大白说投资 2026-11-13 07:41:15
各位好,我大白。
今天聊一个跟每个人都有关系的话题。这次的 AI 浪潮,已经注定成为第四次工业革命,我们每个人都身在其中。我一直在想一个问题:它和前面几次,到底有什么不一样?是像前几次一样,仅仅提高生产效率、改变生活方式,还是会彻底改写这个世界的运行规则?
我想从一个织布工讲起。
01一个织布工的三十年
1769 年,农学家阿瑟·杨在曼彻斯特转了一圈,记下当地男织工一周挣五到十先令。那时候的织布工不算富,但也不穷,家里还有一小块地,织布是主业也是副业。
接下来三十年,纺纱先机械化了。纱线又便宜又好,织布这个环节反而成了瓶颈,反而更值钱。1785 到 1805 年,是英国手织工公认的"黄金时代"。有记录说,那二十年里一个织布家庭一周总收入能做到四十到一百先令,家里添了织机棚,盖了带作坊的新房子。那几年,他们大概是全英国最感谢技术进步的一批人。
然后动力织布机来了。
1795 年,博尔顿的手织工一周平均还能挣 33 先令。到 1815 年,只剩 14 先令。到 1829 到 1834 年之间,是 5 先令 6 便士。
1832 年,政论家威廉·科贝特在《政治纪事》上写:这些人以前一周挣二十到三十先令,现在被迫靠 5 先令、4 先令甚至更少活着。
从三十先令到五先令六便士,跌掉八成。中间隔了不到四十年。
一个人的一生,也就经历一两次技术革命。一次让他翻了身,一次又把他按了回去。而这两次,是同一种技术在不同阶段干的。
纺纱机械化的时候,织布工是受益者;织布机械化的时候,织布工是代价。技术不欠任何人一个交代,它只是在逐个环节地替换人。
02四次革命,一次比一次狠
我们经历的其实是四次。
第一次,蒸汽机替代肌肉。人从动力变成了操作。
第二次,拿走的是手艺。电力和流水线把一门手艺拆成一个个细碎动作,人从匠人变成了工序。一名铁匠、一位鞋匠、一个裁缝,几十年的功夫,在流水线上培训两三天就能上岗。
第三次,拿走的是记忆与计算。计算机接管了记账、算数、存档,人从计算者变成了决策者。
第四次,我暂且下一个不成熟的定义:拿走判断与表达。大模型接管了写作、整理、初步分析,人从决策者和执行者变成了什么呢?我现在也不好下结论。
有时候长期大量用 AI 之后会有点恍惚:到底谁是谁的主人,谁是谁的工具。几百年以来,一把锤子总归需要一个工匠,一辆马车总归需要一个马车夫,一台机器总归需要工人操作。但到了今天,这个位置怎么摆放,谁是主导、谁是依存,还真不好说。
不过这里有个区分必须先讲清楚,否则后面全乱:判断分两层。低阶判断——整理资料、写初稿、按规则回复——正在被接管。高阶判断——为结果担责、跨系统协调、现场处置、在信息不全时下决心——反而更值钱了。这两件事同时发生,才是这次革命的真相。
03第一次革命的账本
牛津的经济史学家罗伯特·艾伦复原过一组数据,就是那段著名的"恩格斯停顿"。
1780 到 1840 年,英国劳均产出涨了 46%,实际工资只涨了 12%。同一时期,劳动收入占国民收入的份额从 1801 年的 50% 掉到 1841 年的 45%;资本份额从 18 世纪末的 20% 翻了一倍多,到 19 世纪中叶超过 40%。
恩格斯 1845 年写《英国工人阶级状况》,写的就是这一段。
但后面来了一个大反转。1840 到 1900 年,产出涨了 90%,实际工资涨了 123%——工资涨得比产出还快。在整个经济史上,劳动报酬增速反超生产效率的情况极为罕见,而这一次持续了整整六十年。
同样是蒸汽机,前六十年是"产出涨、工资不涨",后六十年是"工资涨得比产出快"。技术本身没有变,变的是分配规则。
04第二次革命的账本:福特为什么给 5 美元
第二次革命是去技能化的一次。很多人的手艺被拿走了,手艺人基本上被消灭了。但这一次结果不一样:普通人的工资反而涨了。
1900 到 1970 年,美国实际工资年均增长约 2%。中产阶级就是在这七十年里真正形成的。
这和一位现在看还算伟大的企业家分不开——亨利·福特。1914 年,他给工人开 5 美元一天,是行业平均的两倍。不是因为他善良,是因为他需要工人买得起他的 T 型车。
这就是第二次工业革命真正的机制:大规模生产必须靠大规模消费来消化产能。当生产端必须靠消费端接盘的时候,资本才有动力给劳动分钱。
反过来想我们现在的情况。国内这两年有点通缩压力,本质上就是消费不足——生产端做出来的东西,消费端接不住。生产、流通、消费、回收、再研发、再投资,这个闭环转不顺。
再看美国当年的强,是生产端大幅增长和全球化两条腿同时迈出去,两个因素相互加持,相得益彰。
我们中国在生产端发了很多年力气,做得很强。但现在突然发现,全球化和出口这条路受到限制:有发达国家的阻挠,有货币问题,有关税问题。还有一个更根本的:各个地区经过这么多年发展,消费端的渗透率已经很难再有大增速了。
05第三次革命的账本:两条线在哪一年分岔
第三次革命拿走的是记忆和计算。白领大规模出现。
美国经济政策研究所(EPI)的数据:1948 到 1973 年,生产率涨了 96.7%,普通工人的时薪涨了 91.3%。两条线基本上是重合的。
1979 到 2020 年,生产率涨了 61%,时薪只涨了 17.6%。一条往上飞,一条在地上摩擦。
分水岭是 1973 年。那一年之后,生产率和工资彻底脱钩。
第三组数据最容易被忽略:这一轮技术红利最大的受益者其实不是美国工人,是中国工人。2001 年加入世贸组织之后,中国制造接住了这一轮全球化的产能转移。世界银行的口径是,改革开放四十多年,中国有近 8 亿人脱贫。入世是加速器,不是起点。
所以技术红利不会真正消失,它只会转移。转到哪,取决于谁在价值链上更有议价权。
再看一组更细的账。1973 到 2019 年,美国壮年男性的实际时薪按学历分组:没有高中文凭的跌 13%,高中文凭跌 16%,上过大学没毕业的跌 12%,本科毕业的涨 15%,研究生涨 43%。
我们很多人坚定地相信"上更好的学校等于更好的收入",这个信念其实就是在 1973 年之后这四十年里形成的。它是一个特殊历史时期的产物,未必是未来的常态。
这里要补一个诚实的注脚:按学历分组有个问题——1973 年"高中以下"占壮年男性的三成,2019 年只剩一成,这个群体本身的构成变了,下降里有一部分是"人变了"不是"工资变了"。但方向是真的:学历溢价在这四十年里急剧扩大。
06第四次的账本:不是裁员,是不招了
2022 年 11 月 ChatGPT 发布以来,美国劳动力市场最明显的变化不是裁员,是停止招人或者大幅减缓招人。
斯坦福数字经济实验室用 ADP 的全美工资单数据做过测算:22 到 25 岁在 AI 高暴露岗位的相对就业,2022 年以来下降了 13%。2026 年 8 月他们换了一个更直接的度量重做,结论是这部分年轻人的就业比"若与低暴露同龄人同步增长"低 19%。
要注意这两个数字不是一个指标:13% 是早期版本的口径,19% 是修订版换了算法。别把它们当成同一个数从 13 改到 19。
原始水平是什么样?22 到 25 岁在高暴露职业的就业,从 2022 年末降了约 6%;而同样这些职业里 35 到 49 岁的人,就业涨了 8% 以上。软件开发者这个职业,22 到 25 岁从 2022 年末的峰值降了近 20%。
关键机制在于:调整是通过招聘实现的,不是通过薪酬。老员工没被降薪,是新人进不来。研究者的原话大意是——他们只是少招了年轻人。
还有一个更细的发现:只在 AI 起"自动化"作用的职业里出现了下降,在 AI 起"增强"作用的地方,年轻就业持稳甚至增长。项目负责人布林约尔松的解释是,大模型掌握的知识和大学生的书本知识高度重叠,而年长者脑子里有大量隐性知识,那些不在模型里。
哈佛那边另一项研究(6,200 万工人、28.5 万家企业的简历和招聘数据)指向同一方向:采用生成式 AI 的企业,2023 年起初级岗相对下降,高级岗继续上升。
英国的数据更直接。毕马威英国的毕业生招聘从 1,399 人降到 942 人,降幅 29%,约三分之一。英国新增入门级岗位,据招聘网站 Adzuna 的调查,自 ChatGPT 上线以来减少了近三分之一。
美国应届生:22 到 27 岁大学毕业生失业率 5.6%(2026 年 3 月数据),全体劳动力 4.2%,应届生不充分就业率 42%。
但这里必须说一句不讨喜的话:把青年就业下滑全部归因于 AI,证据还不够硬。OECD 在 38 个国家里找不到"企业用 AI 导致劳动需求普遍下降"的证据;英国政府自己的入门级就业报告明确写着,这"不应被视为 AI 影响的因果证据";瑞典一个用 460 万条招聘广告做的自然实验发现,招聘广告的下滑时点对齐的是央行 2022 年 4 月加息,而不是 11 月 ChatGPT 发布;纽约联储则认为远程办公可以解释疫情后青年失业上升的六成以上。
真正被多项研究共同支持的结论,是另一个更微妙的:AI 没有减少总就业,它在重新分配"谁有机会开始"。斯坦福是这样,伦敦国王学院的企业层面数据是这样(AI 高暴露企业总就业降 4.5%,初级岗降 5.8%),瑞典也是这样(22 到 25 岁降 5.5%,50 岁以上反而涨 1.3%)。
调整的负担,几乎全部落在最年轻的人身上。
07中国这边的账本:2,100 万个岗位在重组里长出来
上海科技大学 CEISD 在 2026 年 7 月发过一份报告,叫《AI 时代的中国劳动力市场:从职业消失论到任务重组论》。这是目前国内最扎实的一份。
底座是 65,200 条任务、1,267 个细分职业,做出了中国版的动态职业数据系统。数据源是五大招聘平台 2022 到 2026 年超过 7 亿条原始招聘记录,以 2026 年 1 到 4 月的 4,001 万条线上招聘需求为测算基准。
几个关键结论:
- 33.2% 的岗位属于高 AI 暴露任务组合
,其中 26.6% 落在"高暴露、低人类互补"的替代压力区。也就是说,每四个线上岗位,就有一个面临被 AI 加速的结构性调整。 - 收缩最深的是 5,000 到 8,000 元薪资、1 到 3 年经验的这一段
。回归斜率上,1-3 年经验岗位是 -0.25,中端薪资岗位是 -0.31,是全市场承压最重的群体。 - 12,000 元以上全部回暖,50,000 元以上资深岗位招聘占比正增长,5 到 10 年的成熟从业者几乎不受影响。
- 三年周期完整复盘
:2024 年启动期需求只缩减 2.6%;2025 年恐慌超调,当期缺口飙到 30.1%;2026 年理性回稳,回落到 16.9%。累计缺口 15.1%。 - 2023 到 2026 年新增职业名称的体量极小
。真正长出来的是"任务重组":约 2,100 万个岗位由任务重组而生,占总招聘岗位的 18.6%。排名第一的高增长组合是"制造优化 + 质量闭环",全网出现频次超过 17 万次,覆盖 465 类不同职业。
这份报告最有价值的洞察是"入口陷阱":过去企业靠入门新人完成文档、录入、标准化沟通这些基础训练任务,如今大模型承接了这一环,企业干脆不再设低薪练手岗。结果是全行业的入口收窄,应届生的职场训练链条面临直接断裂。
报告还提了六种 AI 替代不了的能力:情境判断、责任承担、跨角色协调、伦理权衡、现场适应、证据链表达。
也得说清楚它的限制,报告自己写得很明白:这些数字只代表线上新增招聘需求相对对照组的变化幅度,不等于 AI 实际替代的岗位比重;线上样本对县域、蓝领覆盖有限,不能直接外推成宏观就业结论。
08高暴露、低互补:六个字说清谁危险
刚才出现了两个词,一个叫"高暴露",一个叫"低互补"。
高暴露,就是容易被 AI 替代。低互补,就是它完全不需要人类在旁边。
举两个例子。
电话客服和线上客服,是典型的高暴露加低互补。话术、套路、工单、标准问答,大模型已经基本可以独立完成。只要把规则输给它,它就能标准化地描述、处理、回复,不需要人在旁边担责,也不需要人做上下文的判断。这类岗位的招聘规模在持续收缩。
Java 开发工程师不一样。AI 可以帮他写基础代码、写接口文档,但架构设计、线上故障处置、跨业务系统协调,它暂时接不了。有些活需要上下文的判断,要为线上事故担责,很多特殊时刻必须人类介入。这就是高暴露、高互补。所以资深技术岗的薪资在往上走。
那最好的位置是什么?低暴露、高互补——AI 基本干不了,而这个人的好坏对结果影响极大。
各位想想,那会是什么工作?肯定不是快递、外卖、网约车。会不会是理发师、厨师、按摩师,会不会是陪你在当地转一天的导游,会不会是给你讲笑话逗你开心的那个有趣的灵魂?
它们有一个共同点:必须在现场,必须有人担责,必须靠真实的关系。这三样东西,模型暂时都拿不走。
09四次革命的三层渗透路径
再快速看一幅图。这四次革命,从基建、平台、传统行业三个维度看,改造的通路和渗透过程都不一样。
第一次:最先起来的是铁路基建,然后进工厂(纺织厂这些),最后改造大众消费品——机械化大规模生产让服装、日用品、汽车变得又便宜又好用。
第二次:改造的是电网和石油,在汽车和家电这种大件耐用消费品上体现得最明显。
第三次:光纤和半导体,互联网平台改变了我们整个电商和本地生活方式。
第四次:基建一定是算力基建,然后是一批垂直应用平台——无论是面向个人的 ToC 大模型,还是行业大模型——它可以对几乎所有行业做一次重构。
从这四次浪潮来看,每一次对人类生活的改变、对人类组织结构的挑战,都是越来越重的。料是下得越来越猛的。
10我的四个观点
第一,别信"这次不一样"。 每次都说不一样,但基本规律还是清楚的:技术让一部分人受损,让下一代人受益。而我们人类考虑问题的方式从来不是"会不会受益、会不会受损",而是——谁在受损、受多久、有没有缓冲、是不是我。
第二,也别太信"历史上最后都好了,所以这次也会好"。 你看第一次、第二次、第三次,我们都活到了今天,好像越来越好。但你要知道,你个人在整个浪潮和变迁里,消耗的往往是一整个青春。第一次用了大概六十年,第二次三十年,第三次如果从 1973 年算起,到今天五十多年还没完全消化。这一次从 2022 年开始,我不知道会用多久,到现在也不过四五年,但世界已经天翻地覆。
第三,这次冲击的性质不一样。 前几次,我是自己耕地,后来换成牛耕地,快两倍;再后来机械化,比人快十倍二十倍;到今天的大规模工业生产,比手工作坊快一百倍到五百倍。但那些都是在解放人的体力和劳动。这一次,挑战的是人的智力、判断力和思想。
人类的伟大科学家非常伟大,但他会死,他的思想不能继承给孩子。我们要站在伟人的肩膀上继续爬,但从出生爬到那个高度,可能要四五十年。AI 不一样——它只要会一件事,就永远都会;只要懂一个道理,后面所有版本迭代都在这个基础上往前走。
从这一点看,它的进化速度比人类快不止一个数量级。所以这一次对生态体系和世界运转方式的冲击,会比我们想象的时间快得多。
第四,分两端对待。 积极地、大力地去拥抱那些能改变你生产端效率和效果的 AI 加持;谨慎地、冷静地看待消费端发生的变化——那些让你更容易花钱的,那些让你把更多时间消耗在基本没有意义的事情上的。
11写在最后
这是一期我自己的闲谈慢聊。
四次革命,一次拿走了力气,一次拿走了手艺,一次拿走了记忆,这一次拿走的是判断与表达——但只拿走低阶的那一半。高阶的判断,也就是担责、协调、现场处置,正在变得更值钱。
那个兰开夏的织布工,他一生里经历了两次。第一次技术进步让他一周挣到三十先令,第二次把他按回五先令六便士。他没有做错任何事,他只是站在了被替换的那个环节上。
所以真正要问自己的问题,不是"AI 会不会取代我",而是——我站在哪个环节上?这个环节,是 AI 能独立闭环的,还是必须有人在场、有人担责的?
想清楚这个,比预测技术路线有用得多。
我是大白,我们下期见。
简单直接的付费,或许才是长久之道;
【版权声明】本文内容来源于大白说投资,版权归原作者及原媒体所有。本站仅作信息分享,不构成任何商业用途;如涉版权问题,请联系本站删除。
发布时间:2026-11-13 06:52:04
(第1/1页/共12487字/10阅)