AI的两面同时兑现:新病毒、隐瞒、失业、利润

AI 周观察 · 第 20 期

8月的第一周，四条新闻摆在一起看，有一种说不出的荒诞感。

斯坦福大学用OpenAI的Evo模型训练DNA数据，AI自己设计了16种自然界不存在的全新病毒，全部能感染细菌。梅奥诊所——全美排名第一的医院——被前高管起诉，指控其AI助手MAYA错误率高达67%，团队删除了不利测试结果后还以"文化不匹配"为由解雇了举报人。加州、俄勒冈、华盛顿三州并列美国第二高失业率5.2%，AI正在冻结科技招聘。但同一天，Bloomberg报道：约25家S&P 500公司量化了AI对收益的影响，平均利润率提升180个基点。

AI能创造生命，也能掩盖错误。AI在替代人类工作，也在帮公司赚钱。正面和负面不再是"可能"——它们同时变成了"已发生"。

这就是AI在2026年8月的真实面目：不是天使，不是恶魔，是两者同时在场。

一、AI创造了16种新病毒

先说最震撼的那条。

8月6日，《Science》杂志发表了一项研究：斯坦福大学科学家用OpenAI的生成式模型Evo，在数百万基因组数据上训练它识别DNA结构模式，然后让它自己"写"新的病毒基因组。结果AI设计了16种自然界不存在的噬菌体——感染细菌的病毒。科学家在实验室里合成了这些AI设计的DNA，16种全部成功感染了大肠杆菌，其中一些还克服了细菌的天然抗性机制。

这些新病毒的序列模式与自然界任何已知病毒都不同。AI不是在"复制"已有的病毒，是在"发明"新的。

Hanke对《纽约时报》说了一句话，我觉得是这周最值得反复读的一句："你可以说，'嘿，基因组语言模型，给我做一个修改过的流感基因组，让它更具传染性或更致命。'"

这不是杞人忧天。2026年4月，《纽约时报》就报道过：科学家通过向AI聊天机器人提一系列问题，获得了组装致命病原体并在公共场所释放的分步指南。能力已经在那了。Evo的研究只是证明：AI不仅能告诉你怎么做，还能自己设计出自然界不存在的东西。

当然，正面价值同样巨大。定制设计噬菌体可能是对抗抗生素耐药性超级细菌的突破口——不再依赖从自然界寻找能 targeting 特定细菌的病毒，而是AI直接帮你设计一个。但这个能力的两面性是结构性的：能设计治病的病毒，就能设计害人的病毒。区别只在于用它的人想干什么。

二、梅奥诊所隐瞒了67%的错误率

第二条新闻，从实验室转向了临床。

梅奥诊所——全美排名第一的医院——前研究运营总监兼AI合规负责人Traci Tamiko Eto，在明尼苏达联邦法院起诉了医院。指控内容：梅奥诊所的AI数字助手MAYA，错误率高达67%。团队不仅没有报告这个数字，还删除了不利的测试结果，歪曲了工具的能力。Eto在标记了MAYA的隐私问题和安全风险后，被以"文化不匹配"为由解雇。

不是一个人在说。另有10份独立的内部举报报告提出了类似警告，都指向同一个约67%的错误率。

这起诉讼不是孤例。2026年4月，加州Sutter Health和MemorialCare因为用AI环境临床文档工具录制医患对话，被患者提起集体诉讼——敏感医疗信息在未经知情同意的情况下被截获、录音和处理。同月，Tempus AI面临多起集体诉讼，原告指控Tempus在未经同意的情况下使用患者基因数据。

Eto的诉讼还涉及更广的指控：患者数据去标识化和全球共享、NIH资助的基因组数据使用、生物样本商业出售，以及一项涉及高风险研究性医疗器械的境外心脏手术中绕过机构审查委员会（IRB）审查的问题。如果这些指控成立，梅奥诊所的问题不只是AI错误率——是整个研究伦理体系的失守。

三、西海岸5.2%：AI冻结了谁的招聘

第三条新闻，从医疗转向了就业。

CNN 8月8日报道：6月，加州、俄勒冈州和华盛顿州并列美国第二高失业率，5.2%，仅次于华盛顿特区的6%。加州信息产业就业在4月创六年新低。Intel——俄勒冈州最大私人雇主——从2022年的13万+员工裁到了8万1千人。俄勒冈州的芯片行业就业达到了30年低点。微软总员工数十年来首次下降。亚马逊自去年10月以来裁了3万多人。

UCLA经济学家Ben Hyman提供了更精确的数据：加州失业申请在"前高AI暴露职业"的工人中上升，尤其是湾区的高级学位持有者和科技邻近行业。旧金山联邦储备银行的分析显示，失业人群中高级学位持有者是"最难找到工作"的群体之一。

这跟过去几次技术革命不一样。工业革命替代的是体力劳动者，这次替代的是脑力劳动者。而且被替代的恰恰是受教育程度最高的人——那些花了最长时间积累技能的人。一个被裁掉的流水线工人可以转行做快递，一个被裁掉的高级软件工程师，转行做什么？

CNN报道里有一个人的故事让我停了很久。Matt Carter，去年从科技公司Welocalize的项目经理岗位上被裁，之后在俄勒冈州波特兰一直找不到科技岗位的工作。他卖了房子，失业救济也用完了，现在在考虑当保安糊口。他说："在西海岸的大城市找一份科技工作，现在跟中彩票差不多。竞争太多了，招聘太少了。"

四、180个基点：AI开始赚钱了

第四条新闻，方向完全相反。

Bloomberg援引22V Research报道：约25家S&P 500公司量化了AI对收益的影响，平均利润率提升180个基点。排除将AI与其他生产力项目混合的公司后，仍有150个基点。AI的利润贡献正从科技行业扩展到废物处理等传统行业。这是首批跨行业"已实现"（而非承诺的）AI利润率增长统计之一。

Rippling的案例更具体。这家公司发现自己的AI token账单即将消耗40%的研发人员预算，月增长80%。10-15%的员工驱动了60%的支出，一名工程师每月花5万美元。他们建了AI Spend Console来追踪每位员工的AI支出与生产力信号的关系，并在Cursor、OpenAI、Anthropic、Grok和Z.ai的GLM 5.2之间路由——CEO Parker Conrad称GLM 5.2"便宜85%但性能几乎相同"。结果：Token支出从40%降至15%，7月成本是4月的37%——尽管token量几乎没变（600B）。

Databricks也发布了类似的策略：当更便宜的模型达标时迁移出前沿模型、按复杂度动态路由任务（降低平均任务成本30%+）、用渐进式摩擦仪表板替代硬性上限、调优编码框架减少token开销（生成token减少近50%）。AI不再是"烧钱"了——它开始帮公司省钱、赚钱。但省下来的钱，有一部分来自不再招聘的人。

两面性的交汇点

四条新闻放在一起，AI在2026年8月的真实面目就清楚了。

这四个面不是独立的。它们之间有因果链。

AI能力变强→企业用AI替代人工→就业下降、利润上升→AI应用加速→AI需要更多数据和能力→能力继续变强。这是一个正反馈循环。利润提升180基点是"油门"，就业替代是"尾气"，能力突破是"引擎"。三者同时运转，互相加速。

但信任是刹车。如果梅奥诊所的67%错误率被隐瞒的事成为常态——如果AI的能力声明不可信、安全测试不可信、错误率不可信——整个循环就会失去制动。企业会在利润驱动下加速部署AI，但部署的AI可能跟梅奥的MAYA一样，错误率高到危险。利润在涨，但错误也在涨。直到某一天，一个67%错误率的AI在某个关键节点上做出了一个致命的错误决策。

说点判断

关于Evo创造16种新病毒，我的判断是：这是AI安全讨论从"信息风险"转向"生成风险"的转折点。过去我们担心的是AI告诉你怎么造炸弹——那是信息层面的风险，信息已经在网上存在，AI只是降低了获取门槛。但Evo做的是另一件事：它生成了自然界不存在的东西。这个能力没有先例。Inglesby和Hanke呼吁立法禁止对人类病原体使用生成式技术——我认为这个呼吁应该被听到。好消息是：Evo的研究团队排除了人类病原体数据，且噬菌体只感染细菌。但技术一旦被证明可行，复制只是时间问题。

关于梅奥诊所的MAYA事件，我的判断是：这起诉讼的意义远超梅奥本身。它揭示了医疗AI部署中一个结构性的问题——谁在验证AI的准确率？如果答案是"AI团队自己验证自己"，那跟让学生自己改卷子没区别。梅奥的MAYA团队"删除了不利测试结果"——这不是技术失误，是组织行为问题。Eto作为AI合规负责人被以"文化不匹配"解雇——这个理由本身就说明"文化"出了什么问题。医疗AI需要独立的第三方验证，不能靠自律。Rust社区这周禁止LLM写代码但允许审查——同样的逻辑：AI可以参与，但最终责任必须在人身上，而且验证的人不能跟开发的人是同一拨。

关于180基点利润率提升，我的判断是：这是AI行业最需要的正面信号。过去两年，AI的投资回报一直停留在"承诺"阶段——花了几千亿建数据中心，但收入数据不够硬。现在S&P 500公司开始报告"已实现"的利润率提升，而且不只是科技公司，废物处理行业也在受益。这说明AI的商业价值是真实的，不是泡沫。但同时，利润的一部分来自劳动力成本下降——不招人、裁人。AI赚钱和AI替代人，是同一枚硬币的两面。你不能只接受一面。

最后说一句。这个系列写到第20篇了。从第01篇写入门竞争开始，到现在，AI行业走过了"谁的模型强"的阶段，走过了"谁的价格低"的阶段，走过了"谁的安全事故多"的阶段，走过了"谁的基建大"的阶段。现在到了一个新阶段：AI的两面性同时兑现。它创造生命，也制造错误。它替代人类，也创造利润。它是最有力的工具，也是最需要刹车的技术。接受两面，才能用好它。只看一面，要么盲目乐观，要么盲目恐惧。两样都危险。

— END —