AI省下的錢，誰拿走了？

讀完周將硯這篇短文，最直接的感受是：“技術進步會自動讓使用技術的人受益”這句話不是默認成立的。 麥肯錫對影視行業百年十次技術革命的研究結論：生產端用AI砍掉一半成本、提三倍效率，省下來的錢大多數不會留在生產者口袋，而是順着產業鏈流向掌握分發權和定價權的那一端——超級平臺、大客戶、渠道寡頭。影視製作家用AI把特效成本打下來，平臺採購一句“現在AI這麼發達，你們成本低了”，就把採購預算砍半。你快了，你便宜了，但你沒議價權，利潤就歸別人。 這讓我想到三個層層遞進的問題。 一、“降本增效”從來不是護城河，只是入場券 我們這代人被“效率至上”洗腦太久——學會用ChatGPT寫方案、用Cursor寫代碼、用Midjourney出圖，就覺得自己有了競爭力。但文章點醒了我們：當AI工具普及，“會用AI”從差異化變成基準線。全員都用AI降本，行業平均成本線下移，採購方/客戶按新成本線重新定價，早期的效率紅利迅速被市場平均掉。 你省下的時間如果沒有轉化成獨佔性的資產——個人品牌、私域用戶、專利產品、稀缺資源——它就只是讓你在單位時間內幹完了原來兩倍的活，老闆或平臺拿走增量，你的報酬原地踏步。這叫“效率陷阱”：跑得更快，位置不變。 真正值得警惕的是：如果你的下游是超級平臺或大甲方，你沒有定價權，那你引入AI省的成本，大概率是在幫別人增厚利潤，不是在幫自己漲薪。 二、剛性市場裏，降價激活不了需求——錢去了有“收租權”的人手裏 文章區分了剛性市場和彈性市場，這是我印象最深的部分。內容、諮詢、設計等知識服務業，本質上面對的是人類注意力和預算的雙重天花板——一天只有24小時，企業年度內容預算也有限。AI讓供給爆炸式增長，但需求端鎖死，單價必然被稀釋。這時候你降成本、降報價，不會帶來成比例的新需求，只會引發同行內卷，誰先扛不住誰出局。 那多出來的價值去哪了？兩條路： 向下遊：被掌握渠道的平臺以壓價方式吸收——你卷完低價供貨，平臺多賺； 向上遊：被掌握AI基礎設施的巨頭以“數字地租”方式收取——你每月交的ChatGPT、Claude、API訂閱費，就是在向算力寡頭交租金。 這和工業時代的機器替代工人異曲同工：馬克思說機器的剩餘價值歸資本家，今天AI替代腦力勞動，省下的工資→企業利潤/股東分紅/模型訂閱費，一線勞動者拿到的最多是一句“你用AI是應該的”。技術革新不改變分配製度，只放大原有結構的傾斜。 三、普通人怎麼辦——認清遊戲規則再選位置 文章沒有給出雞湯答案，但邏輯推導出的應對思路其實很清楚： 第一，先算“渠道賬”再算“效率賬”。 引入AI前看一眼你的下游——你有定價權嗎？你的客戶是多個分散小B/C端還是單一超級平臺？如果是後者，單靠堆效率很可能白忙，要考慮轉型做直接面向終端、有溢價空間的產品或服務，或往產業鏈高價值環節挪。 第二，把AI效率轉化爲可定價的獨佔資產。 用AI省下的時間別只用來接下一個單子，拿去積累作品集、做個人IP、開發可復賣的數字產品、沉澱行業認知壁壘。讓“我會用AI”變成“我有用AI做出來的、屬於我的東西”，這纔有點議價籌碼。 第三，接受“單純出賣時間×技能”的崗位會持續貶值。 標準化文案、基礎設計、初級數據分析、常規客服……這些是AI替代率最高的池子。要麼往“AI無法規模化複製”的方向走——複雜決策、深度關係維護、跨界整合、情感與審美判斷；要麼讓自己成爲“駕馭AI放大產出”的人，而不是“被AI等量替換”的人。 這篇文章不長，但它把我們從前模糊感到的“怎麼活兒幹得更多錢沒多”解釋成了一個結構性規律——不是你不夠努力，是你在價值鏈的錯誤位置用錯了戰略。 AI省下的錢，歸有分發權的人、歸有生產工具（大模型/平臺）的人、歸有定價權的人。認清這一點，我們纔可能停止盲目“卷效率”，開始認真想：我能不能成爲那個分到錢的人之一，哪怕只是一小部分。 技術不欠任何人公平。但看清了錢往哪流，至少不用閉眼往反方向跑。 摘自微信公衆號“成爲空氣的讀書筆記”。

AI在提升企業內部效率的同時，體現出了負的外部性，對就業產生了替代和壓縮，影響了社會整體收入，最終波及全社會的消費。再和前幾年的城市規模性擴張的結束，經濟轉型換擋同時疊加，這一輪的“疊浪”影響就更加深刻。昨天和一個09清華土木的聊天，他還是認爲AI是一個平權工具，讓他不懂編程的可以完成一些之前無法完成的技術工作。其實還是之前的觀點，其實這個“平權”僅限於不超過2％創新型人口內部的平權，而98％的“普人”其實在這一輪變革中是被“削權”了，AI工具本質上是個能力放大工具，像任何工具一樣。其實蒸汽機，內燃機，電力，互聯網這些工具，在那個時代同樣深刻影響的社會結構，造成了人羣當中的極化或者說馬太效應，能夠聯想到的的是真正在調整這些極化問題的是政治，是社會治理，法律手段，甚至革命。

翻這本書本來是想找找，AI大潮衝過來的時候，普通人到底該怎麼自處。 書裏講的更多是國家、企業、個人三方一起發力調整，沒怎麼從個體角度往深了說。也確實像作者說的，大時代的變革裏，個人往往最無力。 個人層面能做的確實有限，無外乎被重複提到的控制現金流，擁抱AI，發展副業，路在其中，至於成效如何，完全取決於執行的完成度。

看了這本書，拓寬了自己對AI提效的分析視角。 AI的提效，會帶來很多崗位的中斷，社會需求的降低。 一個企業工資的支出最終會流向其他企業的收入端。當越來越多的企業加入到AI提效的浪潮中，就會產生很多社會問題。 政府需要對應的政策、制度對企業進行限制和引導。比如，對企業靈活的徵收AI稅，就像碳排放稅一樣，對於使用AI提效導致很多人員失業的企業徵收過多的AI稅收，對於使用AI提效了但是有對員工進行培訓和換崗的公司就不徵收此稅收，同時應該鼓勵企業使用AI提效後加大創新技術的投入和服務質量的提升上。 AI提升的效率的速度，到底能不能跑贏社會重新分配收入、吸收勞動力的能力？ 對於普通人來說，需要從單一、可替代性的任務轉向能夠組合工具，理解場景和連接人的方向。

雖然我是勞動者，但是我也不得不說，這是一篇爛文，充斥着凱恩斯主義的臭味。要抑制什麼就加稅唄？直升機撒錢就不行唄？合着永遠就是從下面撈錢唄？

這本書，或者說這篇文章存在一個比較大的問題，那就是提出了問題，但幾乎沒有提出什麼解決性的方案，或者這個方案存在非常大的不成熟性。 但是這沒有關係，某種程度上來說，願意提出這個問題，就已經比對此全然無動於衷要好上太多。 AI帶來的難題十分棘手，可不少人仍沉浸在它只會爲社會創造福祉的美好幻想裏。 這篇文章能把複雜問題拆解剖析得直白透徹，十分值得點贊。 至於問題能否妥善解決，從來不是作者一人的責任，而是我們所有人共同的課題。 倘若處理失當，AI非但無法增益社會，甚至可能引發難以預估的災難性後果。 有人說，當一個問題只是你個人的問題的時候，你必須深刻去探討自己如何解決這個問題。但是當這個問題成爲社會大衆問題的時候，反而你已經對於大部分人來說無能爲力了。你只能期待於社會和政府方面的改進。 對於整個政策層面，我們沒有機會說太多，或者說建議太多。但是對於個人來說，你管他現在是什麼樣的社會和成本問題，能夠對你自己而言，只能是儘自己最大的力氣用好這個工具，除此之外，你似乎也做不了任何什麼。

我們平常接觸到最多的新聞是ai降本增效，大多是從企業端的角度說的。這篇文章提供了新的思路，站在整個社會的角度，從社會、企業、個人的角度分析ai所帶來的正面及負面的影響，有一定的啓發。正如所有的社會問題一樣，並沒有簡單明瞭的永久解決方案，作者提供的思路供探討。

最簡單的方法是趁 ai 的浪潮，加快勞動法全面普及，嚴禁加班文化，限制工時，下班後非必要不允許發工作消息，資本規模與勞動規模要一致，對於那種營收高但僱傭員工少的企業徵更高的稅，從根本保就業保市場。

首先感覺切入的視角可真獨特，細讀以後非常佩服——這不僅是視角獨特，而是非常精準！ 市場整體需求的降低最終會反噬每一個發起降本增效（AI內卷）的企業，而效率越高，留給整個社會去轉型和適應的時間越短。

這就是AI替代人工最複雜的地方。企業盯着的是成本項的下降，而社會感受到的卻是收入項的萎縮。 省成本 不是全社會的目標，創新 新的生產力增量，纔是社會的福祉