我们正处于AI的“拨号上网时代”

给大家分享一位国外博主 nowfal 的文章《AI's Dial-Up Era》（AI 的拨号上网时代）。

现在是1995年。

你的电脑调制解调器在尝试连接那个叫“互联网”的东西时发出刺耳的尖叫。也许一次就连上了，也许你得再试一次。

人类历史上第一次，你可以在几秒钟内与地球另一端的人互通书信。

整个互联网只有2000来个网站，理论上你一个周末就能全部逛完。大多数网页只是灰底黑字，偶尔冒出一张像素化的图片。

加载慢得残忍：一张图要一分钟，一分钟的视频可能要几个小时。几乎没人敢把信用卡号放网上。当时的铁律：别相信网上的陌生人。

人们很快分成两派。

乐观派预言巨变：数字商务几年内就会碾压实体零售；我们很快会在虚拟现实里游荡。

“我预计五年内，超过十分之一的人在公交、火车、飞机上戴着头戴式电脑显示器。”——MIT教授尼古拉斯·尼葛洛庞帝，1993

悲观派则说，互联网是泡沫，是昙花一现。

如果你告诉1995年的普通人：25年后，我们会更乐意在社交媒体上看陌生人发的新闻，而不是报纸；会点播流媒体而不是看有线电视；用App找对象而不是靠朋友介绍；把“别相信网上陌生人”完全翻转，敢让陌生人开私家车来接我们、睡他们家的空卧室——大多数人会觉得你疯了。

我们又回到了1995年，只不过这次的主角是人工智能。

今天的争论双方也在犯类似的错：一边警告AI几年内就会消灭整个职业、造成大规模失业；另一边声称AI会创造比消灭更多的岗位；一边把AI当成炒作的“蒸汽件”，注定泡沫破裂；另一边预言它十年内就能自动化所有知识工作、重塑文明。

他们都只对了一半。

就业悖论：自动化到底会不会裁员，要看行业

被尊为“AI之父”之一的杰弗里·辛顿2016年警告：别再培养放射科医生了，AI几年内就会取代他们。

然而到2025年，美国放射科住院医项目创纪录地放出1208个名额，比2024年还增4%， vacancy 率史上最高；放射科医生平均年薪52万美元，比2015年高48%。

AI没取代他们，反而让他们更吃香。

研究者迪娜·穆萨指出，预测落空的关键在，于真实世界的复杂性：

• 放射科不只是看图；

• 监管、保险、责任认定层层关卡；

• 更关键地，杰文斯悖论登场：技术让资源利用效率飙升，反而导致总消耗量暴涨。AI让读片更快更便宜→更多人能拍片→放射科医生需求不降反升。

微软CEO纳德拉、Box CEO列维都认同：AI越高效，需求越被放大。

但他们只说对一半。

首先，正如提出“vibe coding”的计算机科学家安德烈·卡帕蒂指出：放射科太复杂、高风险、强监管，不是AI短期内裁员的典型场景。

真正要先看的是那些重复、独立、容错高、环节短的“螺丝钉”岗位。即便如此，AI起初也只是工具，岗位会被重构，而非直接消失。

其次，“就业反而增加”这一结论因行业而异，取决于：

1. 该行业未被满足的需求有多大、增长有多快；

2. 需求增长是否跑得过自动化带来的生产率提升。

经济学家詹姆斯·贝森研究了1800–2000年间纺织、钢铁、汽车三大行业的就业、生产率与需求曲线：

• 纺织与钢铁：自动化后就业先涨近百年，需求饱和后生产率继续提高，就业断崖式下跌。

• 汽车：全球需求远未饱和，自动化也未完全征服产线，就业至今未现陡坡。

要回答为什么那两个行业出现大幅下滑，而汽车制造业却没有，首先来看这三个行业的工人生产率：

然后，再看这三个行业的需求情况：

这些图表揭示了一个一贯的模式（注：生产率与需求图均为对数坐标，意味着两者呈指数级增长）。

最初，某项服务或产品因需大量人力而价格昂贵，大多数人买不起，只能省着用。例如，19 世纪初，一般人顶多买一条裤子或一件衬衫。

随后，自动化让工人生产率陡增：1900 年的纺织工人产量是 1800 年的五十倍。生产率爆炸式提升拉低价格，激发出巨大新需求，于是人人都能买多套衣服，而不再是一两套,就业与生产率同步飙升（注：就业增长掩盖了行业内部岗位转移与工资变化）。

一旦需求饱和，就业不再继续上升，而是在峰值需求处维持。然而自动化持续推进，工人效率仍在提高，就业便开始下滑。

纺织业中，机械化带来产量暴增，但当消费触顶、自动化与生产率继续攀升时，工人终被替代。我们大概不需要无限多的衣服；同理，无论价格多低，病人也不会需要百万份放射报告，放射科医师终将遭遇天花板。我们不需要无限的食物、衣服、报税单等等。

在贝森的数据里，汽车业则呈现不同故事：需求远未饱和，全球大多数人仍无车；自动化也尚未彻底征服制造（特斯拉撤回全自动化产线即证明当前技术边界）。

当需求与自动化潜力双双高企时，即便生产率提升，就业仍可维持甚至增长。

软件则引出了一个更有趣的问题：你究竟需要多少款应用？如果有一种软件能按需生成应用、自主构建整个软件生态，会发生什么？

直到今天， handcrafted（手工打造）的软件仍是瓶颈——昂贵的软件工程师及其高昂的人工成本，限制了企业能负担得起的开发规模。自动化通过大幅提升这些工程师的生产率，改变了这一等式。

无论是消费者端还是企业端，软件市场都显示出大量未被满足的需求：企业一直把大量项目搁置，不是因为它们没有商业价值，而是因为开发成本太高，或者必须把有限的资源投入最高优先级的项目。

我在亚马逊亲身经历过：成千上万的好点子拿不到资金，并非缺乏商业潜力，而是缺乏足够的工程师去实现。

如果人工智能能以极低的成本生产软件，就会释放出巨大的潜在需求。关键问题在于，这种需求何时、是否会饱和。

因此，可以概括为：在每个行业，就业都取决于两股力量的赛跑——

• 未满足市场需求的规模与增速；

• 该需求的增长是否快过自动化带来的生产率提升。

泡沫：非理性的狂欢才能建成未来

1990年代“.com”泡沫：

• 公司只要把名字加上“.com”估值就飞；

• 千亿美金砸进光纤、海底电缆；

• 2000–01年雪崩，思科、Pets.com 等灰飞烟灭。

但泡沫也留下了真正的遗产——让后来的YouTube、Netflix、Facebook得以存在的物理基础设施。

今天的AI热潮同样“浮夸”：

• 前OpenAI高管米拉·穆拉蒂的新公司，产品影子都没，就拿到20亿美元种子轮、估值100亿美元；

• 一堆“AI wrapper”百万美元融资，护城河几乎为零。

然而，微软、谷歌、Meta、亚马逊四大云厂商自ChatGPT发布后，年化资本支出翻倍，合计近五千亿美元砸向数据中心、芯片、电力。

泡沫与否，这些硬件会成为未来AI的“光纤”。

基础设施投资可能具有长期价值，但我们是否已经处于泡沫之中？

科技分析师兼投资人 Azeem Azhar 提出了一个实用的框架，用五个指标来判断 AI 是否泡沫化：经济压力（投资占 GDP 比重）、行业压力（资本开支与收入比）、收入增速（翻倍时间）、估值热度（市盈率倍数）以及资金质量（资本来源的韧性）。

他的结论是：当前 AI 仍属于“需求驱动型繁荣”，而非泡沫；但一旦五项指标中有两项“亮红灯”，我们就正式进入泡沫区间。

需求确实存在——OpenAI 本身就是史上增长最快的公司之一。但光有需求挡不住泡沫。

凭借产品市场契合度，OpenAI 大概率能活下来，然而大量 AI 初创公司的单位经济模型，正重蹈 1990 年代 dot-com 的覆辙。

Pets.com 当年也有数百万用户（占当时网民比例颇高），可正如科技金句所说：“只要你把 1 美元卖 85 美分，就能换来无限客户、无限收入。”

因此，尽管需求真实，剧本可能与 90 年代相似：过度建设在所难免，若干惊天破产亦将上演。

但同样可以肯定，基建会熬过炒作周期，为今日尚无法想象的创新铺路。

可预测却不可预知的未来

那么，这会把我们带向何方？

我们仍处于 AI 革命的早期，就像当年拨号上网那“吱——”一声的年代。

基础设施公司曾把数十亿砸进光纤，如今超大规模云厂商又把数十亿砸进数据中心；初创公司在名字后加“.ai”抬估值，就像当年加“.com”。

炒作会在狂喜与绝望之间来回切换：一些预测日后看来可笑，一些看似疯狂的却反而保守了。

不同行业结局各异。正如杰文斯乐观派所忽略的，人的需求一旦满足，很多消费就会触顶。任一行业的就业，取决于“未满足市场需求”有多大、增长有多快，以及这份增长能否跑赢自动化带来的生产率提升。

成本下降会解锁新市场。金融教授阿斯沃斯·达莫达兰曾（因）严重低估 Uber，只按现有出租车市场算份额，却没想到把打车费大幅打低后，市场本身被做大——人们会坐 Uber 去那些以前绝不会打出租车的地方。

AI 同理，会让许多因“人力智能”太贵而做不出来的产品和服务变得可行：餐厅老板可用 AI 写一套专属供应链软件，若请人类开发者得花 10 万美元，他绝不会做；非营利组织可用 AI 打一场以前付不起钱的官司。

我们能预见变化，却猜不到细节。

1995 年没人想到我们会：网上约陌生人、坐他们的 Uber、睡他们的 Airbnb；更想不到“网红”会成为年轻人最向往的职业。

人类的创造力总会带来现有思维模型算不到的结果。新领域、新行业会涌现——AI 在过去五年里破译的动物语言，比过去五十年还多。

当技术让我们能与动物“长谈”，会催生什么新职业？今天尚不存在的一种工作，很可能成为 2050 年最抢手的岗位，我们此刻还说不出它的名字。

职业类别将被重塑。互联网让一些岗位消失，也改造了另一些，并创造出新类别；AI 亦然。

大约半年前，有人让我投票：五年后软件工程师会更多还是更少？答案留给读者。

要回答这个问题，先回到 1995，把“软件工程师”换成“记者”：你或许因互联网能让新闻触达全球而预测记者会更多——头十年确实如此，新闻就业持续增长到 2000 年代初；但 30 年后，报纸和记者数量都大幅下降，而“新闻”总量却史无前例地多，只是由博主、网红、YouTuber、 newsletter 作者完成。

软件工程师也将重演这一剧本：做“软件工程”相关工作的人会更多；十年左右，“软件工程师”的定义会被改写。前面那位餐厅老板用 AI 写了一套仅自己用的库存软件，他不会自称软件工程师。

所以，就像 1995 年一样，如果今天的 AI 乐观派说：25 年内，我们会更愿意看 AI 新闻而非网红八卦、看 AI 角色而非真人演员、靠 AI 媒人（甚至 AI 恋人）找对象，并把“别信 AI”彻底翻转到把生死决定、育儿托付给 AI，大多数人会觉得天方夜谭。

即便集合自然与人工的所有智慧，也没人敢笃定 AI 未来长什么样——科技 CEO 不行，AI 研究者不行，当然更不包括某个在网上高谈阔论的素人。

但无论细节对错，我们的 AI 未来正在加载中。