硅谷大裁员后，有人把奥特曼家烧了

"每个人都是实验者，而实验者不应妄下论断。许多问题的答案，只能边走边找。"

  文 / 巴九灵（微信公众号：吴晓波频道）

短短三天内，OpenAI 创始人奥特曼的家遭遇了两次袭击。

4 月 12 日凌晨，两个二十岁出头的年轻人，将一辆本田轿车开到奥特曼家门口。副驾驶座上的人将手伸出车窗外，向房屋开了一枪。

就在三天前，这栋位于旧金山、价值 2700 万美元的豪宅被人投掷燃烧弹起火。

图源：NBC News

向奥特曼家投掷燃烧弹的也是一名 20 岁男子，他把这场袭击视为"人类对抗 AI 的圣战"。他曾在社交媒体上激愤地指责 OpenAI 等科技巨头是"人类文明的叛徒"，称" AI 军备竞赛最终会导致人类灭绝，现在不反抗，未来就没有机会了"。

越来越多人觉得他并非危言耸听。今年 2 月，研究机构 Citrini 在一篇《2028 年全球智能危机》报告里写道，AI 替代人类工作，将导致 2027 年底美国的失业率从现在的 4.3% 上升到 10.2%。

对" AI 末世论"的恐惧，开始甚嚣尘上。

1

裁员潮来了

恐慌主要来自两个词：裁员和"蒸馏"。

根据日经亚洲的统计数据，今年以来全球科技行业裁员人数已经达到 8 万人左右，创下了近三年单季度高峰；其中近 4 万个职位的裁撤，被企业归因于 AI 与工作流自动化带来的人力需求缩减。

技术革命往往伴随阵痛，但这是史上最猝不及防的一次。从瓦特改良蒸汽机到英国爆发工人打砸机器的卢德运动，经历了 60 年时间；而从 ChatGPT 为大众所知，到今天科技巨头"史上最大规模裁员"，仅仅过了 3 年。

裁员理由，除了众所周知的"活儿都可以让 AI 干了"，如今还多了一项"优秀的离职员工可以被蒸馏技能"。

蒸馏是个 AI 行业术语，指把更优秀的模型输出的内容，喂给水平更差的模型，让后者模仿和学习前者的行为和判断逻辑。

现在，它多了一层意思：把人类输出的内容喂给 AI，让它模仿人类。

最近 GitHub 开发者社区里，出现了一个叫"同事 .skill "的热门项目，本质就是指示 AI 去蒸馏同事。大家构想，AI 充分学习了人类的工作资料以后，就能"把离职的同事炼化成智能体，让他 / 她永远留在公司。"

社交媒体充斥着这样的故事和亲身经历，" AI 末世论"有了散播恐慌的温床。

从劳动分工来看，" AI 末世"中第一个被迫出局的，是基层白领。

OpenAI 联合创始人 Andrej Karpathy 对美国 342 个职业做了一次 AI 替代风险暴露度评分，发现有 41% 的劳工落在高风险区，其中财务、文员、信息服务等是重灾区。

第二批淘汰的，是中层管理者。

4 月初，美国金融科技公司 Block 的 CEO 杰克 · 多西发表了一篇观点十分激进的文章，认为 AI 时代的终极组织形态是科层制的彻底消失。公司的核心是 AI 超级大脑，能分析数据、感知和思考客户需求，然后直接分配任务，不再需要庞大的中层群体来上传下达。

他认为，过去公司的效率瓶颈是信息在人类层级中流动的速度太慢。如果拆除这些层级，让信息在 AI 系统中光速流动，企业就会快如闪电。

更长远来看，第三批淘汰的是下一代年轻人。

"老带新"是最普遍的职场培养机制，但如果 AI 比年轻的实习生更好用、成长更快，那么企业就会用训练 AI 代替培养新人。

Anthropic 的研究就显示，自 2022 年底 ChatGPT 上线以来，各年龄段、各工种入职率并未出现明显波动，或者说，尚未产生大面积替代效应。但是，22 岁至 25 岁年轻人进入高暴露职业（即理论上 AI 可替代率较高的工种）的入职率，2024 年至今下滑了约 14%。

使用 AI 软件办公

2

不能全甩锅给 AI

然而，这并非"裁员潮"的全貌。

首先，科技行业大规模裁员不能完全归罪于 AI。

AI 革命爆发之前，科技界就已经开始裁员，当下这一轮，很大程度上是对疫情期间过度扩张的市场化纠错。

硅谷的裁员潮其实已经持续了三年。如果把 2020 — 2022 年期间的雇员峰值和 2019 年底数据相比，亚马逊人力规模一度扩张了 103%，特斯拉扩张了 107%，Meta 扩张了 94%。

以 Meta 为例。2019 年底，公司员工总数是 44942 人，到 2022 年底增加到 86400 人，几乎翻了一倍。同时激进扩张的还有公司的业务，2019 年，Meta 雄心勃勃地推出"元宇宙"计划，5 年后这个部门累计亏损了 465 亿美元。

2023 年一季度，Meta 大举裁员 1.1 万人，并对外表示，这年将以"效率"为主题。

2022 年 11 月 9 日，Meta 宣布将要裁员 1.1 万人

从这个角度上，知名海外研究机构 Gartner 的分析师如此评价这场裁员潮："最近大多数的人力削减，更多是受整体经济环境影响，而不是单纯因为自动化。AI 驱动的裁员虽然吸引了大量眼球，但现实要复杂得多。"

其次，AI 并不一定比人类更高效。

这由大模型的底层逻辑决定：按照既定的规则，从海量文本中筛选和拼接语言，本质是一种概率逻辑。它的正确率能够无限接近于 100%，但无法真正达到 100%。

而且，人类在一个岗位上经验越丰富，准确性和效率会越高，这是由鲁棒性知识结构决定的，所谓"越老越吃香"；而 AI 执行任务是一次性的，上下文越长，理解成本就越高，也越容易出错。

而当出现差错时，它无法应对风险和不确定性，更无法承担责任。

AI 还会生成大量看似精美实则空洞的"工作垃圾"，需要人工审查和校正。哈佛商业评论的一篇文章计算，AI 在工作中生产"工作垃圾"的概率达到 41%，员工每处理一次这些"垃圾"平均要花费近 2 小时，产生 186 美元的隐形成本。

以此计算，一家一万人的公司，每年会因此造成超 900 万美元的损失，还会导致同事之间的关系恶化。

因此，人类依然必须留在岗上，只是角色可能从执行转向监督和协作。

企业们意识到这一点后，只好把辞退的人再招回来。Gartner 预测，到 2027 年，一半因 AI 裁员的公司会重新招聘同类岗位。

再者，AI 不是免费的，甚至不比人工便宜。

去年夏天，麻省理工在一份报告中指出，95% 的企业 AI 投资实际上未能产生经济效益，并被困在"高投入、零回报"的困境中。

搭建 AI 基础设施需要大量资金投入。举例来说，如果要自建 AI 团队，企业需要采购 GPU、服务器、传感终端、数采设备、数据及数据处理服务等，再组建一个人均年薪 50 — 100 万、3 — 5 人的核心工程师团队，成本轻易上千万。

大部分企业选择部署成熟的开源模型，但同样需要部署费用和持续的 Token 开支。

有媒体报道，一家 SaaS 公司给全员配置了龙虾补贴，普通员工每日消耗 150 元 Token，技术团队高达 1000 元。此外，OpenClaw 有"心跳机制"，即便不工作，每天也会自动消耗约 145 元的 Token，折算下来月均损耗超过 5000 元。

3

人类，再出发

技术不会因为争论和质疑停止狂奔。

如今我们耳中充斥着二元对立的声音：一头是"未来的世界就是会用 AI 的人替代不会用 AI 的人"；另一头是末世论，人类将被自己创造的工具导向末路。

站在不同的立场，会产生不同的声音。但过于肯定的结论，往往牵扯着自身的站位。

AI 是否会代替人，不是一个非黑即白的二元对立问题。变革之中，每个人都是实验者，而实验者不应妄下论断。许多问题的答案，只能边走边找。

据微软的统计，到 2025 年底，全球 AI 普及率达到了 16.3%，较半年前提升了 1.2%，已经超过了 2000 年互联网普及率的增长速度。

今天，世界上每 6 个人就有一个人在用 AI，这也意味着过去那些科幻片般的预言和恐吓，将真正迎来被检验、被校准的机会。在几十亿人的用脚投票中，人类将吵吵闹闹、充满波折地穿过一场新的技术革命浪潮。

越来越多人开始使用 AI 智能体

一周前，OpenAI 发布了一份长达 13 页的政策白皮书，开篇定调，人类正在进入超级智能时代，现有的制度和安全网不够用了。

这篇报告中作出三大呼吁：

◎ 其一，向社会发放"效率红利"，让所有人共享技术带来的繁荣。包括设立公共财富基金、减少工作日、完善社会保障机制等。

◎ 其二，降低安全风险，持续追踪 AI 对就业、工资、行业结构的影响，动态量化监控。

◎ 其三，建立技术普惠机制，消解 AI 导致的数字鸿沟。

虽然许多想法显得天马行空，但确乎指向了当下的诸多矛盾。

中国同样在行动。AI 训练师、数据治理等新职业被纳入人社部职业认定，去年下半年以来，各地积极推行 OPC（一人公司）政策，扶持、补贴灵活就业群体借 AI 创业。今年两会，多名代表提出，将" AI 就业影响评估"纳入政策考量。

吴老师说，归根到底，人与 AI 的区别有三条：提出问题，提供见解，体现趣味。人要保持灵魂，也无非如此。

与你共勉。