硅谷大裁員後，有人把奧特曼家燒了
“每個人都是實驗者，而實驗者不應妄下論斷。許多問題的答案，只能邊走邊找。”
文 /巴九靈
短短三天內，OpenAI創始人奧特曼的家遭遇了兩次襲擊。
4月12日凌晨，兩個二十歲出頭的年輕人，將一輛本田轎車開到奧特曼家門口。副駕駛座上的人將手伸出車窗外，向房屋開了一槍。
就在三天前，這棟位於舊金山、價值2700萬美元的豪宅被人投擲燃燒彈起火。
圖源：NBC News
向奧特曼家投擲燃燒彈的也是一名20歲男子，他把這場襲擊視爲“人類對抗AI的聖戰”。他曾在社交媒體上激憤地指責OpenAI等科技巨頭是“人類文明的叛徒”，稱“AI軍備競賽最終會導致人類滅絕，現在不反抗，未來就沒有機會了”。
越來越多人覺得他並非危言聳聽。今年2月，研究機構Citrini在一篇《2028年全球智能危機》報告裏寫道，AI替代人類工作，將導致2027年底美國的失業率從現在的4.3%上升到10.2%。
對“AI末世論”的恐懼，開始甚囂塵上。
裁員潮來了
恐慌主要來自兩個詞：裁員和“蒸餾”。
根據日經亞洲的統計數據，今年以來全球科技行業裁員人數已經達到8萬人左右，創下了近三年單季度高峯；其中近4萬個職位的裁撤，被企業歸因於AI與工作流自動化帶來的人力需求縮減。
技術革命往往伴隨陣痛，但這是史上最猝不及防的一次。從瓦特改良蒸汽機到英國爆發工人打砸機器的盧德運動，經歷了60年時間；而從ChatGPT爲大衆所知，到今天科技巨頭“史上最大規模裁員”，僅僅過了3年。
裁員理由，除了衆所周知的“活兒都可以讓AI幹了”，如今還多了一項“優秀的離職員工可以被蒸餾技能”。
蒸餾是個AI行業術語，指把更優秀的模型輸出的內容，餵給水平更差的模型，讓後者模仿和學習前者的行爲和判斷邏輯。
現在，它多了一層意思：把人類輸出的內容餵給AI，讓它模仿人類。
最近GitHub開發者社區裏，出現了一個叫“同事.skill”的熱門項目，本質就是指示AI去蒸餾同事。大家構想，AI充分學習了人類的工作資料以後，就能“把離職的同事煉化成智能體，讓他/她永遠留在公司。”
社交媒體充斥着這樣的故事和親身經歷，“AI末世論”有了散播恐慌的溫牀。
從勞動分工來看，“AI末世”中第一個被迫出局的，是基層白領。
OpenAI 聯合創始人Andrej Karpathy對美國342個職業做了一次AI替代風險暴露度評分，發現有41%的勞工落在高風險區，其中財務、文員、信息服務等是重災區。
第二批淘汰的，是中層管理者。
4月初，美國金融科技公司Block的CEO傑克·多西發表了一篇觀點十分激進的文章，認爲AI時代的終極組織形態是科層制的徹底消失。公司的核心是AI超級大腦，能分析數據、感知和思考客戶需求，然後直接分配任務，不再需要龐大的中層羣體來上傳下達。
他認爲，過去公司的效率瓶頸是信息在人類層級中流動的速度太慢。如果拆除這些層級，讓信息在AI系統中光速流動，企業就會快如閃電。
更長遠來看，第三批淘汰的是下一代年輕人。
“老帶新”是最普遍的職場培養機制，但如果AI比年輕的實習生更好用、成長更快，那麼企業就會用訓練AI代替培養新人。
Anthropic的研究就顯示，自2022年底ChatGPT上線以來，各年齡段、各工種入職率並未出現明顯波動，或者說，尚未產生大面積替代效應。但是，22歲至25歲年輕人進入高暴露職業（即理論上AI可替代率較高的工種）的入職率，2024年至今下滑了約14%。
使用AI軟件辦公
不能全甩鍋給AI
然而，這並非“裁員潮”的全貌。
首先，科技行業大規模裁員不能完全歸罪於AI。
AI革命爆發之前，科技界就已經開始裁員，當下這一輪，很大程度上是對疫情期間過度擴張的市場化糾錯。
硅谷的裁員潮其實已經持續了三年。如果把2020—2022年期間的僱員峯值和2019年底數據相比，亞馬遜人力規模一度擴張了103%，特斯拉擴張了107%，Meta擴張了94%。
以Meta爲例。2019年底，公司員工總數是44942人，到2022年底增加到86400人，幾乎翻了一倍。同時激進擴張的還有公司的業務，2019年，Meta雄心勃勃地推出“元宇宙”計劃，5年後這個部門累計虧損了465億美元。
2023年一季度，Meta大舉裁員1.1萬人，並對外表示，這年將以“效率”爲主題。
2022年11月9日，Meta宣佈將要裁員1.1萬人
從這個角度上，知名海外研究機構Gartner的分析師如此評價這場裁員潮：“最近大多數的人力削減，更多是受整體經濟環境影響，而不是單純因爲自動化。AI驅動的裁員雖然吸引了大量眼球，但現實要複雜得多。”
其次，AI並不一定比人類更高效。
這由大模型的底層邏輯決定：按照既定的規則，從海量文本中篩選和拼接語言，本質是一種概率邏輯。它的正確率能夠無限接近於100%，但無法真正達到100%。
而且，人類在一個崗位上經驗越豐富，準確性和效率會越高，這是由魯棒性知識結構決定的，所謂“越老越喫香”；而AI執行任務是一次性的，上下文越長，理解成本就越高，也越容易出錯。
而當出現差錯時，它無法應對風險和不確定性，更無法承擔責任。
AI還會生成大量看似精美實則空洞的“工作垃圾”，需要人工審查和校正。哈佛商業評論的一篇文章計算，AI在工作中生產“工作垃圾”的概率達到41%，員工每處理一次這些“垃圾”平均要花費近2小時，產生186美元的隱形成本。
以此計算，一家一萬人的公司，每年會因此造成超900萬美元的損失，還會導致同事之間的關係惡化。
因此，人類依然必須留在崗上，只是角色可能從執行轉向監督和協作。
企業們意識到這一點後，只好把辭退的人再招回來。Gartner預測，到2027年，一半因AI裁員的公司會重新招聘同類崗位。
再者，AI不是免費的，甚至不比人工便宜。
去年夏天，麻省理工在一份報告中指出，95%的企業AI投資實際上未能產生經濟效益，並被困在“高投入、零回報”的困境中。
搭建AI基礎設施需要大量資金投入。舉例來說，如果要自建AI團隊，企業需要採購GPU、服務器、傳感終端、數採設備、數據及數據處理服務等，再組建一個人均年薪50—100萬、3—5人的核心工程師團隊，成本輕易上千萬。
大部分企業選擇部署成熟的開源模型，但同樣需要部署費用和持續的Token開支。
有媒體報道，一家SaaS公司給全員配置了龍蝦補貼，普通員工每日消耗150元Token，技術團隊高達1000元。此外，OpenClaw有“心跳機制”，即便不工作，每天也會自動消耗約145元的 Token，折算下來月均損耗超過5000元。
人類，再出發
技術不會因爲爭論和質疑停止狂奔。
如今我們耳中充斥着二元對立的聲音：一頭是“未來的世界就是會用AI的人替代不會用AI的人”；另一頭是末世論，人類將被自己創造的工具導向末路。
站在不同的立場，會產生不同的聲音。但過於肯定的結論，往往牽扯着自身的站位。
AI是否會代替人，不是一個非黑即白的二元對立問題。變革之中，每個人都是實驗者，而實驗者不應妄下論斷。許多問題的答案，只能邊走邊找。
據微軟的統計，到2025年底，全球AI普及率達到了16.3%，較半年前提升了1.2%，已經超過了2000年互聯網普及率的增長速度。
今天，世界上每6個人就有一個人在用AI，這也意味着過去那些科幻片般的預言和恐嚇，將真正迎來被檢驗、被校準的機會。在幾十億人的用腳投票中，人類將吵吵鬧鬧、充滿波折地穿過一場新的技術革命浪潮。
越來越多人開始使用AI智能體
一週前，OpenAI發佈了一份長達13頁的政策白皮書，開篇定調，人類正在進入超級智能時代，現有的制度和安全網不夠用了。
這篇報告中作出三大呼籲：
◎ 其一，向社會發放“效率紅利”，讓所有人共享技術帶來的繁榮。包括設立公共財富基金、減少工作日、完善社會保障機制等。
◎ 其二，降低安全風險，持續追蹤AI對就業、工資、行業結構的影響，動態量化監控。
◎ 其三，建立技術普惠機制，消解AI導致的數字鴻溝。
雖然許多想法顯得天馬行空，但確乎指向了當下的諸多矛盾。
中國同樣在行動。AI訓練師、數據治理等新職業被納入人社部職業認定，去年下半年以來，各地積極推行OPC（一人公司）政策，扶持、補貼靈活就業羣體借AI創業。今年兩會，多名代表提出，將“AI就業影響評估”納入政策考量。
吳老師說，歸根到底，人與AI的區別有三條：提出問題，提供見解，體現趣味。人要保持靈魂，也無非如此。
與你共勉。
作者 | 溫若梅 | 責任編輯 | 何夢飛
主編 | 何夢飛 | 圖源 | VCG、網絡
