本文来自微信公众号：最小可读，作者：汐笺，题图来自：AI生成
不知道从什么时候开始，中国春节似乎成了大家约定俗成，用来发布和 AI 相关的重要信息的窗口。
2 月 22 日，一份由独立投资研究机构 Citrini Research 发布了题为《2028 全球智能危机：来自未来的金融史思想实验》（The 2028 Global Intelligence Crisis）的宏观情景推演备忘录 。
该报告以“2028年6月”的未来倒叙视角，构建了一个AI技术大获成功、但随之引发白领阶层大规模失业、消费体系崩溃及系统性信贷危机的反乌托邦经济模型 。
该报告在社交媒体平台X（原Twitter）上迅速获得了超过 2200 万次的浏览量，引发了投资界极大的焦虑 。
在 2025 年 9 月，我曾经写过一篇短文《一个避免被 AI 取代的新思路，逆练上下文工程》，论述个人应该如何应对 AI 替代的问题，今天这篇文章会从更加宏观的视角尝试分析这个问题。
我们究竟该如何面对人工智能造成的技能替代和失业。
失业只是大模型造成的最不严重的后果
大模型的帮助下，一家公司实现用户数量过亿的速度远超以往任何时代，团队规模不但可以得到很大程度的精简，就连企业发展的速度也会被 AI 充分提速。
知名 AI 编程软件 Windsurf在发布 4个月内用户数破百万、年度经常性收入（ARR）超过1亿美元、企业客户数量超过1000家。Windsurf的团队仅有不到160人，最终以30亿美元的估值卖身OpenAI，这也成为OpenAI史上规模最大的收购[1]。
2025 年1 月 DeepSeek 用户增长达1.25亿（含网站（Web）、应用（App）累加不去重），其中，80%以上用户来自1月最后一周，即DeepSeek在没有任何广告投放情况下实现了7天完成1亿用户增长[2]。
OpenAI 的 CEO Sam Altman 曾预言：“很快我们会看到市值十亿美元的单人公司。”
既然一个人可以开创 10 亿美元的公司，那么市面上那些 10 亿美元市值的公司还需要维持成百上千的雇员吗？
如果一个人加上 AI 就能创造过去一千人的产值，那么剩下的 999 人去哪了？
预言 AI 将在未来 10 至 20 年大规模替代人类，并非 OpenAI 一家之言。
IMF、麦肯锡等组织都曾做出类似预测。用 Google 搜索 AI 替代人类，甚至能找到一份媒体报告，总结了近 60 个组织的相关预测 [3]。
更可怕的事情在于，这种 AI 对人力的替代是不均匀的。
根据哈弗大学的论文《Generative AI as Seniority-Biased Technological Change: Evidence from U.S. R´esum´e and Job Posting Data》显示，自从 2022 年后，积极进取采用 AI 技术的公司初阶员工的招聘人数呈现断崖式的下跌，论文的数据通过 AB 实验的方法，排除掉了宏观经济、行业等外部因素 [4]。
根据数据来看，这种对初级员工的替代现象不仅仅出现在了信息行业，也出现在金融，教育，零售等行业。
在零售行业，拥抱 AI 的公司会比自己的同行减少 40%的初级岗位，这符合技术替代的逻辑，因为文员、客服等高重复性角色，天然位于 AI 自动化能力的靶心。
但随之而来的问题是：如果没有初级工程师，未来如何产生高级工程师？
在传统模式下，企业既是生产单位，也是培训单位。以软件工程为例，初级工程师的产出往往低于其薪资成本，且需要高级工程师花费时间进行代码审查。
企业愿意承担这一成本，是将其视为对未来人才的期权投资——通过现在的亏损，培养未来的骨干。这是一种隐形的学徒制。
但在大模型时代，这一逻辑失效。
GitHub Copilot 或 Claude 3.5 Sonnet 编写基础代码的速度和质量，已经超过了绝大多数初级工程师。对于企业而言，雇佣初级员工的必要性大幅下降。这将导致初级岗位在就业市场中大幅减少。
然而人类掌握复杂技能需要遵循“一万小时定律”，通过大量低级、重复的练习来建立直觉。大模型剥夺了人类进行基础训练的机会。
乐观的看，在 AI 的帮助下新人学习的速度应该会更加快，也许能抹平新手和老手之间的差异，但是这种乐观很快也被打破了。
让我们看看 AI 编程领域最权威的公司 Anthropic，也就是 claude 模型的母公司是怎么说的。
该公司于 2026 年年初发布了一篇论文《AI 如何影响技能形成》[5]。
研究人员招募了 50 多位资深 Python 程序员，进行了一场残酷的对照实验。任务是掌握一个陌生的异步编程库 Trio——模拟了职场中常见的“被迫快速学习新工具”场景。
程序员被分成了两组：一组是只能查阅文档的“苦行僧”，另一组则是配备了 GPT-4o 的“超级个体”。
任务结束后，所有人都参加了一场原本用于检验“学习成果”的考试。考试内容包括编程语法、对代码逻辑的理解、阅读代码的能力，以及调试（Debugging）能力。
数据显示，拥有 AI 加持的程序员，在随后的能力测试中，平均得分比纯手写组低了 17%。
这种能力的衰退在“调试”（Debugging）环节尤为显著。这揭示了一个被忽视的风险：当代码不再由你的大脑生成，你便失去了对代码逻辑的掌控权。你不再是创造者，而仅仅是一个无法理解机器黑箱的“操作员”。
更具讽刺意味的是，“Vibe Coding”原本承诺的效率红利，在数据面前也被证伪。
许多人辩解：“虽然我变菜了，但我变快了。”然而 Anthropic 的报告显示，AI 组的平均耗时（23分钟）与手动组（24.7分钟）在统计学上几乎没有差异。
这篇论文告诉我们一个残酷的真相：如果在学习新东西时过度依赖 AI，不仅不会变快，核心能力还会出现显著退化。
反过来说，这篇论文也证明了一件事情，初级员工在工作中的实践学习，对于他们的成长和晋升来说至关重要，AI 把他们“手写”的机会剥夺了，不仅仅剥夺的是工作，很大程度上也剥夺了他们的学习的机会，以及一个通过劳动获得美好未来的机会。
未来的职场可能出现两极分化：一端是极少数在 AI 普及前完成技能积累的精英，另一端是大量因缺乏实践机会而无法晋升，甚至无法找到工作的底层执行者。
长远来看，对于整个社会来说这种对 AI 的依赖将导致技能传承的断裂，是对我们整个社会的“教育体系”提出的重大挑战。
大模型催生终产者
比起瓦解所谓的培养体系，大模型带来的技术进步还可能让企业进入无限扩张的阶段，这是更让人值得思考的问题。
刘慈欣在《赡养人类》中描述的“终产者”概念高度吻合：在技术极度发达、生产效率极高的条件下，最终可能出现一个拥有绝大部分社会财富和生产资料的超级主体。
实际上当前社会之所以没有产生这样的终产者，很大程度上都归功于科层制。科层制的解体不仅仅会导致就业问题，还会造成所有的经济活动被彻底垄断。
要理解上面的逻辑，需要回到 1937 年罗纳德·科斯（Ronald Coase）在《企业的性质》中提出的理论。
企业之所以存在，是为了降低市场交易成本。在市场上频繁寻找合作方、讨价还价、签订合同的成本过高，因此人们建立企业，用内部行政指令替代市场价格机制。
为了处理企业内部复杂的指令传输，科层制应运而生。经理、总监、VP 等中间管理层，本质上是信息的路由器和过滤器。他们负责将高层战略拆解为执行指令，并将基层反馈提炼为决策依据。
然而，科层制本身也有成本。诺贝尔奖得主赫伯特·西蒙（Herbert Simon）指出，随着组织规模扩大，信息传递的损耗和扭曲会急剧上升，导致决策效率下降。这就是所谓的“大企业病”。
根据科斯定理，企业的边界取决于内部管理成本与外部交易成本的平衡点。当内部管理效率低于市场交易效率时，企业就会停止扩张。
这也是目前巨头企业虽然庞大，但无法垄断一切的原因——随着人数增加，管理难度呈指数级上升，人效必然下降。企业自身的“重力”使得企业无法垄断一切。
大模型的出现，改变了这一成本结构。AI 具备极高的信息吞吐量。一个拥有长上下文窗口（Context Window）的智能体，可以极低成本阅读海量文档、代码和历史决策，并直接向执行单元分发指令，且不会出现人类的推诿、疲劳或信息失真。
如果一家公司的核心决策层，可以通过 AI 智能体直接调度全球范围内的供应链和生产，而无需经过中间管理层的层层衰减，那么这家企业的管理半径理论上可以是无限的。
一家公司可以无限扩张，吞噬掉上下游所有环节，涉足所有有利可图的领域，而不会像传统财阀那样死于大企业病。
这意味着，企业规模不再受制于管理效率的递减。这同时也意味着也许我们能看到科层制的终结，毕竟很多时候完成巨大的工作量并不需要那么多的人工了，那么科层制的瓦解也是必然的。
目前的商业竞争，本质上是比拼谁的组织效率更高。但在大模型加持下，如果出现了一个管理成本近乎为零的组织，它对传统企业的打击将是毁灭性的。
在 AI 的辅助下，一家极其高效的超级企业可以无限扩张，吞噬掉所有低效的竞争对手，直到占据整个市场的生态位。
科层制固然是低效的，但这种低效在客观上起到了“反垄断”作用，并“仁慈”地养活了数以万计的中层管理者和普通员工。
大模型对科层制的摧毁，本质上是生产力对生产关系的重塑。
它消除了中间环节的摩擦，但也移除了普通劳动者向上流动的阶梯。同时，它打破了限制企业规模的天然屏障，使得“赢家通吃”的局面可能演变为“赢家独吞”。
在这种结构下，普通人的价值被重新定义。对于绝大多数人而言，如果没有能力构建复杂的上下文环境来驾驭 AI，通过出卖初级劳动力换取报酬的路径将变得越来越窄。
极端垄断后的农业工人待遇
未来是什么样的呢？有没有某一个行业生产力极度发达，并且行业内垄断极其严重呢？还真有。
私以为农业从业者的现状也许就是在大模型铺开之后，软件从业者乃至全社会所有工薪阶层的普遍境遇。
提到现代农业，我们很容易会联想到地理教科书上面写的那些话，土地集约化，大规模生产，农场主不是农民，是小老板。
在科幻电影《星际穿越》中，哪怕人类正在经历史上最大的环境危机，种地依然显得岁月静好。
然而现实却是农场主正遭受两面夹击：上游生产资料被寡头垄断，不断涨价；下游销售渠道被巨头控制，极力压价。
某种角度来说农业生产早就不是市场经济了。
先看看上游生产资料的获取方面。
在传统农业中，农民保留上一季种子用于来年播种，这是几千年来自然循环。但在现代生物技术加持下，转基因种子往往被设计成“绝育”或受到极其严格专利保护。
根据国际可持续粮食系统专家小组（IPES-Food）发布的报告《Too Big to Feed》，全球商业种子市场超过 60% 份额、农化产品 70% 份额，仅掌握在四家跨国巨头手中：拜耳（Bayer）、科迪华（Corteva）、中国化工（ChemChina）和巴斯夫（BASF）[6]。
这种极端的垄断带来的效果就是种子、化肥、农机价格的不断攀升。
美国农业部（USDA）数据显示，从 1990 年到 2020 年，农作物种子价格上涨幅度远超通胀，部分作物种子成本翻了数倍。
销售渠道层面，农民会更加被动，因为农产品有 3 个特性：
1. 农产品有保质期
工业品库存积压的结果是折旧，农产品库存积压的结果是价格归零。
这赋予了收购方至高无上的权力：等待权。
在谈判桌上，拥有冷库、加工厂和资本的大公司可以等待；手里捧着烂番茄的农民等不起。
这种时间上的不对称，迫使农民必须接受报价，无论多低。
2. 农产品价值密度低
一吨芯片价值数百万，运费几乎可以忽略不计；一吨甘蔗才几百块，运费占比极高。
这就划定了一个物理上的“销售半径”。如果你种甘蔗，你只能卖给方圆 50 公里内糖厂。超出这个距离，运费将吃掉所有利润。
这在经济地理学上被称为“空间买方垄断”。在这个半径内，往往只有一家加工厂或粮库。对于该区域农民而言，这家工厂就是唯一上帝。即使全国有十家粮商，但如果你的村子周围只有一家，全国市场的竞争对你毫无意义。
3. 刚性需求规模
粮价跌一半，人不会一天吃六顿饭；粮价涨一倍，人也不能不吃饭。
这意味着只要有微小的供应缺口，农产品价格都会剧烈波动。
农产品的特性对于大型农企来说是可以攫取暴利的良机，然而对于分散的小农户来说，他们面对的是一个悖论：丰收时，由于需求不增加，价格暴跌（谷贱伤农）；欠收时，虽然价格上涨，但手里没货。
可以说在现代农业生产中，《多收了三五斗》中农民的窘迫状况并没有任何改善。
农民想要突破这样的困境，必须进一步扩大土地规模，集约化生产，才能修的起自己的冷库，买得起足够昂贵的农机，只有超大规模工业化农场，才能分摊昂贵技术成本，足够高的生产效率才能保证自己能够获得一点点规模化带来的利润。对于那些经营规模没那么大的农民来说，破产是唯一的选项。
根据美国农业部（USDA）发布的《2022 Census of Agriculture》统计，2022 年美国农场总数为 190 万个。相比 2017 年减少了 14.2 万个（下降 7%）。如果把时间拉长，1935 年美国有 680 万个农场，至今已消失了72%。
所有规模类别的农场数量都在减少，唯独那些面积超过5，000英亩（约20平方公里）的超大型农场数量在增加 [7]。
大部分失地的农场主会被迫受雇于收购他们土地的大型农业公司，或者变成季节性的操作农机的工人。
当然这并不是结局，更糟糕的还在后头。
农村地区的人均阿片类药物处方量远高于城市 [8]，因为长期从事农业的人，普遍患有慢性背痛、关节炎等职业病。
土地最终失去，劳作不再需要，身体的疼痛和精神的绝望交织，原本的“止痛”迅速转化为“成瘾”。
农民失去了土地，失去了劳动自主权，失去了身体健康，最后还要失去尊严。
中国古代王朝末期土地兼并到极致，也不够如此。
农业的今天，所有人的明天
文章写到这里可能很多人会奇怪，为什么一篇关于人工智能的文章要花费如此多的笔墨来撰写现代农业生产？
因为农业的今天，正是所有产业的明天。大模型将显著加速这一过程。
原因有二。
其一，大模型的加持下，绝大多数产业产能将迅速过剩，进而撞上“刚性需求规模”的铁壁。
以内容产业为例，即便 AI 让优质内容/产品呈指数级增长，人类注意力终归有限。全中国每人每天刷 6 小时抖音已是生理极限，再多的时间也变不出来。
这意味着，生产者卷生卷死制造更多内容，除了增加平台生态丰富度、赋予平台更高定价权外，对自身毫无裨益。
回看前文提到的农业困境，AI 时代的从业者正面临完全相同的死局：
首先是定价权与准入权的丧失。
现代农民无法决定种子的价格，甚至无法决定是否拥有种子。在 AI 时代，掌握核心模型的大公司同样拥有“开关权”。
你的产品或许很棒，但如果 Claude 不对中国地区开放，或者 OpenAI 决定封禁你的 API 接口，业务瞬间就会像断了水的庄稼一样枯死。
这种对上游生产资料（模型算力）的绝对依赖，让下游应用层公司毫无议价能力。
其次是销售渠道的“空间买方垄断”。
农民受限于 50 公里的运输半径，只能卖给唯一的糖厂。而在数字世界，物理半径变成了算法半径。
尽管互联网理论上连接全球，但如果没有算法推荐，你的产品在数字世界就是隐形的。平台是唯一的收购商，它决定了你的劳动价值是几百万还是零。
最后是库存积压的归零效应。
农产品卖不出去会烂在手里，内容若无人消费，其价值耗散得比烂番茄还快，毕竟内容本身基本上都是具有时效性的。
在供需极度不平衡的市场里，拥有流量分配权的平台可以无限期等待，而急需变现的开发者和创作者等不起。
其二，现代农民并非传统语境下的自耕农，本质是背负资产的小企业主或农业工人。
这种身份困境，与现代社会其他产业分工如出一辙。
千万不要觉得身为“小公司”或“独立工作室”就能幸免于难。农业生产的历史告诉我们，大公司剥削的恰恰就是小农场主，直到把他们剥削成一无所有的农业工人。
未来的产业格局将极其残酷：垄断巨头一头控制生产资料（大模型、云算力），一头控制消费终端（用户注意力）。在大模型的加持之下，平台很快会成为类似于“终产者”那样的巨型企业，就好像四大农企对农业领域的垄断一样，把社会的方方面面都垄断起来。
夹在中间的 MCN 机构、SaaS 公司、独立开发者，就像那些拼命贷款买农机的小农场主。他们看似拥有资产，实则是在为平台打工。
平台向 MCN 收租，MCN 向创作者收租，创作者向算法乞讨。
在这个过程中，平台的优势还会不断增加，消费者使用 AI、创作内容、在平台上交互本质是在无偿劳动——数据被用来训练模型，增强平台的统治力。
比起农业生产更可怕的一点在于，如果仅仅是平台垄断了销售渠道与定价权，那还是“垄断资本主义”。但实际上这种控制权超越了经济范畴，进入了规则制定的范畴。
想象一下，如果你生活在一个城市里，供水公司（资本家）不仅收你水费，而且：
决定你喝水的方式：它可以监控你每一口水是怎么喝的（数据监控）。
决定谁能喝水：如果它不喜欢你，或者你没给它足够的好处，它可以直接切断你的水源（封号、降权、下架）。
双向收费：它不仅向喝水的人收费，还向所有想卖水杯的人收“入场费”（30% 苹果税）。
由于数字空间天然的“赢家通吃”属性，导致原本应属于公共基础设施（如市场、支付、交流渠道）的“数字水电煤”，被少数私人公司彻底垄断。
当然不能说平台天然就是邪恶的，就好像平台很多时候的封号、降权和下架行为初衷都是为了维护消费者的利益，十几年前中国黑出租问题不断，现在有了滴滴这样的垄断出行平台，大家对于出租车最大的吐槽已经从“随意加价/拒载”转变成了“味道不好闻”，不知道进步了多少倍。
只是当这些公司不再通过卖产品赚钱，而是通过控制这些基础设施，向所有在此生存的人收取“买路钱”（地租），并且施加了调控手段，无论他们出于什么样的出发点做出这些动作，从结果来说已经形成了类似中世纪领主与农奴的依附关系。
这就是希腊前财长 Yanis Varoufakis 所描述的“技术封建主义”。
大模型并不是造成这些现象的根因，毕竟技术封建主义这个词提出来的时候大模型还未崭露头角，但大模型会显著加速这个过程。
不能指望市场会自动调节这场变革
行文至此，很多人可能会觉得这篇文章是不是在危言耸听。
很多人会习惯性地把历史上的工业革命的逻辑套入到这一次 AI 革命内，认为大模型带来的效果虽然会让一小部分人走上神坛，但是最终会让大部分人受益。
对于这个结论我是持怀疑态度的，尽管我非常希望这些人的结论就是正确的，但是实际上还是很难做到这么乐观，原因如下：
1. 大模型对所有行业都会有挤出效应。
和以前的工业革命不同，农民失地了会进入城市成为工人，虽然说这日子不见得比原来当农民好过多少，但是多多少少还是会产生更多的新岗位。
然而大模型的挤出效应几乎是对全行业生效的，这是一个非常基础性的变革。
2. 我们当前面临的是生产过剩的危机。
历史上的工业革命，信息革命之所以可以快速带来普惠，有一个很重要的原因是当时整个全球来看面临的还是生产不足的危机。
以互联网信息革命为例子，这场革命自是二十世纪 80 年代开始的，刚巧碰上了中国改革开放，13 亿人口的统一市场是非常难得的机遇。
而现在我们要面对的问题是移动互联网人均时长见顶的困境，就像我在上文提到的，我们很快会因为产能过剩导致撞上刚性需求规模，哪怕有再多的短视频，用户也没时间看了。
3. 就算是以往的工业革命中，被机器替代的工人们日子也是非常难过的。
机器纺纱普及以后，导致纺织工人们产生大规模、长时期技术性失业，尤其是对女性而言。新生工厂纺织业所创造就业岗位，远不足以弥补失去工作。
1806 年时，纺织工周平均工资是 240 便士，到 1835 年，他们周平均工资约为 60 便士[9]。
4. 极大地生产力不等于人均可以获得极大财富。
还是拿农业举例子。我们经常可以看到一个说法，叫做全球的粮食产量足够养活 100 亿人，有 1/3 的食品被发达国家的国民浪费等等类似的说法。本文不会用这么粗糙的数据来指责分配不均匀，因为全球粮食问题是一个涉及到多个国家、基础建设、粮食运输等大量问题构成的一个综合问题。
我就说一个国家，美国的食品分配问题。
美国农业部（USDA）经济研究局发布的报告：《2023年美国家庭粮食安全状况》（Household Food Security in the United States in 2023）显示，2023年，美国有13.5%的家庭（约1800万户）处于“粮食不安全”状态。
这意味着这些家庭在一年中的某些时候，由于缺乏金钱或其他资源，无法为家庭成员提供足够的食物。其中，有650万户家庭处于“非常低的粮食安全”水平。
哪怕在食物多的根本吃不完的美国，也还是会有人饿肚子。
本文花费诸多篇幅强调现代农业的现状，其实是想强调，文章的重点不是关于失业的讨论，也不是关于人类怎么和 AI 协作的讨论，是关于在极高生产力条件下，社会财富如何分配的根本性问题。
如果农业生产的今天就是所有产业的明天，当 AI 推广之后，上面这些数字只会更加触目惊心。
AI 解决的从来只是生产力的问题，如果我们乐观的认为 AI 也会解决分配问题那就是痴人说梦。如果我们不重视分配问题，不重视技术进步带来的失业/就业困难，那么生产力进步带来的只会是更大的贫富差距。
所谓的技术进步让大多数人受益，从来不是自然发生的，它需要无数人的努力。
如果只是看目前世界上绝大部分国家在农业领域交出的答卷，基本上都是负分。生产端极端垄断，分配端哪怕最发达的国家也有接近 13.5% 的家庭会被饥饿困扰。
但是还真有一个国家不太一样，那就是中国。
2020年后，中国宣布消除了绝对贫困，意味着从统计上讲，因贫困导致的“长期饥饿”已被清零。
所以我们有理由相信，面对 AI 造成的普遍性的失业问题，中国政府会比美国政府处理的更好！中国相比于美国发展人工智能最大的优势就是制度优势！
还得是咱们伟大的祖国啊，牛逼！
参考文献：
[1] 160人卖了217亿，AI应用首个大额套现项目，CEO解密成功秘诀
https://36kr.com/p/3281084272272256
[2] AI产品数据对比：一分没花的DeepSeek一骑绝尘，Kimi六小龙花钱还受伤
https://finance.sina.com.cn/roll/2025-02-08/doc-ineiuwqr8517923.shtml
[3] 60+ Stats On AI Replacing Jobs (2025)
https://explodingtopics.com/blog/ai-replacing-jobs
[4] Generative AI as Seniority-Biased Technological Change: Evidence from U.S. R´esum´e and Job Posting Data
https://www.rivista.ai/wp-content/uploads/2025/10/ssrn-5425555.pdf
[5] Vibe Coding，是怎么「玩废」程序员的？
https://mp.weixin.qq.com/s/5LP9E6A__gsJvuNS1QGonw
[6] TOO BIG TO FEED
https://www.ipes-food.org/_img/upload/files/Concentration_FullReport.pdf
[7] 2022 Census of Agriculture
https://www.nass.usda.gov/Publications/AgCensus/2022/index.php
[8] Empire of Pain: The Secret History of the Sackler Dynasty
https://www.supersummary.com/empire-of-pain/summary/?locale=zh_CN
[9] What happens to the weavers? Lessons for AI from the Industrial Revolution
https://knowablemagazine.org/content/article/society/2025/ai-jobs-economy-lessons-from-industrial-revolution
本文来自微信公众号：最小可读，作者：汐笺