YC：关于人工智能与就业，人们普遍存在的认知误区

最近一段时间，关于人工智能和未来就业形势的讨论，几乎分裂成了两个极端阵营。

一边是「末日论者」。他们认为，通用人工智能（AGI）近在咫尺，未来几年内，我们将面临前所未有的大规模失业。

未来五年，一半的白领入门级岗位将被淘汰。失业率可能飙升至 10% 到 20%。

另一方则是「怀疑论者」。他们觉得 AI 被过分夸大了，不过是又一轮技术炒作，不会从根本上改变经济结构。

Sam Altman 说了好几年 AGI，但现在这个还不是 AGI。AI 为企业节省的成本，可能远没有我们想的那么多。

这两种观点，一个代表着极度焦虑，另一个又显示出些许轻视。

然而，Y Combinator 的 CEO Garry Tan 最近指出，就业的真相可能介于两者之间，并且比我们想象的要乐观得多。

因为历史、经济学和真实世界的商业案例，都指向一个更复杂的结论：技术不会简单地取代人类，而是重新定义了人类能做的事情。

一、放射科医生的故事

让我们从一个放射科医生的案例开始。

2016 年，人工智能领域的泰斗、图灵奖得主 Geoffrey Hinton 公开发表过一个预测：

我们应该立刻停止培养放射科医生。很明显，五年之内，深度学习会比他们做得更好。

Hinton 是神经网络的先驱之一，他对这项技术的潜力有着超乎常人的理解。他的预测在当时看来是有道理的：AI 擅长图像识别，而放射科医生的核心工作就是解读医学影像（如 X 光、CT、MRI）。AI 不会疲劳，学习能力惊人，似乎完全可以胜任这项工作。

然而，近十年过去了，现实却走向了完全相反的方向。市场对放射科医生的需求不仅没有归零，反而达到了历史新高。

这是怎么回事？尽管 AI 诊断工具层出不穷，其识别和分类疾病的速度与精度早已超过人类，但放射科医生的工作岗位却越来越稳固。

当然，这其中有医疗行业特有的一些原因，比如医疗事故的责任认定、保险法规要求必须有持证医生介入等。但更深层次的原因，恰恰在于 AI 技术本身。

当 AI 工具大幅提升了影像分析的效率后，它实际上降低了单次影像扫描和分析的成本。成本降低，直接导致了需求量的爆炸式增长。医院和病人现在可以进行更多、更频繁的影像检查。

扫描量越多，意味着需要解读的影像就越多。其中，大量的常规、简单影像可以由 AI 辅助处理，但更多复杂的、边缘的、需要综合判断的病例也随之浮现。这些工作，恰恰需要经验丰富的人类专家来进行最终诊断、制定治疗方案。

结论就是：AI 并没有「取代」放射科医生，而是将他们从重复性的阅片工作中解放出来，让他们能专注于更高价值的诊断和决策。技术压低了服务的成本，反而引爆了对相关人类专业服务的潜在需求。

这个现象，在经济学中有一个专门的术语。

二、杰文斯悖论 (Jevons Paradox)

19 世纪中叶的英国，正值工业革命的鼎盛时期。经济学家 William Stanley Jevons 观察到了一个奇怪的现象。

当时，瓦特改良的蒸汽机等新技术，极大地提升了煤炭的使用效率。按照直觉，效率越高，意味着烧更少的煤就能办同样的事，那么煤炭的总消耗量应该会下降。

但 Jevons 发现，事实恰恰相反。煤炭使用效率的提升，反而导致了煤炭总消耗量的急剧增加。

他在 1865 年的著作《煤炭问题》中阐述了这一观点。其中的核心逻辑是：

1. 1. 效率提升导致使用煤炭的成本降低。
2. 2. 成本降低使得煤炭在更多领域（如炼铁、蒸汽运输）变得经济可行，从而刺激了新的需求。
3. 3. 需求的增加，最终导致煤炭的总消耗量上升。

这就是著名的「杰文斯悖论」：对一种资源的使用效率越高，往往会导致该资源的总消耗量增加，而不是减少。

杰文斯悖论揭示了一个普遍的经济规律：当新技术降低了做某件事的成本，会释放出我们此前未曾意识到的、巨大的潜在需求。

这种新需求的涌现，不仅不会消灭就业，反而会创造出全新的工作类别。

三、历史的一再重演

回顾近现代科技史，杰文斯悖论的影子无处不在。

1. 集装箱化

20 世纪 60 年代以前，港口货运是劳动密集型产业。码头工人需要手动将一袋袋、一箱箱的散货装上船，效率低下，成本高昂。

后来，美国企业家 Malcom McLean 发明了标准化的集装箱。这一创新使得货物可以提前在工厂装箱，然后用起重机整体吊装上船，整个流程高度自动化。结果是，海运成本暴跌了 90% 以上。

起初，码头工会激烈反对，因为许多搬运工因此失业。但成本的骤降，引爆了全球贸易。以前因为运费太高而无法跨国交易的商品，现在可以轻松地运往世界各地。

全球贸易的爆炸式增长，催生了全新的、规模庞大的产业：货运代理、现代物流、仓储配送 等。虽然传统的码头搬运工减少了，但整个生态系统创造出的新岗位，无论是数量还是质量，都远远超过了消失的旧岗位。

2. 云计算

21 世纪初，一家公司如果想上线一个网站或应用，需要自己购买物理服务器、搭建机房、招聘系统管理员来维护。这是一个成本高昂且流程繁琐的过程。

到了 2010 年代，以 Amazon Web Services (AWS) 为代表的云计算服务，将计算和存储能力变成了像水电一样的公用事业。公司不再需要购买昂贵的硬件，只需按需租用云服务即可，基础设施的成本降低了不止一个数量级。

这是否导致了系统管理员的集体失业？并没有。传统的 IT 运维角色，演变成了全新的、更高阶的岗位，比如 DevOps 工程师、云架构师、网站可靠性工程师 (SRE)。

他们管理的不再是几十台物理服务器，而是在云上管理着成千上万个实例，其规模和复杂度是过去无法想象的。

云计算的普及，极大地降低了创业门槛，催生了无数依赖于此的互联网公司，创造了海量的技术岗位。

3. GPU 与 AI 推理

最近的例子是 AI 本身。训练好的 AI 模型需要进行「推理」(inference) 才能对外提供服务，这个过程需要巨大的计算能力，通常由 GPU (图形处理器) 完成。

几年前，AI 推理的成本还非常高昂。但随着算法的优化和专用芯片的发展，单次推理的成本在持续下降。按照杰文斯悖论的逻辑，推理成本的降低，使得 AI 应用变得更加可行和普及。

结果是什么？我们看到，市场对 GPU 的需求不是减少了，而是呈指数级增长，甚至到了「一卡难求」的地步。这直接将 NVIDIA 的市值推向了万亿美元以上。

从放射科医生，到集装箱，再到云计算和 GPU，模式一次又一次地重复：技术提升效率，降低成本，释放潜在需求，最终创造出新的工作和产业。

四、AI 时代的工作重构

那么，类似的经济学模型将如何应用到我们今天的工作中？

Box 的 CEO Aaron Levie 认为：

当完成一项工作的成本下降时，对这项工作的需求就会上升。而且，通常潜藏的需求比我们意识到的要大得多。

让我们想象几个场景：

• • 法律行业：当 AI 可以快速起草标准合同、分析法律文件时，基础的法律服务成本会大幅降低。这是否意味着律师会失业？更可能的是，更多中小企业和个人将有能力负担得起法律咨询。对律师的战略性建议、庭审技巧和复杂案件处理能力的需求，反而会增加。
• • 软件工程：当 AI Copilot 可以自动编写大量代码时，软件开发的成本和速度都得到了优化。这是否意味着程序员会失业？更可能的是，社会将能够构建更多、更复杂的软件系统。对顶层架构设计、产品创新和系统优化的资深工程师的需求，会不降反升。

这种转变，并不是简单的「取代」，而是一种「重构」(refactoring)。

OpenAI 的创始成员之一 Andrej Karpathy 对此有一个深刻的洞察。他认为，AI 首先会自动化那些重复性的、几乎不需要上下文情景、且容错率高 的任务。

比如，初级的客户服务、数据录入、表单填写等。

但即使在这些领域，岗位也未必会完全消失。更有可能的是，它们会被「重构」为管理者或监督者的角色。

人类员工的角色，将从任务的执行者，转变为AI 智能体 (agent) 团队的指挥官。

想象一下，一个客服人员，过去每天要亲自回复几百封重复的邮件。现在，他可能管理着一个由 10 个 AI 客服智能体组成的团队。他的工作变成了：

1. 1. 设定 AI 的工作流程和回复规则。
2. 2. 处理 AI 无法解决的复杂、情绪化问题。
3. 3. 复盘 AI 的工作表现，持续优化系统。

这份工作，不仅没有消失，反而变得更有趣、更具挑战性，也创造了更高的价值。

YC 投资的一些创业公司正是押注于这一趋势：

• • Avoca：这是一家为服务行业（如管道维修、暖通空调）提供 AI 销售智能体的公司。它能自动处理大量的客户预约和咨询电话，将人类客服从繁琐的接线工作中解放出来，让他们可以专注于处理更高价值的客户关系或紧急情况。
• • Tennr：这家公司致力于自动化医疗服务提供者之间的文书工作流。它将医疗管理员从枯燥的数据录入，转变为负责协调病人护理、管理复杂病例的角色。

这些曾经被认为是「无聊」的工作，在 AI 的赋能下，正在变得更有意义。AI 替我们完成了那些我们本就不想做的部分。

五、给我们的启示

如果你正在思考 AI 时代的机会，无论是创业还是个人发展，Garry Tan 的分享给出了两条非常重要的建议。

第一，不要低估变革的规模和速度。

AI 引发的变革是真实且正在发生的。今天对 AI 的怀疑论，就像 1998 年的经济学家 Paul Krugman 对互联网的评论一样：

到 2005 年左右，我们就会清楚地看到，互联网对经济的影响不会比传真机更大。

这后来成了一个著名的反向预测案例。我们不应该犯同样的错误。AI 是一场堪比甚至超越互联网的平台级革命。

第二，不要陷入空想，坐等未来发生。

无论是幻想「完全自动化」，还是悲观地等待整个经济体系崩溃，然后领取「全民基本收入」(UBI)，这两种心态都是消极的。

未来不是等待来的，而是被创造出来的。创造未来的许可证，从来不需要别人颁发。它就掌握在此刻那些看到了别人没看到的机会、并愿意为此下注的人手中。