。问题是你站在他这条定律的哪一边。
This post is also available in English.