2014年入行的IT从业者，见过好几轮“行业要完”的喧嚣。大学时一位教授回忆，最早的智能IDE出现时，“软件工程师末日”就已经被宣判过一轮——那些IDE集成了编译和解释环境，能精确指出出错的那一行代码。当时的逻辑听起来无懈可击：软件知道错在哪，就知道怎么改，下一步就是学会自己写。

历史没有那样展开。但反过来，无视AI当下对职业和社会的冲击，或者指望泡沫破裂后一切回到Claude Code和Codex出现之前的样子，同样是一厢情愿。常有人说，维持当前AI基础设施的成本不可持续；可历史上每一项革命性技术生来都昂贵，要么调整形态和消费模式，要么底层硬件与资源行业拿到资本、扩大规模去支撑生产需求。

接下来这段不再是纯技术视角，而是一份个人的政治哲学式思考。先打个招呼：这里的假设不包含机器统治人类，也不包含《蠢蛋进化论》式的场景。

把AI看作人口结构变化的准备

换个角度看这场AI竞赛：如果亿万富翁们的驱动力之一（无论是否有意识），是在为全球人口下降做准备呢？

不需要经济学学位也能明白，当前的生产模式——就产品和服务的供给而言——撑不住一场同时冲击劳动力和消费端的急剧人口收缩。新冠疫情给过一次预演：全球总人口并没有大幅下降，只是封锁导致劳动力临时不可用，就足以引发必需商品和服务的严重短缺与摩擦，而这些都依赖人力。

在生成式AI证明自己能替代认知与智力劳动之前（物理机器人并没有像软件和自然语言处理那样出现同等跃升），社会如何应对老龄化和出生率暴跌，没有明确答案。

大城市里庞大的医院网络之所以存在，是因为不断有人出生、学习、成为医生、护士、技师和清洁人员；同样，对这套设施的需求之所以存在，是因为有病人需要照护。指望人口下降在供给和需求两侧对称收缩并不现实，结构性失衡才是更可能的结果。

在客服领域已经能看到当前能力水平的实际应用：用AI代理作为第一层交互越来越标准，AI解决不了才升级到人工。这个思路在生成式AI之前就有，只是那时的规则式聊天机器人靠决策树和关键词搜索，如今已进化成能查询复杂数据集的上下文代理。

顺着这条轨迹，各行业的一线请求由AI默认处理是可以预见的：

• 医疗分诊：急诊科里一个自主房间，由AI直接评估非危重患者的生命体征。
• 技术运维：支持代理引导客户排查路由器或机器故障，或直接执行远程诊断和重启，再带用户走下一步。

在这个模型里，人类专业人士只在需要主观判断、视觉细节或深度语境理解的复杂案例中介入。某种程度上，这种转变已经在发生。

也许AI接手更复杂角色所需的时间，恰好与总人口和高多样性服务需求收缩的窗口重合。那种情形下，目标是确保没有人失去医疗、食品杂货或公共交通。这份思考并不解决低技能岗位被替代者如何重新安置的问题——那仍是更庞大的社会挑战。

工作终结不等于收入终结

进入奇点领域——AI和机器人承担几乎全部生产功能——人类理论上将由这支数字劳动力产生的价值供养。

分配这笔财富有许多理论模型：从平均主义的社会福利体系，到劳动力租赁安排（类似今天的房产出租），所有者从自己拥有的自主单元（人形机器人或云端模型）产生的收入中获利。实践中，这种情形可能滑向极端财富集中，也可能走向消除贫困和资源优化。

诚实地悲观一点：我不认为AI会在短期内自发被用来促进财富平等分配。但有两种情形可能迫使这种转变：

• 消费崩塌：随着工薪阶层收入骤降，支撑富裕阶层的产品和服务需求枯竭，经济停滞最终会迫使大规模财富再分配干预。
• 精英 meritocracy 的侵蚀：劳动几乎完全由机器执行，使传统的 meritocracy 信条在很大程度上失去意义，一系列社会政治变化随之而来。

游戏《底特律：变人》对这种张力有过有力探讨。它在ChatGPT大规模普及前不久发售，用仿生机器人作为核心剧情装置，切开自动化社会的裂缝：

• 失业与社会衰败：一名出租车司机被自动驾驶车队夺走生计后，陷入债务和药物滥用。
• 自动化与医疗困境：一名警察在车祸后失去儿子，因为值班外科医生状态不适合手术，一台安卓机器人代为操刀却失败了。
• 物化与缺乏预防：一台机器人卷入致人死亡的事故，当局把它当作一次性硬件处理，而不是调查根因、防止未来重演。

即便物理安卓还没走在我们中间，生成式AI和决策算法已经展现出触发相同社会摩擦点的潜力。

另一个关键挑战是算法偏见——这个问题今天就存在，但在公共服务缺乏人类替代方案的社会里，赌注要大得多。如何确保公共服务AI没有被开发者调校成影响选举结果、偏向特定合同审批或改变福利分配？如果由私营供应商开发，模型构建和训练数据集将需要前所未有的透明度；如果由公共机构自建，严格监督必不可少，以防跨越政治任期更替的操纵或个人滥用。

归根结底，只把AI看作现有工作的“副驾驶”，会错过更大的轨迹：如果人类只承担纯操作性的支持功能，AI本身就有能力吸收这些角色。

乐观的一面是：用更少的人口维持社会基础设施，可能意味着更少的资源消耗和更少的人类劳动时间。AI也可能加速解决长期存在的全球挑战——比如针对HIV这类快速变异病毒加速疫苗研发；近期AI模型通过分析现有药物的化学结构并计算可行的衍生物，成功识别出新的抗生素候选物，在全球担忧抗生素耐药性的背景下，这是一项关键进展。量子计算同样可能被加速，这引出一个有趣的问题：当前的AI架构能否借助量子计算变得指数级更准确，同时消耗显著更少的能源？

这份思考的结论和开头一样开放：不确定我们最终会走到哪里，但有一件事清楚——我们不会静止不动。