2023年11月，OpenAI内部发生了一件事。董事会突然宣布解雇CEO山姆·奥特曼，理由并不具体，只说他“对董事会不够坦诚”。消息一出，公司立刻陷入混乱。数百名员工签署联名信，要求董事会下台、恢复奥特曼职位，否则集体辞职。五天之后，奥特曼回来了，董事会重组，一切看似回到原点。

这件事的真正价值，不在结局，而在它暴露出来的那个矛盾。矛盾的一方是董事会里的理想主义者，他们担心AI发展太快，安全措施跟不上，最终可能失控。矛盾的另一方是奥特曼和投资人，他们认为市场竞争不等人，放慢脚步等于把未来拱手让人。两边都有道理，也都没有绝对的对错。这个矛盾，在整个事件过程中、在事件结束之后，都没有得到解决。但它并不妨碍AI继续以令人目眩的速度向前冲。

数字不会说谎

有一组数字值得认真看。2024年初，中国互联网每天的AIToken消耗量是1000亿。到2025年6月底，这个数字突破了30万亿。一年半的时间，增长300倍。豆包大模型在2025年12月的单日调用量突破50万亿Token，同比增长超过10倍。如果把每个Token比作一个汉字，50万亿Token大约相当于全中国人每天每人写5000字。这还只是一家公司的一个模型。

再看产业规模。中国AI核心产业规模已经突破1.2万亿元，AI企业数量超过6000家，国产开源大模型在全球累计下载量突破100亿次，中国是全球最大的AI专利拥有国。规模本身不是问题。问题在于，这一波浪潮和之前的每一次技术革命，到底有什么不同。

蒸汽机、电力、互联网，改变了人类做事的效率，但没有改变“谁在做事”。工厂机器再强大，操作机器的还是人。互联网信息再丰富，做决策的还是人。但AI不一样。这一次，AI在改变的是“谁在做决策”。AI不只是让你做得更快，它在某些环节直接取代了你的判断。

替代的不是体力，是判断

一个很常见的看法是，AI会先替代体力劳动者，再慢慢向上蔓延到脑力工作。这个顺序判断是错的。AI走的路正好相反。它先替代的，是那些看起来有技术含量、但实际上是标准化操作的脑力工作。

麦肯锡全球研究院有一个预测：到2030年，生成式AI将使每位员工约60%到70%的日常例行工作内容实现自动化。这个表述需要仔细理解。它不是说60%的人会失业，而是说每个人手头60%的活，AI可以接手。这是一种更难被察觉的失业，也更难被处理。

什么是日常例行工作？会计的凭证整理、数据核对，是例行工作。医生的初步问诊记录、常见病初筛，是例行工作。律师的合同条款比对、法规检索，是例行工作。程序员的代码注释、测试用例编写，是例行工作。这些工作有一个共同点：它们需要一定的专业训练，但执行过程中有大量重复性、规则性的判断。这些判断，AI已经能做了，而且往往做得比人更快、更准。

腾讯内部有一个数据：公司里AI落地场景超过900个，借助AI编码的工程师比例超过90%。这不是特例，这是趋势。一个程序员过去花在写注释、写测试用例上的时间，现在被AI大幅压缩。他的工作还在，但工作内容变了，他必须去做那些AI做不了的事情。

消失的职业和诞生的职业

河南有一家数据科技公司，几年前招聘标注员，主要工作是录入数据，比如在一堆图片里把猫和狗分别标记出来。技能门槛低，工资也低。如今同一个岗位，工作内容变了。标注员需要精细标注自动驾驶场景里的交通设施，区分上下坡路面的摩擦系数差异，标记不同光照条件下的行人轮廓。说白了，就是在手把手教AI具备类脑识别能力。这需要的不再是简单劳动，而是人类对真实世界的经验性理解。这种理解，AI短期内学不会。所以这个岗位反而变成了高需求。

另一个职业叫无人机航线规划师，2020年还不存在。现在它是人社部新增职业目录里增长最快的方向之一。这个工作需要统筹空域规则、地理信息系统和AI调度算法。分开来看，每一项能力AI都能做。但把三样东西整合起来，在真实场景里做决策，需要人。需要人来做那个最终的整合判断。

这就是未来就业市场的基本模式：人机协同。AI负责执行和处理，人负责整合和判断。人社部最新公布的数据显示，拟新增17个新职业、42个新工种。机器人领域的人才需供比已经突破5.2比1，五个岗位才能找到一个合格的人。供给严重不足。

从“聊天”到“做事”

ChatGPT的出现在2022年底引爆了第一次AI爆炸，让所有人看到AI能聊天了。2025年到2026年，AI正在经历第二次爆炸，它开始能“做事”了。

行业里有一个词叫Agent，中文叫智能体。它和之前的AI助手有三个根本区别。第一，自主性。不需要每一步都给指令，它会自己分解任务、调用工具、修正错误。第二，举一反三。它能把从一个场景学到的能力，迁移到全新场景里使用。第三，长期记忆。它记得你上周说的话，记得上个项目的决策，能基于历史上下文做判断。

这三个特点组合起来，产生了一个根本变化。以前你告诉AI一个步骤：“帮我写一段客户邮件”。现在你可以交给它一个任务：“帮我跟进这批客户，分析每个人的历史订单，给不同客户写不同风格的邮件，并在每封邮件里附上他们可能感兴趣的产品推荐，三天内完成。”AI会自己去做，而不是每一步等你确认。

这让AI从一个聪明的工具，变成了一个能独立承担任务的协作者。它不再是锤子或者螺丝刀，它更像一个初级员工，你交代目标，它想办法完成。你不需要教它每一步怎么做，你只需要审核它做完的结果。

有人赚钱，有人恐慌

同一波浪潮，不同的人处境完全不同。

能够看懂AI但不用亲自执行的人，在赚钱。甘肃临洮有一座大桥，桥上装了AI识别系统，能识别翻越栏杆、靠近水流等危险行为，系统已经救了20多条生命。设计这套系统的工程师，不需要自己写每一行代码。他们需要的是知道用什么模型，理解场景需求，把数据、硬件和算法整合起来。这种人可以叫“AI整合者”。他们不需要成为某个领域的顶尖专家，但需要能跨越技术、业务和场景的边界。

AI无法替代其情感价值的人，也在赚钱。重庆潼南梨树村用AI监测独居老人的日常，异常情况预警到网格员上门，只需15分钟。但网格员上门之后，不只是核实情况，还要陪老人说话，给他们心理安慰。AI能发出预警，但做不到让一个孤独的老人感受到被人在乎。这种连接，是人类独有的，也是所有算法无法模拟的。

哪些人在恐慌？不是低技能体力工人，而是处于中间地带的人。他们不是高端的判断者，也不是底层的体力劳动者，他们是大量依赖标准化脑力劳动生存的中产白领。会计助理、法务初级助理、新闻编辑、客服人员、初级程序员。这些人的工作有相当大一部分属于“日常例行工作”，正是AI最擅长接管的那一类。世界经济论坛的《2025年未来就业报告》指出，净失业风险最集中的，就是中等技能的重复性信息处理岗位。这批人，才是这场变革最真实的受冲击群体。

几个大概率的方向

未来会走到哪里，没有人能精确预言，但有几个方向已经比较清晰。

第一，AI会越来越便宜。DeepSeek的出现改变了一个认知：AI不一定只能靠堆算力堆出来，更聪明的架构也能做出高效模型。使用成本持续下降，会有越来越多的中小企业、个人用上真正有价值的AI服务。AI不再是巨头的专属武器。

第二，AI会从屏幕走向现实。下一个战场是把AI深度集成到硬件里，机器人、眼镜、汽车、家电。这不是科幻，是已经发生的事。当AI有了物理实体，它能改变的就不仅仅是信息世界，而是整个物理世界。

第三，AI治理会越来越紧。技术跑得快，规则跑得慢，但规则一定会跟上。AI的风险不只是商业风险，还包括伦理风险和国家安全风险。中国已修订《网络安全法》，全球范围内的AI治理协调也在加速推进。安全这个短板，会被强行补上。

第四，AI的红利会向“懂AI的人”高度集中。这里说的“懂AI的人”，不是指“用了AI工具的人”，而是“懂得如何让AI为自己工作的人”。两者的差距，就像“会开车的人”和“懂得怎么最大化利用汽车价值的人”之间的差距。前者只会踩油门和刹车，后者知道什么时候该上路、走哪条路、用什么速度、如何在目的地之前完成所有准备。会用工具，和能用工具改变自己处境，是两码事。

我们正在经历的，不只是一次技术革命。蒸汽机让农民变成工人，让工厂取代农庄，让城市成为人类活动中心，那场变革用了一百年。电力、互联网，每一次都改变了文明的基本结构。这一次，AI改变的是决策权本身。它不是在帮人做事，它在替人判断。这种量级的变化，叫文明级别的重组，并不夸张。

一年半，AI日均Token消耗增长300倍。这不是线性增长，这是指数爆炸。在这样的时代里，最危险的事情不是不会用AI，而是以为自己不需要了解AI。技术永远不等人。但技术的红利，只留给那些主动理解它、驾驭它的人。你可以选择成为整合判断的人，也可以选择成为被替代的环节。这个选择，没有人能替你做。