![](https://developer.qcloudimg.com/http-save/yehe-7353521/d41c87c60a4c7ff8b2601d9643e1647f.jpg)

*不是新浪潮的开始，而是旧范式的收尾*

## 一、引子：三篇文章，一个问题

最近读到三篇文章，单独看各有意思，串起来读更有意思。

第一篇来自前端开发者 Adam Argyle，标题直白：[《AI 为什么在前端表现糟糕》](https://nerdy.dev/why-ai-sucks-at-front-end)。第二篇是宾夕法尼亚大学和波士顿大学两位学者发在 arXiv 上的论文：[《AI 裁员陷阱》](https://arxiv.org/html/2603.20617v1)，用博弈论分析 AI 驱动的裁员潮为什么停不下来。第三篇来自未来研究者 Andrew Curry，标题更大胆：[《AI 可能是这波数字浪潮的终结，而不是下一个重大事件》](https://thenextwavefutures.wordpress.com/2026/04/07/ai-end-digital-wave-technology-innovation-perez/)。

三篇文章的作者背景各不相同，关注的问题也不一样，但放在一起，它们拼出了同一幅图景——**AI 或许不是我们以为的那个故事。**

本文不讨论 AI 能不能、好不好，而是借这三篇文章尝试回答一个更基础的问题：**在历史的坐标上，AI 到底处于什么位置？**

## 二、AI 做不好的事，暴露了它的本质

Adam Argyle 的 [文章](https://nerdy.dev/why-ai-sucks-at-front-end) 写的是前端，但他列出的那些问题，后端开发者读起来会觉得分外熟悉。

AI 很擅长脚手架、样板代码、token 迁移这类“高度重复、模式清晰”的工作。但一旦你走出这条铺好的路——想要一个定制交互、一套贴合业务的架构决策、一段真正考虑边界条件的逻辑——它就开始胡说了。越复杂，越糟糕。

Argyle 总结了四个根本原因：训练数据太旧、不会真正“看”、不知道“为什么”、以及零环境控制。这四条放到后端同样成立，甚至更严重。微服务拆分的边界、分布式系统的一致性权衡、幂等性设计……这些“为什么”恰恰是工程里最有价值的部分，也是 AI 最无能为力的地方。

训练数据旧这个问题，还有一个更隐蔽的维度——**不只是数据“旧”，而是几乎没有**。最新发布的 Kubernetes API、刚合并的特性、刚废弃的字段……这些信息在模型训练截止日之后才存在，LLM 原生不知道，只能靠 web search 打补丁。而这种情况会出现在每一个快速演进的技术栈里，不只是 Kubernetes。每一个“角落”都是一个盲区，盲区叠加盲区，最终的不确定性远比表面看起来大得多。

这引出了一个值得认真对待的问题：**一个只能优化已知模式、无法理解“为什么”、对新事物天然滞后的技术，能开创一个新时代吗？**

## 三、即使知道悬崖在哪，也会一起冲下去

如果说前一个问题是“AI 能不能”，这篇论文问的是另一个更残酷的问题：**就算 AI 正在造成伤害，企业能停下来吗？**

答案是：不能。

宾大和波士顿大学的两位学者在 [这篇论文](https://arxiv.org/html/2603.20617v1) 里建了一个博弈论模型，核心逻辑并不复杂：一家公司用 AI 裁员，节省的成本全归自己；但被裁的工人也是消费者，他们失去收入后减少的消费，由整个行业承担。每一轮裁员都在侵蚀所有公司赖以生存的需求基础，但没有任何一家公司会为此买单。

这是一个教科书式的外部性问题，也是一个囚徒困境：每家公司的最优策略都是“比竞争对手自动化更快”，哪怕所有人都清楚前方是悬崖。竞争越激烈、AI 越强大，这个扭曲就越深。

论文评估了数种政策干预手段：员工持股、全民基本收入、职业再培训、资本利得税、企业自愿协议……全部无效。唯一能纠正这个扭曲的，是对自动化直接征税，把外部性内部化（让造成伤害的人为此买单）。

但政策能解决的是游戏规则问题。有一个更底层的结构性矛盾值得关注：**生产与消费本是一个飞轮。** 有人生产、有人有钱消费，飞轮才能转。历史上每一次技术革命，之所以能持续，是因为它在提升生产效率的同时，也创造了新的就业、新的购买力、新的消费需求——飞轮不但没停，反而转得更快。

但 AI 这次的逻辑不同。它提升的是“用更少的人做更多的事”的效率，而不是“创造更多需要人去做的新事”。如果这个趋势持续，飞轮的消费端会持续失血，生产端再高效也没有意义。**不是技术不够强，而是飞轮的转动逻辑变了。**

这不像是一个正在创造新世界的技术该有的样子。倒更像是，一个旧系统在走向终点时，把自己榨干的最后动作。

## 四、历史给了我们一个框架

前几节的问题是“AI 怎么了”，这一节要回答的是：**这一切，在历史上见过吗？**

技术经济学家 Carlota Perez 研究了从蒸汽机到互联网的五次技术浪潮，发现它们都遵循同一个模式：**安装期 → 金融危机 → 部署期 → 成熟饱和**。新技术先建基础设施，钱烧完之后泡沫破裂，然后真正落地生根、改变生活的应用才大规模涌现，最后趋于饱和，资本开始寻找下一个浪潮。

博主 Andrew Curry 在 [这篇文章](https://thenextwavefutures.wordpress.com/2026/04/07/ai-end-digital-wave-technology-innovation-perez/) 里引用了科技投资人兼作家 Nicolas Colin 的分析，指出三个信号说明我们已经处于当前这波数字浪潮的**晚周期**：

**2022 年的创业融资崩塌是结构性的，不是周期性的。** 当好的创业想法对所有人（包括财力雄厚的大公司）都变得显而易见，初创公司赖以生存的“不确定性优势”就消失了。市场不是在等待下一个风口，而是在走向饱和。

**ChatGPT 不是从车库里冒出来的。** 真正开创新浪潮的技术，往往在早期是隐秘的、被低估的——晶体管、互联网……没有人知道那是一个时代的开始。但 ChatGPT 的突破来自微软的巨额算力投入，谷歌、Meta、亚马逊随即跟上千亿美金。这种“大资本集中火力打已知问题”的模式，正是晚周期的典型特征。

**平台饱和基本完成。** 还没有被数字化的领域——医疗、教育、建筑、政府服务——并不是 AI 的新市场，而恰恰是数字范式的天然边界，是它啃不动的地方。

Colin 的结论是：**AI 更像 70 年代精益生产之于大规模制造——它优化了现有系统，却没有开创新系统。** 精益生产让工厂跑得更高效，但它没有开启一个新的工业时代；它是汽车时代成熟期的产物，不是下一个时代的起点。

历史上每一次真正的新浪潮，在它开始的时候，没有人知道它来了。没有发布会，没有万亿估值，没有全球 CEO 竞相表态。有的只是一个新的成本结构悄悄改变了某个角落的可能性边界。

AI 的到来，太显眼了。

## 五、那下一个浪潮在哪？

这是读完前面所有内容之后，最自然会冒出来的问题。可惜，这也是最难回答的一个。

按照 Perez 的模型，每次新浪潮的开始，都埋在当时主流视野的盲区里。蒸汽机时代没有人预见铁路会重塑整个社会结构；电气化时代没有人预见汽车会成为 20 世纪的核心产品；互联网的第一个十年，大多数人觉得它是学术玩具。

所以真正的问题不是“下一个是什么”，而是：**在哪些地方，现有范式明显不够用、而新的可能性正在悄悄积累？**

Curry 的文章里给了一些方向：医疗、教育、建筑、能源、政府服务——这些都是数字化“啃不动”的领域。不是因为它们不重要，而是因为它们的核心问题不是信息处理，而是物理世界、人际信任、制度结构。AI 在这些地方的局限，恰恰说明它们可能需要一套全新的范式来解锁，而不是现有工具的延伸。

当然，这只是一种可能的推断。历史上没有人能精准预测下一个浪潮从哪里发端。

能确定的只有一件事：**当下一个真正的浪潮到来时，它不会有发布会，不会有万亿估值的公司为它站台，不会有全球 CEO 争相表态自己已经押注。** 它会安静地改变某个角落的成本结构，然后慢慢蔓延，直到有一天，所有人都突然意识到世界已经不一样了。

到那时候，大家才会回头看，说：哦，原来从那时候就开始了。

## 六、结语：效率压榨的终点

三篇文章，三个维度，指向同一个结论。

AI 做不好真正复杂的事，因为它是模式的压缩器，不是问题的理解者。AI 驱动的裁员停不下来，因为理性在错误的游戏规则下只会加速集体自毁，把生产与消费的飞轮越转越慢。AI 的资本热潮是大公司在存量市场里的军备竞赛，是内卷，不是开疆——红皇后效应（Red Queen Effect）——跑得越快，相对位置越没变，只是把整体扭曲推得更深。

把这三点放在 Perez 的历史框架里，画面就清晰了：**我们正处于数字浪潮的晚周期。** AI 是这个时代最后一次大规模的效率压榨，是旧范式在走向终点前，把自己能榨的都榨干的动作。它有用，有时候非常有用，但它的方向是优化，不是创造。

这不是悲观，而是定位。

理解 AI 在历史上的真实位置，不是为了否定它的价值，而是为了不被它的叙事带跑。过去几年，太多的资源、注意力、人才，涌进了“优化旧世界”的方向，而真正值得押注的问题——那些需要全新范式才能解锁的角落——反而没人看。

下一个浪潮不会从聚光灯下走出来。它会在某个此刻还显得偏僻、冷门、“不够性感”的地方悄悄生根。

我们现在能做的，或许是在这场喧嚣里，保留一部分清醒，留意那些安静的角落。




第一篇来自前端开发者 Adam Argyle，标题直白：《AI 为什么在前端表现糟糕》。第二篇是宾夕法尼亚大学和波士顿大学两位学者发在 arXiv 上的论文：《AI 裁员陷阱》，用博弈论分析 AI 驱动的裁员潮为什么停不下来。第三篇来自未来研究者 Andrew Curry，标题更大胆：《AI 可能是这波数字浪潮的终结，而不是下一个重大事件》。

AI：数字时代最后的效率压榨

人工智能

职业发展

新闻资讯

AI技术当前面临三大困境：无法处理复杂逻辑、裁员潮难以遏制、资本过度集中。历史表明，AI更像是数字时代的优化工具而非革命性突破，真正的新浪潮往往始于不被关注的领域。医疗、教育等数字化难以渗透的领域可能孕育着下一次技术革命。

Kubernetes

ChatGPT

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI：数字时代最后的效率压榨-腾讯云开发者社区-腾讯云

AI：数字时代最后的效率压榨

AI：数字时代最后的效率压榨

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐