孙立平：是故事讲不下去了；AI将全面进入物理世界时代；...

lameihua

　　CEO 们集体改口：不是 AI 变友好了，是故事讲不下去了

　　2025 年底，Forbes 发表了一篇重磅报道，Tech CEOs Are Quietly Walking Back Their AI Job Loss Warnings，文章说：曾经公开警告 AI 将导致大规模失业的科技领袖们，在 2025 年下半年开始集体改口，转变为 "AI 增强人类能力" 的话语体系。

　　这个转变不是偶然的。背后有三个驱动力：

　　第一，劳动力市场的博弈进入新阶段。 AI 替代的焦虑已经从办公室蔓延到了蓝领行业 —— 卡车司机、外卖骑手、仓库工人开始公开抵制自动化。这种来自底层工人的压力，倒逼 CEO 们在公开场合调整措辞。

　　第二，监管压力。 美国和欧盟都在讨论 AI 就业影响评估法案。CEO 们很清楚，如果他们继续在公开场合渲染 AI 失业威胁，等于给立法者递刀子。

　　第三，最重要的 —— 实际数据。 美国大型公司 2025 年的财务报告显示，半数以上的公司无法产生超过资本成本的回报。这意味着：花巨资部署 AI，但 AI 并没有给这些公司带来预期中的效率提升和成本节约。

　　Forbes 的报道引用了一组让人脊背发凉的数据：2025 年，在财富 500 强中部署了企业级 AI 的公司里，超过 50% 无法产生超过其资本成本的投资回报。

　　这意味着很多 CEO 在 2023-2024 年大力宣扬的 "AI 转型" 实际上是失败的。不是技术失败了 ——AI 技术确实在进步 —— 而是价值分配失败了。

　　所以，AI 产生的价值，大头流向了谁？

　　流向了英伟达（卖芯片）、流向了大科技公司（有能力训练和部署大模型）、流向了少数 AI 原生企业的超额利润。而那些试图用 AI 改造传统业务的大公司，发现 AI 在实验室里表现惊艳，在生产环境里漏洞百出，在财务报表上回报惨淡。

　　AI 确实没有在大规模失业数据上体现出来 —— 至少目前没有。美国失业率在 2025 年保持在 4% 左右，看起来一切正常。但这个数字掩盖了结构性困境：新增的 AI 相关岗位集中在少数高技能群体。AI 工程师、提示词工程师、AI 安全研究员 —— 这些岗位的数量增长，远不足以弥补 AI 对客服、数据录入、基础分析等中等技能岗位的替代。

　　那些消失的中等技能岗位去哪了？一部分转入了更低薪的服务业 —— 成为 Uber 司机、外卖骑手、"零工经济" 的一部分。一部分彻底退出了劳动力市场。还有一部分成为了 "幽灵工作者"—— 在 AI 训练数据标注、内容审核、AI 反馈标注等幕后岗位上，以极低的报酬支撑着 AI 系统的运转。

　　这些岗位的存在几乎没有出现在 CEO 们的 "AI 创造就业" 叙事里。因为它们太零散、太底层、太不符合 "AI 赋能人类" 的宏大叙事（Xiaoalu《CEO 们集体改口：不是 AI 变友好了，是故事讲不下去了》）。

　　杨立昆：2027年，AI将全面进入物理世界时代

　　杨立昆2026终极访谈：LLM已走到技术尽头，2027年，AI全面进入物理智能时代2026年的AI行业，正陷入一场全民狂欢式的内卷。

　　全行业都在追逐更大的参数、更长的上下文、更多的文本数据。资本扎堆大模型微调，创业者死磕Prompt工程，所有人默认一条真理：堆算力、堆数据、堆参数，就能无限逼近AGI。

　　但在这场喧嚣之外，图灵奖得主、深度学习奠基人杨立昆（Yann LeCun），正在用一场彻底的“反叛”推翻整个行业共识。

　　离开深耕十余年的Meta，完成10.3亿美元重磅融资、独立创办AMI Labs后，杨立昆首次完整公开下一代AI的底层范式。

　　在最新超长深度访谈中，他给出了一个冰冷且笃定的行业终局判断：大语言模型不是阶段性瓶颈，是架构性死胡同。纯LLM路线已触顶，2027年将成为AI产业的分水岭——语言智能落幕，物理世界智能接棒，成为未来十年唯一主线。

　　这场变革不是迭代升级，是底层重构。AI的竞争赛道，将从“谁更会说话”，彻底转向“谁更懂真实世界”。

　　行业长期存在一个巨大误区：LLM不够智能、频繁幻觉、不懂常识，是因为参数不够大、数据不够多、对齐不够完善。只要持续投入算力与数据，就能慢慢修复所有问题。

　　杨立昆直言：这是全行业最大的自我欺骗。

　　LLM的所有短板，不是工程问题，是架构底层缺陷，永远无法通过优化迭代根治。它从诞生之初，就注定只能做“人类语言的模仿者”，永远无法拥有真正的智能。

　　LLM的全部训练素材，是人类沉淀后的文本符号。文本是知识的总结、结论的记录，却完全缺失现实世界的动态过程、物理逻辑与因果链条。这就导致一个核心矛盾：LLM熟读人类所有文字结论，却完全不懂世界如何运转。

　　它可以精准说出“重物下落、水往低处流”，但无法理解重力、速度、轨迹、受力碰撞的底层逻辑；它能拼接出逻辑通顺的长文，却预判不了真实场景中最简单的行为后果。LLM学习的是词语共现概率，不是真实世界因果。 这也是AI幻觉、逻辑断裂、常识错误的根源（声量团队《杨立昆：2027年，AI将全面进入物理世界时代》）。

　　AI革命四年，为什么你越努力越穷？

　　从ChatGPT横空出世算起，这一轮AI革命已经进行了快四年。四年间，我们见证了无数"颠覆"的预言：AI将带来几十倍的经济增长，所有事情都值得用AI重做一遍，"一人公司"的时代即将来临。然而现实却给了这些乐观主义者一记响亮的耳光——生意越来越难做，工作越来越难找，AI创业者多如牛毛，真正跑出来的却几乎没有。

　　这与当年的互联网革命、移动互联网革命形成了触目惊心的对比。彼时，新技术催生新需求、新需求创造新就业、新就业带来新收入、新收入再刺激新消费，经济在正向循环中蒸蒸日上。为什么这一次经济没有更加繁荣，反而让很多人觉得日子更艰难？

　　答案藏在两个关键词里：需求缺席与分配失衡。

　　回顾过去几轮技术革命，其最核心的经济贡献不是效率提升，而是创造了全新的消费场景和前所未有的需求。但AI革命呢？它创造了什么"全民新场景"？

　　程序员用AI写代码，研究人员用AI查资料，白领用AI做PPT——这些确实是新需求，但用户群体狭窄。对大多数普通人而言，AI不过是"高级搜索引擎"或"智能修图工具"，从原有的工具那里转移过来，并非从零创造的新需求。

　　更可怕的是，AI在没有创造足够新需求的同时，却大幅提高了生产效率。以前一家设计公司一天做100张海报，现在AI辅助下一天能做1000张。生产能力提高了十倍，但市场需求还是100张。剩下的900张卖给谁？当所有公司都能生产更多，而客户需求没有同步增加，最先发生的不是收入增长，而是价格的直线下降。

　　当需求已经见顶，生产效率越高，供给过剩就越严重，价格也会被压得越低。

　　价格下降之后，企业的收入和利润开始缩水。为了活下去，企业只能继续压缩最大的成本——人力。对每一家企业来说，裁员降本是理性的选择；但所有企业一起裁员，整个经济就陷入了巨大的困境：企业裁员→普通人收入下降→消费减少→企业产品更难卖→价格继续下降→企业继续裁员。

　　这是一个很难打破的负反馈循环（柏文喜《AI革命四年，为什么你越努力越穷？——技术红利正在吞噬中产》）。