我們正處于AI的“撥號上網時代”

給大家分享一位國外博主 nowfal 的文章《AI's Dial-Up Era》（AI 的撥號上網時代）。

現在是1995年。

你的電腦調制解調器在嘗試連接那個叫“互聯網”的東西時發出刺耳的尖叫。也許一次就連上了，也許你得再試一次。

人類歷史上第一次，你可以在幾秒鐘內與地球另一端的人互通書信。

整個互聯網只有2000來個網站，理論上你一個周末就能全部逛完。大多數網頁只是灰底黑字，偶爾冒出一張像素化的圖片。

加載慢得殘忍：一張圖要一分鐘，一分鐘的視頻可能要幾個小時。幾乎沒人敢把信用卡號放網上。當時的鐵律：別相信網上的陌生人。

人們很快分成兩派。

樂觀派預言巨變：數字商務幾年內就會碾壓實體零售；我們很快會在虛擬現實里游蕩。

“我預計五年內，超過十分之一的人在公交、火車、飛機上戴著頭戴式電腦顯示器。”——MIT教授尼古拉斯·尼葛洛龐帝，1993

悲觀派則說，互聯網是泡沫，是曇花一現。

如果你告訴1995年的普通人：25年后，我們會更樂意在社交媒體上看陌生人發的新聞，而不是報紙；會點播流媒體而不是看有線電視；用App找對象而不是靠朋友介紹；把“別相信網上陌生人”完全翻轉，敢讓陌生人開私家車來接我們、睡他們家的空臥室——大多數人會覺得你瘋了。

我們又回到了1995年，只不過這次的主角是人工智能。

今天的爭論雙方也在犯類似的錯：一邊警告AI幾年內就會消滅整個職業、造成大規模失業；另一邊聲稱AI會創造比消滅更多的崗位；一邊把AI當成炒作的“蒸汽件”，注定泡沫破裂；另一邊預言它十年內就能自動化所有知識工作、重塑文明。

他們都只對了一半。

就業悖論：自動化到底會不會裁員，要看行業

被尊為“AI之父”之一的杰弗里·辛頓2016年警告：別再培養放射科醫生了，AI幾年內就會取代他們。

然而到2025年，美國放射科住院醫項目創紀錄地放出1208個名額，比2024年還增4%， vacancy 率史上最高；放射科醫生平均年薪52萬美元，比2015年高48%。

AI沒取代他們，反而讓他們更吃香。

研究者迪娜·穆薩指出，預測落空的關鍵在，于真實世界的復雜性：

• 放射科不只是看圖；

• 監管、保險、責任認定層層關卡；

• 更關鍵地，杰文斯悖論登場：技術讓資源利用效率飆升，反而導致總消耗量暴漲。AI讓讀片更快更便宜→更多人能拍片→放射科醫生需求不降反升。

微軟CEO納德拉、Box CEO列維都認同：AI越高效，需求越被放大。

但他們只說對一半。

首先，正如提出“vibe coding”的計算機科學家安德烈·卡帕蒂指出：放射科太復雜、高風險、強監管，不是AI短期內裁員的典型場景。

真正要先看的是那些重復、獨立、容錯高、環節短的“螺絲釘”崗位。即便如此，AI起初也只是工具，崗位會被重構，而非直接消失。

其次，“就業反而增加”這一結論因行業而異，取決于：

1. 該行業未被滿足的需求有多大、增長有多快；

2. 需求增長是否跑得過自動化帶來的生產率提升。

經濟學家詹姆斯·貝森研究了1800–2000年間紡織、鋼鐵、汽車三大行業的就業、生產率與需求曲線：

• 紡織與鋼鐵：自動化后就業先漲近百年，需求飽和后生產率繼續提高，就業斷崖式下跌。

• 汽車：全球需求遠未飽和，自動化也未完全征服產線，就業至今未現陡坡。

  
  

要回答為什么那兩個行業出現大幅下滑，而汽車制造業卻沒有，首先來看這三個行業的工人生產率：

然后，再看這三個行業的需求情況：

這些圖表揭示了一個一貫的模式（注：生產率與需求圖均為對數坐標，意味著兩者呈指數級增長）。

最初，某項服務或產品因需大量人力而價格昂貴，大多數人買不起，只能省著用。例如，19 世紀初，一般人頂多買一條褲子或一件襯衫。

隨后，自動化讓工人生產率陡增：1900 年的紡織工人產量是 1800 年的五十倍。生產率爆炸式提升拉低價格，激發出巨大新需求，于是人人都能買多套衣服，而不再是一兩套,就業與生產率同步飆升（注：就業增長掩蓋了行業內部崗位轉移與工資變化）。

一旦需求飽和，就業不再繼續上升，而是在峰值需求處維持。然而自動化持續推進，工人效率仍在提高，就業便開始下滑。

紡織業中，機械化帶來產量暴增，但當消費觸頂、自動化與生產率繼續攀升時，工人終被替代。我們大概不需要無限多的衣服；同理，無論價格多低，病人也不會需要百萬份放射報告，放射科醫師終將遭遇天花板。我們不需要無限的食物、衣服、報稅單等等。

在貝森的數據里，汽車業則呈現不同故事：需求遠未飽和，全球大多數人仍無車；自動化也尚未徹底征服制造（特斯拉撤回全自動化產線即證明當前技術邊界）。

當需求與自動化潛力雙雙高企時，即便生產率提升，就業仍可維持甚至增長。

軟件則引出了一個更有趣的問題：你究竟需要多少款應用？如果有一種軟件能按需生成應用、自主構建整個軟件生態，會發生什么？

直到今天， handcrafted（手工打造）的軟件仍是瓶頸——昂貴的軟件工程師及其高昂的人工成本，限制了企業能負擔得起的開發規模。自動化通過大幅提升這些工程師的生產率，改變了這一等式。

無論是消費者端還是企業端，軟件市場都顯示出大量未被滿足的需求：企業一直把大量項目擱置，不是因為它們沒有商業價值，而是因為開發成本太高，或者必須把有限的資源投入最高優先級的項目。

我在亞馬遜親身經歷過：成千上萬的好點子拿不到資金，并非缺乏商業潛力，而是缺乏足夠的工程師去實現。

如果人工智能能以極低的成本生產軟件，就會釋放出巨大的潛在需求。關鍵問題在于，這種需求何時、是否會飽和。

因此，可以概括為：在每個行業，就業都取決于兩股力量的賽跑——

• 未滿足市場需求的規模與增速；

• 該需求的增長是否快過自動化帶來的生產率提升。

泡沫：非理性的狂歡才能建成未來

1990年代“.com”泡沫：

• 公司只要把名字加上“.com”估值就飛；

• 千億美金砸進光纖、海底電纜；

• 2000–01年雪崩，思科、Pets.com 等灰飛煙滅。

但泡沫也留下了真正的遺產——讓后來的YouTube、Netflix、Facebook得以存在的物理基礎設施。

今天的AI熱潮同樣“浮夸”：

• 前OpenAI高管米拉·穆拉蒂的新公司，產品影子都沒，就拿到20億美元種子輪、估值100億美元；

• 一堆“AI wrapper”百萬美元融資，護城河幾乎為零。

然而，微軟、谷歌、Meta、亞馬遜四大云廠商自ChatGPT發布后，年化資本支出翻倍，合計近五千億美元砸向數據中心、芯片、電力。

泡沫與否，這些硬件會成為未來AI的“光纖”。

基礎設施投資可能具有長期價值，但我們是否已經處于泡沫之中？

科技分析師兼投資人 Azeem Azhar 提出了一個實用的框架，用五個指標來判斷 AI 是否泡沫化：經濟壓力（投資占 GDP 比重）、行業壓力（資本開支與收入比）、收入增速（翻倍時間）、估值熱度（市盈率倍數）以及資金質量（資本來源的韌性）。

他的結論是：當前 AI 仍屬于“需求驅動型繁榮”，而非泡沫；但一旦五項指標中有兩項“亮紅燈”，我們就正式進入泡沫區間。

需求確實存在——OpenAI 本身就是史上增長最快的公司之一。但光有需求擋不住泡沫。

憑借產品市場契合度，OpenAI 大概率能活下來，然而大量 AI 初創公司的單位經濟模型，正重蹈 1990 年代 dot-com 的覆轍。

Pets.com 當年也有數百萬用戶（占當時網民比例頗高），可正如科技金句所說：“只要你把 1 美元賣 85 美分，就能換來無限客戶、無限收入。”

因此，盡管需求真實，劇本可能與 90 年代相似：過度建設在所難免，若干驚天破產亦將上演。

但同樣可以肯定，基建會熬過炒作周期，為今日尚無法想象的創新鋪路。

可預測卻不可預知的未來

那么，這會把我們帶向何方？

我們仍處于 AI 革命的早期，就像當年撥號上網那“吱——”一聲的年代。

基礎設施公司曾把數十億砸進光纖，如今超大規模云廠商又把數十億砸進數據中心；初創公司在名字后加“.ai”抬估值，就像當年加“.com”。

炒作會在狂喜與絕望之間來回切換：一些預測日后看來可笑，一些看似瘋狂的卻反而保守了。

不同行業結局各異。正如杰文斯樂觀派所忽略的，人的需求一旦滿足，很多消費就會觸頂。任一行業的就業，取決于“未滿足市場需求”有多大、增長有多快，以及這份增長能否跑贏自動化帶來的生產率提升。

成本下降會解鎖新市場。金融教授阿斯沃斯·達莫達蘭曾（因）嚴重低估 Uber，只按現有出租車市場算份額，卻沒想到把打車費大幅打低后，市場本身被做大——人們會坐 Uber 去那些以前絕不會打出租車的地方。

AI 同理，會讓許多因“人力智能”太貴而做不出來的產品和服務變得可行：餐廳老板可用 AI 寫一套專屬供應鏈軟件，若請人類開發者得花 10 萬美元，他絕不會做；非營利組織可用 AI 打一場以前付不起錢的官司。

我們能預見變化，卻猜不到細節。

1995 年沒人想到我們會：網上約陌生人、坐他們的 Uber、睡他們的 Airbnb；更想不到“網紅”會成為年輕人最向往的職業。

人類的創造力總會帶來現有思維模型算不到的結果。新領域、新行業會涌現——AI 在過去五年里破譯的動物語言，比過去五十年還多。

當技術讓我們能與動物“長談”，會催生什么新職業？今天尚不存在的一種工作，很可能成為 2050 年最搶手的崗位，我們此刻還說不出它的名字。

職業類別將被重塑。互聯網讓一些崗位消失，也改造了另一些，并創造出新類別；AI 亦然。

大約半年前，有人讓我投票：五年后軟件工程師會更多還是更少？答案留給讀者。

要回答這個問題，先回到 1995，把“軟件工程師”換成“記者”：你或許因互聯網能讓新聞觸達全球而預測記者會更多——頭十年確實如此，新聞就業持續增長到 2000 年代初；但 30 年后，報紙和記者數量都大幅下降，而“新聞”總量卻史無前例地多，只是由博主、網紅、YouTuber、 newsletter 作者完成。

軟件工程師也將重演這一劇本：做“軟件工程”相關工作的人會更多；十年左右，“軟件工程師”的定義會被改寫。前面那位餐廳老板用 AI 寫了一套僅自己用的庫存軟件，他不會自稱軟件工程師。

所以，就像 1995 年一樣，如果今天的 AI 樂觀派說：25 年內，我們會更愿意看 AI 新聞而非網紅八卦、看 AI 角色而非真人演員、靠 AI 媒人（甚至 AI 戀人）找對象，并把“別信 AI”徹底翻轉到把生死決定、育兒托付給 AI，大多數人會覺得天方夜譚。

即便集合自然與人工的所有智慧，也沒人敢篤定 AI 未來長什么樣——科技 CEO 不行，AI 研究者不行，當然更不包括某個在網上高談闊論的素人。

但無論細節對錯，我們的 AI 未來正在加載中。