AI飞速发展时代下的我们会成为21世纪「砸机器的工人」吗?谈谈砸机器的工人和即将被替代的我们

前阵子连着看了几个讲卢德运动的文章和视频。

1811年的冬天，英国诺丁汉的织袜工人趁着夜色摸进工厂，抡起锤子，把刚装好的织袜机一台台砸烂。领头的人自称是传说中「卢德将军」的手下。运动很快蔓延到约克郡、兰开夏，工厂被烧，军队进城，最后是绞刑架和流放船。

后来「卢德分子」成了一个骂人的词——顽固、愚昧、反科技、挡在时代车轮前的一块石头。

看完我却有点坐不住。因为我每天在做的事，就是教人学用电脑写文档、写代码、查资料。如果这些活真的被AI干了，我们这代人及我们所教的学生也因此失业，会不会也变成两百年后被人嘲笑的那批砸机器的工人？

这篇文章想认真回答三个问题：当年那批人到底在砸什么；今天我们面临的替代，和当年有什么不同；以及普通人还有没有别的选择。

01 · 历史

他们砸的不是所有机器，是压价的那台机器

1764 年前后，兰开夏的织工兼木匠哈格里夫斯造出一台新纺纱机，用妻子的名字命名为「珍妮机」。它一开始能同时纺 8 个纱锭，后来做到 80 个，一个十几岁的孩子就能操作。

效率是好事，但对靠纺纱吃饭的人来说，效率就是降价。纱价一路走低，手工纺工的收入跟着塌了。1769 年前后，布莱克本的纺纱工冲进哈格里夫斯的家，砸毁机器、烧掉房子，把他赶出了小镇。

四十年后，轮到织工。1811 年，诺丁汉的袜商生产劣质长袜压低价格，织工夜袭工厂砸机；1812 年，议会把破坏机器定为死罪；1813 年约克审判，17 人绞死，25 人流放澳洲。

版画：卢德分子捣毁动力织机。图源：Wikimedia Commons，公有领域

他们不是不知道机器先进。历史学家汤普森在《英国工人阶级的形成》里考证得很清楚：他们砸的，是那些被用来把工钱压到活不下去的机器。霍布斯鲍姆把这叫「集体议价的暴力」——1799 年和 1800 年的《结社法》禁止工人结社，砸机器成了他们唯一还有效的谈判手段。

历史学家艾玛·格里芬的一句话最扎心：「他们关心的不是技术，是技术会削减他们的工资。」新机器由廉价的不熟练工操作，一个工匠十年的手艺，几个月内一文不值。

所以，卢德分子不是反科技的蠢人，而是被排除在谈判桌外的人。他们的悲剧不在于砸错了东西，而在于——砸完了，机器还是来了。

02 · 这一次不一样

机器搬进了办公室

前两次工业革命，机器替代的是肌肉；这一次，替代的是读写算。

国际货币基金组织 2024 年的估算：全球约 40% 的岗位暴露在 AI 影响之下，发达经济体是 60%。世界经济论坛 2025 年的调查则预计，到 2030 年全球将有 9200 万个岗位被替代、1.7 亿个新岗位产生。

但真正值得看的不是这些大数，是 2026 年发生的两个细节。

📌 细节一：裁员公告里开始出现AI。人力机构 Challenger 统计，2026 年前三季度，美国企业把 120,136 人的裁员直接归因于AI，占全部公告裁员的21%，是 2025 年全年（54,836 人）的两倍多。同期美国失业率只有4.2%——AI 没有让失业率爆表，但它确实写进了解雇理由。

📌 细节二：入口在收窄。智联招聘 2026 年一季度数据，编辑/编校岗位招聘需求同比下降29%，客户服务下降23%，视觉交互下降21%。国际劳工组织 2026 年 5 月的报告也提到，常规写作、翻译、入门级软件和网页开发的招聘明显下滑。

中国社科院蔡昉在 2026 年 10 月 21 日的外滩年会上说了句很重的话：这一轮 AI 从相对高端的岗位开始替代，被替代的人「只能向下流动，没有同等质量的岗位可承接」。

制造业的例子更直白。老干妈把拣辣椒的产线换成 AI 视觉质检，0.3秒扫描一个辣椒，不良率降到0.02%。但新招的「设备操作工」「制程品控员」，要求机电一体化、食品工程背景。原来那批四五十岁的拣椒女工，回不去了。

所以 AI 拿走的不是「职业」，而是职业里那些能被清楚描述、能被验收的任务。麻烦在于，几乎每个职业里，这样的任务都占了七成。

03 · 程序员

先塌的是台阶，不是天花板

程序员曾经被认为最安全：要逻辑、要创造力、要终身学习。2026年的数据，把这份安全感拆开了，大部分程序员可能真的要失业了。

超过八成的开发者已经在用 AI 编程工具，约四成代码由 AI 生成或参与生成。入门级工程岗位的招聘量比 2022 年少了约 60%。哈佛大学对 6200 万名劳动者的研究显示，企业采用生成式 AI 后的六个季度内，初级开发岗就业下降 9% 到 10%。而 2025 年 5 月到 2026 年 5 月新增的软件岗位里，71%是资深岗。

最有意思的是 METR 的随机对照实验：让资深工程师在熟悉的代码库上干活，用AI的那组实际慢了 19%，但他们自己感觉快了20%。「感觉更快」和「真的更快」之间，隔着 39 个百分点。

这解释了那个反直觉的现象：AI越强，判断力越贵。因为AI会自信地给出错误答案，能看出错、敢签字的人，反而稀缺。

IBM的做法是个信号：2026 年把美国入门级招聘扩到三倍，但重写了岗位描述——少写样板代码，多直接面对客户。不是不招年轻人，是改招能指挥 AI 干活的年轻人。

所以程序员这行没有被消灭。被消灭的是「照着需求文档敲代码」的那一级台阶。而那一级台阶，原本是所有人长成架构师的必经之路。

04 · 数学家

当「证明」不再稀缺

如果说程序员还有工程经验这道护城河，数学家几乎是最纯粹的大脑劳动。结果最先被攻破的，恰恰是这里。连数学家也要面临失业风险。

2024年，DeepMind 的 AlphaProof 在国际数学奥林匹克拿到银牌；2025年升级版拿到金牌级分数。2026年5月，OpenAI一个未公开模型推翻了埃尔德什1946年提出的平面单位距离猜想——125页推理，9位数学家审核，菲尔兹奖得主高尔斯的评价是：「如果这是人类投稿，我会毫不犹豫建议接收。」

更说明问题的是独立评测。First Proof在2026年5月用10道全新的研究级数学题测试四套AI系统：7道达到「可发表质量」，单题算力成本10到1000美元。

生成与验证被加速，理解与传承还在人类这一侧

陶哲轩在 2026 年国际数学家大会的演讲里给这件事起了个名字：证明消化不良。生成和验证被 AI 加速，理解、发表、写进教科书仍然是人类的速度。结果是从「证明稀缺」进入「证明充裕」——而数学界几百年的荣誉体系，正建立在「证明稀缺」这个前提上。

埃尔德什问题数据库里有 1217 道题，人类解决了 565 道。如今那里挂着几十份 AI生成的证明，很多可能是对的，却没有专家愿意花几个月去核验。有的提交者自己都声明：我没有资格核验。

反弹也很强烈。2026 年 6 月《莱顿人工智能与数学宣言》发布，国际数学联盟背书；9 月，据报道有 25 位菲尔兹奖得主联名警告：把数学变成跑分竞赛，会毁掉孕育新思想的土壤。

当然，也别被公关稿带跑。同样在 2026 年 9 月，有团队宣称用上万个智能体、88 小时攻下纳维 – 斯托克斯方程，第二天就有 3 篇手稿因符号写反而撤回、14 篇修订。

数学家没有被替代。但「解题」这件最容易被计件的工作，正在被机器接管。剩下的是提出问题、判断什么重要、把证明讲到人能懂——这些事，目前还离不开人。

05 · 真正的危机

向上的路，被抽走了一截

把上面三段放在一起，会发现一个共同点：被冲击最重的，不是最资深的人，也不是最底层的人，而是正在往上走的人。

斯坦福数字经济实验室用 ADP 薪酬数据做的研究显示：在 AI 高暴露职业里，22 到 25 岁年轻人的就业比在低暴露职业的同龄人低 19%，35 岁以上基本持平。差额主要来自「少招人」，不是「多裁员」。

纽约联储的数据更冷：到 2026 年 6 月，美国应届大学毕业生的失业率已经连续 66 个月高于全体劳动者，是 1990 年有记录以来最长的一次。

普华永道分析了全球十亿条招聘广告：受 AI 影响的入门岗位，要求「判断力、领导力、面对面沟通」的比例高出 7 倍；这类岗位 2019 年以来增长 35%，其余入门岗位则减少了 10%。

06 · 时间差

「会创造新工作」，这句话只说了一半

每次聊到这里，总有人搬出那句话：别担心，技术进步会创造更多岗位。

大方向没错。世界经济论坛预计到 2030 年全球会消失 9200 万个岗位、新增 1.7 亿个，净增 7800 万。但注意，这是对 1000 多家雇主的问卷调查，是「计划」，不是「承诺」。

更要命的是时间差。英国工业革命之后，实际工资并不是立刻上涨的：从 1790 年代到 1840 年代，英国人均产出在涨，工人的实际工资却基本停滞，历史学家把它叫作「恩格斯停顿」。真正普遍上涨要等到 1850 年代以后——距离卢德分子被绞死，已经过去两代人。

对宏观来说，两代人是曲线上一个小弯；对具体的人来说，那就是一辈子。

但这一次有个不同：AI的渗透有摩擦。Anthropic 对真实对话的分析显示，52%是「人机来回协作」，45%是「直接交给 AI」；49%的职业已有至少四分之一的任务被 AI 碰过；编程行业理论上 94% 的任务可被触碰，实际观测到的使用只有 30%。

这条缝隙，就是普通人的时间窗口。

而分化已经在工资单上发生了。普华永道 2026 年的报告：要求 AI 技能的岗位增速是整体就业市场的 8 倍，平均薪资溢价62%；AI暴露度最高的企业，员工人数增长52%，最低的只有36%。

换句话说，AI没有平均地打击所有人。它在奖励一部分人，也在惩罚另一部分人。分界线不在行业，而在怎么用。

07 · 分水岭

不是人 vs AI，是会用 vs 不会用

1811年的锤子，可以砸机器，也可以用来造机器。工具本身没有立场，位置由人决定。

这句话听着刺耳，但它至少指出了一个还能使上劲的地方：工具已经在你手里了。

我把身边用 AI 用得顺和不顺的人对比了一下，差别基本落在三层：有人把任务原样交出去，有人负责验收，有人干脆把整条流程重做一遍。

具体到每天能做的事，我给三个建议——不是「学会写提示词」这种废话：

1 把自己的工作拆成二十个任务，标出「可以被清楚描述、可以被验收」的那些。这些是最先被拿走的，也是你最该主动交出去的——早点交，你才有时间去做后面两层。

2 保留签字权。AI出的东西，你要能解释每一处为什么这么写。解释不了的部分，就是你的知识缺口。

3 每季度重写一次流程，而不是优化旧流程。AI的能力三个月一变，去年最省事的做法，今年可能正好是瓶颈。

还有一件事 AI 暂时给不了：现场、信任、责任和跨部门的协调。这些东西看起来不「高效」，但它们是组织真正付钱的理由。

但我不想把「会用AI」说成新的道德优越。不会用的人，很多不是懒，是没人教、没时间，也没被允许试错。真正的分水岭，一半在个人，一半在组织愿不愿意给人学习的时间。

两百年后，我们不必再砸机器

1813年约克的绞刑架，没能拦住蒸汽机。今天大概也没必要去砸服务器。

但那批织工留下的问题还在：进步，是谁的进步？这台机器解放了谁，又把谁甩下车？

这一次或许可以有不同的答案。因为工具第一次不只握在工厂主手里——你手上的电脑、手机、一个几十块的会员，就是两百年前那台珍妮机。

时代大势挡不住，也没必要挡。真正能选的，是站在机器的哪一边。

愿我们都做那个先学会开机器的人。