作者 | 万连山
新的一周，也是用上了Astra。
千言万语就是两个字，省心。
把具体的工作交给它，好像比交给一个人省心。
这叫什么？
这是信任。
从来没有过这种感觉，人居然开始信任AI了。
这种油然而生的情绪，至少对我个人而言，非常震惊。
按照现在的趋势，AI全面接管具体工作只是时间问题，而且这个时间一定不长。
具体的事都交给AI做了，我们还剩什么价值呢？
大概只剩下抽象。
01
我们过去把“会计师”“程序员”“分析师”“律师”“设计师”当成一个个职业。
但AI不认识职业，只认识任务。
一个分析师的工作可以拆成：
收集数据、清洗数据、建模型、查资料、做图、写报告、解释结果、提出判断、决定重点。
AI则更阴险一点。
它先拿走查资料，再拿走做图，然后拿走建模型，接着拿走初稿，再拿走数据核验。
最后你会突然发现：这个职位名还在，但是里面原来十项工作已经有八项由AI完成了。
现实中的职业不是被一刀砍掉的，而是被逐层掏空的。
这也是为什么现在的AI还远远不能大规模取代人。
国际劳工组织ILO估算，全球大约四分之一劳动者所在职业已经存在一定程度的生成式AI暴露度，但只有约3.3%的全球就业处于最高暴露等级。
ILO因此认为，短期内更普遍的结果仍然是“工作被改造”，而不是整个职业直接消失。
这并不是在否定AI接管具体工作的趋势。
只不过，现在的阶段太原始，不足以让大多数人察觉到而已。
有一个长久被忽视的问题：到底什么叫具体工作？
其实可以给它一个具体的定义：
只要一项任务能够比较清楚地规定输入、目标函数、约束条件和验收标准，它就越来越适合交给AI。
翻译一份合同，是具体工作。
给一家公司做DCF估值，是具体工作。
根据财报生成研究报告，是具体工作。
设计一套架构，也越来越属于具体工作。
而且从现实生产率来看，这种优势已经开始出现。
斯坦福《2026 AI Index》总结已有研究发现，在高度结构化、结果容易衡量的工作中，AI带来的生产率提升尤其明显：客户支持约14%-15%，软件开发约26%，营销内容产出部分实验达到约50%。
但在需要深层推理、上下文理解以及模糊判断的任务上，提升明显更小。
这几乎就是一张“未来工作死亡顺序表”。
越具体，越先自动化；越抽象，越晚自动化。
所以我们的工作内容，大概率将不断往上一层迁移。
从具体干什么，转变为思考要去哪里？为什么去？出了问题谁负责？
这就是所谓的“抽象层”。
与软件工程的发展非常类似。
最早的人写机器码，后来写汇编，后来写C语言，后来写Python。
现在只需要说一句：“给我做一个网站。”
下一步可能连“做网站”都太具体了。
你只需要说：“我要建立一个能够服务某类用户的商业系统。”
下面所有东西——产品设计、代码、测试、部署、客服、营销、数据分析——由AI自己拆解。
这就是Agentic AI真正重要的地方。
METR研究发现，从2019年以来，前沿AI Agent能够以50%成功率独立完成的任务长度，大约每7个月翻一倍。
2026年更新到TH1.1方法后，以2023年以来的数据计算，翻倍时间进一步缩短到约131天；如果只观察2024年以来的数据，则约为89天。
这个趋势真正可怕的地方不在数字本身，而是任务长度正在指数增长。
AI以前能独立完成一分钟工作，后来十分钟，后来一小时，再后来一天。
当它能够独立完成一个星期、一个月甚至一个季度的项目时，人类与AI之间的组织关系就会发生根本变化。
那时我们不再是用AI工作的员工，而是专门给AI下达目标的人。
这是人独有的抽象能力，是普通人最后的价值堡垒。
但想也想得到，任何企业的主体都是“干事”的人，真正需要思考的岗位能有多少呢？
更关键的是，如果AI在抽象能力上，也超越了人，该怎么办？
02
如果“抽象思考”只是逻辑推理、战略分析、归纳总结、提出假设，我其实并不认为这是人类永久的护城河。
因为AI显然也在朝这里走。
2026年AI Index指出，前沿模型在Humanity's Last Exam这类刻意为高难度推理设计的测试上，一年提高了约30%；部分模型已经能够取得国际数学奥林匹克竞赛金牌水平的成绩。
所以把时间拉得更长来看，未来很可能并不是我们想象的“机器负责具体工作，人类负责高级思考”。
更准确的说法大概是是：
机器最终可能既能做具体工作，也能做抽象思考；但人类仍然必须决定，思考最终服务于什么。
这区别非常大。
AI可以告诉你，把一家公司的利润做到最大应该裁掉3000人。
但要不要裁，是一个价值判断。
AI可以算出某项公共政策能够让GDP提高几个个百分点。
但如果代价是底层收入下降10%，要不要做，并不是数学能够自动回答的问题。
当AI越来越擅长思考怎样做到最好。
而人真正不可取代的价值是：究竟应该优化什么？
比如，幸福、公平、安全、自由、寿命、下一代……等等不存在标准答案的问题。
这无关“智力”，而是“智慧”，是价值函数的定义权。
更进一步说，是社会赋予人的规范性主权。
也就是，什么值得追求？谁的利益优先？什么风险可以接受？什么事情即使能做，也不应该做？
所以，未来最昂贵的人一定不是最会干活的人，而是最会提出问题的人。
因为答案正在变得越来越便宜，问题却越来越贵。
距离这样的未来，还有多远呢？
可能比想象中慢得多。
斯坦福2026 AI Index的数据很有意思：机器人在RLBench这类模拟环境中的操作成功率已经达到89.4%，但进入真实家庭环境以后，目前完成实际家务任务的成功率只有约12%。
这就是著名的具身鸿沟。
对AI而言，在服务器里写一万行代码很容易。
但让机器人去厨房找到一双不知道扔到哪里的筷子，就非常难。
最后10%的工作往往比前90%难得多，还涉及成本、法律责任、基础设施、社会接受度和人与人服务偏好。
所以“全面接管”可能还有几十年。
但经济意义上的角色倒置，即AI成为主要执行者，人类成为目标制定者，很可能就是未来十年发生的事。
这样的未来是否值得期待？
它可以是最美好的时代，也可能是最荒诞的时代。
03
从生产力角度，未来很值得期待。
斯坦福估算，2026年生成式AI给美国消费者创造的年度消费者剩余已经达到约1720亿美元，比一年前增长54%。
按照这种趋势继续扩张，理论上完全可能进入一种前所未有的丰裕经济。
教育极便宜，医疗极便宜，软件极便宜，知识极便宜，几乎所有商品和服务的边际成本持续下降。
问题在于：生产力解决的是“东西够不够”，它解决不了“东西归谁”。
这其实是个老生常谈的问题了。
如果AI和机器人最终承担绝大多数生产，而AI资本、算力、机器人和数据中心又高度集中，那么劳动收入在整个收入分配体系中的还有什么意义？
还有一个比收入更麻烦的问题：人为什么活着？
工业社会用了两百多年，把“工作”和“人的价值”死死绑在了一起。
我们平时见面第一句话经常就是：你做什么工作的？
谁闲得蛋疼会问：你最近在思考什么？
一个人的收入、身份、社会地位、人际网络甚至自尊，很大程度都来自职业。
也许这才是AI时代真正困难的问题，也是一个人类文明长期逃避的问题：
如果活着不再需要一份具体的工作证明自己“有用”，那我们为什么活着？
工业革命让人的肌肉逐渐失去经济稀缺性。
AI革命正在让人的大量认知技能失去经济稀缺性。
下一阶段，人将不得不把自己的价值继续往上搬。
从我能做什么，变成我能思考什么。
再从我能思考什么，变成我认为什么值得思考。
人是否配得上美好时代，取决的不是还能不能比AI聪明。
而是当我们终于不必再忙着干活之后，有没有能力想明白，自己究竟为什么而活。
只有切实发生了这种转变，真正的AI时代才会到来。（全文完）