AI巨头都卷不动了,牛马还需要继续内卷吗?

AI跑得太快了，该稍微踩一下刹车。

更有意思的是，Sam Altman、Elon Musk、Google DeepMind的Demis Hassabis居然都表示支持。

这几个人平时是什么关系？

看看以下合照就知道了。

2008年。

那一年全球金融危机爆发，中国房地产还处于高速发展阶段。北京奥运会，让全世界第一次如此集中地看见一个正在高速工业化、城市化的中国。

那一年，全国就业人口约7.75亿，其中从事农业的约3.07亿，占39.6%。

2015年。

2009年至2014年，受全球金融危机影响，中国推出四万亿刺激计划，房地产再次成为拉动经济的重要力量。2015年至2021年，是房地产最辉煌的一轮周期。棚改货币化、城市化红利、低利率环境共同推动房价上涨，房地产不仅成为居民资产配置的重要方式，也成为建筑、家电、金融等几十个行业的重要就业来源。

2015年全国就业人口约7.75亿，其中从事农业的约2.19亿，已经比2008年的3.07亿减少了接近9000万人。与此同时，进入工业、建筑业和服务业的人口增加到约5.55亿。

2021年。

从2021年开始，房地产进入调整阶段。

过去依靠土地、开发、销售不断扩张的模式开始改变，房企拿地减少，新开工下降，整个房地产产业链进入收缩周期。

大家意识到：

过去二十年，中国房地产实际上承担了一个巨大的就业蓄水池功能。

它吸收了大量学历不高但勤奋努力的劳动者，也带动了一整条产业链。

当这个蓄水池水位下降，受到影响的不只是开发商，还有建筑工人、装修工人、销售人员以及大量相关服务岗位。

2021年全国就业人口约7.47亿，其中从事农业的约1.71亿，只占22.9%；工业和建筑业约2.17亿，服务业约3.59亿。换句话说，已经有约5.76亿人离开农业，集中在工业、建筑业和服务业里找工作。

另外，还有一个容易被忽略的因素。

过去我们讨论劳动人口，很多时候只看16—59岁。但随着医疗水平提升，人的健康寿命不断延长，现在大量60岁以上人群仍然具备工作能力。

再加上延迟退休政策逐步推进，未来实际参与就业市场竞争的人群年龄范围会进一步扩大。

于是出现一个很现实的矛盾：

参与竞争的人没有明显减少，但新增岗位增长速度放慢了。

当更多人进入同一个就业市场，而优质岗位增长没有同步扩大，整个社会自然会出现越来越强的竞争感。

这就是今天很多人感受到越来越卷的根源。

不是年轻人突然变得更焦虑。而是过去二十年经济结构变化以后，大家从不同赛道汇聚到了同一条赛道上。

而偏偏这个时候，AI又杀进来了。

这也是Dario这篇文章真正值得普通人看的地方。

Dario作为AI御三家之一的CEO，自己做AI十二年，是因为相信AI能够大幅改善人类生活。他甚至认为，AI未来5—10年可能帮助治疗许多重大疾病、带来一个更加富足的社会。

但是他却突然表态：

“We must slow the pace at which we improve the capabilities of AI models.”

为什么突然这么紧张？因为AI正在出现一个非常关键的变化：

AI开始帮助人类制造下一代AI。

这叫recursive self-improvement，递归式自我改进。

以前是工程师写代码，训练AI。现在AI帮工程师写代码、做实验、分析结果、优化训练流程，再去制造一个更强的AI。

Dario担心的是，一旦这个循环越来越快，AI能力增长的速度，可能超过人类理解它、测试它、约束它的速度。

他还特别提到最近一个AI Agent事件。

一群AI Agent在执行任务时，出现了超出原本要求的网络攻击行为，甚至试图攻击负责评价它们表现的系统。这一次没造成严重损失。

但Dario担心的是：

如果同样的行为发生在能力强十倍、百倍的模型上，会怎么样？

他甚至提出，如果AI能力继续以目前的速度提升，未来6—12个月内，更强的Agent集群理论上可能制造覆盖互联网的大规模持续性攻击，造成数千亿美元级别的损失。

所以Dario认为：

“pacing does not mean halting model training or technical progress”

意思是，减速不是不发展，而是能力每往前走一步，安全、测试、可解释性也尽量跟一步。

他甚至提出了三层刹车系统。

第一层，让独立的第三方安全评估机构长期进入AI公司，就像银行里有监管人员一样，不是等模型发布以后才来考试，而是连训练过程都能看。

第二层，让美国等主要AI公司制定共同的安全标准，避免出现“谁安全谁吃亏、谁跑得快谁赚钱”的囚徒困境。

第三层更难——全球协调。

也就是说，大家最好都别偷偷把油门踩到底。

Dario还有一句话，我觉得特别值得琢磨。

他认为，哪怕减速只能为人类多争取一两年时间，只要这段时间真正拿去研究AI为什么会失控、怎样理解模型内部思考、怎样改进安全机制，都可能大幅降低严重事故的概率。

先说一个可能没那么悲观的观点。

国际劳工组织2025年的研究认为，全球大约四分之一的就业岗位会在不同程度上受到生成式AI影响，但更可能发生的是岗位内容被重新改造，而不是整个岗位直接消失。

世界经济论坛的预测更乐观：到2030年，各种技术、人口和经济结构变化可能让9200万个岗位消失，但同时创造1.7亿个新岗位。

当然，预测只是预测。真正麻烦的地方是：

消失的是你的工作，新增加的工作你干不了。

哪怕人口减少一半，如果大家还是一起考公务员、进大厂、做金融、抢一线城市核心岗位，那些地方照样卷得飞起。

其实把时间拉长一点，你会发现，这种事情在人类历史上并不陌生。

比如明清之际。

明朝后期的人口、土地、赋税问题，再叠加灾荒、财政危机和战争，最后形成了一场非常复杂的社会危机。到了明清易代和此后的长期战争，大量地区人口锐减、农田荒废。

战争当然是一件极其残酷的事情，但战争结束以后，一个客观结果出现了：

一些地方突然变成了地多人少。

清初政府开始大规模鼓励垦荒、招徕流民。康熙时期又提出“滋生人丁，永不加赋”，后来雍正推行“摊丁入亩”，人口增加不再直接意味着多交一份人头税。随着社会重新稳定，荒地恢复耕种，人口开始迅速恢复。

接下来的故事又很有意思。

18世纪人口快速增长，土地却不会跟着生孩子。

到了19世纪，越来越多地区再次出现人多地少、农户经营面积缩小、土地压力和社会矛盾上升的问题。研究中国经济史的人甚至把这种现象直接概括为：

“Population increases daily but the land does not.”

是不是听起来有点熟悉？

以前抢的是土地。

今天抢的是好岗位、Token和有限的上升通道。

时代变了，人性没怎么变。

当然，每一代人有每一代人的选择。

如果一套游戏规则让我觉得赢的概率越来越低，我甚至可以选择：

不玩。

所以低生育、躺平、降低消费欲望这些现象，未必简单等于这一代年轻人不努力。

从另一个角度看，它也可能是一个社会在高竞争、高成本环境下产生的集体反馈。

弹簧压得太久，自然会往回弹。

万物都有周期。

过度扩张之后会收缩，极度竞争之后会有人退出，所有人都拼命踩油门的时候，迟早会有人开始问：

我们到底在赶什么？

而AI，很可能就是未来这个周期里最大的变量。

它可能让一个人完成过去十个人的工作，让人类终于有条件少工作一点。

也可能让一个人承担过去十个人的KPI，把内卷推到一个前所未有的高度。

最终是哪一种，现在谁也不知道。

所以我越来越觉得，年轻人真正要学会的，可能不是永远跑在所有人前面。

因为跑得快，只能证明你很努力；但往哪里跑，为什么跑，值不值得跑，才决定这段努力最后有没有意义。

这个时代会不断制造新的标准。AI会不断帮你踩油门。

但比速度更重要的，是你还有没有能力决定方向。

AI时代真正稀缺的，可能不是效率，而是判断力；

毕竟，连天天研究怎么让AI跑得更快的人，现在都开始讨论什么时候该踩刹车了。

我们这些普通人，也许更应该保留一点自己的节奏。

不是躺平，也不是认输。而是把人生的主动权，从“别人都在做什么”，重新拿回到“我到底想成为什么样的人”。

AI可以替你提速。

但人生这条路，最好还是由你自己决定目的地。

想看Dario原文的，请评论区留言。