内容来源：本文内容整理自斯坦福数字经济实验室主任埃里克 · 布林约尔松（Erik Brynjolfsson）在 Silicon Valley Girl 频道的专访。

责编  | 镜心

第 9777  篇深度好文：5605  字 | 15 分钟阅读

思维方式

斯坦福大学数字经济实验室主任埃里克 · 布林约尔夫森，花了 30 年衡量技术对就业的影响。他曾和安德鲁 · 麦卡菲合著《第二机器时代》，把 AI 革命定义为工业革命以来最深刻的经济变革。

在这场和硅谷女孩（Silicon Valley Girl）创始人玛丽娜 · 莫吉尔科的对话中，他拿出了最新的实证数据：AI 已经在消灭 16% 的入门级岗位。

为什么有些行业反而会增加就业，为什么 AI 的能力和落地之间还有巨大鸿沟，未来到底该把精力花在什么地方？

一、AI 正在消灭哪些工作？

1. 金丝雀已经叫了：16% 的入门岗位正在消失

我们团队发布了一篇论文，玛丽娜称之为 " 煤矿中的金丝雀 "。

数据显示，25 岁以下年轻人的就业减少了大约 16%。编码、呼叫中心、销售、市场营销，这些领域正在出现两位数的就业下降。自从发表那篇论文后，我们一直在追踪，每个月的影响都在不断扩大。

但是比如家庭护理助理这些岗位，就业岗位反而在增长。关键在于，不能把整个职业当成一个整体来看。

2. 用任务思考，不用职业思考

我认为最有用的方法是关注任务，而不是整个职业。每个工作都是一堆任务的组合。

我经常举放射科医生的例子。杰夫 · 辛顿在 2017 年曾说过，深度学习读取医学图像的能力已经比人类强了，应该停止招聘放射科医生。但事实完全相反，现在的放射科医生数量比以往任何时候都多，薪酬也相当可观。

原因很简单：阅读医学图像只是放射科医生的 26 项任务中的一项。他们还要做体格检查、审查实验室数据、与其他医生协调护理。当你把其中一项任务变高效了，反而会增加对其他 25 项任务的需求。

经济中没有一个职业是 AI 能横扫一切、包办所有事情的。在每种情况下，AI 都能帮上忙，比如写备忘录、处理邮件、查看实验室数据。

但也有些地方 AI 帮不上忙，它还不会搬箱子。

3. 效率提升，不一定导致就业下降

我用需求曲线来解释为什么更高效不一定意味着更少的工作。

需求曲线是向下倾斜的：价格越低，数量越多。但曲线的坡度差异巨大。如果需求曲线非常陡峭，降价只会导致数量小幅增加，你最终赚的钱会减少。但如果需求曲线非常平坦，经济学家称之为弹性需求，那么价格的小幅下降会带来数量的大幅增加。

就像喷气发动机让航空旅行更便宜了，但并没有让我们在航空旅行上的花费减少。你我以及许多人比 50 年前飞得更多，因为飞行比以前便宜得多，而且最终花费也比以前更多。

大约一半的经济体属于价格下降导致支出下降的类别，但更有趣的是那一半价格下降反而导致消费增加的经济体。

随着 AI 让事情变得更高效，这确实在摧毁工作岗位，在某些地方消除收入，但也创造了大量机会。

二、未来工作的形态：做 AI 的 CEO

1. 定义问题、评估结果，让 AI 去执行

我把每个项目分为三个部分：定义问题、执行、评估。

历史上的绝大部分时间里，人类都在做这三件事，但现在 AI 在执行这一关键方面变得非常出色。

在不久的将来，大多数人的工作将是管理 AI，不只是一个，而是一群 AI，每个人都会成为一群 AI 的 CEO。

工作的重心会转移到提出正确的问题，并进行评估，这正是 CEO 经常做的事情。如果你能思考什么是正确的问题、什么才是真正需要解决的问题，这才真正有价值。

其实，这些 AI 有时会产生幻觉，会搞砸。经常，你觉得你问了正确的问题，AI 也是这么认为的，然后你回头看，发现它确实做了你要求的事，但那并不是你真正的意思。然后你只能不断修改问题。

未来的工作，就是学会如何提问、如何评估，以及监督 AI 执行工作。

2. 初级岗位正在消失，人才金字塔在崩塌

有人问我，年薪 9.5 万美元的初级软件工程师是否还值得去做，我的回答是：不要去，那马上就会被替代。

数据显示，初级岗位正在消失，资深岗位就好得多。

大多数公司都有人才金字塔，比如律师事务所、软件工程公司：一堆初级员工，然后其中一些人逐步晋升，成为中层管理和高级管理。现在如果你去掉金字塔的底部，它就像一个钻石的形状。

但问题来了，去掉了基层员工，那中层和高级管理人员从哪里来？

我注意到 Infosys（印度一家软件服务与咨询公司）的做法：

这家大公司仍然招聘和以前一样多的初级人员，但不让他们做常规工作，而是花更多时间培训和学习项目管理。过去知识是通过潜移默化可以学会的，但现在行不通了，这些初级人员必须有精细的培训，有时还要借助 AI 工具。

对每个公司来说，为了节省成本，不雇佣初级员工当然没问题。但社会需要让这些人有工作并学习技能，我们需要提出一些社会就业解决方案。

3. 教育要从 " 按食谱操作 " 转向 " 提出正确问题 "

在斯坦福，我经常用苏格拉底式的方法教学。学生不太喜欢我突然点名，但我会让他们现场思考，自己定义问题。他们做作业时，也必须学习怎样划定一个问题的边界。

旧的学习方式像一本食谱：老师把问题写好，学生按照步骤执行。新的学习方式，是给学生一组结构很松散、甚至很混乱的情况，让他们自己找出最核心的问题。和其他能力一样，练得越多，就会做得越好。

如果你只有技术能力，可能理解不了真正的业务问题；如果你只有人际能力或行业知识，又可能看不出技术能在哪些地方发挥作用。把两边结合起来，才能创造最大的价值。

有人把严谨的理论和现实的应用放在一条线的两端，我不这么看。二者相互促进。把理论严谨性和现实相关性结合起来，才最有价值。

三、人类还能靠什么赚钱？

1. 四个还能赚钱的领域

当智能变成可规模化、可调用的资源，人类还有什么稀缺性？

第一是主动性，或者说能动性。

我会告诉学生：以后听到 AI，不妨把它理解成 " 放大意图 "（Amplifying Intention），而不只是 " 人工智能 "（Artificial Intelligence）。

AI 会放大你的行动力和意图。如果你自己没有目标，它帮不了你太多；如果你有明确的计划，它能把你的力量成倍放大。

所以，未来更有价值的是那些主动性很强的人。

第二是人与人之间的真实连接。

AI 在国际象棋上击败人类，并没有终结人类下棋。现在下棋的人反而比以前多。我儿子喜欢下棋，我问他，你和机器下，还是和人下？他说，当然和人下，和机器下没有意思。

体育比赛也一样，如果场上只是几台机器互相比赛，恐怕不会有那么多人感兴趣。未来，人们会更看重那些 " 可以确认是由人完成的 " 东西，看重真实的人、真实的创作和真实的关系。

第三种至少在一段时间内仍然有价值的，是体力和现场技能。

AI 目前更擅长认知工作，水管工、木匠和掌握特殊手艺的人，机器更难替代。不过，这扇窗口也在慢慢变窄。

第四种，是所有我现在还想不到的新工作。

每一次人类试图预测未来，最后都会严重低估新事物。

如果我们在 200 年前讨论未来，会说当时 90% 的人是农民，农民岗位消失以后，大家能做什么？我们肯定想不到 " 播客主持人 "，也想不到今天存在的许多职业。未来还会出现我们现在无法命名的新工作。

发明这些工作的，不一定是我，而是创业者。

硅谷每天都有人尝试新想法，其中许多想法看上去很蠢，但某些看似最蠢的东西，后来反而可能成为天才创意。比如太空数据中心，也许真的能行，谁知道呢？

我今天早上和一位风险投资人吃早午餐。她说，自己的投资回报几乎全部来自不到 5% 到 10% 的项目，其余项目都失败了。

幸好我们有这样一个生态：投资人愿意冒险，创业者也愿意冒险。他们不断试验，才发明出新的东西。

人类总能发现新的瓶颈和新的问题，再想出新的东西，这可能就是人的定义。

2. 人类的超能力是即兴发挥

我特别喜欢 LinkedIn 创始人里德 · 霍夫曼讲的一个故事。

他举过一个很有意思的例子：假设一个普通人 30 天后必须和世界上最强的国际象棋电脑比赛，输的人会死。

霍夫曼说，普通人未必没有获胜的机会。不是因为他能把棋下得比电脑好，而是因为在生死关头，他会想办法改变这场游戏：

也许给电脑植入病毒，也许制造一次断电，也许让水正好洒在机器上。

人会临场找到一条活路，这正是我们擅长的事。

3. 文科、哲学、品味，反而变得更值钱

在一个 AI 能做一切的世界里，许多人文学科会变得更重要，包括哲学，甚至艺术鉴赏。

如果你去纳帕的品酒会，你会学会识别各种不同的味道；你可以在艺术中看到以前没见过的东西。

大学应该考虑回归几百年前的状态，很多大学最初都是文理、哲学、宗教、艺术、音乐和历史，我认为这些内容永远都很重要。

我自己庆幸选了音乐欣赏课，你真的会听到一些以前不会听到的东西。

四、财富会极其集中，

但这不是唯一的结局

1. 财富和权力会越来越集中

我对经济增长比较乐观，我认为 AI 会提高生产率，创造大量新财富。但我担心，这些财富会高度集中，甚至比现在更集中。

这种结果不是不可避免的，我们仍然有选择。现在应该认真思考，我们坚持什么价值观，想创造怎样的未来。

我希望看到的不只是繁荣，而是共享的繁荣。

让我担心的一种情景是：AI 自动化大量工作，社会上虽然还有创业活动，但 AI 能力最终集中在少数公司，或者集中在一个庞大的政府实体手中，财富和权力也随之集中。

我们必须为另一种未来做准备：让许多人都能参与，让每个人在社会中都有自己的利益和位置。

目前两条道路都不是命中注定的，但我们确实正在朝财富越来越集中、政治权力也随之集中的方向走，必须保持警惕。

如果财富真的高度集中，就要考虑全民基本收入、累进所得税，甚至财富税。我的许多硅谷朋友可能会为此冲我大喊，但不能让财富和权力过度集中。

这不仅不符合普通人的利益，最终也不符合亿万富翁的利益。因为人们会拿着草叉来找他们。

我去过一些发展中国家和拉丁美洲国家。富人住在高墙围起来的社区里，周围有持枪警卫，使用自己的学校、医生和私人警察。那对任何人都不是一种愉快的生活。

我有一位住在巴西的朋友。她说，她和所有有钱的朋友都生活在监狱里。

我问，你们明明没有坐牢。她说，我们生活在自己建造的监狱里：平时躲在围墙后面，出门时左右都跟着保镖，因为整个社会已经不安全了。

没有人真正想生活在这样的世界里。

2. 未来的经济可能会很不一样

亚当 · 斯密帮助定义了市场经济，约翰 · 梅纳德 · 凯恩斯在 20 世纪初更新了经济学。到了 21 世纪，我们还需要一套新的经济规则。

未来可能会有数十亿、甚至数万亿个 AI 智能体，大量日常工作会自动完成。旧市场经济中有效的制度，不一定继续适用。

市场可以被看作一个巨大的信息处理器：它把价格和数量等信息汇集起来，再分配资源。大型公司等组织也可以被看作信息处理器。市场和公司，都是基于 20 世纪技术形成的信息处理制度。

现在，我们会拥有能力强上百万倍的信息处理器。如果市场和公司还能保持原样，反而会是一个奇迹。我很确定它们会改变，只是不确定具体怎样改变。

至于货币，我认为一种可能性很高的未来是：马斯洛需求层次最底部的基本需求，可以得到普遍满足。就像你免费给了我一杯水，没有向我收费。以后，许多商品和服务也可能变成这样：机器人几乎可以免费生产，为什么还要收费？

当然，世界上仍然会有稀缺的东西。地位就是一种，因为它基本上是零和的，总要排出高低。某些物理资源也仍然稀缺，比如一个人想去冥王星背面旅行，这肯定不会便宜。

当基本需求得到满足以后，我们就要重新理解经济和地位体系。有人靠创业获得地位，有人靠论文引用量，有人靠滑雪、打游戏或表演获得地位。人类似乎天生会追求这些东西。

未来经济真正要解决的，是怎样把这种地位竞争引向有生产性的方向。

五、未来十年：要么最好，要么最坏

如果我们做对了选择，未来十年很可能成为人类历史上最好的十年，而且远远超过过去。社会会创造前所未有的财富，寿命会明显延长。

我去 DeepMind 时和德米斯 · 哈萨比斯聊过。他认为，未来 10 年内，他们可能开始治愈大多数疾病。我希望他是对的。这听起来非常雄心勃勃，但你的女儿也许能够亲眼看到。

这是好的一面，可我也必须诚实：未来十年也可能成为最糟糕的十年之一，因为确实存在灾难性风险。

有人可能在实验室里制造病毒并把它释放出来；AI 可能接管社交媒体，大规模操纵人；权力可能高度集中；战场上已经出现 AI 驱动的无人机追杀士兵。

这些风险都真实存在，但我最想强调的是，人类仍然拥有巨大的行动空间。

我们不应该总问 "AI 会对我们做什么 "" 什么事情会降临到我们头上 "，而应该更多地问：" 我们想用 AI 做什么？"

AI 是一种工具。工具变得更强大，按定义就意味着我们改变世界的能力变得更强。我们必须像哲学家一样认真思考价值观：到底想塑造一个怎样的世界？不要把 AI 看成一股必然把人类推向某个方向的命运力量。

至少现在，方向盘仍然在我们手里。我们应该把技术引向更有益的未来，同时极其谨慎地避开灾难性的未来。

悲观派并没有错，风险确实存在；但如果他们认为灾难不可避免，那就错了。我们仍然有选择。我也一直在和 AI 实验室及政治人物合作，希望把未来引向共享繁荣。

* 文章为作者独立观点，不代表笔记侠立场。

笔记侠 PPE 书院国际美国站 26 级「创新英雄・AI+ 出海专题」课程，将于 2026 年 9 月 26 日正式启程。

这一次，我们不是去美国打卡，也不是简单参观几家公司，而是带着一个更具体的问题出发：AI 进入下半场之后，企业家到底应该怎样理解技术、组织和全球市场的变化？如何抓住美国市场的机会？

10 天时间里，我们将带你走进美国硅谷与西雅图，深度参访英伟达、谷歌、微软、亚马逊等全球顶尖公司。

我们还将邀请斯坦福名师、硅谷行业实战派、华人科技与出海领域专家，围绕 AI 产业趋势、企业 AI 落地、组织重构、全球市场规则和中国企业出海机会，做一手分享和深度交流。

这趟行程会帮你建立一套判断框架：未来三年，你的企业该如何使用 AI，哪些流程必须被重写，哪些能力必须保留，哪些出海机会值得下注，哪些风险必须提前看见。

如果你正在思考 AI 转型、企业出海、组织升级和下一轮增长，这一次美国站，值得你带着问题亲自去看一次。

欢迎了解课程详情，提交报名信息。

好文阅读推荐：

达利欧最新长文：2026，像极了 1929

山姆 · 奥特曼最新访谈：别把时间浪费在自己根本不擅长的事上

分享、点赞、在看，3 连 3 连！