AI热潮会因过度成功而冷却吗

本文来自微信公众号： 未尽研究 ，作者：未尽研究

周末，OpenAI创始人兼CEO奥特曼的住所遭遇纵火。嫌疑人还扬言要烧毁OpenAI办公楼，很快被警方控制。目前案件仍在调查中。奥特曼认为，一篇煽动性文章加剧了反技术情绪，最终引发了这起袭击。

没人会支持纵火者。但在奥特曼发布温情长文回应后，社交媒体上的评论分歧却异常明显。

AI越成功，社会情绪反而越分裂。在奥特曼看来，AGI具有“魔戒”般的影响力，会让人做出极端疯狂的事；而OpenAI正践行使命，通过技术进步推动更美好的未来。但在更多人眼中，比如美国民众，AI满足了少数人的好奇心、财富欲和权力欲，却可能给更多人带来无助、压力甚至愤怒。

AI成了企业的“亲儿子”

盖洛普公司的最新调研，揭示了“AI悖论”的一个侧面。过去一年，14至29岁的美国年轻人既未完全拒绝也未完全接受人工智能，即便每天使用AI的人也是如此。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。

日常生活中，他们使用AI的频率基本没变，但对AI的情绪态度却有明显变化：兴奋感下降14个百分点，期待度下降9个百分点，愤怒则上升9个百分点，焦虑仍维持在40%以上。

年轻人对AI的看法变差了

说明：当年轻人被问及“AI让我……”

尽管使用AI更频繁的年轻人比使用频率低的同龄人对AI看法更积极，但这并未改善他们的态度。相反，这部分人群的兴奋感和期待度下降幅度更大，分别达18个百分点和11个百分点。

在他们看来，AI并未更好地帮自己解决现实问题。无论是加速学习还是提高工作效率，AI实际发挥的作用正越来越受年轻人质疑。仅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4个百分点。

年轻人眼中AI与效率的关联

更关键的是，他们十分担心AI最终会取代自己的未来。认为AI对工作弊大于利的年轻人比例上升11个百分点，达到48%，远高于持相反观点的15%。

这是一个敏锐却无奈的世代，他们眼睁睁看着未来前景被压缩。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的一篇论文发现，在AI高度渗透的职业中，职场新人就业明显下降，而职场阅历越深，受冲击越小。今年，Anthropic也发现，在高渗透职业中，22至25岁年轻求职者入职率下降约14%，这一趋势在25岁以上群体及低渗透职业中并不明显。

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会不会在职场上先吃掉00后，然后吃掉此后每一代人

2026/03/07完整阅读>

奥特曼在回应袭击事件的长文中表示，“AI将成为扩展人类能力和潜力的最强大工具”，并强调“适应性至关重要”。这当然有道理。但AI的真正价值，只有在投入足够时间、让复利效应显现后才能体现。而年轻人正失去这样的适应机会。

AI对劳动力市场的影响，正首先表现为代际结构变化。已是“既得利益者”的资深员工在这场变革中更占优势，他们的时间价值急剧提升，能完成比以前更多的工作以实现目标；公司生产效率提高，相同任务需要更少员工，尤其利好懂得将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，反而成了最脆弱的群体。

企业可能不会再有“后浪”了。随着大模型学习能力持续提升，企业正从资深员工的实际工作中“提炼”更多智能，知识日益向AI转移，而非在实际工作中向新一代传递，这进一步提高了人类新员工的入职门槛。AI正成为企业的“亲儿子”。

这正是这代年轻人真正担心的：AI让他们没有现在，也就没有未来。AI正在获得知识的继承权。

荣耀归于“AI同事”

在当前AI系统中，被排除的人失去机会，被接纳的人则开始承担成本。那些已接受AI辅助的人类员工，虽仍留在岗位，却要做更多工作、背更多责任，功劳却越来越多地归于他们的“AI同事”。

AI似乎正让人类更疲惫，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”，意外地带有反讽意味。

当市场谈论大模型与智能体时，多数叙事仍停留在宏观层面：效率提升、迭代加速、更快产出更多代码。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、解决问题的工作，却鲜有提及。

那些仅将AI视为生产力工具，却忽视人类与AI实际工作分工的企业，正无意中加深人们对“AI过剩世界”的抗拒。

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

代码过载正成为新的“技术债”。StackHawk联合创始人表示，引入Cursor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，如今却越来越多地甩给人类工程师。在预期生产率大幅提升的AI时代，硅谷程序员反而走向了“996”。

这种“AI过剩”同样在更广泛的数字经济中发生。过去十年，苹果应用商店新应用数量整体呈下降趋势，但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，供给爆炸并未带来价值同步增长，反而稀释了质量与用户注意力，同时给平台审核体系带来前所未有的压力。

苹果应用商店新上架App数量

硅谷长期相信技术能解决一切问题，包括技术自身制造的问题。AGI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，逐步覆盖软件领域，进而影响白领世界。于是，解决代码过载的答案显而易见，那就是使用更多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，执行与责任的对应关系已被打破。技术正在自动化执行，责任却仍留在人类体系中。这种路径真的在解决问题吗？还是仅仅用新的复杂性掩盖旧的复杂性？最终的错误又将由谁承担？

更值得注意的是，这种“AI过剩的世界”仍在自我强化。Token消耗量正成为衡量员工敬业程度的新指标。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token使用情况进行排名。

被忽视的大多数

尽管奥特曼在回应长文中提到“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、相互误解”。

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高商业价值场景，服务于少数专业人群，而非大多数普通用户。

AI在摧毁一批白领岗位的同时，也创造了一批技术工人岗位，但AI又能神奇地将媒体、资本和技术牢牢捆绑，把放大内容的工具交给他们，创造有利于自身的叙事——从以“生存毁灭”夸大威力，到将技术替代人类包装成文明进步的技术精英标签。

一个看似更实体、更侧重制造业、产业结构更健康的美国，反而让更多人不满，因为这在现实中往往表现为非对称、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，仿佛能用有限的经济转移来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，被忽视的大多数在这个时代失去的只会越来越多。

社会情绪日益紧绷，几乎必然会外溢。它正在寻找出口，或创造出口。于是，AI成为最方便的承载对象——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问题归因于它，不同性质的问题也被有意无意地混在一起。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”也逐渐成为可利用的叙事工具。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会降温吗？

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。无论是清醒却无助的年轻人、替AI背锅的打工人，还是不在“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，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、更严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间传递，而是不断被“提炼”进模型，大量依赖真实工作场景积累的隐性知识正失去自然生长的土壤。一旦这一过程持续，AI所依赖的“人类经验源泉”本身也可能逐渐枯竭，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“工作质量”成为评价标准时，激励机制本身正在扭曲。如果只有通过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被“驱逐”。AI应用的市场空间或因此受到侵蚀。

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。一些立法者已开始推动限制数据中心建设的法案。2026年，美国已有近30%到50%的数据中心会延期，这一比例或进一步提升，约束算力供给。

AI的发展依赖数据、算力与电力，同样依赖社会的信任与共识。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，但可能会在更高摩擦、更强约束甚至更频繁冲突中前行。

那些AI大厂和政策制定者们，需要在2026年直接回应这些问题。