对话吴军：时代给了裁员一张遮羞布

来源：市场投研资讯

（来源：刘润）

最近，我们的《进化者》栏目，邀请到了吴军老师。

距离我们上次坐在这聊天，过去了差不多一年半。这一年多，整个世界的变化，却是天翻地覆。

尤其，是AI带来的各种变化。有人说，AI要颠覆世界。有人说，AI要让人失业。无论是中国还是硅谷，好像都在发生巨大的变化。

所以，我一直很想再跟他聊一聊，听听他对这些变化的观察和判断。

如果说，谁能同时看懂AI的技术变化，也看见技术背后人的处境，吴军老师一定是最合适的人之一。

他是作家，写出了《浪潮之巅》《大学之路》。是计算机科学家、投资人，曾在Google、腾讯工作。还是得到《硅谷来信》的主理人。同时，他一直与一线的科学家、工程师和创业者保持交流。

现在，他的工作就和以前不太一样。用他自己的话说。

我退到后面看了。跟年轻人接触得多，了解他们的工作状况，和他们在做的事。

换句话说，他不只在看今天的AI又做到了什么，更在看那些正在做AI、用AI的人，在经历什么。

于是，我们一聊就快三个小时。从大模型，到硅谷。从裁员，到一人公司。从中国美国的AI公司，到孩子的教育。以及，普通人在这个时代的机会。

聊到最后，我越来越觉得：

AI正在让很多事情变得容易。但真正值得投入的，依然是那些困难的事。

我想，这场对话，一定也能给你一些收获和启发。

所以，基于完整对话内容，经过编辑整理，我尽量原汁原味地梳理了出来。

今天，与你分享。

01

AI的发展，不是跳跃

刘润：吴军老师，最近这两年，AI的发展实在太快了。

几乎每隔一两个月，就有一个新模型出来。这个模型刚刚领先，另一个模型又追上来了。很多人会觉得，AI的发展就是一次又一次的跳跃。在你看来，是这样吗？

吴军：其实，一直是按部就班的发展。用数学上的话来说，它是连续的，不是跳跃函数。

刘润：可是我们这些外面的人，总觉得一天一个样。

吴军：这不奇怪。

你每天照镜子，不会觉得有什么变化。但两年不见的人突然见到你，会觉得你变化很多。其实行业里的人就像每天照镜子，看到的是连续变化。外面的人隔着一层纱，偶尔看到媒体报道一个结果，就觉得很神秘，好像世界又被颠覆了。

刘润：所以，AI确实发展得很快，但不是跳跃式。

吴军：对的。

头部企业，基本还是那些。OpenAI该怎么跟Google竞争，还是怎么竞争；Anthropic该怎么挣钱，还是怎么挣钱。偶尔有新公司出现，有新人从大公司出来创业。但整体的商业逻辑，始终没有根本变化。

刘润：那在模型排行榜上，几家头部大模型公司总是你追我赶，能领先一个月都难。这能说明，模型能力在快速质变吗？

吴军：领不领先，要看怎么衡量。

经济学上有个说法，你要得出任何结论，我都可以给你从事实出发，找出符合逻辑的一步步推理。这事也一样。只要有一套测试标准，大家就会针对性优化，最后，大家都能找到一个指标，说我是第一。测试是一回事，工作中能不能真创造利润、把工作量减小，是另一回事。

刘润：也就是说，模型进步确实快，但我们不能把每一次榜单变化，都理解成一次根本性的跳跃。

吴军：对。真正重要的，还是它在真实世界里解决了什么问题。

刘润：那现在AI有没有真正大规模地减少大家的工作量？

吴军：确实减少了。但是它又创造出了好多虚假的工作。

比如很多企业文职工作。以前人事、管理和财务流程都比较简单。后来有了办公自动化、OA系统那些，流程反而越来越复杂。当然，这不能全算在AI头上，很多技术革命都是这样。一边减少工作，又一边人为地创造很多新的工作。

刘润：所以，一家公司用了很多AI，也不等于它真的变得更好了。

吴军：对的。

AI能帮你做很多事，让大家显得很忙。但这些工作对企业到底有没有意义，还要重新判断。最后还是要回到最基础的问题：这家公司为了达成目标，到底需要做哪些事情？这么看，很多工作，本来就不需要存在。

02

时代给了裁员一张遮羞布

刘润：现在硅谷很多公司都在裁员。它们会说：AI能干活了，所以公司不需要那么多人了。

吴军：其实很多时候，只是这两件事同时发生，不代表它们有因果关系。

硅谷很多公司过去招的人，本来就太多了。

刘润：多到什么程度？

吴军：之前硅谷有投资人做过估算。保守一点说，有些公司可能多招了一半，甚至更多。

当然，不是说这些人每天完全不工作。你把任何一个人叫过来，他都能说出自己做了很多事。但真正的问题是，如果站在公司角度，这些事情到底有没有必要做？这是两回事。

刘润：为什么过去要招那么多人呢？

吴军：一个原因，是公司太挣钱了。

新技术创造出大量利润，公司就要想办法花掉一部分。因为投资人如果对利润形成太高预期，你以后就很难持续满足。那怎么花钱最快？雇人。

刘润： 而且对管理者来说，团队越大，话语权往往也越大。

吴军：对的。

一个总监想当副总裁，就会想办法把团队从200人扩大到1000人。组织就是这样一层一层膨胀起来的。有的经理只管一两个人，从组织结构上看，如果只管一个人，这个节点本来就没必要存在。

刘润：对，这很像写代码。第一年一版，第二年去迭代，第三年换架构。代码越积越多，最后谁也不敢动。

吴军：真哪天重新写一遍，你发现，可能只需要原来的十分之一。

只要利润足够丰厚，很多人就不会去审视，一项工作到底还有没有必要。

刘润：所以，今天硅谷裁掉的，很多是这些年一层层堆出来的冗余。

吴军：对的。

刘润：那为什么偏偏是现在？

吴军：AI正好提供了一个说法，也提供了一个新的花钱方向。

刘润：过去大公司太挣钱，养了太多人。现在做AI，要训练模型、购买算力，需要大量投入。所以，正好把过去臃肿的部分剪掉，把钱挪到新的方向。

吴军：对。而且从华尔街的角度看，这个故事也比较好听：我削减了过去的冗余，同时在投资未来。

刘润：所以，AI可能是裁员的时机，也可能是裁员的理由，但不一定是裁员的根本原因。

吴军：对。AI很多时候只是一个背锅侠。它是时代给的一张，裁员的遮羞布。

刘润：但对个人来说，未来因为AI被裁员的风险还在。

吴军：我觉得AI会不会让你失业，要分开看。

宏观上，如果新技术创造更多的社会财富，社会能提供的工作通常会变多。但具体到个人，失业可能不会第二天突然发生，中间还是有时间调整的。你不能等到最后，再把所有问题都归到某一次技术变化上。

03

硅谷在吵的三件事

刘润：那么，现在在硅谷，大家私下见面会讨论什么？

吴军：大概有三件事。第一个：今天的大语言模型，和李飞飞、杨立昆提出的世界模型，到底哪个才是未来。

大语言模型，本质上是用大量历史数据，预测后面可能发生什么。先做语言，是因为语言数据最容易获得，互联网里最多的就是这些东西。

刘润：没有语言之前，就有世界了。

吴军：对的。支持语言模型的人，相信哲学家维特根斯坦说的“语言的边界，就是世界的边界”。但另一派不认同。

假如派一万个人到上海街上转一个月，不提前告诉他们任何关于上海的知识，只让他们看。一个月后，他们会对上海的商业、交通和生活方式，有大量的认识。这些认识，是从真实世界里来的，而不是语言。

刘润：那大语言模型和世界模型，最简单的区别是什么？

吴军：可以把它理解成“读万卷书”和“行万里路”的关系。

还有第三种思路。不追求一个什么都能做的模型，而是针对具体任务建立模型。苍蝇只有1500个神经元，却飞得非常灵活。因为它只解决少数具体问题。什么能吃，什么会吃它，怎么躲开。当你只做真实世界里的一件特定事情，可能用很少的参数和数据，就能达到很好的效果。

刘润：不过，世界模型也有自己的问题。

吴军：对的。

你派机器人到街上学习，它可能把闯红灯、撞人这些事也学会。它看到了现实，不等于它知道什么是对，什么是错。

刘润：它是没有分辨能力的。观察世界，也不等于理解价值。

吴军：对的。

刘润：那第二个争论呢？

吴军：第二个，是AI的边界和安全。

要不要限制大公司使用AI？要不要限制政府使用AI？数据被污染以后，会不会反过来影响人的价值判断？AI能不能被用来寻找系统漏洞，攻击别人？这些问题，现在都没有真正解决。

刘润：我记得马斯克和Anthropic都曾呼吁大家放慢AI开发。

吴军：这种呼吁，也要看是谁提出来的。

这就像《核不扩散条约》，几个已经拥核的国家，呼吁其他国家不要发展核武器，基本上就是这个逻辑。东西我已经做出来了，但我不希望后来的人继续做。

刘润：了解。那第三个争论呢？

吴军：第三个其实也不算争论，基本有结论。是说：AI现在到底是在帮忙，还是在添乱。

有人说，帮忙多，能帮我干很多事。也有人说，它会误删文件，创造出不存在的业务流程。目前来看，两边说的情况，都可能存在。

刘润：那你怎么看？

吴军：帮忙肯定是帮的。但是，没有大家想象中帮得那么多。

最关键的是，它不是帮每一个人的忙，它是帮特定人的忙。

刘润：什么样的特定人？

吴军：懂的人。

04

不懂的人正在“上当受骗”

刘润：为什么AI主要帮助懂的人？很多人对AI最大的期待，就是过去我不会的东西，现在AI能帮我做了。

吴军：你可以让它帮你做。但你怎么知道它做得对不对？

刘润：AI给出的答案很流畅，看起来也很完整，很多人觉得还真像那么回事。

吴军：对的。但流畅不等于对。

就像一个医生告诉你，你得了心脏病，却不告诉你依据是什么。医生必须告诉你，是哪个指标、哪个检查、什么原因，让他得出了这个判断。不能只是看你一眼，就说你过两年要去做手术。

刘润：哎呀，太对了。AI能给一个答案，但最后还是需要一个懂的人来判断。

吴军：对。

刘润：那不懂的人呢？

吴军：现在很多人有一个误解，觉得有了AI以后，我不懂也没关系，反正AI能帮我做。

其实不是的。你不懂，你就是上当受骗。

刘润：受谁的骗？

吴军：受懂的人的骗。

我打个比方。比如说我们回到两百年前，你是地主，我是租户。我不会算数，也不会打算盘。你噼里啪啦一算，告诉我，今年应该交五袋米。我怎么知道五袋是对的，还是八袋是对的？我不知道。因为我看不懂你在算什么。最后，只会是你说多少，我就交多少。

刘润：所以，工具越复杂，不懂的人反而越容易被懂的人支配。

吴军：对。

将来很可能是，懂的人使用AI，不懂的人依赖AI。然后，不懂的人通过AI，间接依赖那些真正懂的人。

刘润：最后，懂的人跟不懂的人之间差距，反而越来越大。

吴军：更大。

刘润：所以说，AI缩小的，可能只是执行上的差距，却会扩大理解和判断上的差距。

吴军：是的。

世界上不可能有一个行业，学起来又简单，找工作又容易，然后工资还高。真正有价值的能力，一定是需要时间和门槛的。

刘润：那是不是意味着，AI时代，专业能力反而更重要了？

吴军：当然。你要成为懂这个的人，让别人通过AI间接依赖你。

05

AI创造了很多公司，但没有创造客户

刘润：但是，AI确实让很多事情变容易了。一个人的生产效率因为AI提高了，是不是意味着他能挣更多钱？

吴军：不一定。

比如，原来一个人一天只能剪一条视频，客户愿意给你1000块钱。现在你有了AI，一天能剪十条。但问题是，你能剪十条，别人也能剪十条。

刘润：视频的成本变低了，供给也就增加了。

吴军：对。因为市场是很有效的。

大家都能做以后，剪一条视频的价格，可能就降到100块钱。你一天还是挣1000块钱，只不过变成一天剪十条。

刘润：看上去工作效率提高了，但收入却好像没有增加。

吴军：甚至还可能更累。

刘润：我们以前讲过一句话，当一件事突然变得容易，恰恰是你应该警惕的时候。

经济学最底层的逻辑是，供需关系决定价格，而供需关系来自稀缺。大家都能做，说明这事不稀缺，价格自然会下来。

吴军：对。这也是亚当·斯密说的，复杂劳动价值大，简单劳动价值低。

以前操作计算机，必须是专家才能用，现在谁都能操作了。过去需要专业编辑软件，现在全交给AI。它从复杂劳动变成简单劳动，价值自然就降下来。

刘润：现在很多的一人公司，也面临几乎一样的问题。

吴军：是的。一个人带着一群AI，当然可以做很多事。但你做的多，不代表市场会凭空多出很多客户。客户需求就那么多，愿意支付的价值也就那么多。

刘润：所以，AI创造了很多公司，但是它并没有创造客户。

吴军：对。

影视行业也一样。前一阵有个业内朋友跟我说，现在用AI做动画，成本越来越低。但是呢，收入还是那么多。关键是，人的时间是一个常数。

刘润：电影、电视剧、游戏、短视频，都是娱乐，本质上都在竞争人的娱乐时间。内容供给是多了，但是，人的一天还是只有24小时。

吴军：所以，我觉得电影以后可能会变成一个小众行业。很多人去看电影，就像看球一样，把它当做一种社交。

刘润：这也是今天很多“一人公司”的困境，不只是把东西做出来，而是能不能找到一个真实问题，进入一个真实行业，然后创造客户愿意持续付费的价值。

吴军：对。客户需求就这么多，愿意支付的价值也就这么多。

刘润：AI让“做出来”变容易了。但让客户愿意付钱，依然很难。

吴军：是的。

06

人形机器人，可能是种自恋

刘润：除开一人公司，还有什么事情，是大家觉得马上就会发生，但其实没那么快的？

吴军：机器人。

刘润：人形机器人？

吴军：“人形”本身，可能就是个伪需求。

不过，这事现在不好下定论。其实我发现，人有时候特别的自恋，总觉得机器也应该长得像自己。你看，我们的眼睛不如苍蝇，鼻子不如狗，耳朵不如蝙蝠，腿不如小鹿。我们这个手，五根指头，也不一定适合所有工作。前阵子有个人采访我：怎么看待操控机器人做手术？我说，这事没必要。

刘润：为什么？

吴军：因为手太大了。真正适合做手术的，也许是两根非常精细的机械臂。

生产线也一样，现在很多工厂就在用机器人。那些工业机器人，长得都不像人，也都能把事情做好。你去看看联想的黑灯工厂，里面连灯都不需要，全靠电脑控制。

刘润：就是说，“人形”未必是最优解。

吴军：对的。

明明有简单的办法把事情做好，为什么一定要创造一个长得像人的新物种，再让它从头学习？之前有地方用机器狗救火，有的工厂用机器狗巡检，也有酒店用机器狗搬东西。你要干什么，机器就应该长成最适合完成这项任务的样子，而不是一定要照人形来。

刘润：所以，应该从任务出发，而不是从人的外形出发。

吴军：是的。

刘润：那吴军老师，你怎么看陪伴型机器人？

吴军：我最近有关注，哎呀，可贵了。

日本在这方面做了不少研究。他们发现，陪伴机器人不一定需要人形，在于它能不能说合适的话，给人恰当的反馈。比如，一个像枕头、像海绵宝宝的东西，偶尔讲两句笑话，提醒你出去走走。就让你感觉很好。

刘润：一项技术，看起来很像未来，不代表它就已经解决了真实问题。

吴军：对。

刘润：那吴军老师，你真正期待的AI应用是什么？

吴军：我期待的主要是两个，自动驾驶和医疗。

自动驾驶能减少交通事故，也能解决公共交通和货运中的很多问题。医疗上，现在研发新药周期太长，成本太高。如果AI能帮我们做研究，搞清楚基因和疾病的关系，它的价值就会非常大。

刘润：我试着概括一下，吴军老师看看对不对。

你真正期待的AI应用，不是让它帮我们多写十份报告，而是解决过去只靠人类智力，很难解决的问题。

吴军：是的。

07

从想法到现实，只隔着三个人

刘润：我想替现在很多家长问一个问题：很多人说编程好像都要被AI替代了，那孩子还要不要学计算机？

吴军：首先，要看孩子擅长什么。

如果数学完全学不好，对计算机也没有兴趣，只是听说工资高，就逼着他学，他也不一定能挣到这份钱。但如果本来就是理科生，数学基础不错，可以学物理，也可以学计算机，那学计算机当然是一个不错的选择。从长远上看，我自己有个观察，可能越往后，“算”这件事会比“写”这件事，相对来讲用得更多，可能经济上也受益更高。

刘润：怎么理解？

吴军：AI会写代码，不等于它会解决问题。

我有个朋友，在上海做一家企业数据处理公司，挺成功的。他公司里分三类工作：MBA、程序员、数学建模。这么分是因为，他接的都是企业级任务。第一步，是先派MBA去到企业里，弄清楚这家公司的商业逻辑。

刘润：这其实是咨询公司的活了。

吴军：没错。MBA了解清楚后，再交给搞数学的建模，最后让程序员写出来。

现在，程序员的部分工作，也许可以被AI替代。但是前面的两部分，还是需要一些人的脑力。

刘润：对的，吴军老师你说的这个，跟我们最近在做的事高度吻合。我们说，从想法到现实，中间其实隔着三个人：产品经理、架构师、程序员。

产品经理干的就是咨询公司的活，现场调研，梳理流程，找到痛点和高价值的需求；架构师干的是设计方案，知道用什么结构、什么算法、什么模型解决；最后才是程序员，一行一行地写出来。今天，AI大幅降低了最后一步的成本。

吴军：现在相当于它帮你打字，你读完了，看看对不对。

刘润：是的。过去，一家公司里可能有一个“价值200万的问题”。

老板觉得，能解决太好了。于是找一家外包公司开发，对方一报价，500万元。老板一算，不划算，算了。今天有了AI写代码，开发成本可能从500万元降到50万元。原来被埋掉的200万元需求，就重新浮现出来了。所以，AI让写代码本身变得便宜。那些过去做起来不划算的事情，现在可以做了。真正变值钱的，是那些能把需求找出来、设计方案、下判断的人。

吴军：对。我们举个例子，这就像做柜子。以前用锯子锯、手拧螺丝。现在用电动工具。工具提高了效率，但你还是得知道柜子应该怎么做。尺寸想错了，照样要返工。

刘润：AI降低了执行的门槛，却提高了理解问题和定义问题的价值。

吴军：对。工具再好，脑瓜子还是得好使。

刘润：所以，脑瓜子好使，会找到问题、设计方案的人，反而会越来越值钱。

吴军：对的。

08

机会，都伪装成困难的样子

刘润：聊了这么久，我还有个很个人的问题想问问吴军老师。

今天很多人很焦虑，但每次见到吴军老师，都觉得你好像一点都不焦虑。这种状态，怎么做到的？

吴军：除死无大难嘛。

这世界上的很多事，总能过去。而且你要是反过来看，就会发现，世界上绝大部分人都在不断犯错。

刘润：别人犯错，怎么能让自己不焦虑？

吴军：因为有些时候，别人失去的机会，就是你的机会。

我在得到上开了一门财商课。讲到最后的时候，告诉大家，你不要相信自己能够找到一个别人看不到的好的投资机会。这几乎是不可能的。你只要不跟着折腾，长期来看，结果可能就比大多数人好。

刘润：就是说，不一定非要比别人聪明。可以先少犯一些，大多数人都会犯的错误。

吴军：对。大家都奔向地狱，你不要跟着一起跑。但也不要倒着跑，因为人家会把你踩死。你站在旁边看就行了。看他们为什么跑，最后去了哪里。

刘润：除了少犯错，还有什么很重要？

吴军：还有一个很重要的差别，是你站在消费端，还是站在生产端。

很多孩子看到一个喜欢的东西，第一反应是，我要怎么省钱把它买下来。但是，有些商人家庭的孩子，从小看到的是：这个东西怎么生产？成本是多少？为什么能卖这么贵？我怎么做一个出来，卖给别人？这是两种完全不同的思维方式。

刘润：一个想的是，怎么把钱花出去。另一个想的是，怎么创造一个别人愿意付钱的东西。

吴军：对。你如果真想做到头部，就要有头部的思维方式。不能永远是省一点钱，去买一个更便宜的东西。

刘润：所以，我一直觉得，一个人最好能养成一些创造型爱好，而不是只有消费型爱好。

消费型爱好，是买到一个东西，我很开心。创造型爱好，是我写出一篇文章，做出一把椅子，我很开心。同样是快乐，前者停在交易系统末端。而后者更容易让你进入生产和创造价值的过程。

吴军：对。

刘润：但很多人还是希望，能找到一个很简单、很容易、所有人都没发现的机会。

吴军：因为人都希望，不付出太多，就得到很大的结果。

但是，如果一个机会80%的人都拿到了，那它就不是机会了。

刘润：所以，陷阱往往伪装成机会的样子。而机会，往往伪装成困难的样子。

吴军：这句话说得很好。

刘润：上帝可能给了一个人很多次机会。只不过，每一次机会来的时候，都长得像困难。要学很久，要承担责任，要面对不确定，要做别人不愿意做的事情。于是，大部分人看了一眼，转身去找那个更容易的。

吴军：对。任何时代都有机会。

但是，特立独行不是天马行空地乱想。你还是要从真实世界出发，做符合逻辑的判断。

刘润：所以，在这个很多事情都变得越来越容易的时代，我们真正应该做的，是去找那些依然困难的事。

找到那些仍然需要理解、需要判断、需要长期投入的事情。

吴军：是的。困难背后，往往就是机会。

将近三个小时的对话，很快就过去了。

但吴军老师，依然很松弛。

这种松弛，来自一种确定感，他知道，变化一定会发生。一些旧工作会消失，一些旧公司会倒下，一些人可能被甩在后面。同时，他也知道，技术每替代一种旧能力，也会重新定义一种新的稀缺。

感谢吴军老师的分享。也感谢让我有机会问出那些憋在心里的问题。今天的AI到底做到什么程度？那些做AI、用AI的人在经历什么？孩子的教育怎么选？普通人的机会在哪里？

这些，也是最近一两年我常被问到的问题。现在，吴军老师给了一些参考答案。

所以，我试着帮你总结一下。

1）别急着把一切都怪到AI头上。

模型更新、公司裁员、岗位变化，可能同时发生，但同时发生不等于存在因果关系。遇到变化，先问清楚：真正的原因是什么？别被一个最流行、也最好讲的故事带着走。

2）AI可以替你给答案，但不能替你验答案。

你可以让它写代码、做方案、分析问题。但至少要能够判断，它有没有胡说。否则，你不是在使用AI，只是在依赖一个自己无法验证的答案。

3）AI提高效率，不等于创造价值。

一个人能做十个人的工作，不代表市场会凭空多出十倍客户。别只问“我能做多少”，还要问“有没有人愿意持续付钱”。

4）单纯的执行，会越来越便宜。

真正值得长期积累的，是理解一个行业，发现一个真实问题，把需求说清楚，设计出可行的方案，最后把问题真正解决掉。

可以预见，世界还会继续变容易。

写一段代码，会更容易。做一张图片，会更容易。生成十个方案，会更容易。一个人完成过去十个人的任务，也会更容易。

但是，发现一个真实问题，依然很难。判断什么是对的，依然很难。让客户愿意付钱，依然很难。为最后的结果负责，依然很难。

幸好，困难还在。因为只要困难还在，机会就没有消失。

去找它。然后，解决它。

观点/ 刘润、吴军 主笔/ 海盐 版面 / 黄静