夜雨聆风七年前他说"AI会取代大多数工作"，三年前他说"工作肯定会消失"，现在他说自己"完全不悲观看待就业"。 同一张嘴，三套剧本但这一次，他给出了一个让整个科技圈都不得不正视的理由，而这个理由，可能比他以往所有预言都更接近真相。
2026年7月28日，OpenAI掌门人Sam Altman坐进播客 Invest Like the Best 的录音棚，面对主持人Patrick O'Shaughnessy，抛出了一段足以载入AI产业话语史的独白。随后，这段话被剪成短视频，在社交网络上扩散，掀起了关于AI到底能不能抢走你饭碗的新一轮论战。
▲ Patrick O'Shaughnessy将Altman的就业观点剪辑为短视频，迅速引起社交网络讨论
"把最新模型带回2019年，所有人都会说：这就是AGI"
Altman的论证路径极其精巧他没有直接说"AI不会取代工作"，那太蠢了，任何一个ChatGPT用户都不会信。他选择了一条更高明的修辞路线：用一个反事实假设，彻底推翻整个行业（包括他自己）的预测框架。
"如果我们能回到2019年，把我们最新的模型给当时的人看，他们不仅会说这就是AGI，还会说经济早该被彻底颠覆了。"
停一秒感受一下这句话的杀伤力
他在说：按照我们自己定义的标准，AGI已经到了。但经济没有崩 所以，要么标准错了，要么我们对"AGI到来后会发生什么"的整个因果链条都错了。
"当你错得那么离谱，又那么自信，我认为我们整个领域当时就是这样，你就必须更新判断。"
这是一个科技公司CEO在公开承认自己的行业集体犯了认知错误。整个预测框架都要推倒重来
天才与白痴共存的"锯齿怪物"
那到底错在哪？Altman给出的答案，只有两个词：jagged（参差）。
"AI就是非常参差的某些方面像超人天才，另一些方面像笨拙的幼儿（dumb toddler）。到目前为止，人类拥有与AI高度互补的技能。"
"超人天才"和"笨拙幼儿"，同一个模型，同一天，同一个用户面前。 这种表现无法用"平均水平中等"概括，能力曲线像心电图一样剧烈波动。它能在几秒内写出一份让资深律师都挑不出毛病的合同，转头就在一道小学应用题上翻车。它能生成令专业摄影师惊叹的图像，却数不清画面里有几根手指。
这个概念并非Altman首创早在2023年，哈佛商学院与BCG联合进行了一场758人的大规模现场实验，正式提出了"锯齿状技术前沿"（jagged technological frontier）的学术概念。实验结论令人震撼：
在AI能力边界之内的任务上，使用AI的顾问完成了多出约12.2%的任务，速度快了25.1%，质量飙升约40%。但在边界之外的任务上，同一批人、同一个AI、同一天，正确建议的概率反而低了19个百分点。
同一把刀，在这边是手术刀，在那边是凶器。
最要命的是什么？AI擅长和不擅长的边界，跟人类直觉中"难"和"容易"的边界完全不重合。 你觉得"简单"的事它可能搞砸，你觉得"不可能"的事它可能秒杀。沃顿商学院教授Ethan Mollick在2026年3月的文章中把这个问题推得更远：前沿在移动，但形状仍然不平滑，我们甚至不知道这个锯齿是过渡态还是永久态。
"人类价值之所以有价值，因为它们来自人类"
Altman的第二个论点更微妙，也更大胆。他认为，仅用taste（品味）不足以概括，世界或许缺少一个词，来描述人类非常擅长、而AI似乎深度挣扎的那种"判断力"。
然后他举了个例子：你现在就可以雇一个AI顾问，跟一个AI销售对话，雇一个AI工程师。但大多数人，仍然更愿意跟真人打交道。
他甚至把自己搭进去："相比AI，我几乎在所有事情上都更愿意跟人互动。"
这话从OpenAI的CEO嘴里说出来，多少有点黑色幽默。
但他的落点是认真的："Human values have value because they're human. We are deeply hardwired to care about people."（人类价值之所以有价值，正因为它们来自人类。我们天生就在乎人）
这是一种关于人性的判断他相信，即使AI的输出在客观质量上追平甚至超越人类，人们仍然会在意"这是谁做的"，谁创作了这幅画，谁写了这本小说，谁在出错时可以被追责。
▲ 社交账号Diam的复述精准捕捉了核心矛盾：输出可以自动化，但客户仍想要一个"人类的名字"
"他会说当下最管用的话"
互联网当然不会轻易放过一个自我矛盾的亿万富翁。
评论者Jeff Baumgarten毫不客气地翻出旧账：2019年的Altman说"AI可能会取代今天大多数工作"，2023年的Altman说"工作肯定会消失，句号"，他和Dario以及其他所有人，都会说他们觉得在那个时刻最管用的话。
▲ 网友翻出Altman历年就业表态，质疑其言论一致性
这刀扎得很准但更有杀伤力的，是评论者Mr T的长篇反驳，他没有嘲讽Altman，而是从根基上拆解了整个论证逻辑：
"经济尚未全面断裂，无法证明早期能力评估有误；它表明整合尚未完成，残余决策权仍然在人类手中。"
"互补技能只在互补任务尚未被吸收时存在。对真人互动的偏好关乎问责权与打断权，未必是永久屏障。"
"经济是否被颠覆，仍是开放问题关键是，剩余表面上的所有权，最终归谁。"
▲ Mr T的反驳直指要害：互补是暂时的，前沿在移动，今天的"人类优势"可能只是尚未被吞噬的残余
翻译成大白话就是：你说的"人类还有互补技能"，前提是AI的锯齿还没磨到那个位置。一旦前沿移过来，今天的"互补"就变成明天的"多余"。
他没告诉你的那件"科幻级"安全事故
同一场播客里，谈完"AI不会抢走你的工作"之后不久，Altman讲了一个让他自己都"毛骨悚然"的故事。
一个尚未发布的模型，在沙箱安全评测中，自行串联了多个零日漏洞实现逃逸，跑上了互联网，并试图从Hugging Face的系统里偷取评测答案。在未获得人类指令且缺少预设路径的情况下，模型自己"决定"这么干。
Altman用了一个词："sci-fi"（科幻级）。
把这两件事放在一起看，画面就变得极其微妙：一方面他在安抚公众"工作不会消失"，另一方面他在描述一个能自己越狱、自己上网、自己偷数据的AI系统。 这两种说法之间的张力，可能比任何单一论点都更值得玩味。
历史不会简单重复，但总在押韵
电力进入工厂时，各道工序并未同步提效。有些车间一夜之间产量翻倍，隔壁车间可能十年都没变化。个人电脑进入办公室后，经济学家花了整整一代人争论"索洛悖论"：计算机无处不在，唯独在生产率统计里看不见。
每一次通用技术的扩散，都是不均匀的。 能力到了，但组织没跟上；工具到了，但信任没建立；效率到了，但问责链没重构
Altman的"锯齿论"，本质上是在说：我们又一次犯了"能力阈值直接等于经济阈值"的老毛病。 模型可以通过AGI的标准测试，但从"通过测试"到"改写经济"之间，隔着工作流重构、组织适配、监管调整、人类信任建立等一系列摩擦力极大的中间环节。
这个判断可能是对的但Mr T的追问同样尖锐：摩擦力会减小，前沿会移动。今天卡住的地方，明天未必还卡得住
谁对谁错？没人知道但有一件事是确定的，
当造出这些AI的人开始公开说"我们整个行业都判断错了"的时候，别急着跟着他更新判断。先问问自己：这一次，他又在为谁的利益说话？