人工智能的火爆，会否因自身过度成功而降温

近期，OpenAI的创始人兼首席执行官奥特曼的住宅遭遇了纵火。肇事者还声称要烧毁OpenAI的办公大楼，随后迅速被警方控制。案件仍在进一步调查中。奥特曼本人认为，一篇具有煽动性的文章加剧了社会的反技术情绪，从而导致了此次袭击事件。

没有人会支持纵火犯的行为。然而，在奥特曼发表了一篇充满温情的回应长文后，社交媒体上的评论却呈现出巨大的分歧。

人工智能越是成功，社会情绪反而愈发割裂。在奥特曼看来，通用人工智能具有“魔戒”般的吸引力，会驱使人们做出极端疯狂的事；他认为OpenAI正在履行其使命，通过技术进步开创更美好的未来。但在更多人眼中，尤其是在美国，AI似乎只满足了少数人的好奇心、财富欲望与权力诉求，对更多人而言，带来的可能是无助、压力甚至愤怒。

AI正成为公司的“嫡系”

盖洛普公司（Gallup）的最新调查，揭示了这种“AI悖论”的一角。过去一年，美国14至29岁的年轻人，并未完全拒绝或接受人工智能，即便是那些日常频繁使用者。他们对AI可能削弱个人技能发展的担忧，甚至超过了对效率提升的期待。

在日常生活中，他们的AI使用频率基本稳定。然而，他们对AI的情感态度发生了显著转变：兴奋感（excited）降低了14个百分点，期待度（hopeful）下降了9个百分点，而愤怒情绪上升了9个百分点，焦虑感仍维持在40%以上。

年轻人对AI的观感在恶化

说明：当被问及“AI让我……”时

尽管使用AI更频繁的年轻人，比使用较少的同龄人对AI的看法更为正面，但这并未让他们的态度随时间改善。相反，这部分人群的兴奋感和期待度下降幅度更大，分别降低了18个和11个百分点。

在他们看来，AI并未更有效地帮助他们解决现实问题。无论是加速学习还是提升工作效率，AI实际发挥的作用正受到越来越多年轻人的质疑。仅有28%的年轻人表示信任AI辅助完成的工作，这一比例较去年下降了4个百分点。

年轻人眼中AI与效率的关联

更关键的是，他们非常担忧AI最终会夺走本属于自己的未来。认为AI对工作弊大于利的年轻人比例上升了11个百分点，达到48%，远高于持相反观点的15%。

这是一个敏锐却又无奈的世代，他们眼睁睁看着未来的可能性在收窄。他们的担忧已被多项实证研究反复证实。

去年，美国国家经济研究局（NBER）的一篇论文发现，在AI高度渗透的职业中，职场新人的就业率显著下降，而资历越深的员工受到的冲击越小。今年，Anthropic的研究也表明，在高暴露职业中，22至25岁的年轻求职者入职率下降了约14%，这一趋势在25岁以上群体及低暴露职业中并不明显。

数百万白领、五年工资单，证实AI正让美国大学生毕业即失业

2025/08/27 完整阅读 >

AI会不会在职场上先吞噬00后，然后吞噬此后每一代人

2026/03/07 完整阅读 >

在回应袭击事件的长文中，奥特曼表达了“AI将成为扩展人类能力与潜力的最强大工具”以及“适应性至关重要”的信念。这当然有其道理。但AI的真正价值，往往需要投入足够时间，让复利效应显现后才能体现。而年轻人正在失去这种适应机会。

AI对劳动力市场的影响，首先表现为一种代际结构变化。作为“既得利益者”的资深员工，在这场变革中反而占据了更有利的位置，他们发现自己的时间价值急剧增加，可以完成比以往更多的工作来实现目标；公司的生产效率提升，相同的任务需要更少的员工，尤其有利于懂得如何将AI融入现有流程的资深员工；而更迫切需要职场实践的新人，反而成了最脆弱的一环。

公司可能不会再迎来“后浪”。随着大模型学习能力的持续提升，公司正从资深员工的实际工作中“蒸馏”出更多智能，知识日益向AI转移，而非在实际工作中传递给新一代，这进一步抬高了人类新员工的入职门槛。AI正成为公司的“亲儿子”。

这正是这一代年轻人真正担忧的：AI让他们失去现在，也就失去了未来。AI正在获得知识的继承权。

荣耀归于“AI同事”

在当前的AI系统中，被排除在外的人失去了机会，而被接纳的人，则开始承担成本。那些已经接受AI辅助的人类员工，虽然仍留在岗位上，却要承担更多的工作、背负更多的责任，而功劳却越来越多地归于他们的“AI同事”。

AI似乎正让人类变得更累，也让“责任”变得更昂贵、更模糊、更难界定。奥特曼在长文中称“事情不可能一帆风顺”，这句话意外地带有反讽意味。

当市场讨论大模型与智能体时，大多数叙事仍停留在宏大层面：效率提升、迭代加速，以及更快地产出更多代码。但对于随之而来的“技术债”，以及人类员工在后端不断修补系统、消化问题的工作，却鲜有提及。

那些仅将AI视为生产力工具，却忽视人类与AI在实际工作中如何分工的企业，正在无意中加深人们对“AI过剩的世界”的抗拒。

没有哪家公司比Anthropic更彻底地使用AI编码工具。约80%的代码由Claude Code生成，这很可能也包括Claude应用的官网。然而，软件工程师Gergely Orosz却发现，该网站存在一个明显的Bug，甚至影响所有付费用户的体验，而此前似乎无人察觉。直到他的抱怨在社交媒体上引发关注后，问题才被确认并修复。

代码过载（code overload）正在成为新的“技术债”。StackHawk的联合创始人表示，在引入Cursor之后，公司每月产出的代码量暴增10倍，积压了高达100万行待审查代码。这些代码必须经过测试，以避免技术缺陷、安全风险或合规问题。

过去，这些责任主要由代码编写者承担，而如今，越来越多地被转移给人类工程师。在预期生产率大幅提升的AI时代，硅谷的程序员反而走向了“996”。

这种“AI过剩”同样正在更广泛的数字经济中发生。过去十年间，苹果应用商店的新应用数量整体呈下降趋势，但在2023年后开始逆转，并在今年一季度彻底改变。这与AI编码的崛起高度同步。然而，供给的爆炸并未带来价值的同步增长，反而稀释了质量与用户注意力，同时也给平台的审核体系带来了前所未有的压力。

苹果应用商店新上架App数量

硅谷长期以来相信，技术可以解决一切问题，包括技术自身制造的问题。通用人工智能被视为通过编码能力不断提升实现的“递归式进化”，Claude Cowork也被认为将沿着Claude Code已验证的路径，逐步吞噬软件，进而吞噬白领世界。于是，解决代码过载的答案同样显而易见，那就是使用更多的AI。去年，Cursor就收购了开发代码审查机器人的初创公司Graphite。

但问题在于，执行与责任之间的对应关系已被打破。技术正在自动化执行，但责任仍停留在人类体系之中。这种路径是否真的在解决问题，还是仅仅在用新的复杂性覆盖旧的复杂性？又或者说，最终的错误将由谁承担？

更值得注意的是，这种“AI过剩的世界”仍处于自我强化之中。代币（Token）消耗量正在成为衡量员工敬业度的新指标。英伟达创始人黄仁勋曾表示，如果一名年薪50万美元的工程师，每年花在AI代币上的费用不足25万美元，他会感到惊讶。Meta也在公司内部对员工的代币使用情况进行排名。

被忽视的大多数

尽管在回应的长文中，奥特曼提到了“AI必须普惠”。但到目前为止，事实远非如此。正如硅谷AI专家卡帕西（Andrej Karpathy）所观察到的，人们对AI能力的认知正出现越来越大的鸿沟，彼此“各说各话、互相误解”。

这种分裂的根源在于，AI能力的提升并非均匀发生。进步最显著的领域集中在具备高商业价值的场景，服务于少数专业人群，而非大多数普通用户。

AI在摧毁一批白领工作岗位的同时，也在创造一批技术工人岗位，但AI又能如此巧妙地将媒体、资本和技术捆绑在一起，将放大内容的工具交给他们，创造出有利于自身的叙事，从不惜以“生存毁灭”来夸大自身威力，到将加速的技术替代人类也贴上文明进步的技术精英标签。

一个看起来更加实体化、更加制造业化、产业结构更健康的美国，反而正在引发更多人的不满，因为在现实中这往往表现为一种非对称、非自愿且带有明显下行性质的再分配过程。

AI时代的再工业化：美国更少人做PPT，更多人做电工，为什么社会情绪反而更差

2025/11/17 完整阅读 >

当冲击真正显现时，所谓“以人为先”的回应，往往退化为“普遍基本收入”等形式的补偿。仿佛可以用有限的经济转移，去对冲一整代人正在浮现的AI幻灭。人们始终担心，在AI能力与收益不断集中于少数人的同时，被忽视的大多数人在这个时代所失去的只会越来越多。

社会情绪已日益紧绷，几乎必然会外溢。它正在寻找或创造一个出口。于是，AI成为最方便的承载对象。这是一个既真实存在、又足够模糊的“替罪羊”。人们倾向于将生活中各种出错的事情归因于它，不同性质的问题也被有意无意地混为一谈。上周，印第安纳一位议员的房子遭到十三枪射击，枪手在门口留言“禁止数据中心”。

对一些雇主而言，“AI冲击”也逐渐成为一种可被利用的叙事工具。它让裁员、收缩与降本，显得更像是技术趋势的必然结果，而非主动选择。这种被利用的“恨意”，进一步反噬了人们对AI的乐观预期。

AI会熄火吗？

AI的发展从来不只是技术问题，它同时是分配问题与共识问题。无论是清醒而无助的年轻人，还是替AI背锅的打工人，以及不在“世界中心”的大多数人，如今愈发感到自己是成本的承担者。

当收益越来越集中于少数具备技术能力的群体，而成本逐渐扩散至更广泛的劳动力与社区时，社会对这项技术的容忍度就会开始下降。更高的创新成本、更重的组织摩擦，以及更频繁的社会冲突，将必然成为AI进步的反作用力。

当经验不再通过实践在代际之间传递，而是被不断“蒸馏”进模型之中，大量依赖真实工作场景积累的隐性知识（tacit knowledge），正在失去其自然生长的土壤。一旦这一过程持续下去，AI所依赖的“人类经验源泉”，本身也可能逐渐枯竭，从而反过来限制其进一步学习与提升的能力。

当“使用AI的程度”开始取代“工作的质量”成为评价标准时，激励机制本身正在扭曲。如果只有那些通过AI不断生成更多代码的工程师才会被保留，那么，真正关注系统质量与长期可维护性的工程师，反而可能成为被“驱逐”的一群人。AI应用的市场空间，或因此而受到侵蚀。

越来越多与AI无关的美国居民，开始反对在社区周边建设驱动AI的数据中心。一些立法者已经开始顺势推动限制数据中心建设的法案。2026年，美国已有将近30%到50%的数据中心会延期，这一占比或进一步提升，约束算力的供给。

AI的发展依赖于数据、算力与电力，它同样依赖于社会的信任与共识。这是另一种更脆弱的资源。一旦这种共识开始瓦解，这场原本试图加速一切的进程，未必会完全停止进步，但它可能会在更高的摩擦、更强的约束，甚至更频繁的冲突中前行。

那些AI巨头们和政策制定者们，需要在2026年直接回应这些问题。