Anthropic联合创始人Dario Amodei去年抛出一个自相矛盾的预测:AI可能在未来几年内消灭一半的入门级岗位,与此同时,他还预言同一时间段内癌症死亡率和发病率将下降95%。一边是大规模失业警告,一边是治愈绝症的承诺,出自同一个人、同一份预测,却几乎没人追问这中间的逻辑断层在哪里。英国《观察家报》专栏作者John Naughton把这种思维方式称为"解决主义"——硅谷习惯把复杂的社会问题简化成"只要有对的算法就能优化"的技术命题,却选择性忽略谁来承担优化过程中的代价。
这不只是修辞层面的批评。围绕AI到底是解药还是问题,专家和普通人的认知已经出现可测量的分裂,AI真正渗透职场的速度和范围也远比"工作会变得可选"这种说法复杂,而支撑这一切的物理基础设施,正在吃掉一个远超预期的电力份额。
专家和普通人,活在两个AI世界里
Pew Research去年4月的调查给这种脱节感找到了具体数字。AI专家里有56%认为未来20年AI会给美国带来正面影响,普通公众里持同样看法的只有17%;反过来,47%的公众预期AI带来负面影响,专家里这么想的仅有15%。岗位问题上分歧同样明显:64%的公众认为AI会导致岗位减少,专家里认同这个判断的只有39%。调查还发现女性对AI风险的担忧明显高于男性——这和硅谷决策层几乎清一色男性、STEM背景的结构形成对照。
这组数字说明一件事:硅谷高管口中的"AI会解决一切",不是他们看错了世界,而是他们本来就活在跟大多数人不一样的信息环境和风险感知里。Amodei一边说AI要消灭一半入门岗位、一边描绘癌症治愈的未来,在他所在的圈层里这两句话可能都成立——因为他不需要为前半句买单。
用AI的人,和被AI替代的人不是同一批人
Gallup今年6月的数据显示,美国有40%的员工报告在工作中至少偶尔使用AI,两年前这个比例只有21%;其中19%的人是每周使用数次以上的高频用户。渗透速度不慢,但分布很不均衡——真正在用AI提效的,集中在白领、管理层、科技从业者和远程/混合办公人群,很多雇主甚至还没有给出明确的使用规范。
换句话说,AI红利目前主要流向已经在食物链上游的人。Amodei警告要消失的入门级岗位,往往是那些还没资格享受这份红利的岗位。经济学家Branko Milanović把这个逻辑推到底,画出一个四层社会:底层是被AI淘汰、需要靠救济和廉价娱乐维持稳定的"过剩人口",往上是随时可能跌落的服务业工人,再往上是靠资本加薪资双重收入过滤门槛的专业阶层——律师、外科医生、企业高管,目前约占美国人口3%,顶端则是一小撮掌握AI技术本身、影响力远超今天0.001%富豪的新贵。这不是危言耸听的推演,而是把硅谷自己的叙事原样往前推一步的结果。
硅谷讲的是解药的故事,买单的却是另一群人
治好气候问题之前,AI先吃掉了电网
最容易被"AI能解决气候危机"这类说法掩盖的,是AI基础设施本身的能耗。劳伦斯伯克利国家实验室的报告显示,美国数据中心2023年耗电约176太瓦时,占全美用电量约4.4%;按预测,到2028年这个数字可能涨到325到580太瓦时,占比升至6.7%到12%。国际能源署的口径类似:全球数据中心用电量2024年约415太瓦时,预计到2030年翻倍以上,达到约945太瓦时。
这些都是预测区间,不是既成事实,实际走向取决于芯片效率提升速度、模型训练方式和数据中心选址等变量,但方向很难反转。数据中心周边社区的反对声音,往往也不是反对AI本身,而是冲着电价上涨、水资源紧张、税收减免和岗位承诺不成比例这些具体利益去的。一个号称要解决气候问题的技术,自己正在成为电网和地方财政的新增负担——这个矛盾,原文的"阶级分化"框架完全没有提及。
接下来该看什么
真正值得追踪的不是硅谷高管还会讲出什么新预言,而是几件具体的事:各国和各州有没有针对AI导致的岗位流失出台实质性保护立法;数据中心选址引发的地方政治摩擦会不会升级;Pew和Gallup后续调查里,专家和公众的认知落差是在收窄还是在扩大。
- 风险.数据中心用电占比的预测区间跨度很大,实际走向仍取决于芯片效率与选址政策,不宜当作既成事实
对普通读者来说,判断一家AI公司靠不靠谱,与其听它讲了什么宏大愿景,不如看它有没有正面回答:谁在承担代价,代价怎么补偿。