必须防止技术狂飙演化为“圈地运动”，避免静默而残酷的阶层坠落！

文/陈治刚（识局智库创始人兼首席战略专家）

接上篇《》，也谈下我的一些思考。

过去二十几年，我们习惯了技术进步伴随着某种程度的社会红利扩散，从互联网的创业神话到移动互联网带来的全民机遇。

然而，正在进行中的这场由硬科技和人工智能引领的新浪潮，正在改写技术进步与社会发展之间的基本契约。

01

美国兰德智库那份备受瞩目的报告《人工智能正在创造工作，而不是取代工作》，描绘了一个充满诱惑力的未来：人工智能有望成为自工业革命以来最具变革性的增长引擎，到2030年可能使全球GDP增长14%，相当于额外增加15.7万亿美元的经济价值。

然而，这份乐观预测的阴影部分却被很多人刻意忽略——这些增长将如何分配？

现实是，人工智能创造的价值正以前所未有的集中度流向资本与技术所有者。

据统计，自2010年以来，全球上市公司利润越来越集中在科技巨头手中，前10%的上市公司获取了约80%的总利润，而这一比例在1990年代仅为60%。

硬科技行业更是呈现出一种“寡头垄断”特征。

以半导体行业为例，全球芯片设计市场前三大公司控制着超过50%的市场份额，而仅台积电一家就占据了全球晶圆代工市场的55%以上。

这种集中度意味着，即使行业整体规模扩张，红利的分配范围却在收缩。

问题的本质在于，硬科技与人工智能的技术特性决定了它们的红利模式与互联网时代根本不同。

互联网的本质是连接，其价值随着用户数量呈指数级增长（梅特卡夫定律），这决定了它必须追求用户规模的扩大，从而客观上推动了红利的相对广泛分享。

而硬科技和人工智能的核心是算法效率和数据垄断，它们的价值更多体现在对生产效率的极致提升和对稀缺资源的控制上，而非用户规模的无限扩张。这种技术逻辑内在地倾向于垄断与集中。

02

“AI教父”杰弗里·辛顿预言2026年将是AI能力爆发的关键转折点，但他同时也警告称AI将在2026年取代许多工作岗位，导致新一轮“失业潮”。

就业市场的革命，其实已经悄然开始。

这场革命的特征不是轰鸣的机器取代流水线工人，而是无声的算法消解传统认知工作的价值。

2023年，高盛发布报告称，全球范围内约有3亿全职工作可能受到AI自动化的影响，其中欧美国家高达三分之二的工作将面临某种程度的AI冲击。

更值得警惕的是，与工业自动化主要影响制造业岗位不同，生成式AI主要影响的是需要大学学历的白领工作——这一比例高达63%。

这场就业革命的真正特点在于它的“静默性”。

企业不再需要大规模裁员来优化人力资源，而是通过“结构性替代”实现劳动力的静默压缩。

一家中型金融科技公司的案例颇具代表性：该公司引入AI财务分析系统后，将财务团队规模从45人缩减至28人，但没有进行任何正式裁员。

相反，公司通过自然离职不补充、将部分岗位转为AI辅助的半职工作等方式，在18个月内实现了人员优化。

这种变化不会出现在任何官方失业统计数据中，但真实地改变了数十人的职业生涯。

更隐蔽的是工作内容的“空洞化”。

在许多行业，传统岗位仍然存在，但其核心价值正被算法系统不断侵蚀。

例如，市场营销人员发现他们的文案工作越来越多地被AI工具取代，只留下“微调”和“审核”的边缘角色；初级律师发现合同审查的基本工作已被算法完成，他们只负责最终签字确认。

03

理解当前困境的关键在于认识到，我们正从“河道经济”时代进入“高塔经济”时代。

互联网和移动互联网构建的是多层级的价值分配网络，如同错综复杂的河道系统，价值一旦产生就会通过广告分成、平台佣金、内容激励等方式流向各个细支溪流和节点。

即使是一个小网红，也能通过直播带货月入数万；即使是一名普通骑手，也能通过平台接单获得生计。

人工智能和硬科技构建的则是垂直整合的高塔。

这些高塔的价值创造高度集中在顶尖人才和核心算法上，价值流动主要是垂直向上，而非水平扩散。

一座价值千亿的AI公司，可能只直接创造数百个高薪岗位；一套颠覆行业的自动驾驶系统，核心研发团队可能不足百人。

这种转变背后的技术逻辑是深刻的。

互联网的本质是“连接”，连接天然具有网络效应，需要尽可能多的节点参与；而AI的本质是“优化”，优化追求的是在给定条件下的极值解，这决定了它必然具有精英化特征。

更令人担忧的是，这些“科技高塔”与实体经济之间的连接通道正在收窄变细。

互联网平台至少还需要司机、骑手、内容创作者等“河道工”来维持运转；而下一代AI系统正朝着自我训练、自我优化、自我扩展的方向发展，对外部人力资源的需求将急剧减少。

04

历史上每次重大技术革命，在摧毁旧就业的同时也会创造新就业，通常会产生新的“中间地带”——既非顶级精英也非底层劳动力的职业空间。

然而，人工智能带来的冲击却呈现不同特征。

一方面，AI对中等技能认知工作的冲击最为剧烈。

牛津大学的研究表明，那些需要中等程度教育和培训的工作（如行政支持、常规分析等）面临自动化风险最高，受影响比例超过70%。这些岗位恰恰是发达国家中产阶级的核心构成。

另一方面，AI创造的新岗位呈现出两极分化特征：

一端是需要极高专业技能的AI研发、伦理治理等岗位，数量有限且门槛极高；

另一端是难以被自动化的低技能服务工作，如护理、清洁等，这些岗位薪资增长缓慢且缺乏职业发展通道。

结果是一个沙漏型就业结构逐渐成形：顶部的精英岗位和底部的服务岗位依然存在，但中间的广阔地带正在被掏空。

这种结构对社会流动性的破坏是致命的——人们要么登上塔顶，要么坠入塔底，中间的梯子正在被撤走。

教育系统也在这场颠覆性变革中陷入困境。

传统大学教育难以跟上AI技术的迭代速度，许多学生发现入学时选择的“热门专业”到毕业时可能已经面临自动化风险。

而那些真正需要的技能，往往在大学课程体系中缺席或严重滞后。

05

这场颠覆性变革最深远的影响可能是社会权力结构的根本重组。

我们可能正在见证“算法封建主义”的兴起——一种以对算法、数据和计算资源的控制为基础的新型社会分层。

在这种新秩序中，数据成为新的土地，算法成为新的封地法律，算力成为新的武装力量。

科技巨头如同中世纪的封建领主，控制着关键的数字生产资料；普通用户则成为“数字佃农”，在享受“免费”服务的同时，不断生产训练数据这一“数字作物”。

更令人担忧的是，这种权力结构具有自我强化的天然倾向。

更多的数据产生更好的算法，更好的算法吸引更多用户，更多用户产生更多数据——一个不断扩大的循环，最终形成难以逾越的护城河。

这种权力结构的变化已经体现在经济数据中。

过去十年中，美国科技行业的利润份额翻了一番，而其就业份额仅增长不到50%。这意味着单位就业创造的经济价值急剧上升，但同时也意味着价值创造与就业创造正在脱钩。

即使是在科技公司内部，这种不平等也在加剧。

一项针对硅谷公司的调查显示，AI团队核心成员的薪酬可达普通工程师的10倍以上，而公司的清洁、安保等服务则全部外包给第三方公司，形成鲜明的“核心-边缘”二元结构。

06

面对这场正在发生的“静默”革命，社会层面的反应却显得迟钝。这背后，或有几个结构性的盲点：

首先，变革的节奏具有欺骗性。

与工业革命时期工厂烟囱拔地而起的显性变化不同，AI的冲击是分散的、渐进的。一家公司今天用AI优化客服，另一家公司明天用AI辅助招聘，这些变化单独看都不足以引起警觉，但累积效应却是革命性的。

其次，替代的隐蔽性。

当工厂自动化时，工人清楚地看到机器取代了自己的位置；而当AI逐渐接管认知工作时，过程往往是模糊的——你的工作没有被“夺走”，只是被“重新定义”或“效率优化”，直到有一天你发现自己的技能已经贬值。

第三，受益者的叙事主导。

科技乐观主义的叙事如此强大，以至于任何对技术负面影响的讨论都可能被视为“卢德主义”或“进步恐惧症”。这种叙事框架压制了对技术社会影响的全面讨论。

最后，统计指标的滞后。

传统经济指标如GDP增长、失业率等，难以捕捉这种结构性的劳动力市场转型。当“就业”统计数据看起来稳定时，“就业质量”和“工作价值”可能已经在急剧下滑。

07

面对这场静默革命，我们并非无路可走。

在完全拥抱技术的乌托邦幻想和彻底拒绝技术的卢德主义之间，可能存在一条更加平衡的“第三条道路”。

这条道路的核心是重建技术进步与社会契约之间的联系。几个可能的方向包括：

算法治理的民主化，将关键算法视为公共产品而非私有财产。欧盟的《人工智能法案》是一个初步尝试，要求高风险AI系统必须满足透明度、人类监督等要求。更进一步的可能是建立公共算法审计制度，确保关键算法决策的公平性与可问责性。

数据收益的社会化，探索数据作为新型生产资料的集体所有权模式。数据信托是一种有前景的制度设计，允许个人通过信托机构集体管理自己的数据，并与科技公司谈判收益分享。

终身学习的制度重构，将教育从“前端投入”转变为“终身权利”。一些国家正在尝试的“个人学习账户”制度值得关注，政府和企业共同为每个劳动者设立终身学习基金，可用于任何阶段的技能提升。

工作价值的重新定义，超越传统的“雇佣”概念，承认和补偿那些目前不被市场定价但对社会至关重要的劳动，如照顾工作、社区服务、环境维护等。这可能需要重新设计社会保障体系，使其与具体工作岗位脱钩。

08

技术进步的车轮从未许诺平等，但人类社会的意义恰恰在于在效率的必然性中寻找公正的可能性。

当算法以硬核的方式重构我们的经济生活时，最大的危险或许不是替代本身，而是我们在被替代的过程中，连表达省思的语言和想象替代方案的能力也一并失去。

这场颠覆性变革的最终结局，将不取决于技术的能力极限，而取决于我们是否有足够的智慧与勇气，在代码与算法之外，重写那些关于尊严、公平与共享的社会契约。

更多探讨，欢迎进读者群交流！