AI 行业内部观察：经济可持续性与就业冲击的现实

一位长期关注 AI 产业的从业者近期撰文，围绕 AI 的经济可持续性、对就业市场的实际影响以及大语言模型的能力边界，发表了一系列观察意见。作者所在的公司在「全面拥抱 AI」后，已在软件开发等多个场景中验证了 AI 的实用价值，但同时也看到了这门技术「并不神奇」的一面——它更接近需要「精确施咒」的传统软件，而非可以一劳永逸的万能解药。

AI 公司的盈利困境

作者认为，AI 对软件开发的提速效果已十分明显，但经济账能否算得过来仍属未知。如果某项任务的完成速度提升 10 到 100 倍，但成本也随之膨胀 10 到 100 倍，那么企业组织方式将不得不发生根本性变化。

目前，AI 使用方的隐含假设是：成本与人工方案相当，但速度快得多；或速度快得多，成本只略高一些。这一假设在消费端大致成立。然而，AI 提供方正以明显不可持续的规模持续巨亏——除英伟达外，几乎没有企业从 AI 业务中真正盈利。

作者对常见的「类比辩护」提出质疑：

• 有人将 AI 行业类比早期的亚马逊或 Uber，认为巨额亏损终将换来盈利。但作者认为，更审慎的分析显示，AI 公司不仅深度亏损，而且缺乏可行的盈利路径。
• 有人以航空业为例，认为集体亏损是竞争格局使然。但即便如此，单家航空公司仍有过盈利期，而 AI 行业目前并不存在这样的样本。

在收入端，AI 公司的营收绝对值和增长率均十分亮眼，但与支出相比仍微不足道。融资压力和增长管理占据管理层几乎全部精力，无暇顾及盈利路径。作者形容这一局面如同「房子着火时，没人顾得上考虑地基是否正在被侵蚀」。

就业冲击的两种真实形态

对于「AI 取代人类工作」的担忧，作者指出，实际发生的现象并非「某个岗位被 AI 直接顶替」，而是两种更接近常规商业行为的模式：

• 招聘冻结：尤其是初级岗位的招聘被大幅放缓或暂停。这在商业不确定性上升时是常见反应，并不需要「AI 能做这份工作」作为理由。
• 低价值员工的裁员：企业将节省下来的薪资，一部分用于采购 AI 服务，一部分用于招聘更对口的人才。

对被裁员工而言，无论原因是「AI 能替代你」还是「你的工资要拿去付 AI 服务费」，结果并无区别。但作者强调，人类专业知识在非平凡的 AI 部署中仍然不可或缺。

人类专家与 LLM 能力边界

作者指出，AI 输出的「简单摘要」——如 Google 搜索结果中的 AI 概览——并不困难，价值也有限。但若要让 AI 完成一次大规模代码重构以满足监管合规要求，则需要大量人类专家介入：既要引导 AI 完成任务，也要验证结果是否正确。

在大语言模型的能力本质上，作者延续了此前的判断：LLM 的核心行为是「生成看似合理的内容」，也就是「bullshit」（胡诌）。行业惯于将错误输出称为「幻觉」，但「好答案」与「幻觉」在生成机制上并无本质差异，这一区分完全由掌握现实知识的人类用户做出。