文/陳治剛（識局智庫創(chuàng)始人兼首席戰(zhàn)略專家）

接上篇《》，也談下我的一些思考。

過去二十幾年，我們習慣了技術進步伴隨著某種程度的社會紅利擴散，從互聯(lián)網(wǎng)的創(chuàng)業(yè)神話到移動互聯(lián)網(wǎng)帶來的全民機遇。

然而，正在進行中的這場由硬科技和人工智能引領的新浪潮，正在改寫技術進步與社會發(fā)展之間的基本契約。

01

美國蘭德智庫那份備受矚目的報告《人工智能正在創(chuàng)造工作，而不是取代工作》，描繪了一個充滿誘惑力的未來：人工智能有望成為自工業(yè)革命以來最具變革性的增長引擎，到2030年可能使全球GDP增長14%，相當于額外增加15.7萬億美元的經(jīng)濟價值。

然而，這份樂觀預測的陰影部分卻被很多人刻意忽略——這些增長將如何分配？

現(xiàn)實是，人工智能創(chuàng)造的價值正以前所未有的集中度流向資本與技術所有者。

據(jù)統(tǒng)計，自2010年以來，全球上市公司利潤越來越集中在科技巨頭手中，前10%的上市公司獲取了約80%的總利潤，而這一比例在1990年代僅為60%。

硬科技行業(yè)更是呈現(xiàn)出一種“寡頭壟斷”特征。

以半導體行業(yè)為例，全球芯片設計市場前三大公司控制著超過50%的市場份額，而僅臺積電一家就占據(jù)了全球晶圓代工市場的55%以上。

這種集中度意味著，即使行業(yè)整體規(guī)模擴張，紅利的分配范圍卻在收縮。

問題的本質(zhì)在于，硬科技與人工智能的技術特性決定了它們的紅利模式與互聯(lián)網(wǎng)時代根本不同。

互聯(lián)網(wǎng)的本質(zhì)是連接，其價值隨著用戶數(shù)量呈指數(shù)級增長（梅特卡夫定律），這決定了它必須追求用戶規(guī)模的擴大，從而客觀上推動了紅利的相對廣泛分享。

而硬科技和人工智能的核心是算法效率和數(shù)據(jù)壟斷，它們的價值更多體現(xiàn)在對生產(chǎn)效率的極致提升和對稀缺資源的控制上，而非用戶規(guī)模的無限擴張。這種技術邏輯內(nèi)在地傾向于壟斷與集中。

02

“AI教父”杰弗里·辛頓預言2026年將是AI能力爆發(fā)的關鍵轉(zhuǎn)折點，但他同時也警告稱AI將在2026年取代許多工作崗位，導致新一輪“失業(yè)潮”。

就業(yè)市場的革命，其實已經(jīng)悄然開始。

這場革命的特征不是轟鳴的機器取代流水線工人，而是無聲的算法消解傳統(tǒng)認知工作的價值。

2023年，高盛發(fā)布報告稱，全球范圍內(nèi)約有3億全職工作可能受到AI自動化的影響，其中歐美國家高達三分之二的工作將面臨某種程度的AI沖擊。

更值得警惕的是，與工業(yè)自動化主要影響制造業(yè)崗位不同，生成式AI主要影響的是需要大學學歷的白領工作——這一比例高達63%。

這場就業(yè)革命的真正特點在于它的“靜默性”。

企業(yè)不再需要大規(guī)模裁員來優(yōu)化人力資源，而是通過“結構性替代”實現(xiàn)勞動力的靜默壓縮。

一家中型金融科技公司的案例頗具代表性：該公司引入AI財務分析系統(tǒng)后，將財務團隊規(guī)模從45人縮減至28人，但沒有進行任何正式裁員。

相反，公司通過自然離職不補充、將部分崗位轉(zhuǎn)為AI輔助的半職工作等方式，在18個月內(nèi)實現(xiàn)了人員優(yōu)化。

這種變化不會出現(xiàn)在任何官方失業(yè)統(tǒng)計數(shù)據(jù)中，但真實地改變了數(shù)十人的職業(yè)生涯。

更隱蔽的是工作內(nèi)容的“空洞化”。

在許多行業(yè)，傳統(tǒng)崗位仍然存在，但其核心價值正被算法系統(tǒng)不斷侵蝕。

例如，市場營銷人員發(fā)現(xiàn)他們的文案工作越來越多地被AI工具取代，只留下“微調(diào)”和“審核”的邊緣角色；初級律師發(fā)現(xiàn)合同審查的基本工作已被算法完成，他們只負責最終簽字確認。

03

理解當前困境的關鍵在于認識到，我們正從“河道經(jīng)濟”時代進入“高塔經(jīng)濟”時代。

互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)構建的是多層級的價值分配網(wǎng)絡，如同錯綜復雜的河道系統(tǒng)，價值一旦產(chǎn)生就會通過廣告分成、平臺傭金、內(nèi)容激勵等方式流向各個細支溪流和節(jié)點。

即使是一個小網(wǎng)紅，也能通過直播帶貨月入數(shù)萬；即使是一名普通騎手，也能通過平臺接單獲得生計。

人工智能和硬科技構建的則是垂直整合的高塔。

這些高塔的價值創(chuàng)造高度集中在頂尖人才和核心算法上，價值流動主要是垂直向上，而非水平擴散。

一座價值千億的AI公司，可能只直接創(chuàng)造數(shù)百個高薪崗位；一套顛覆行業(yè)的自動駕駛系統(tǒng)，核心研發(fā)團隊可能不足百人。

這種轉(zhuǎn)變背后的技術邏輯是深刻的。

互聯(lián)網(wǎng)的本質(zhì)是“連接”，連接天然具有網(wǎng)絡效應，需要盡可能多的節(jié)點參與；而AI的本質(zhì)是“優(yōu)化”，優(yōu)化追求的是在給定條件下的極值解，這決定了它必然具有精英化特征。

更令人擔憂的是，這些“科技高塔”與實體經(jīng)濟之間的連接通道正在收窄變細。

互聯(lián)網(wǎng)平臺至少還需要司機、騎手、內(nèi)容創(chuàng)作者等“河道工”來維持運轉(zhuǎn)；而下一代AI系統(tǒng)正朝著自我訓練、自我優(yōu)化、自我擴展的方向發(fā)展，對外部人力資源的需求將急劇減少。

04

歷史上每次重大技術革命，在摧毀舊就業(yè)的同時也會創(chuàng)造新就業(yè)，通常會產(chǎn)生新的“中間地帶”——既非頂級精英也非底層勞動力的職業(yè)空間。

然而，人工智能帶來的沖擊卻呈現(xiàn)不同特征。

一方面，AI對中等技能認知工作的沖擊最為劇烈。

牛津大學的研究表明，那些需要中等程度教育和培訓的工作（如行政支持、常規(guī)分析等）面臨自動化風險最高，受影響比例超過70%。這些崗位恰恰是發(fā)達國家中產(chǎn)階級的核心構成。

另一方面，AI創(chuàng)造的新崗位呈現(xiàn)出兩極分化特征：

一端是需要極高專業(yè)技能的AI研發(fā)、倫理治理等崗位，數(shù)量有限且門檻極高；

另一端是難以被自動化的低技能服務工作，如護理、清潔等，這些崗位薪資增長緩慢且缺乏職業(yè)發(fā)展通道。

結果是一個沙漏型就業(yè)結構逐漸成形：頂部的精英崗位和底部的服務崗位依然存在，但中間的廣闊地帶正在被掏空。

這種結構對社會流動性的破壞是致命的——人們要么登上塔頂，要么墜入塔底，中間的梯子正在被撤走。

教育系統(tǒng)也在這場顛覆性變革中陷入困境。

傳統(tǒng)大學教育難以跟上AI技術的迭代速度，許多學生發(fā)現(xiàn)入學時選擇的“熱門專業(yè)”到畢業(yè)時可能已經(jīng)面臨自動化風險。

而那些真正需要的技能，往往在大學課程體系中缺席或嚴重滯后。

05

這場顛覆性變革最深遠的影響可能是社會權力結構的根本重組。

我們可能正在見證“算法封建主義”的興起——一種以對算法、數(shù)據(jù)和計算資源的控制為基礎的新型社會分層。

在這種新秩序中，數(shù)據(jù)成為新的土地，算法成為新的封地法律，算力成為新的武裝力量。

科技巨頭如同中世紀的封建領主，控制著關鍵的數(shù)字生產(chǎn)資料；普通用戶則成為“數(shù)字佃農(nóng)”，在享受“免費”服務的同時，不斷生產(chǎn)訓練數(shù)據(jù)這一“數(shù)字作物”。

更令人擔憂的是，這種權力結構具有自我強化的天然傾向。

更多的數(shù)據(jù)產(chǎn)生更好的算法，更好的算法吸引更多用戶，更多用戶產(chǎn)生更多數(shù)據(jù)——一個不斷擴大的循環(huán)，最終形成難以逾越的護城河。

這種權力結構的變化已經(jīng)體現(xiàn)在經(jīng)濟數(shù)據(jù)中。

過去十年中，美國科技行業(yè)的利潤份額翻了一番，而其就業(yè)份額僅增長不到50%。這意味著單位就業(yè)創(chuàng)造的經(jīng)濟價值急劇上升，但同時也意味著價值創(chuàng)造與就業(yè)創(chuàng)造正在脫鉤。

即使是在科技公司內(nèi)部，這種不平等也在加劇。

一項針對硅谷公司的調(diào)查顯示，AI團隊核心成員的薪酬可達普通工程師的10倍以上，而公司的清潔、安保等服務則全部外包給第三方公司，形成鮮明的“核心-邊緣”二元結構。

06

面對這場正在發(fā)生的“靜默”革命，社會層面的反應卻顯得遲鈍。這背后，或有幾個結構性的盲點：

首先，變革的節(jié)奏具有欺騙性。

與工業(yè)革命時期工廠煙囪拔地而起的顯性變化不同，AI的沖擊是分散的、漸進的。一家公司今天用AI優(yōu)化客服，另一家公司明天用AI輔助招聘，這些變化單獨看都不足以引起警覺，但累積效應卻是革命性的。

其次，替代的隱蔽性。

當工廠自動化時，工人清楚地看到機器取代了自己的位置；而當AI逐漸接管認知工作時，過程往往是模糊的——你的工作沒有被“奪走”，只是被“重新定義”或“效率優(yōu)化”，直到有一天你發(fā)現(xiàn)自己的技能已經(jīng)貶值。

第三，受益者的敘事主導。

科技樂觀主義的敘事如此強大，以至于任何對技術負面影響的討論都可能被視為“盧德主義”或“進步恐懼癥”。這種敘事框架壓制了對技術社會影響的全面討論。

最后，統(tǒng)計指標的滯后。

傳統(tǒng)經(jīng)濟指標如GDP增長、失業(yè)率等，難以捕捉這種結構性的勞動力市場轉(zhuǎn)型。當“就業(yè)”統(tǒng)計數(shù)據(jù)看起來穩(wěn)定時，“就業(yè)質(zhì)量”和“工作價值”可能已經(jīng)在急劇下滑。

07

面對這場靜默革命，我們并非無路可走。

在完全擁抱技術的烏托邦幻想和徹底拒絕技術的盧德主義之間，可能存在一條更加平衡的“第三條道路”。

這條道路的核心是重建技術進步與社會契約之間的聯(lián)系。幾個可能的方向包括：

算法治理的民主化，將關鍵算法視為公共產(chǎn)品而非私有財產(chǎn)。歐盟的《人工智能法案》是一個初步嘗試，要求高風險AI系統(tǒng)必須滿足透明度、人類監(jiān)督等要求。更進一步的可能是建立公共算法審計制度，確保關鍵算法決策的公平性與可問責性。

數(shù)據(jù)收益的社會化，探索數(shù)據(jù)作為新型生產(chǎn)資料的集體所有權模式。數(shù)據(jù)信托是一種有前景的制度設計，允許個人通過信托機構集體管理自己的數(shù)據(jù)，并與科技公司談判收益分享。

終身學習的制度重構，將教育從“前端投入”轉(zhuǎn)變?yōu)椤敖K身權利”。一些國家正在嘗試的“個人學習賬戶”制度值得關注，政府和企業(yè)共同為每個勞動者設立終身學習基金，可用于任何階段的技能提升。

工作價值的重新定義，超越傳統(tǒng)的“雇傭”概念，承認和補償那些目前不被市場定價但對社會至關重要的勞動，如照顧工作、社區(qū)服務、環(huán)境維護等。這可能需要重新設計社會保障體系，使其與具體工作崗位脫鉤。

08

技術進步的車輪從未許諾平等，但人類社會的意義恰恰在于在效率的必然性中尋找公正的可能性。

當算法以硬核的方式重構我們的經(jīng)濟生活時，最大的危險或許不是替代本身，而是我們在被替代的過程中，連表達省思的語言和想象替代方案的能力也一并失去。

這場顛覆性變革的最終結局，將不取決于技術的能力極限，而取決于我們是否有足夠的智慧與勇氣，在代碼與算法之外，重寫那些關于尊嚴、公平與共享的社會契約。

更多探討，歡迎進讀者群交流！