夜雨聆风2026 年 5 月 18 日，新浪财经一篇署名"赵老师"、来源标注"陆向谦"的文章在中文世界引爆：《纽约时报刷屏长文：硅谷正在准备迎接「永久底层阶级」！ AI 时代的四个新阶层，你的孩子将被困在哪一层？》。
文章给出了一张让中产家长脊背发凉的表格：算力与数据层(0.1%)、技术架构层(5-10%)、服务层(20-30%)、永久底层(60%)。配套的判断是：留给个体跳出底层的"窗口期"只剩约 5 年——也就是 2029-2030 年 AGI 到来之前。
文章的转化路径设计得非常精妙：先抛硅谷数据，再上清华教授背书，最后落到一个具体的产品诉求——让孩子今晚就打开 Claude ，不然就晚了。
但只要把这套论述的来路扒清楚，你会发现一个有意思的事实：这套四层论里没有一句话是它的原创，而它最关键的那次"翻译"，把一篇呼吁政策辩论的纽约时报评论，改写成了一份儿童 AI 编程班的销售文案。
一句被翻译过两次的判断
要看清这套论断的底色，得回到它的原始素材——2026 年 4 月 30 日 Jasmine Sun 在《纽约时报》观点版发表的《 Silicon Valley Is Bracing for a Permanent Underclass 》。
Sun 是一位长期报道硅谷的年轻华裔记者。她在自己的 Substack 上复盘说，这篇 4600 字的文章她写了两个半月，采访了 50 多位技术研究员、经济学家、政策专家和现任政客。
但她原文的核心论点其实跟标题给人的印象有所差异。她写的是这样的话：
我认识的 AI 行业里大多数人都觉得"普通人完蛋了"，但他们也不知道该怎么办。多数经济学家和 AI 专家其实并不预期最极端的情景会发生，"永久底层"这个想法之所以应该让我们警惕，是因为它揭示了 AI 公司在通往 AGI 的路上愿意容忍多少附带损害；以及，社会底层的产生是一个政策选择，不是技术必然。
翻译一下， Sun 自己根本不认为 AI 会必然制造永久底层。她想敲打的恰恰是硅谷工程师们那种"反正没办法"的认命态度，她想逼出的是一场关于政策和分配的辩论。
但 NYT 那个标题——"硅谷正在准备迎接一个永久底层阶级"——天然就是病毒级的。它精准击中了 2026 年中产阶级最柔软的那块肌肉。
更关键的事发生在它被翻译成中文之后。让我们一行一行对照 Sun 原文和赵老师版本：
百分比是赵老师加的。"代表群体"是赵老师加的。"Anthropic 核心团队""百万美元年薪架构师""传统白领"这些标签是赵老师加的。整个四层结构的具体框架，是中文二次创作的产物，不是 NYT 原文的内容。
赵老师文章接着做了第二次嫁接——把硅谷的论述焊接到中国家长的教育焦虑上。文章引用陆向谦的直播原话："会用 AI 的人和不会用 AI 的人，差距是 10 倍、 100 倍。""上到本科的时候学 AI 就有点晚了。""我要走出清华的象牙之塔，从娃娃抓起。"
文章结尾给出的两个对照清单——"正在为第四层做准备的信号"和"正在为第二层做准备的信号"——其每一条都精准对应陆向谦实验室的产品卖点：从 10 岁开始学 AI 、做真实项目而非考试、用 AI 解决真实问题。
陆向谦不是 Sun 那样的记者，也不是 Amodei 那样的 AI 从业者。他的另一个身份是一家面向 10 岁孩子的 AI 编程训练营创始人。这个产品销售的内在逻辑，决定了他的论述天然倾向于把"集体问题"翻译成"个体焦虑"。
这套叙事是怎么长出来的
把脉络拉长看，这套四层论的真正面目是把过去十年间四股独立的思想潮流，在 2026 年春天用一篇中文公众号文章拧成了麻花。
2017 年，赫拉利按下了命名键。以色列历史学家尤瓦尔·赫拉利在 TED Ideas 和《自然》杂志上反复讲一个比喻——19 世纪的工业革命创造了"工人阶级"， 21 世纪的 AI 革命将创造一个对应的新阶级，他给它起的名字就是"useless class"，无用阶级。
但赫拉利的原始论点其实比后来流传的版本要克制得多。他强调的是三件事： AI 对人类工作的替代是任务级的不是职业级的；更危险的不是失业本身而是意义的丧失；这是一个政策选择题，不是技术宿命。
2024 年 6 月， Aschenbrenner 把时间表拍在了桌上。一位刚被 OpenAI 解雇的 25 岁前员工 Leopold Aschenbrenner 发布了一篇 165 页的长文。这篇文章在硅谷圈引爆的关键，是它给出了一个具体到年份的预测：按 GPT 能力增长的指数曲线外推， 2027 年 AGI 就会到来，紧接着是 2030 年的超级智能。
值得注意的是， 2026 年 3 月 Effective Altruism 论坛上有人系统评估了 Aschenbrenner 两年后的预测——结论是他的训练算力增长曲线大致兑现了，但能力曲线明显滞后。 GPT-5 、 Claude 4.5 的能力跃迁远没有他预测的那么剧烈。但这不重要。在传播学上，只有时间表会被记住，校准结果不会。
2024 年 10 月， Amodei 提供了行业内部背书。 Anthropic 的 CEO Dario Amodei 发布了接近 2 万字的长文《 Machines of Loving Grace 》。这篇文章的本意其实是反驳硅谷对 AI 过于悲观的论调——他想证明 AI 将会带来一个数据中心里"住着一个天才国度"的乌托邦。
但他在讨论经济影响那一章里，用一种极其冷静的语气承认会有"少数人"在新经济中找不到经济意义上的位置，社会必须为此设计新的分配机制。
请注意， Amodei 的原话从来不是"AI 会制造永久底层"，而是"这是一个我们需要去设计制度来应对的问题"。但在一年半之后的二次传播中，这段话被剪成了"Anthropic CEO 预测 AI 将取代一半初级白领"。这是这套论述脉络里第一个值得标记的事实漂移。
2025-2026 年，硅谷的内部共识变成了日常经验。 Stanford Digital Economy Lab 的研究显示，在 AI 暴露度高的职业里， 22-25 岁年轻员工的雇佣量出现了明显下降。这不是预测，是已经发生的统计现实。最直接受冲击的是软件工程师、客服、初级法律分析师、初级会计师这几个岗位。
陆向谦在直播里反复讲的那个数字——"AI 团队平均工资超百万美金，但同一所 Berkeley 出来的大部分 CS 毕业生降到 5 位数都找不到工作"——不是夸张。 Anthropic 在 2026 年初被报道用 700 万美元年薪从竞对挖人，与此同时计算机本科应届生的 Offer 中位数在持续下滑，两条曲线像剪刀一样张开。
到 2026 年初，硅谷的酒局上人们已经在公开讨论"我们正在建造一个让一半人失去经济意义的系统"。这不再是赫拉利在 TED 演讲里的远方想象，而是工程师邻居家儿子的求职现实。
整条脉络已经清晰：
赫拉利（命名）→ Aschenbrenner （时间表）→ Amodei （行业内部背书）→ Sun （ NYT 封装）→ 赵老师×陆向谦（中文产品化）
每一层翻译都让原始判断变得更确定、更紧迫、更具行动指令性。原始命题里的"如果""可能""政策选择"等限定词在每一次翻译中都被磨掉一点。到了最后那个版本，剩下的只有"窗口期还有 4 年"和"今晚的选择决定孩子站在哪一层"。
站在反方的经济学家们
要判断"四层结构论"这套论述本身的成色，最好的办法是把它放到当下所有讨论"AI 与社会阶层"的主流声音里横着比一遍。
最值得对照的，是 2024 年诺贝尔经济学奖得主、 MIT 教授Daron Acemoglu。
Acemoglu 在 2024 年 12 月接受 MIT Economics 访谈和 2025 年的《 Building Pro-Worker AI 》论文里，系统给出了三个判断。
第一， AI 对全要素生产率的提升远低于硅谷宣传。他测算未来 10 年 AI 带来的 TFP 增长大约是0.66%，远低于 Goldman Sachs 预测的 7%。
第二， AI 对就业的影响不是"通用替代"，而是高度任务依赖。他和合作者提出了一个关键概念叫"so-so automation"——很多 AI 应用其实是"半吊子自动化"，它们替代了人，但没有提高多少生产率，结果是双输：工人失业，雇主也没赚到多少。
第三，技术替代论的历史预测兑现率极低。 Acemoglu 团队特别引用了Frey 和 Osborne 那个著名的"47%岗位将在 20 年内被自动化"的 2013 年牛津论文。这篇文章在 2013-2018 年间是技术失业讨论的圣经，被引用过万次。
但 2022 年 ITIF 做的实证回顾标题就叫《 Oops 》——预测中那 47%的工作损失没有发生。十年过去了，绝大多数被预测会消失的岗位（收银员、卡车司机、放射科医生）还在那里。这不是说技术替代不存在，而是说任务级替代和职业级替代是两回事，替代发生的速度也比预测慢得多。
MIT 另一位重磅劳动经济学家David Autor给出的是更被认真倾听的中道声音。他反复表达一个判断： AI 最有趣的可能性，恰恰是把"专家级判断"民主化。
他举的最经典的例子是医生——历史上"医生级判断"是稀缺品，因为它需要 15 年训练。但如果 AI 能让一位有 3 年训练的护士做出接近专家水平的判断，那么这个职业不是消失，而是扩张。中等技能护士的工资和岗位数会上升。
Autor 对"专家被替代"的看法是反直觉的：他认为最先被替代的不是专家，而是那些把专家变成稀缺品的"准入壁垒"。法律行业的 Senior Partner 不会消失，消失的是那些被律所雇来做尽职调查的初级律师。但律师服务整体可能因此变得更便宜、更普及。
注意， Acemoglu 和 Autor 这一派在严肃经济学界占据主流位置，但在公众舆论场上的传播力远远不如赫拉利和"硅谷预言家"们。原因很简单——他们的结论是"等数据再说，别瞎猜"，这没法做成爆款标题。
被剪掉的那一半
更有意思的是，"四层结构论"在英文世界的近亲——Aschenbrenner 、 Altman 、 Musk 、 Amodei 这一类人——内部其实有重要的分歧，被中文版本完全抹平了。
Aschenbrenner 的论述重心不是阶层，是国家安全。他真正担心的是中国超越美国。他给出的政策建议是"美国应该把 AGI 研发国有化、全力堆算力"。他几乎没怎么讨论过普通人怎么办。
Amodei 的论述重心不是替代，是赋能。"Machines of Loving Grace"用绝大多数篇幅在描绘 AI 如何治愈疾病、扩展民主、解决心理健康问题。他对失业问题的篇幅其实很短，且明确说"我对此没有完整答案"。
Sam Altman 更直接，他在 2025 年初的多次访谈里反复说"AGI 到来后我们会需要新的社会契约，可能包括 UBI"。他不否认底层会出现，但他认为解决方案是分配机制重构，不是个人努力。
中文版本的"四层结构论"做了一个非常关键的剪辑——把英文世界这些人对"分配方案"和"政策响应"的讨论全部砍掉了，只留下了"会出现底层"这个判断。这就像把一个完整的"病情诊断+治疗方案"切掉一半，只保留诊断书。
剩下的那一半，天然指向焦虑营销。
它说对了什么，又错在哪里
把脉络和格局合在一起看，"四层结构论"展现出一种非常有意思的双重身份。它作为问题描述部分有效，作为行动指令部分失真。
它说对了三件事。"AI 正在压缩中等技能白领的议价权"这个判断是对的——Stanford 的实证数据、硅谷应届生的就业市场、码农工资的两极分化，这些不是预测，是已经发生的现实。"早接触 AI 的人和不接触 AI 的人之间会出现能力差距"这个判断也是对的——差距是不是 10 倍、 100 倍存疑，但差距存在没有争议。"传统应试教育的价值在被快速侵蚀"这个判断在某种程度上也对——当 AI 能在 5 秒内给出托福满分作文时，单纯比拼标准化测试得分的能力的确在贬值。
但当这些观察被压缩成"四层结构+5 年窗口+底层锁死+今晚就行动"的具体指令时，至少四个地方出了问题。
第一个失真：把"会出现差距"等同于"会出现永久阶层"。差距和阶层是两回事。能力分化在每一代技术变革中都发生过——从印刷术到工业革命到互联网，每次都有"早适应的人"和"晚适应的人"。但这些差距在历史上从来没有变成世袭锁定的阶层。原因是新一代人会重新洗牌——他们不需要继承父母的"AI 技能"，他们出生时 AI 就是空气。
如果 AI 真的成为像电力一样的基础设施，那么 2040 年的小孩使用 AI 就像 2025 年的小孩使用智能手机一样自然。他们的竞争优势不会来自"父母让他 10 岁学了 AI"，因为那时候 10 岁不学 AI 的人已经不存在了。
第二个失真：把概率性预测当成确定性预测。 Hassabis 自己说的是"2030 年 AGI 有 50%概率"。 Aschenbrenner 的预测在两年后已经被证明部分跑偏。 Frey 和 Osborne 那个 47%的预测十年后被 ITIF 评为"oops"。技术预测的历史兑现率非常低。
但"四层结构论"不允许这种概率讨论，它必须把"可能"翻译成"必然"，否则它的销售逻辑就垮了。一个"有 50%概率发生的事情"无法支撑"今晚就给孩子报班"的紧迫性。这是这套论述在传播过程中必须做出的认知扭曲。
第三个失真：把集体问题转译成个体问题。这是整套论述里最值得警惕的认知替换。
Sun 的 NYT 原文核心是"这是一个政策选择"——我们集体决定要不要建设 UBI 、要不要限制某些 AI 应用、要不要重新设计税收。
赵老师的版本核心是"这是一个家长选择"——你今晚让孩子做什么，决定他的阶层。
这两种叙事的政治后果完全不同。前者指向社会运动和政策改革，后者指向中产家庭的私人焦虑和教培付费。把社会问题包装成个人努力问题，恰恰是任何"贩卖焦虑"产业最经典的认知操作。
第四个失真：忽视了 AI 带来的赋能效应。"四层结构论"完全没讨论一种可能性——AI 不是阶层锁定器，而是阶层流动加速器。
历史上限制阶层流动的最大瓶颈是教育资源不平等。一个农村孩子上不了名校，不是因为他笨，是因为他没钱请好老师。但 AI 使得"哈佛级别的一对一辅导"在原则上免费——任何能上网的孩子都可以用 Claude 辅导自己学物理。这种可能性在"四层结构论"里完全消失了，因为它不利于销售。
为什么是中国家长
值得做一次回望——为什么是"中国家长"这个群体最容易接受这套叙事？
这要追溯到两个历史路径依赖。
第一个路径依赖来自高考社会的训练。中国家长被三十年的"一考定终身"系统训练成了一种特殊的思维方式——人生赛道是有限的，关键节点是稀缺的，错过窗口就无法重来。"高考-名校-好工作"这条单线路径本身就是一种"窗口期"叙事。
当"AI 窗口期"叙事出现时，它不需要重新教育用户——它直接利用了"高考焦虑"已经训练好的认知模式，只是把"高考"换成了"AGI 到来"，把"考上 985"换成了"成为 AI 驾驭者"。
第二个路径依赖来自双减后的教培产业重组。学科辅导被禁，但中产家长的教育焦虑没有消失，资本和从业者也没有消失。它们必然会找到新的出口。 AI 素养教育、编程训练营、创新教育——这些都是同一股焦虑的不同形态。
陆向谦实验室也好、其他玩家也好，他们不是焦虑的制造者，他们是焦虑的接收容器。真正制造焦虑的是这两个深层路径的合流。
三个未来剧本
基于以上分析，对"四层结构论"所预言的未来给出三个版本的剧本。
最可能的剧本：温和版的"K 形分化"。 Autor 和 Acemoglu 的判断大致正确——AI 会显著加剧劳动力市场分化，但不会出现"永久底层"这种戏剧性结构。最可能发生的是：一部分中等技能岗位会持续萎缩但不是消失；服务业会扩张但报酬未必如黄仁勋说的那么乐观； AI 核心团队收入会持续上涨，但 1-3%可能比 5-10%更接近现实数字。"永久底层"这个标签不准确，更准确的描述是"长期低工资增长的服务业从业者"——这种群体在过去 40 年的美国已经存在了， AI 只是加剧而非创造这个现象。
最危险的剧本：政策完全失败 + 技术加速兑现。如果 Aschenbrenner 式的时间表大致兑现，同时美国和中国都没能建立有效的分配机制，的确可能出现一个 2030 年代的"长期失业潮"。但即使在这个剧本里，"永久底层"也不是技术决定的，是政策失败决定的。
讽刺的是，家长在这个剧本里能做的最有用的事，反而不是让孩子学 AI——是让孩子保持政治觉醒、能在公共领域为自己的群体争取权利。这恰恰是"四层结构论"最不鼓励的事。
最乐观的剧本： AI 成为新一代的电力。 Autor 式的乐观叙事兑现——AI 让"专家级服务"白菜化，每个人都拥有自己的私人医生、私人律师、私人导师。在这个剧本里，"四层结构论"会被证明是又一次 Frey-Osborne 式的"oops"。
这个剧本兑现的关键变量不是技术，是社会能不能在转型期撑住。这就回到了 Sun 在 NYT 原文里真正想表达的那个论点——这是一个政策选择，不是技术宿命。
一个最后的判断
这场关于"AI 阶层重构"的讨论里，最值得记住的一点是——"窗口期"叙事的真正受益者不是被告知要赶紧行动的家长和孩子，而是讲述这个叙事的人。
陆向谦实验室在 2024-2026 年的快速扩张、各种 AI 教培课程的高客单价、爆款公众号文章的流量收益——这些都不是阴谋，但它们确实构成了一个激励结构。在这个结构里，越是把"窗口期"讲得紧迫，转化率就越高。
这不是说陆向谦在撒谎。他对 AI 影响的观察大部分是真实的。但他作为一个既是观察者又是受益者的双重身份，决定了他的论述天然倾向于把"集体问题"翻译成"个体焦虑"，把"概率预测"翻译成"确定性紧迫"。
判断这套论述价值的最好方法，不是问它说的对不对，而是问"如果按它说的做了，会发生什么"。
如果一个家长按"四层结构论"的指令行动——让 10 岁孩子开始用 AI 做项目、淡化应试教育——结果会怎样？
最好的情况下，孩子培养出对 AI 工具的熟悉和某种"做真事"的能力。这是好事。
最坏的情况下，孩子用宝贵的童年学了一堆 6 个月就过时的 Prompt 技巧，错过了培养底层认知能力的关键期，反而在真正重要的能力上落后了。
而无论是哪种情况，真正决定这个孩子未来阶层的，从来不是他 10 岁时学没学 AI——是他出生时家庭的经济条件、他青少年时期受到的认知训练、他成年后能否在转型动荡的社会里保持适应力。这些东西，从工业革命到互联网革命，从来没变过。
赫拉利在 2017 年那篇文章的结尾写了一句话，被中文翻译版本完全忽略了——"无用阶级"的真正悲剧不是失业本身，是我们集体丧失了想象一种"工作之外的人类价值"的能力。
这才是这场讨论里真正值得追问的事。它和"今晚让孩子打开 Claude"无关。
