辛顿警告AI将取代人类工作，杨立昆反对：先听这5个人怎么说

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 办公效率, 编程, 数字化, 大模型
原文链接： https://mp.weixin.qq.com/s/Xzzvv5Ejh3E6iuaesX9nqQ

摘要

过去半年，关于“AI 会不会抢走我们的工作”的讨论愈演愈烈。几乎每隔几周，就会有新的研究报告、行业预测或焦虑故事被推上舆论场。科技公司一边喊着“AI 将赋能每一个人”，一边悄悄收紧招聘甚至大规模裁员；白领群体中，“我的岗位还能撑几年”的担忧悄然蔓延… 最近，“AI 教父”杰弗里·辛顿（Geoffrey Hinton）在接受采访时也聊及这个话题。作为深度学习的奠基人之一、2024 年诺贝尔物理学奖得主，辛顿自离开谷歌后，便持续为 AI 潜在风险发出警示。 图 | 辛顿接受采访（来源：Youtube） 辛顿指出，回顾人类历史，每一次重大技术革命都遵循相似的节奏：淘汰一类劳动，同时开辟新的就业...

核心内容

过去半年，关于“AI 会不会抢走我们的工作”的讨论愈演愈烈。几乎每隔几周，就会有新的研究报告、行业预测或焦虑故事被推上舆论场。科技公司一边喊着“AI 将赋能每一个人”，一边悄悄收紧招聘甚至大规模裁员；白领群体中，“我的岗位还能撑几年”的担忧悄然蔓延…

最近，“AI 教父”杰弗里·辛顿（Geoffrey Hinton）在接受采访时也聊及这个话题。作为深度学习的奠基人之一、2024 年诺贝尔物理学奖得主，辛顿自离开谷歌后，便持续为 AI 潜在风险发出警示。

图 | 辛顿接受采访（来源：Youtube）

辛顿指出，回顾人类历史，每一次重大技术革命都遵循相似的节奏：淘汰一类劳动，同时开辟新的就业空间。农业机械化把劳动力从土地上解放出来，他们走进了工厂；工厂自动化之后，人们又转向办公室和知识型工作。经济体总能生长出新的需求层次，承接那些被旧技术挤出的劳动力。但 AI 不一样，它不是守在某一扇门后的自动化工具，而是出现在每一扇门的后面。

一个客服人员失业后转行学编程，发现 AI 也会写代码；再转向法律文书处理，AI 同样胜任；尝试内容创作，AI 依然在场。每一次转型还没站稳，就可能被迅速追上。辛顿将这一判断提升到了文明史的高度：人类一路走来，不断突破各种局限。食物匮乏靠农业解决，距离障碍靠交通工具解决，体力限制靠机械解决。每一次突破都催生了全新的人类活动空间。而 AI 正在突破的，是人类智力本身。当智力不再构成瓶颈，新的空间在哪里？

辛顿坦言，自己目前没有答案，也未见到任何人给出令人信服的解释。他还给出了具体的时间预判：2026 年，AI 将在呼叫中心大规模替代人类客服；数年之内，便可能具备独立运行、持续数月的软件工程项目能力。这番言论一经发出，便引发讨论。

但并非所有人都认同辛顿的观点。不久后，另一位“图灵奖得主”杨立昆（Lecun Yan）便公开回应。他措辞直接：“我敬重 Geoff（辛顿），但在技术革命对劳动力市场的影响这个问题上，他甚至不如达里奥·阿莫迪（Anthropic CEO）了解得多。”

（来源：X）

紧接着，他提出了一个更值得深思的观点：不要听 AI 科学家谈这个问题，无论他们多么杰出；更不要听 AI 公司 CEO 的判断，无论他们多么成功。劳动经济学的问题，应当交给研究劳动经济学的学者来回答。

随后，他点名 @ 了五位经济学家：菲利普·阿吉翁（Philippe Aghion）、达龙·阿西莫格鲁（Daron Acemoglu）、埃里克·布莱恩约弗森（Erik Brynjolfsson）、安德鲁·麦卡菲（Andrew McAfee）和大卫·奥托（David Autor）。

这条帖子的价值，不仅在于立场表态，更在于它揭示了当前公共舆论中一个明显的失衡。在“AI 会不会取代人类工作”这个议题上，声量最大的始终是两类人：AI 技术专家和科技公司管理者。前者对模型能力有深刻理解，但对经济系统如何消化技术冲击未必具备专业判断力；后者既有商业动机去渲染 AI 的变革性，也有动机去回避其社会成本。

而真正以劳动力市场为研究对象、积累了数十年方法论和实证数据的经济学家，在公共舆论中的存在感反而薄弱得多。那么，杨立昆点名的这五位学者，对于 AI 与人类共存的问题究竟持怎样的观点？我们不妨逐一了解。

达龙·阿西莫格鲁可能是五人中对 AI 经济影响最为审慎的一位。他任教于麻省理工学院（MIT）经济学系，2024 年因制度经济学方面的开创性贡献获得诺贝尔经济学奖。近年来，他将研究重心转向 AI 领域。2024 年，他发表论文《AI 的简单宏观经济学》，结论出人意料：据其模型估算，AI 在未来十年对美国全要素生产率（衡量经济体整体效率的核心指标）的提升幅度，大约只有 0.5% 至 0.9%。这一数字，与硅谷流行的“AI 将重塑全球经济”的宏大叙事之间，存在近乎一个数量级的落差。

图 | 达龙·阿西莫格鲁 (来源：Wikipedia)

但阿西莫格鲁并非认为 AI 毫无价值。他指出，目前 AI 能够自动化的，仅是企业全部任务中的一小部分；且许多被自动化的环节，并未被生产率更高的新任务所替代。他将这类技术定义为“平庸技术”（so-so technology）：足以替换工人，却未能带来相称的效率提升。劳动者被排挤出局，经济整体并未因此显著受益。

但他并不担忧 AI 过于强大导致人类无事可做。恰恰相反，他认为问题可能在于 AI“还不够强大”：企业之所以有动力用其替换人力，唯一原因是它已经足够廉价，即便替换后的效率增益微乎其微。

2026 年 4 月，他在美国国家经济研究局（NBER）发布新研究，探讨当 AI 生成的内容反过来成为训练 AI 的语料时，不仅模型可能崩溃，人类的知识库也会发生系统性退化。因为 AI 倾向于输出“概率最高”的平庸内容，这会稀释人类文明中的极端案例和独创性思维，导致我们在依赖 AI 的过程中，逐渐丧失处理复杂、罕见问题的能力。

同样任教于 MIT 的大卫·奥托，是当今全球引用量最高的劳动经济学家之一。与阿西莫格鲁相比，奥托的视角中包含更多建设性的可能。他最具影响力的分析框架被称为“基于任务的分析”：不将一份工作视为整体来判断其存废，而是将其拆解为一项项具体任务，逐一考察哪些将被自动化、哪些反而会被增强。在这个框架下，绝大多数工作并非“消失或存续”的非此即彼，而是内部发生结构性漂移：部分环节交由机器处理，另一些环节则因机器的辅助而变得更加重要。

图 | 大卫·奥托 (来源：Wikipedia)

2024 年，奥托曾提出一个反直觉的观点：AI 对中产阶级可能是有利的。其推理逻辑如下：过去数十年间，专业技能的门槛不断提高，医生、律师、高级工程师凭借多年训练积累的判断力，构筑了中等技能劳动者难以逾越的壁垒。但如果 AI 被设计为辅助工具而非替代品，它有可能将部分“专家级判断力”向更广泛的群体开放：社区护士借助 AI 诊断辅助系统，可以承担以往仅由专科医生执行的初步筛查；小型企业主利用 AI 法律工具，能够处理以往需要委托律师的合同审核。

奥托将此概括为“专业知识的民主化”，不是消灭专家，而是降低成为“准专家”的准入门槛。当然，他也反复强调，这并非技术进步的自动结果，而取决于企业的部署方式和政策的引导方向。2026 年 2 月，他与阿西莫格鲁合作发表《构建支持工人的 AI》，系统性地界定了何种 AI 技术可被归为“亲工人型”，试图为技术开发提供明确的价值导向。

这类技术包括：能开辟全新劳动领域的“新任务创造技术”（如让农民转型为管理多维数据的“精准农业调度员”）、旨在降低准入门槛的“决策支持技术”（如辅助护士执行复杂临床诊断，实现医疗专长的下放），以及强调人类处于回路中心的“协作型人机交互”（如在精密制造中由 AI 负责误差补偿，工人负责核心工艺决策）等。

第三位埃里克·布莱恩约弗森是斯坦福大学数字经济实验室主任，同时也是斯坦福以人为本人工智能研究所（HAI）的高级研究员。早在 2014 年，他就与安德鲁·麦卡菲合著《第二个机器时代》，预判了数字技术对劳动力市场的深远冲击，该书至今仍被视为这一领域的重要参考文献。

图 | 埃里克·布莱恩约弗森 (来源：Wiki

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充