必須防止技術狂飆演化為“圈地運動”，避免靜默而殘酷的階層墜落！

文/陳治剛（識局智庫創始人兼首席戰略專家）

接上篇《》，也談下我的一些思考。

過去二十幾年，我們習慣了技術進步伴隨著某種程度的社會紅利擴散，從互聯網的創業神話到移動互聯網帶來的全民機遇。

然而，正在進行中的這場由硬科技和人工智能引領的新浪潮，正在改寫技術進步與社會發展之間的基本契約。

01

美國蘭德智庫那份備受矚目的報告《人工智能正在創造工作，而不是取代工作》，描繪了一個充滿誘惑力的未來：人工智能有望成為自工業革命以來最具變革性的增長引擎，到2030年可能使全球GDP增長14%，相當于額外增加15.7萬億美元的經濟價值。

然而，這份樂觀預測的陰影部分卻被很多人刻意忽略——這些增長將如何分配？

現實是，人工智能創造的價值正以前所未有的集中度流向資本與技術所有者。

據統計，自2010年以來，全球上市公司利潤越來越集中在科技巨頭手中，前10%的上市公司獲取了約80%的總利潤，而這一比例在1990年代僅為60%。

硬科技行業更是呈現出一種“寡頭壟斷”特征。

以半導體行業為例，全球芯片設計市場前三大公司控制著超過50%的市場份額，而僅臺積電一家就占據了全球晶圓代工市場的55%以上。

這種集中度意味著，即使行業整體規模擴張，紅利的分配范圍卻在收縮。

問題的本質在于，硬科技與人工智能的技術特性決定了它們的紅利模式與互聯網時代根本不同。

互聯網的本質是連接，其價值隨著用戶數量呈指數級增長（梅特卡夫定律），這決定了它必須追求用戶規模的擴大，從而客觀上推動了紅利的相對廣泛分享。

而硬科技和人工智能的核心是算法效率和數據壟斷，它們的價值更多體現在對生產效率的極致提升和對稀缺資源的控制上，而非用戶規模的無限擴張。這種技術邏輯內在地傾向于壟斷與集中。

02

“AI教父”杰弗里·辛頓預言2026年將是AI能力爆發的關鍵轉折點，但他同時也警告稱AI將在2026年取代許多工作崗位，導致新一輪“失業潮”。

就業市場的革命，其實已經悄然開始。

這場革命的特征不是轟鳴的機器取代流水線工人，而是無聲的算法消解傳統認知工作的價值。

2023年，高盛發布報告稱，全球范圍內約有3億全職工作可能受到AI自動化的影響，其中歐美國家高達三分之二的工作將面臨某種程度的AI沖擊。

更值得警惕的是，與工業自動化主要影響制造業崗位不同，生成式AI主要影響的是需要大學學歷的白領工作——這一比例高達63%。

這場就業革命的真正特點在于它的“靜默性”。

企業不再需要大規模裁員來優化人力資源，而是通過“結構性替代”實現勞動力的靜默壓縮。

一家中型金融科技公司的案例頗具代表性：該公司引入AI財務分析系統后，將財務團隊規模從45人縮減至28人，但沒有進行任何正式裁員。

相反，公司通過自然離職不補充、將部分崗位轉為AI輔助的半職工作等方式，在18個月內實現了人員優化。

這種變化不會出現在任何官方失業統計數據中，但真實地改變了數十人的職業生涯。

更隱蔽的是工作內容的“空洞化”。

在許多行業，傳統崗位仍然存在，但其核心價值正被算法系統不斷侵蝕。

例如，市場營銷人員發現他們的文案工作越來越多地被AI工具取代，只留下“微調”和“審核”的邊緣角色；初級律師發現合同審查的基本工作已被算法完成，他們只負責最終簽字確認。

03

理解當前困境的關鍵在于認識到，我們正從“河道經濟”時代進入“高塔經濟”時代。

互聯網和移動互聯網構建的是多層級的價值分配網絡，如同錯綜復雜的河道系統，價值一旦產生就會通過廣告分成、平臺傭金、內容激勵等方式流向各個細支溪流和節點。

即使是一個小網紅，也能通過直播帶貨月入數萬；即使是一名普通騎手，也能通過平臺接單獲得生計。

人工智能和硬科技構建的則是垂直整合的高塔。

這些高塔的價值創造高度集中在頂尖人才和核心算法上，價值流動主要是垂直向上，而非水平擴散。

一座價值千億的AI公司，可能只直接創造數百個高薪崗位；一套顛覆行業的自動駕駛系統，核心研發團隊可能不足百人。

這種轉變背后的技術邏輯是深刻的。

互聯網的本質是“連接”，連接天然具有網絡效應，需要盡可能多的節點參與；而AI的本質是“優化”，優化追求的是在給定條件下的極值解，這決定了它必然具有精英化特征。

更令人擔憂的是，這些“科技高塔”與實體經濟之間的連接通道正在收窄變細。

互聯網平臺至少還需要司機、騎手、內容創作者等“河道工”來維持運轉；而下一代AI系統正朝著自我訓練、自我優化、自我擴展的方向發展，對外部人力資源的需求將急劇減少。

04

歷史上每次重大技術革命，在摧毀舊就業的同時也會創造新就業，通常會產生新的“中間地帶”——既非頂級精英也非底層勞動力的職業空間。

然而，人工智能帶來的沖擊卻呈現不同特征。

一方面，AI對中等技能認知工作的沖擊最為劇烈。

牛津大學的研究表明，那些需要中等程度教育和培訓的工作（如行政支持、常規分析等）面臨自動化風險最高，受影響比例超過70%。這些崗位恰恰是發達國家中產階級的核心構成。

另一方面，AI創造的新崗位呈現出兩極分化特征：

一端是需要極高專業技能的AI研發、倫理治理等崗位，數量有限且門檻極高；

另一端是難以被自動化的低技能服務工作，如護理、清潔等，這些崗位薪資增長緩慢且缺乏職業發展通道。

結果是一個沙漏型就業結構逐漸成形：頂部的精英崗位和底部的服務崗位依然存在，但中間的廣闊地帶正在被掏空。

這種結構對社會流動性的破壞是致命的——人們要么登上塔頂，要么墜入塔底，中間的梯子正在被撤走。

教育系統也在這場顛覆性變革中陷入困境。

傳統大學教育難以跟上AI技術的迭代速度，許多學生發現入學時選擇的“熱門專業”到畢業時可能已經面臨自動化風險。

而那些真正需要的技能，往往在大學課程體系中缺席或嚴重滯后。

05

這場顛覆性變革最深遠的影響可能是社會權力結構的根本重組。

我們可能正在見證“算法封建主義”的興起——一種以對算法、數據和計算資源的控制為基礎的新型社會分層。

在這種新秩序中，數據成為新的土地，算法成為新的封地法律，算力成為新的武裝力量。

科技巨頭如同中世紀的封建領主，控制著關鍵的數字生產資料；普通用戶則成為“數字佃農”，在享受“免費”服務的同時，不斷生產訓練數據這一“數字作物”。

更令人擔憂的是，這種權力結構具有自我強化的天然傾向。

更多的數據產生更好的算法，更好的算法吸引更多用戶，更多用戶產生更多數據——一個不斷擴大的循環，最終形成難以逾越的護城河。

這種權力結構的變化已經體現在經濟數據中。

過去十年中，美國科技行業的利潤份額翻了一番，而其就業份額僅增長不到50%。這意味著單位就業創造的經濟價值急劇上升，但同時也意味著價值創造與就業創造正在脫鉤。

即使是在科技公司內部，這種不平等也在加劇。

一項針對硅谷公司的調查顯示，AI團隊核心成員的薪酬可達普通工程師的10倍以上，而公司的清潔、安保等服務則全部外包給第三方公司，形成鮮明的“核心-邊緣”二元結構。

06

面對這場正在發生的“靜默”革命，社會層面的反應卻顯得遲鈍。這背后，或有幾個結構性的盲點：

首先，變革的節奏具有欺騙性。

與工業革命時期工廠煙囪拔地而起的顯性變化不同，AI的沖擊是分散的、漸進的。一家公司今天用AI優化客服，另一家公司明天用AI輔助招聘，這些變化單獨看都不足以引起警覺，但累積效應卻是革命性的。

其次，替代的隱蔽性。

當工廠自動化時，工人清楚地看到機器取代了自己的位置；而當AI逐漸接管認知工作時，過程往往是模糊的——你的工作沒有被“奪走”，只是被“重新定義”或“效率優化”，直到有一天你發現自己的技能已經貶值。

第三，受益者的敘事主導。

科技樂觀主義的敘事如此強大，以至于任何對技術負面影響的討論都可能被視為“盧德主義”或“進步恐懼癥”。這種敘事框架壓制了對技術社會影響的全面討論。

最后，統計指標的滯后。

傳統經濟指標如GDP增長、失業率等，難以捕捉這種結構性的勞動力市場轉型。當“就業”統計數據看起來穩定時，“就業質量”和“工作價值”可能已經在急劇下滑。

07

面對這場靜默革命，我們并非無路可走。

在完全擁抱技術的烏托邦幻想和徹底拒絕技術的盧德主義之間，可能存在一條更加平衡的“第三條道路”。

這條道路的核心是重建技術進步與社會契約之間的聯系。幾個可能的方向包括：

算法治理的民主化，將關鍵算法視為公共產品而非私有財產。歐盟的《人工智能法案》是一個初步嘗試，要求高風險AI系統必須滿足透明度、人類監督等要求。更進一步的可能是建立公共算法審計制度，確保關鍵算法決策的公平性與可問責性。

數據收益的社會化，探索數據作為新型生產資料的集體所有權模式。數據信托是一種有前景的制度設計，允許個人通過信托機構集體管理自己的數據，并與科技公司談判收益分享。

終身學習的制度重構，將教育從“前端投入”轉變為“終身權利”。一些國家正在嘗試的“個人學習賬戶”制度值得關注，政府和企業共同為每個勞動者設立終身學習基金，可用于任何階段的技能提升。

工作價值的重新定義，超越傳統的“雇傭”概念，承認和補償那些目前不被市場定價但對社會至關重要的勞動，如照顧工作、社區服務、環境維護等。這可能需要重新設計社會保障體系，使其與具體工作崗位脫鉤。

08

技術進步的車輪從未許諾平等，但人類社會的意義恰恰在于在效率的必然性中尋找公正的可能性。

當算法以硬核的方式重構我們的經濟生活時，最大的危險或許不是替代本身，而是我們在被替代的過程中，連表達省思的語言和想象替代方案的能力也一并失去。

這場顛覆性變革的最終結局，將不取決于技術的能力極限，而取決于我們是否有足夠的智慧與勇氣，在代碼與算法之外，重寫那些關于尊嚴、公平與共享的社會契約。

更多探討，歡迎進讀者群交流！