“Something Big Is Happening”｜大事确实在发生，是一场漫长而温和的重构。我们每个人都将是参与者，而非旁观者。

技术人生黄勇

发布于 2026-03-16 13:37:52

1920

文章被收录于专栏：技术人生黄勇技术人生黄勇

Matt Shumer在推特的《Something Big Is Happening》引爆了硅谷。文章描绘了一幅AI指数级进化、认知工作被快速替代的图景，让无数白领陷入职业焦虑。

这篇关于AI会让很多人失业的讨论出现了更多、更理性的声音：David Oks从经济学角度指出恐慌被夸大，而有人指出更本质的差异——美国的AI叙事并不适用于中国。

一位朋友前几天刚刚跟我说，“又焦虑了，我感觉 AI 几乎已经可以替代我的工作了”。当时写了一篇自己使用AI的体验和结论的文章：AI时代的职业重构并非零和游戏。

—

一件大事正在发生

爆款原文传送门：https://shumer.dev/something-big-is-happening。核心意思：“AI 主导的认知工作危机”。

1. AI 进化的速度与规模

指数级加速：2025 年起，AI 进步不再是线性，而是指数级。2026 年 2 月 5 日，OpenAI 与 Anthropic 同日发布了 GPT-5.3 Codex 与 Opus 4.6，标志着技术的跨越式跃迁。

能力跨越：AI 已经突破了仅仅辅助人类的阶段，开始独立完成从需求分析、设计、编码到测试和迭代的完整软件开发过程。

我并不认为这个指数级的进化速度会一直维持，AI进化迟早会遇到一个瓶颈，可能这个瓶颈也会很快遇到。当初摩尔定律统治了半导体行业技术进步的速度，但是现在也不提这个定律了。其次，从技术上看，AI的能力并没有本质化的区别，只是大模型进行了训练和工程实践上的优化。大模型的出现才是0-1的创新，现在的迭代只是1-100的进程。马斯克、领域专家预测通用人工智能（AGI）I将2026–2029年内实现。我认为过于乐观。

2. 认知工作正被 AI 取代

全覆盖冲击：这种取代不仅局限于软件工程，所有知识密集型的白领工作（如法律、金融、医学、写作、客服等）都在被 AI 侵蚀。

岗位消失：预测显示，在未来 1-5 年内，AI 可能消灭 50% 的入门级白领岗位。

确实会取代一些初级岗位，但是同时也创造出很多新的职位。例如提示词工程师。同时也大大解放了人类的创造力，让我们在AI的辅助下，有了更多其他职业的尝试。例如电动汽车出现，确实分走了油车的市场，但是同时带来了充电站运维、电池回收、电控系统调试等等新的职位，繁荣了电车一系列上下游行业。

3. AI 正在自我改进

自我递归：最新模型（如 GPT-5.3 Codex）已经开始参与自身的调试、部署和评估。

智能爆炸：这种“AI 写 AI”的反馈回路意味着 AI 的进化速度将远超人类的适应速度，可能导致智能爆炸（AI 进行自我升级的速度远远超过人类）。

自我递归改进是个伪命题。自我递归并非现在才使用的方法，GPT-3.5面世时，就有GPT-2.0参与辅助训练，生成训练数据等。其次，AI 能不能自我改进的方式，左脚踩右脚原地升天这种方式，达到一个不可思议的高度？我认为不会，大模型并不是真正意义上物理世界模型，再者大模型是否存在逻辑推理能力，在给大模型接上“手脚”后，就可以规划、执行、探测、认知、反馈、矫正、再规划执行，这套逻辑是否可以真正落地实现？还是说只是在预测下一个 token 这个本质上做得更好。

4. 个人与组织的应对建议

立即行动：不要等到“以后”。现在就需要使用付费版的最强模型（如 GPT-5.2、Claude Opus 4.6），并深度融入日常工作。

提升适应力：需要每天花时间实验 AI，学习快速适应新工具，而不是只停留在表面的提问。

财务与职业规划：建议建立财务安全垫，重新评估职业路径，关注那些短期内难以被 AI 完全取代的技能（如深度人际关系、物理存在性工作）。

拥抱机会：AI 也大幅降低了创业和创作的门槛，利用 AI 实现长期被阻碍的梦想（如开发 App、写书、学习新技能）。

—

为什么我不担心AI带来大失业

很快，David Oks（a16z风险投资公司的研究合伙人）发了一篇文章，做了针对性的反驳：关于AI将引发“大规模失业雪崩”的恐慌被严重夸大。认为原文将类比为2020年的疫情，这是误判。

劳动替代的真实逻辑

比较优势 vs 绝对优势：AI替代劳动取决于“比较优势”而非“绝对能力”。只要“人+AI”的产出优于AI单独运作，人类就不会被迅速取代。

需求弹性：技术提升（效率提升）往往会带来更多的需求（杰文斯悖论），而非减少工作。

现实中的制约因素

组织与制度瓶颈：现实世界充满法律、监管、公司文化、办公室政治等人性和制度因素，这些“瓶颈”决定了技术扩散是渐进式的，而非爆发式的。

人类不可替代性：即使AI在特定任务上更强，人类仍需处理情感、决策、政治、伦理等复杂的“人类瓶颈”。

在AI能力提升的初期，人类与AI的协作（赛博格模式）仍然优于AI单独工作，这将比人们预期的持续更久。

新型职业：历史上每次效率提升都会催生新的职业（如咖啡师、瑜伽教练），AI时代也可能出现更多奇特而有趣的工作。

而且，若公众被误导认为AI将导致“雪崩式失业”，可能引发跨党派的民粹运动，限制技术进步，这反而会带来更大的社会损失。

David Oks的结论：AI确实是一项重要发明，其影响可能与电力或蒸汽机相当。但它的冲击将是缓慢且不均衡的，普通人无需陷入恐慌。

长期来看，AI技术的扩散和社会的适应需要时间，在此期间，人类劳动仍将存在并可能增加。

—

中美的叙事不同

另一类观点是从当下国情不同的角度阐述：“美国的AI焦虑不适用于中国”。

《Something Big Is Happening》中描述的硅谷“AI大灾变”是一种针对服务业白领的叙事，而中国的AI发展主线则是工业制造和特定的内容创作生态，两者的本质差异决定了不能套用。

1. 论点核心：焦虑的误区

硅谷的焦虑主要集中在“服务业白领”上，即律师、金融分析师、程序员、医生等靠坐在电脑前脑力劳动的人。

这种焦虑是建立在美国服务业占GDP 80%的经济结构上。在美国，AI的核心价值是节省时间（即省人力成本）。
然而，中国的经济结构截然不同，中国是一个制造业大国，服务业白领并不是社会的主要劳动力。因此，单纯套用美国的焦虑来预测中国的未来是不准确的。

2. PMF（Product-Market Fit）的差异：美国 vs 中国

美国的 PMF（服务业逻辑）‍

核心用户：坐在办公室的白领。
核心痛点：时间不够，效率不高。
核心价值：在更短的时间内完成同样的认知任务。
衡量标准：用户是否愿意为“节省时间”付费（如付费月费、活跃用户数、留存率）。

中国的 PMF（制造业逻辑）‍

核心用户：工厂车间的工人，或是工业企业。
核心痛点：产能、良率、能耗、人工成本。
核心价值：提升工业产能、降低成本、替代高危工种。
衡量标准：节拍时间的压缩、良率的提升、能耗的降低，以及工厂是否愿意续费接入核心生产流程。

3. 中国制造业 AI 的典型案例

下面是中国 AI 在工业领域的多个“原生”应用案例，显然与美国叙事的不同：

钢铁行业（中冶赛迪）：利用 AI 替代“炉前工人”观察火焰颜色，解决了人眼精度不足以及老一代工人断层的问题。
轨道装备（中车）：利用 AI 进行高铁列车的空气动力学仿真，将原本需要数天计算的过程压缩到秒级，大幅提升了迭代速度。
短剧行业（有戏AI）‍：利用 AI 替代编剧和剪辑工作，成本极低（0.1元/秒），在中国独特的内容生态（如“短剧”）中找到了独特的 PMF。

4. 中国：写自己的 AI 故事

过去中国互联网常常是“Copy to China”（复制美国模式），但 AI 时代必须走出这一套路。

美国的焦虑：是一场针对服务业白领的“失业危机”。
中国的焦虑：是针对制造业工人的“代际危机”或是针对内容创作者的“创作工具危机”。
未来趋势：应当是“Innovated in China”（原创于中国），写出符合中国市场逻辑和需求的 AI 故事，而不是简单的“拷贝”。

感兴趣的朋友也可以看看这篇：AI 会替代程序员吗？Anthropic 内部使用 Claude Code 的使用调查

23年底，ChatGPT-3.5 刚刚破圈的时候，一位朋友因为不会用大模型，问过我，要怎么学习用大模型，我思考了一下，说你不需要学习AI，它会变成一个适合场景的产品，走到你身边。

参考资料

一件大事正在发生：https://shumer.dev/something-big-is-happening