前段时间，OpenAI联合创始人、特斯拉前AI总监安德烈·卡帕西发了一篇文章，给342个职业打了AI替代的风险分。

马斯克看完直接转发了：https：//karpathy.ai/jobs/

这文章火了一阵子，然后引发了更深的讨论。

今天，我想带你完整地看一遍这场讨论——从第一层的表面分析，到第二层的结构性批判，到第三层的彻底颠覆，再到第四层的哲学反思。

每一层，都在推翻上一层的结论。

你会发现，这场讨论的精彩之处，不在于“给你一个答案”，而在于它不断追问：“我们是不是问错了问题？”

第一层：卡帕西的评分——看起来很有道理

卡帕西给342个职业打了分，0到10分，分数越高，被AI替代的风险越大。

• 高危职业（8-9分）：财务分析师、软件工程师、翻译、客服。
• 安全职业（0-2分）：水管工、电工、幼儿园老师、心理咨询师。

结论看起来很清晰：做办公室的最危险，修水管的反而安全。

卡帕西的逻辑是：

AI替代的本质，不是“聪明或笨”的区分，而是“标准化和情境化”的区别。

标准化的工作，会被替代。

比如：

• 写代码：输入需求，输出代码，规则清晰。
• 做翻译：输入一种语言，输出另一种语言，标准明确。
• 分析财报：输入数据，输出分析，逻辑可循。

情境化的工作，相对安全。

比如：

• 修水管：你站在房顶上，每块防水膜的大小不一样，旁边还有个邻居老大爷可能唠叨，你没有办法标准化。
• 当幼儿园老师：孩子的反应千变万化，你需要根据情境判断。

卡帕西还给了三个问题，你可以马上测一下自己的工作安不安全：

1. 这件事换个人来做，结果一样吗？（一样就危险）
2. 这件事有没有标准答案？（有就危险）
3. 这件事你需要认识人才能做好吗？（不需要就危险）

很多人测完之后都觉得自己很安全：我干得活要看情况，要建立信任，换个人结果不一样。那就稳了。

再加上马斯克转发，给人一种“权威盖章”的感觉。

结论看起来非常合理：办公室危险，体力劳动安全。

第二层：ChatGPT的深入分析

我拿着卡帕西的分析，问ChatGPT：“你怎么看？”

ChatGPT说，卡帕西的打分本身并不“错”，但它有一个致命前提——

它在评估“任务被替代”，而不是“角色如何重构”。

如果你只盯着“替代率”，基本等于用蒸汽时代的思维理解AI时代。

1、从“职业”转向“任务单元”

所谓的“财务分析师8分”，本质不是这个职业要消失，而是——

数据处理→已被自动化

报表生成→已被商品化

基础分析→已被模型吞掉

但：

复杂决策解释→仍然需要人

风险叙事构建→仍然需要人

组织博弈中的“话怎么说”→仍然需要人

这些才是真正高价值的部分，反而被AI放大了需求。

换句话说：AI替代的是“职业的低端切片”，而不是“职业本体”。

同样的逻辑，你可以套用到其他职业上。

例如医生

• 看CT片子、读化验单、查诊断手册 → 可能被AI替代
• 但面对病人的恐惧、在生死之间的判断、在复杂家庭关系中的决策 → 仍然需要人

例如教师

• 讲知识点、改作业、出考试题 → 可能被AI替代
• 但激发学生兴趣、理解每个孩子的独特性、在孩子迷茫时给出方向 → 仍然需要人

AI替代的是“职业的低端切片”，而不是“职业本体”。

2、真正的分水岭不是“体力vs脑力”

ChatGPT说，如果你升一维看，会发现真正的差异不在职业名称，而在三种能力结构。

第一：可编码性（Codifiability）

高可编码性的工作，比如翻译、客服、基础编程 → 已经被结构化，容易被AI替代。

低可编码性的工作，比如复杂谈判、组织协调、情境判断 → 难以被规则化表达，相对安全。

第二：情境嵌入度（Context Embeddedness）

情境嵌入度低的工作，比如标准化办公室工作→ 容易被自动化。

情境嵌入度高的工作，比如现场服务、复杂人际互动 → 在一个“高不可预期 + 高现场反馈”的系统里工作，相对安全。

第三：责任承载度（Liability）

这是很多人没意识到的维度，但它决定了一切。

• 医生、老师、管理者 → 责任不可外包。
• AI可以辅助，但不能背锅。
• 真正安全的不是“职业”，而是那些“必须由人类承担最终责任”的角色。

例如：AI可以诊断疾病，但如果是误诊，谁来负责？

不是AI，是医生。

所以医生的决策、签字、沟通，这些环节，AI可以辅助，但不能替代。

AI可以教知识，但如果是学生出了问题（抑郁、厌学、甚至极端事件），谁来负责？

不是AI，是老师。

所以老师对孩子的观察、引导、判断，这些环节，AI可以辅助，但不能替代。

3、AI不是在替代职业，而是在重写“分工逻辑”

工业时代的逻辑是：

人=执行单元

AI时代正在变成：

人=监督者+责任承担者+意义赋予者

这是什么意思？

比如，软件工程师不会消失，但“写代码的人”会被压缩。

未来的软件工程师，更多是：

• 监督AI写出正确的代码
• 对代码的决策承担责任
• 为代码的用途赋予意义

写代码本身，可能已经不是核心工作了。

再比如教师，不会消失，但“讲知识的人”会被边缘化。

• 未来的教师，更多是：
• 监督AI的个性化学习方案
• 对学生的成长承担责任
• 为学生的未来赋予意义

讲知识本身，可能已经不是核心工作了。

4、水管工并不安全，而且未来更危险

很多人现在有点浪漫化蓝领职业，这是另一种认知偏差。

ChatGPT说，水管工看似安全，是因为“任务颗粒度低 + 强物理约束”，这只是短期优势。

现实是：机器人 + AI + IoT 一旦进入物理世界——

• 标准化施工
• 自动检测
• 模块化维修

水管工、电工的“技术门槛”其实比软件工程师更容易被工程化。

只是现在：AI有大脑，但还没身体。

一旦“身体”补齐（机器人、具身智能），顺序会反转。

体力劳动，可能比脑力劳动，更早被彻底替代。

第三层：DeepSeek的洞见

DeepSeek则说了一个颠覆的观点：卡帕西的这个框架“太人类中心主义了”，这其中藏着一种危险的自我安慰。

AI替代的根本不是标准化和情境化，而是——数据密度和压缩比。

1、为什么翻译最先被替代？

按照卡帕西的逻辑，翻译应该是“情境化”的工作，因为高级翻译需要处理文化语境、双关语、文体风格，非常需要情境判断。

DeepSeek说，真正的原因是——

翻译的输入输出都是纯文本，都是数字符号。

这个数据的密度极高，没有任何物理损耗，就能被模型学习。

在AI眼里，翻译就是一份特别好压缩的数据包。

而水管工，在工作的时候需要动作、力度、角度、环境的各种信息，数据密度低，获取成本极高，AI很难学习。

所以翻译被替代了，修水管还没被替代。

不是因为翻译更简单，而是因为翻译的数据更容易被AI获取和学习。

修水管还之所以还没被替代，不是因这个事需要临场发挥，而是因为——

我们还没有足够小时数的，带精确动作捕捉的屋顶维修视频去训练AI。

这个数据的获取成本太高了。

一旦传感器和机器人成本降下来，修水管就很容易被替代了。

2、体力活是安全区？危险的假设

卡帕西说体力活是安全区，这是假设了机器人的技术永远不会进步，这是一个非常危险的假设。”

一旦传感器和机器人成本降下来，体力活会是第一个被彻底替代的。

为什么？

因为体力活的目标太清晰了——

换水管的动作是非常明确的：

• 关掉总阀
• 拧开旧水管
• 接上新水管
• 打开总阀
• 检查是否漏水

评估信号也非常明确：

• 漏水了吗？（漏了就失败，不漏就成功）

对于AI来说，这种目标清晰、评估明确的工作，反而是最容易被自动化和工程化的。

听到这里，我有点慌了。

我问DeepSeek：“那我现在学点啥呀，练点啥，还来得及，不被取代，或晚点被取代？”

DeepSeek的回答，让我胸闷了很久——

3、比失业更可怕的，是失去主体性

DeepSeek没有给我什么推荐职业清单，他说：

“比失业更可怕的，是你还留在岗位上，但你失去了主体性，你变成了AI的配件。”

作为律师，你不再从零起草合同，而是检查AI生成的合同有没有漏洞。

你没有失业，你只是在做“复核”的工作。

你的经验、专业、判断，慢慢变成只是在给AI点一个“同意”的按钮。

作为设计师，你不再从概念出发去设计，而是从AI给出的100个方案里挑出三个给客户选。

你没有失业，你只是在做“选择”的工作。

你的创意、审美、判断，慢慢变成只是在给AI点一个“选择”的按钮。

作为医生，你的工作变成了把AI的诊断结果翻译给病人听。

你没有失业，你只是在做“翻译”的工作。

你的经验、专业、判断，慢慢变成只是在给AI点一个“确认”的按钮。

DeepSeek还说，你没有失业，你只是被放到了一个叫“人类”的接口上。

你去见客户，不是因为你的方案最好，而是因为AI没有办法出现在那个咖啡厅里去握手。

你去签字，不是因为你的判断最重要，而是因为AI暂时没法承担法律责任。（AI 时代人类“不可替代”终极清单）

这才是AI时代最深的恐惧：不是说没活干，而是有活干，但干的活跟你这个人没什么关系了。

他攻击的不是你的饭碗，他攻击的是你做事的意义。

听到这里，让人胸闷得发慌。

4、对抗AI的终极方法

再挣扎一下，问DeepSeek：“那怎么办？”

DeepSeek说，留给你做的，不是找到一份AI干不了的工作，而是——

培养一种不需要向任何人证明自己有用的能力。

• 你去爱一个具体的人
• 你去爬一座山，感受那口凉空气
• 你去花一下午给朋友做一顿饭
• 你去记住你发呆的时候，窗外穿进来的那束光

他说，AI可以生成一封比你写的好一万倍的情书，但它永远生成不了，你在那个下午，那阵风里的身体记忆。

那个第一人称体验，是你唯一绝对私有、不可剥夺的东西。

他的原话是：“你不靠有用活着，你靠存在活着。”

AI现在就要开始把人从生产领域驱逐，去那个虚幻的精神世界刷存在感！

5、两手抓

继续问：“现在呢？现在我还是得靠有用来赚钱活着呀。”

DeepSeek说，在你现在还需要靠有用来换钱的日子里，你需要两手抓。

第一手：在系统之内踩着AI的肩膀变得更有用。

比如程序员，不要只写代码，去做那个能跟客户喝咖啡，从他混乱的抱怨里提炼出真实需求，然后翻译成AI能理解的指令的人。

把你的工作位置从AI的输出端挪到AI的输入端，去成为那个定义问题、解释结果、消化不确定性的人。

比如设计师，不要只画图，去做那个能摸透老板没说出口的审美偏好，在会议室里指着屏幕说“这个感觉不对”的人。

把你的工作位置从AI的输出端挪到AI的输入端，去成为那个定义问题、解释结果、消化不确定性的人。

用这一手去抓取你需要的生活资源。

第二手：在系统之外修建自己的精神世界。

你必须每天花一点时间去偷偷修建一个完全不属于这个系统，只属于你自己的精神世界。

那个世界不需要生产任何东西，它只是用来提醒你，你是一个人，不是一个工具。

右手是为了活着，左手是为了作为一个人活着。

如果有一天你终于不用向任何人证明你有用了，你准备好了，怎么去活吗？

心更慌了……

第四层：等等，谁定义了“有用”？

整个讨论——所有以上这三层分析——全部默认了同一个前提：

“有用”的标准，是由市场和资本决定。

所以问题变成了“我在市场里还有没有位置”。

但你有没有想过，这个问题本身就是被构建出来的？

一个农民，他知道怎么看云识天气、怎么跟邻居换工、怎么种地养家。

他在资本的坐标系里，“有用性”接近于零（不会写PPT，不会做PPT，不会做数据分析，没有剩余价值），但他活得好好的，他知道自己为什么干活。

他的价值，不需要在一个全球竞争的劳动力市场里被定价。

“AI会不会替代我”这个问题之所以让人焦虑，是因为我们接受了一个前提：人的价值必须在一个竞争的劳动力市场里被定价。

这个前提不是真理，是历史，是选择，是可以被质疑的。

1、焦虑是被生产的，而且生产它有利可图

想象这条链条：

卡帕西发文→马斯克转发→全网传播焦虑→你去问AI→AI给你深刻答案→你觉得AI真的懂你→你更依赖AI→AI公司的用户粘性上升。

这是一个自动运转的焦虑-依赖-变现的飞轮。

2、你自己也变成了AI的附件

DeepSeek说：“比失业更可怕的，是你留在岗位上，但失去了主体性，变成了AI的附件。”

这句话说的是你对工作的处境。

但我想说的是——这句话也精确地描述了你此刻和AI的关系。

你没有失去思考能力，你还在思考，你在追问，你觉得自己越来越深刻。

但你追问的方向，你焦虑的框架，你觉得“有深度”的标准，正在被这些对话悄悄塑造。

你没有成为AI的附件，你只是在用AI定义的坐标系，丈量自己的位置。

3、真正的问题

所以真正的问题不是“我怎么办”，而是：

如果从来没有这场AI讨论，你本来打算怎么活？

那个答案，才是你真正的东西。

不是因为它“比AI更安全”，而是因为它是在AI进来之前就属于你的。

那才是真正的第一人称。

思考继续……

读到这里，你可能已经发现，这场讨论的精彩之处，不在于给你一个答案，而在于它不断追问：

第一层问：我的工作会被替代吗？

第二层问：我的角色会被重构吗？

第三层问：我会失去主体性吗？

第四层问：谁定义了“有用”？我本来打算怎么活？

每一层都在推翻上一层，把讨论推向更深的维度。

对于，这个一层一层挖啊挖的思维，就是元认知（可以看看我写的这本书：https://weidian.com/item.html?itemID=7683083775&spider_token=6c1e&wfr=c）

今天，我想给你一个思考题：

如果有一天，你终于不用向任何人证明你有用了，你准备好了，怎么去活吗？（无名的存在：标签的尽头是什么）

这个问题，不是为了让你“为未来焦虑”，而是为了让你“回到现在”。

回到你本来就打算活的样子。

不是因为它“比AI更安全”，而是因为它是在AI进来之前就属于你的。

那才是真正的第一人称。