AI 革命真会加速？深思三日后的真相

近日与一位友人交谈，其观点令我颇感意外。

他问道：从事 AI 行业的人是否过于乐观？近期有一种论调认为，本轮 AI 革命的进程将仅为上一轮互联网浪潮的一半，理由是数字基础设施已完备，无需从零构建。

我回家后反复推敲数遍。

先谈谈其中颇具洞见的部分。

技术革命的演进路径似乎始终遵循同一逻辑——先深入工厂，再进入商场，最终抵达家庭客厅。

回望历史便知分晓。蒸汽机在纺织厂轰鸣数十年后，才催生出火车将货物运往集市，进而让缝纫机走进寻常百姓家。电力先在工厂取代蒸汽动力，随后诞生了有轨电车与电梯，最后才普及至家庭照明。计算机先应用于企业的财务与库存管理，继而建立银行与航空联网系统，最终才诞生了个人电脑。

这一规律无可辩驳。我的理解是，技术渗透的本质即是信任的渗透，往往先在阻力最小的路径上建立信任。

工厂老板算得清这笔账，流水线上一台设备能抵数月三名工人的薪资，他付款毫不迟疑。而家庭主妇购买家用机器人时，需考量其功能、耐用性及售后维修——顾虑呈数量级增加，决策周期也随之延长一年。

但我始终在思考一个问题。

「数字底座已搭建完毕」这一前提，究竟能节省多少时间？

有一种观点认为，上一轮信息技术革命耗时近四十年，而本轮因无需重新铺设光纤或建设基站，进程将大幅加速，预计仅需二十年左右。

这听起来颇具说服力。

然而，该判断仅揭示了一半的真相。

数字底座确实存在，这一点毋庸置疑。如今使用大模型能力，无需重建 GPU 集群或底层架构，叠加即可应用。因此，软件层面的渗透速度确实会更快，对此我表示认可。

但问题在于，本轮 AI 革命绝不仅限于软件层面。

它还需深入物理世界。

而物理世界的渗透速度，与软件层完全不在同一量级。

一个极为简单的对比。

现在让 AI 帮你撰写文章，它瞬间生成；让你画一张图，仅需十几秒。这种速度确实远超互联网早期。

但如今让 AI 协助你去仓库搬运货物呢？

去流水线拧螺丝呢？

去医院为病人实施手术呢？

从「AI 能干活」到「AI 规模化替代岗位」，中间横亘着数道难关。

第一道难关：成本临界点。目前一台人形机器人造价约在 5 万至 10 万美元之间。工厂若要回本，需连续工作三年以上才划算。然而三年后设备性能可能落后，维修成本亦可能攀升。互联网时代并无此问题——一台 PC 成本从数万降至数千，两年即可回本。

第二道难关：安全认证。工厂机器人需通过 ISO 10218 工业机器人安全标准，医疗场景需获 NMPA 及 FDA 认证，每项认证周期长达两至五年。软件上线仅需 App Store 审核，两周即可完成。

第三道难关：制度摩擦。工人被机器人替代后，其安置、转岗及再就业培训成本由谁承担？事故责任如何界定？保险如何赔付？互联网渗透时期，这些问题基本不存在——你用手机打车，并不涉及「出租车司机转岗」的难题。

第四道难关：物理世界数据稀缺。大模型之所以能快速渗透软件层，得益于互联网积累的海量数据。但物理世界的训练数据却少得可怜——工厂操作场景、物流搬运场景的标准化程度，远不及网页与文本。

这四大难关叠加，将导致 AI 在物理世界的渗透速度远慢于软件层。

谈及此处，我不禁想起自己在批发市场摸爬滚打三十年的经历。

做批发时，我最担忧什么？并非无人提货，而是新工具声称能节省一半人工，结果投入十万引入系统后，却发现其与业务流程完全不匹配，还需专人维护。

这类情况，我在 2015 年前后屡见不鲜。彼时 O2O 概念炙手可热，宣称以互联网改造传统商贸，结果如何？大批 SaaS 系统铺设后，真正投入使用的不足三成。

技术可行不等于规模化落地。这中间的差距，在于执行、适配与人心。

本轮 AI 革命亦是如此。

那么，这一轮究竟会有多快？

我目前的判断如下——

软件层的 AI 渗透将极为迅速，五年内，大部分白领的日常工作将被 AI 重新定义。这一窗口期其实已然开启。打字、制表、让 AI 分析数据，如今即可实现，门槛已极低。

但物理层的替代将缓慢得多。并非不会发生，而是「规模化替代」的那一天，远比许多人想象的遥远。

这一判断是否正确，我亦不敢断言。但这确是我深思熟虑后，目前唯一能说服自己的答案。

技术变革从不于一夜之间发生。它是一群人，在一个个具体场景中，将那些「理论上可行」的事物，一个个坑位填成「实际上可用」。

洞察这一节奏，并非为了制造焦虑，而是为了找准自身定位。

好了，就此打住。

感谢阅读至此。若觉有所启发，请点个在看，我们下次再叙。

刘哥 武汉