热潮中的冷观察：繁荣背后的隐忧与反思

时光来到2026年中期，AI的热潮早已突破了单纯的技术演进范畴，演化为全球资本、产业与社会的集体躁动。放眼望去，几乎每个行业、每家企业、每场会议都在讨论AI，仿佛不提及AI就等同于被时代抛弃。

但若深入观察这些热闹的表面现象，会发现背后的现实远比"技术革命"这个标签所呈现的更加复杂和多元。

一、资本的狂欢：资金在流动，但流向哪里？

先来看一组数据。

2026年前六个月，中国AI领域融资案例达1203起，融资规模突破3000亿元，仅半年时间就超过了2025年全年总量。AI融资占一级市场的比例约为48.6%——意味着每投入2元资金，就有近1元进入AI领域。北美市场同样火热，美国和加拿大初创企业上半年总投资额达3920亿美元，创下历史新高。Anthropic获得单笔650亿美元融资，估值达9650亿美元，并于6月秘密递交IPO申请。

高盛发布的数据显示：2026年至2031年期间，全球在计算、数据中心和电力等AI基础设施上的资本投入预计将达到约7.6万亿美元，年度投入将从2026年的7650亿美元增长至2031年的1.64万亿美元。微软、谷歌、亚马逊、Meta四大云服务巨头2026年资本开支上限合计已达7250亿美元，同比增长77%。

这些数字令人震撼。然而，规模不代表质量，速度也不代表方向。

国际清算银行在2026年6月发布的年度经济报告中发出明确警示：当前AI投资热潮的规模、速度和市场的乐观情绪，已接近历史基础设施泡沫的早期阶段。报告回顾了历史上多次类似的投资狂潮——19世纪30年代的美国运河扩建、19世纪40年代的英国铁路建设、20世纪90年代末的互联网泡沫——它们的共同特点是："一项真实的技术突破，吸引了远超其商业回报能够支撑的资本"。这些时期最终都经历了投资逆转，引发了整个经济范围的衰退。

长期对AI持批评态度的评论人Ed Zitron提出了更激进的观点：真正的AI泡沫本质上是"OpenAI泡沫"——若OpenAI最终失败，它可能成为AI时代的"雷曼兄弟"，引发数据中心、AI基础设施乃至全球科技股的大规模重新定价。知名做空者Jim Chanos也发出警告，数千亿美元的资本支出建立在短期现货价格基础上，却被用于支撑长达二十年的资产投资决策，其中存在根本性的期限错配问题。

当然，市场对此并非达成共识。多位一线投资人认为AI行业不存在全局性泡沫，估值虚高仅出现在特定细分领域。但分歧本身就是一种信号——当"AI行情正从'发现价值'转向'验证价值'阶段"成为市场共识时，说明这场资本狂欢已来到需要回答关键问题的时刻。

二、就业困境：生产率红利还未实现，冲击已先到来

如果说资本的狂热还只是"资金问题"，那么就业的冲击就是"人的问题"——而这个问题比资本泡沫更加复杂和深刻。

一个根本性的矛盾正在显现：从长远来看，AI被普遍认为是新一轮通用技术革命的核心力量，有望推动生产率大幅提升；但从短期来看，生产率红利尚未广泛实现，就业市场却已率先出现招聘缩减、岗位重估和收入预期下降。技术红利的释放与社会承受能力并不同步，形成了"远期繁荣预期升温、近期就业压力先行"的错位现象。

这种冲击首先表现为结构性，而非总量性。迄今为止，AI尚未实现对劳动力的广泛替代，但其早期冲击表现在三个层面的分化：

在岗位层面，企业更倾向于先减少招聘、缩减入门级岗位。职业入口的收窄先于大规模裁员出现，长期可能带来"职业阶梯断裂"的风险。2026年一季度数据显示，AI技术迭代升级已成为企业裁员的首要原因，占比超过25%。传统入门级程序员岗位的需求加速萎缩，美国劳工统计局数据显示，"程序员"岗位在过去两年下降了超过25%。AI不仅"导致青年失业率上升"，还可能切断人才培养链条——"如果企业不再招聘初级员工，未来的高级专家从哪里来？"

在任务层面，AI替代的通常不是整个职业，而是职业内部那些标准化、流程化、可编码的工作环节。高德纳咨询数据显示，2026年企业应用中嵌入AI智能体的比例已达40%，而2025年这个数字还不足5%——一年时间翻了8倍。

在群体层面，本轮AI冲击首先蔓延至中高技能白领群体，信息技术、金融等高薪行业更早面临收入预期重估。普华永道的研究提供了另一视角：受AI影响程度越高的职业，近年来技能要求的更新速度越快、变化幅度越大。这意味着冲击与转型是同一枚硬币的两面——问题不在于AI会不会改变工作，而在于我们是否准备好迎接改变。

更令人警惕的是宏观层面的传导效应。AI越依赖算力、数据、平台和资本性投入，其收益越容易向资本倾斜，劳动收入份额可能持续承压。中高收入群体率先感受到岗位不确定性，将强化其预防性储蓄倾向，进而拖累消费恢复和内需循环。这种冲击可能从"就业结构变化"演化为"产出增长但需求走弱"的"幽灵GDP"——产出和利润改善并未同步转化为居民收入和消费扩张。

这恰恰呼应了用户此前分享的那篇文章的核心忧虑：当企业用AI取代人力来追求利润最大化时，最终被消灭的不仅是工作岗位，还有那些本该成为客户的人。

三、认知泡沫：当"伪专家"批量出现

资本的狂热和就业的焦虑之外，还有一层更隐蔽却也更具讽刺意味的泡沫——认知的泡沫。

图灵奖得主、"强化学习之父"理查德·萨顿在2026世界人工智能大会上直言：当前AI"比较弱小且不可靠"。他指出，当前大规模落地的AI应用，本质上都停留在模式识别层面——"我们不能把计算能力和真正的智能混为一谈"。大语言模型本质上是在使用人类积累的知识并将其重新交付，它们没有能力自主发现新知识。中国工程院院士王坚也在同一场合表示，大语言模型本质上只是一个建立在"文本数据"上的基础模型，如果AI对科学的理解仅局限于人类现有的死知识，未来的创新空间将被严重锁死。

萨顿甚至给出了一个令人不安的判断：当前AI的发展范式——依赖人工静态标注、单纯搬运人类存量知识——早已触碰发展天花板。高质量的人类数据源正在耗尽，静态数据集无法支撑进一步的智能突破。

然而，与AI能力的"弱小"形成鲜明对比的，是"AI专家"的批量涌现。

"AI正在批量制造伪专家"——这个判断并非危言耸听。有研究指出，当AI被要求扮演"专家"时，它并不总是更聪明，反而会更像一个坚持人设的"假专家"：不愿承认不知道，不愿暴露犹豫，最终用一种极其专业、极其自信的方式把错话说圆。同时，各类速成付费教程、劣质资源套餐借机野蛮生长——所谓"只要识字、懂电脑，三个半月包教包会"纯属天方夜谭。更有甚者，直播间里的"金牌专家"身份自己编、职业证书靠P图，核心生产力竟是倒卖免费AI服务。

当"权威"可以批量生产，"专业"沦为角色扮演，我们面对的不再是技术本身的挑战，而是一场关于信任与认知的系统性危机。

四、治理与反思：盛宴过后的清醒

面对这场狂热，理性的声音正在汇聚。

2026世界人工智能大会的基调被描述为"较为冷静审慎"——与会专家普遍认为，当前被层层炒作包裹的人工智能，其"智能"程度远未达到大众憧憬的水平；而真正意义上的AI革命，此刻才刚刚翻过第一座山丘。

在治理层面，中国正加快人工智能健康发展综合性立法。《国际人工智能伦理治理行动计划》倡导将伦理治理纳入AI科学研究、技术开发、产品部署与运营维护的产业全生命周期。欧盟的《人工智能法案》也即将进入关键实施阶段。这些努力的方向是一致的：让AI这匹"千里马"既跑得快，又跑得稳。

但治理终究是外部约束。更深层的问题在于：我们为何如此狂热？

IDC的数据提供了一个令人警醒的注脚：68%的中小企业AI项目上线一年内停滞，43%直接终止，失败项目平均投入189万元。近四成中小企业在AI领域资金投入不超过100万元，已采用AI技术的企业仅有4%实现全业务流程嵌入。许多企业陷入了"试了，但没跑起来"的中间地带。

钱花了，人撤了，系统没人用了——这比不做AI更糟糕。

结语

历史总是押着相似的韵脚。每一次技术革命，都伴随着资本的狂热、泡沫的膨胀、就业的焦虑和认知的混乱。互联网泡沫最终留下了亚马逊、谷歌和阿里巴巴，也埋葬了无数徒有概念的空壳公司。AI不会例外。

真正的问题从来不是"要不要拥抱AI"——这个问题的答案已经不需要讨论。真正的问题是：在这场狂热退去之后，我们留下了什么？

是扎实的技术进步和产业升级，还是一地鸡毛的泡沫和空洞的概念？是让更多人拥有尊严、目标和意义的工作与生活，还是让少数人在短期内攫取巨额利润，而让大多数人承受失业、焦虑和孤立？

萨顿在WAIC上说了一句话，值得每个人记住："每个人都在说AI进步很快，但你应该思考，这种说法是否有夸大。"

喧嚣终将退去。在那之前，保持清醒，比追逐风口更重要。