AI 真正的革命,不在码农圈

这两年，AI圈每隔几天就有大新闻。

新模型发布、新产品上线、新的"颠覆"宣言。我自己也写过不少这类文章——Claude更新了、Cursor又厉害了、vibe coding要改变软件开发了。身边的朋友，凡是做互联网、做产品、做技术的，几乎人人都在讨论AI。

但有一句话，让我最近反复在想。

说这句话的人叫 Qasar Younis。他说，他衡量AI影响力有一个标准：走进底特律机场，坐在候机区，看看周围有多少人在用ChatGPT、Claude或者Cursor。

底特律，是美国的汽车工业心脏。通用汽车、福特、克莱斯勒都发源于此。这座城市代表的不是硅谷的科技精英，而是美国最传统的制造业工人群体——蓝领，中产，普通人。换句话说，有点像我们的东莞——工厂、流水线、货车司机，那才是真实的大多数。

Qasar说，在底特律机场的候机区，你基本找不到几个人在用这些AI工具。

然后他抛出了一个问题：

"那AI真正要改变的地方，到底在哪里？"

01 一家没人听说过的150亿公司

在回答这个问题之前，我想先说说 Qasar 是谁，以及为什么他说的话值得认真听。

他是 Applied Intuition 的联合创始人兼CEO。这家公司，99%的人没有听说过——包括我，在听这个采访之前。

但有几个细节，让我意识到自己的认知盲区有多大。

全球排名前20的汽车制造商，据 Qasar 介绍有18家是这家公司的客户。美国国防部也是。公司估值150亿美元，将近10年历史，1000多名工程师。

更反常的一件事：这家公司融了很多钱，但从来没花过。 不是没用完，是真的从来没动用过那笔融资，完全靠自己的收入在运转。将近10年了。

我第一次看到这个信息的时候，以为自己看错了。一家1000多人的科技公司，融资不花？后来想想，这反而说明一件事：他们的客户真的在付钱，而且付得不少。

Qasar 本人的经历也很有意思。他在巴基斯坦的农场出生，小时候随家人移民美国，在底特律长大。后来在通用汽车做工程师，在博世做工程师，然后去哈佛读了MBA，再后来成为 Y Combinator——全球最著名的创业加速器——的COO。中间还创过业，其中一家公司 TalkBin 被谷歌收购了。Applied Intuition 是他的第三家公司。

他说，统计上来看，创始人的第三家公司往往是最成功的。

就是这样一个人，保持低调将近10年，最近突然开始公开说话了。前不久发了人生中第一条推文，内容很普通，就是"嗨，我要开始发推了"。结果 Elon Musk 回复了他，硅谷最著名的风险投资人之一 Marc Andreessen（他投资过Facebook、Twitter、Airbnb）转发说："这是AI圈最好的CEO，没人知道他。关注一下。"

我把他最近接受的一个长达两小时的播客采访认真听完了。接下来，我把我觉得最值得分享的部分，讲给你听。

02 "物理AI"是什么

我先解释一个词，因为后面会一直用到它：物理AI。

我们平时说的AI，绝大多数是"软件AI"——你在手机或电脑上和它对话，它帮你写文章、写代码、回答问题。它的世界是文字和数据，它不需要感知真实的物理空间。

物理AI做的是完全不同的一件事：让真实世界里的机器，能够"看懂"它周围的环境，然后做出判断和行动。

举个你可能有过感受的例子。你开车，或者坐网约车的时候，有没有遇到过这种情况：前方突然有人横穿马路，你还没来得及踩刹车，车子自己已经减速甚至停住了？这背后，是摄像头和传感器在持续扫描路面，而一套AI软件在每隔几毫秒就做一次判断——前方那个移动的物体是行人还是纸箱？它的轨迹是什么？我需要刹车吗？需要多急？

这整套判断逻辑，就是物理AI在做的事。

但这只是最简单的一个例子。真正复杂的物理AI场景，是让一辆货运卡车在完全没有司机的情况下，独自跑完从郑州到上海的全程高速；是让一台矿山挖掘机在地下几百米的复杂地形里，自主判断哪里该挖、挖多深、怎么避开障碍；是让军用无人机在复杂的战场环境里，实时识别威胁并做出反应。

这些机器，硬件早就造好了。发动机、液压系统、底盘、传动——几十年的工程积累，早就成熟了。唯一缺的，是那个让它们"学会看世界、学会判断"的大脑。

Applied Intuition 做的，就是这个大脑。

他们不造车，不造机器，只做那套AI软件系统。你可以理解成：整个物理AI产业链里，他们是专门负责"智能"那一层的人。造车的、造拖拉机的、造军用设备的，都需要来找他们。

说实话，我在听这个采访之前，从来没听说过 Applied Intuition 这个名字。这家公司做了将近10年，估值150亿美元，却几乎从未出现在任何科技媒体的头条上。这本身就说明一件事：物理AI这个赛道，一直在我们大多数人的视野盲区里悄悄生长。

03 这些行业，年轻人根本不想去

好，现在回到 Qasar 最核心的那个判断：AI真正的革命，在农场、矿山、建筑工地和货运卡车。

为什么是这些地方？

不是因为这些行业特别高科技，而是因为它们面临一个非常现实的危机：人，快没了。

先说农业。美国农业部每五年做一次全国农业普查，2022年那次的数字是：美国农民的平均年龄是58岁。

58岁。而且每隔五年，这个数字就往上涨将近两岁。

你想想这意味着什么。今天种地的这批人，再过十年大部分都到退休年龄了。他们退休之后，那些农场交给谁？他们的孩子吗？Qasar说，在美国，几乎没有年轻人愿意接手父母的农场。这不是美国特有的问题——中国、日本、欧洲，所有农业大国都面临同样的困境。种地这件事，正在悄悄失去它的继承人。

货运卡车的情况更紧迫。美国卡车运输协会的数据显示，美国现在已经缺了6到8万名卡车司机。这只是今天的缺口。他们预测，未来十年，这个行业需要新增120万名司机，才能填上退休和需求增长带来的空缺。

120万，差不多是一座中等城市的全部就业人口。

建筑行业，超过20%的工人已经55岁以上，濒临退休；而35岁以下的年轻工人只占16%。这个比例在过去二十年里一直在扩大。矿山行业更夸张——到2029年，超过一半的现有矿山工人将陆续退休，需要替换大约22万人。而且86%的矿业高管说，招人和留人是他们面临的"最大难题"。

这不是某一个行业的偶然困境，而是所有"苦、累、险"的体力行业，正在同时面临的结构性危机。

但在这里，我想停下来想一个问题：年轻人为什么不去做这些工作？

不是因为这些工作消失了。农场还在，矿山还在，公路上的货运需求只增不减。是年轻人自己，主动离开了。

为什么？

04 不是AI抢了饭碗，是饭碗早就没人要了

Qasar 在采访里说了一段话，我觉得是整个访谈最有洞察力的部分。

他说，要理解为什么年轻人不愿意干这些活，得先回到1980年代。

那个年代，一个普通的蓝领家庭，父亲要想赚到足够养家的钱，可能唯一的选择就是去跑长途货运。一出门就是两三周，横跨几个州，在高速公路上一个人开着大卡车，靠电台广播和路边的快餐店打发时间。钱还行，但代价是——孩子满月的时候你不在，孩子第一次走路你不在，孩子发烧打电话找你你在公路上没信号。

这是一种牺牲。但那个年代，这是一种必要的牺牲，因为没有更好的选择。

今天呢？

同样阶层的一个家庭，父亲打开美团或者滴滴的App，接单送外卖或者开网约车。单子多的时候多跑几趟，累了就关App休息，下午三点孩子放学他可以去接。收入不见得比跑长途少多少，但他掌握了自己的时间。

在这两个选择面前——常年不在家跑长途，还是随时能接孩子放学——你会选哪个？

这个问题不需要回答，因为人们已经用脚投票了。

这就是为什么卡车司机招不到人。不是因为什么外部力量把人赶走了，而是当人们有了更好的选择之后，自然会离开那些又苦又累、还需要常年离家的工作。矿山、建筑工地、农场，道理是一样的。

所以当我们听到"自动驾驶卡车要抢走卡车司机的饭碗"——这个逻辑本身就站不住脚。那个饭碗，早就没人抢着要了。

AI进入这些领域，填补的是一个已经在空掉的位置，而不是把人从位置上推开。

Qasar 用了一个说法：这些行业等AI等得太久了。不是AI来得太快，是来得正好——甚至有点晚。

05 我们一直在问错问题

聊到这里，我们一直在谈AI能填什么坑。但 Qasar 在采访里还说了一件事，让我觉得整个关于自动驾驶的讨论，我们可能都搞错了方向。

我们总在问：自动驾驶出了事怎么办？AI犯错怎么办？

但很少有人反过来问：人类开车，现在每年出多少事？

人类驾驶，每年在美国造成近四万人死亡。

这是美国国家公路交通安全管理局的官方统计数字。4万人，每年，仅在美国一个国家。

有一句据说出自斯大林、广为流传的话："一个人的死是悲剧，一百万人的死是统计数字。"4万这个数字，我们早已习惯把它当成背景信息，当成某条新闻里一笔带过的数据。但你有没有想过，这4万人里，每一个都是某个家庭里真实的人——某个人的父亲、某个孩子的妈妈、某对夫妻里先走的那一个。

Qasar 说，他相信在20到30年后，我们回头看今天人类自己开车这件事，感受会和我们今天看工业革命时期的童工一样——不可思议。

工业革命那个年代，让孩子去工厂做工是正常的。煤矿里有孩子，纺织厂里有孩子，他们工作十几个小时，领着大人一半的工资。这不是某些坏人的决定，而是整个社会默认的常态——大家都这样，所以没有人觉得这有什么问题。

今天我们觉得难以想象。但那个年代的人，觉得理所当然。

Qasar 说，未来的人看今天，会有同样的感觉。他们会想：那个年代的人，明明已经知道驾驶员会疲劳、会分心、会在最糟糕的时刻做出最糟糕的判断，但还是让人类继续开车，继续每年死4万人……为什么？

从这个角度看，自动驾驶不是一个技术炫耀，也不是一场商业竞赛，它是一个迟到很久的人道主义答案。

所以当你下次看到新闻说"某地测试自动驾驶出了事故"，我希望你能同时想到另一个数字：人类司机，光在中国，每年造成的交通事故死亡人数超过6万人。我自己也是这样——看到自动驾驶出事故的新闻，第一反应是担心；但看到每年6万人死于交通事故的数字，却觉得这是正常的背景信息。这个反差，细想起来挺奇怪的。

自动驾驶要做的，是让这个数字变小。哪怕只是变小一点点。

我最后想回到那个底特律机场的画面。

下次你在某个普通城市的火车站或者机场，抬头看看四周。周围那些普通人——工人、司机、外卖员——他们的生活里，AI几乎还不存在。他们没有在讨论大模型，没有在用Cursor写代码，甚至可能没有听说过ChatGPT。但他们每天开的车，已经开始有了一双AI的眼睛。田间的拖拉机，地下的矿山，公路上日夜不停跑的货运卡车，也在悄悄发生变化。

这，才是更接近真实的那个故事。

参考来源

1. Lenny's Podcast — Qasar Younis 完整访谈：https://www.lennyspodcast.com
2. USDA 2022年农业普查——美国农民平均年龄：https://www.nass.usda.gov/Publications/AgCensus/2022
3. ATA（美国卡车运输协会）——司机缺口报告：https://www.trucking.org
4. ABC（美国建筑承包商协会）——2026年劳动力报告：https://www.abc.org
5. SME/CSIS——矿山行业劳动力报告：https://www.csis.org
6. NHTSA 2023年交通事故死亡统计：https://crashstats.nhtsa.dot.gov