山姆·奥特曼：AI正处在失控边缘

我感觉，其实讲的东西都听过， 但是总结的不错 （而且文章最后作者还有一份总结）， 不过真实性我是不能确定的 因为文风很像： 作者对奥尔特曼（奥特曼）观点的结构化重写 这篇文章属于比较高质量认知整合 涉及的范围包括：成本压缩、注意力竞争 通缩效应、制度风险、生物安全 以及人对AI（工具）过度依赖 总的来说，这篇文章我是推荐的 首先体量不大，适合碎片化阅读 另外就是，我个人觉得现在这个环境下 带有警惕性、思考性的内容很重要～ 所以我把这篇文章放入 我的“社会观察”类文章的收藏 📚相关阅读： 📖《年轻人的立场到底是由什么决定的（轻纪实）》正面连接 张苹 📖《5.5小时：中国网民的数字沉溺与脑腐危机（轻观察）》晚点LatePost 曾梦龙 📖《大数据，正在毁掉我们与最亲密的人的关系（轻心理）》KnowYourself知我心理 📖《谁在给你的脑子“投毒”？（轻纪实）》正面连接 张苹 📖《短视频时代，6个方法拯救「腐烂」的大脑（轻心理）》简单心理 📖《点击成瘾：揭秘App设计的心理操控术 （轻观察）》晚点LatePost 曾梦龙 📖《智人之上 ——从石器时代到 AI 时代的信息网络简史》[以]尤瓦尔·赫拉利 📖《思考，快与慢》[美]丹尼尔・卡尼曼 📖《娱乐至死》[美]尼尔・波兹曼

没有市场和需求的技术，AI终将沦为尘埃 引言：两种坟场 在广东东莞和深圳的工业区边缘，散布着一些不起眼的铁皮厂房。走进去，你会看到成排的工业机器人手臂被码放在货架上，关节生锈，线路垂落，像屠宰场里挂起的牲畜。这是机器人的物理终点——它们被拆解，铁归铁，铜归铜，塑料归塑料，重新进入物质的循环。 与此同时，另一种更隐秘的坟场正在数字空间中成形。那里躺着的是AI模型——废弃的权重文件、停止更新的API接口、被注销的订阅账户。没有残骸，没有遗物，只有彻底的数字虚无。 这两个坟场指向同一个残酷的真相：在一个没有真实需求支撑的世界上，无论技术多么炫目，无论资本多么狂热，最终都只是过客。更直白地说——没有市场，机器人是一堆废铁；没有市场，AI是一个笑话。 而把这个逻辑推到极致，我们会发现一个更深刻的悖论：机器人和AI正在取代人类的职业和收入，却同时要求人类继续作为消费者来创造需求。这个悖论，是它们注定沦为笑话的根本原因。 第一层：机器人的三种死亡 第一种死亡：商业上的猝死。 达闼机器人曾是资本市场的宠儿，融资超50亿元，估值高达223亿元。2025年初，它位于广州黄埔区的总部人去楼空，大楼因贷款逾期被银行挂牌拍卖。死亡原因并不复杂：单台机器人成本超20万元，但普通消费者根本不买账。没有真实需求，融再多的钱也只是在建造一座更华丽的坟墓。 第二种死亡：生态上的绞杀。 扫地机器人鼻祖iRobot，诞生于麻省理工，发展了三十多年，最终在2025年被它的中国代工厂——深圳杉川——收购。iRobot的产品迭代周期是两年，中国竞争对手是三个月；它的功能停留在“会动的吸尘器”，竞品已经实现了“自动洗拖布”。当供应链的速度和成本优势形成降维打击，曾经的霸主连还手的机会都没有。 第三种死亡：物理上的拆解。 这是最接近字面意义的坟场。在东莞凤岗、深圳龙岗，回收企业把报废的机器人拆成原料。金属、塑料、电路板各归其类，重新进入工厂，变成下一批产品的组成部分。这不是埋葬，这是物质循环的最后一环。 三种死亡揭示了一个递进的逻辑：没有市场需求，企业会猝死；没有生态位优势，霸主会被绞杀；而即使曾经存在过，最终也要被拆解归零。市场，是技术存活的第一前提。 第二层：AI的三重虚无 如果把机器人的逻辑推到AI身上，问题更加尖锐。AI甚至没有机器人的“实体”——它只是一堆浮点数的排列组合，一旦停止供电，就瞬间消失。 第一重虚无：不存在真实需求。 2024年到2025年的数据显示，ChatGPT类产品的用户留存率呈现出“暴涨-陡降”的典型曲线：注册量飙升，周活猛涨，三个月后超过六成用户不再使用。原因很简单：普通人并不需要每天写报告、写代码、生成创意。AI解决的是一个“不存在的痛点”。它是一个造价极其昂贵的玩具——玩一次新鲜，玩两次还行，玩到第三次就腻了。 第二重虚无：商业模型不成立。 企业端的应用同样不容乐观。客服机器人确实能节省成本，但大模型“90%的准确率”在商业场景中意味着“每十次对话就搞砸一次”，这是不可接受的。数据分析、文档生成等场景有需求，但其市场规模远不足以支撑数千亿美元的投入。AI行业目前最大的“客户”是风投机构和股市——换句话说，AI最大的市场，是它自己编造出来的故事。 第三重虚无：连坟场都是虚拟的。 机器人死后至少还有残骸——生锈的关节、断裂的线路，可以被看到、被拆解、被回收。AI死后什么都没有：权重文件被删除，服务器被回收，对话记录被格式化。它消失得干干净净，仿佛从未存在过。更讽刺的是“模型崩溃”现象——当AI被反复用AI生成的内容训练，输出会逐渐变得空洞、重复、无意义，像一种数字世界的近亲繁殖，在自我循环中走向内在的死亡。 第三层：最根本的悖论——取代人类，却依赖人类 以上两层讨论的是“没有市场”的问题。但“没有市场”从何而来？答案隐藏在机器人和AI与人类的关系之中。 机器人和AI的核心叙事是“取代”——取代工厂里的工人，取代办公室里的文员，取代客服、翻译、会计、设计师，甚至取代创作者和决策者。这个叙事的背后，是对“效率”的极致追求：机器比人便宜，AI比人快，为什么不换掉？ 但这个叙事有一个致命的漏洞：当你把人的工作取代了，人的收入也就消失了。而当人的收入消失了，人的消费能力也就随之瓦解。没有人买汽车，汽车工厂的机器人就没有存在的意义；没有人订外卖，送餐机器人就是一堆废铁；没有人付费订阅，AI模型就是一行行无用的代码。 这就是最根本的悖论：机器人和AI正在消灭它们所依赖的那个系统。它们取代了劳动者，而劳动者恰恰是消费者。没有消费者，就没有市场。没有市场，技术什么都不是。 这不是一个理论推演，而是一个正在发生的现实。过去二十年，自动化和数字化已经消灭了数以百万计的制造业和 clerical 岗位。被淘汰的工人并没有“转型”到更高端的岗位——大部分流向了收入更低、更不稳定的服务业，或者干脆退出了劳动力市场。中产阶级在萎缩，消费能力在集中，大众市场在碎片化。机器人和AI提高了生产效率，却摧毁了让这些产品被消费的土壤。 更讽刺的是，当普通人失去收入，那些“高端”的AI产品——需要付费订阅的智能助手、需要持续投入的企业级解决方案——恰恰是最先被砍掉的开支。就像一个人在失业后最先停掉的是Netflix和Spotify的订阅，而不是水和电。AI和机器人站在经济金字塔的顶端，却要求底座足够坚实。而它们正在做的，恰恰是挖掉这个底座。 第四层：为什么说这是一个笑话 把“技术”和“价值”混为一谈，是这个时代最大的认知谬误。而“取代人类却依赖人类”，则是这个谬误最集中的体现。 能做某件事，不等于做这件事有人愿意买单。AI能写十四行诗、能生成毕加索风格的猫图、能陪你聊到凌晨三点——但这些能力的“经济价值”是多少？如果没有人愿意为它们付费，答案就是零。而更根本的问题是：当越来越多的人失去收入，愿意且能够为这些东西付费的人会越来越少。 这形成了一个闭环：技术取代人 → 人失去收入 → 人无法消费 → 市场萎缩 → 技术失去存在的理由。在这个闭环里，技术的效率越高，它自我毁灭的速度就越快。 这不是在否定AI的技术突破。大语言模型确实是工程史上的奇迹。但奇迹不等于价值。埃及金字塔是奇迹，但不能当饭吃；巴拿马运河是奇迹，但需要收过路费才能维持。AI和机器人至今没有找到属于自己的“收过路费”的方式——因为它们的收费对象，正在被它们自己一点点消灭。 比较一下：机器人至少还有“工业替代”这个清晰赛道——在汽车工厂、电子装配线、物流仓库里，机器人代替了重复性体力劳动，创造了可量化的经济价值。这个市场也许不够大，但它面对的是企业客户，企业的支付能力相对稳定。而AI试图取代“认知劳动”并直接面向消费者——写作、分析、决策、创造——这些服务面对的恰恰是那些收入正在被侵蚀的普通人。当普通人的钱包瘪下去，谁还会为AI写诗付费？ 终点：谁是下一个？ 机器人的坟场告诉我们的道理很简单：没有市场，任何产品都没有存在的理由。AI的虚无进一步提醒我们：没有市场，甚至连“智能”都只是一个笑话。 而这个笑话最荒谬的地方在于：技术正在亲手消灭它赖以生存的市场。它取代了劳动者，却要求劳动者继续做消费者。它摧毁了收入的来源，却指望消费的需求永不枯竭。这是一个逻辑上不可能成立的闭环，却被整个行业当作理所当然的前提。 这个笑话的代价由谁承担？是被取代的工人，是被套牢的投资者，是那个在狂欢之后发现账单无人支付的整个社会。铁皮厂房里的机械臂至少还能被拆解回收，而那些被AI故事吞噬的职业、收入和消费能力，又能从何处回收？ 最后，这个问题终究会反射到人类自己身上：当我们用技术取代了自己，我们是谁？当我们不再工作，我们拿什么消费？当我们无法消费，那一切为“满足我们需求”而生产出来的东西——机器人、AI、还有更多尚未命名的造物——又将为谁而存在？ 这不是一个技术问题。这是一个关于存在的追问。而答案可能是：一个系统如果无法维持自身的循环，无论它看起来多么先进，最终都只能沦为尘埃。

AI正在以前所未有的速度压缩创造成本，制造强烈的通缩效应，但这并不必然带来更公平的世界。在算力、模型和分发高度集中的现实下，AI既可能放大个体能力，也可能加剧财富集中；而当它开始进入生物研究等高风险、不可逆的领域，技术失误的后果，已经不再只是系统崩溃，而可能直接影响真实世界的安全。 在2026年1月27日的公开交流中，OpenAI CEO山姆·奥特曼围绕这些变化给出了清醒判断：程序员不会被淘汰，但“写代码”正在退居二线；产品更容易做出来，但赢得注意力与信任反而更难；通缩并不自动等于普惠，技术本身不会替社会做出价值选择；而人对AI的过度信任，可能成为被严重低估的系统性风险。 本书基于当天近一小时的现场问答逐字实录，结合现实案例，对奥特曼的关键判断进行结构化整理，帮助读者理解：当AI正在重塑工作、创业、安全与教育时，我们究竟该如何在这个时代站稳位置。

不是AI在失控。 是人正在失去对AI的控制权。 这句话的差别，定义了此刻的处境。 技术以指数级的速度奔跑，而制度、伦理、分配机制，还在用步行的节奏追赶。裂口每天都在扩大。 奥特曼说，创造成本在被急速压缩。 这意味着一个人可以做到过去一个团队的事。也意味着，那些控制算力、模型与分发渠道的少数实体，正在获得前所未有的定价权。 通缩不必然带来普惠。 它可能带来更深的垄断。技术降低了门槛，但注意力与信任——这两种最稀缺的资源，反而更加集中在几个巨大的流量入口。这是《新权力》中揭示的悖论：扩散权力易，重构权力难。 创造从未如此自由，收益从未如此集中。 他说，程序员不会被淘汰，但写代码正在退居二线。 这不是职业的消亡，是能力的迁移。未来稀缺的不再是“会操作工具”的人，而是“知道用工具解决什么问题”的人。判断力，成为最后的壁垒。 人对AI的过度信任，是另一种被低估的风险。 不是机器欺骗你，是它根本不需要欺骗。当它足够流畅、足够自信、足够像“懂你”的那个人类，你会不自觉地交出思考的主动权。就像《思考，快与慢》里那支懒惰的系统1，总是倾向于相信最省力的答案。 尤其在生物研究领域。 失误的后果不再是蓝屏，不是系统崩溃。是病毒泄露，是基因编辑脱靶，是不可逆的真实伤害。技术犯错的空间，已经被压缩为零。 这不是对技术进步的悲观。 是对治理速度的警醒。每一次技术跃迁，都会留下一个短暂但致命的“权力真空期”——技术已经触达，规范尚未跟上。在这个间隙里，谁做决定，谁承担责任，谁承担后果，全是悬而未决的问题。 答案不在模型参数里。 在制度设计里，在伦理辩论里，在每一个使用AI的人对自己判断力的警惕与坚守里。 就像《未来的冲击》在五十年前就预见的那样：变革越快，人就越需要某种稳定的内在坐标。 技术从未承诺公平。 公平，是人必须自己争取的。 📖 延伸阅读： 《未来的冲击》 《思考，快与慢》 《技术陷阱》 《监视资本主义》 《新权力》 《生命3.0》 《超人类》

奥特曼对AI的观点，主要从个人使用AI的角度，给出了个人的看法和建议 有一点让我觉得非常值得注意： 当我们使用AI很顺手很放心很踏实的时候，提醒自己一下，下一次他给出的答案是不是还那么的让你放心呢？

奥特曼集中表达了以下几条判断： 第一，程序员不会被淘汰，但“写代码”这件事正在迅速退居二线。随着AI极大压缩开发成本，软件不再只服务于大规模需求，而会扩散到个人、小团队和临时场景，​“指挥计算机做事”的人会大幅增加。 第二，AI会让创业在“做出来”这一步变得极其容易，但真正的难点会彻底转移到另一端：谁能被用户记住，谁能赢得有限的注意力。产品不再是主要壁垒，理解用户、建立信任反而更难。 第三，AI正在制造强烈的通缩效应，尤其是对知识、软件和智力劳动的成本压缩。这种变化有潜力降低参与门槛，但如果缺乏制度约束，同样可能加剧财富集中，技术本身并不会自动带来公平。 第四，真正值得警惕的AI风险，未必来自写作、编程或互联网应用，而可能最早出现在生物研究等高风险、高不可逆的领域。未来的安全问题，重点在于社会是否具备承受和应对的能力。 第五，当AI可以随时给出答案，人类学习的重心必须发生转移。记忆和重复正在贬值，判断、协作、方向选择反而变得更重要。同时，人对AI的过度信任，可能成为一个被严重低估的系统性风险。 第六，随着AI逐步成为“长期协作者”​，个人数字分身、账号互联、记忆共享等问题不可避免地浮现，但它们远比想象中敏感，任何一步走快，都可能带来高昂代价。 第七，在组织和招聘层面，OpenAI真正需要的，不再是纯执行者，而是能把AI用在关键节点、推动事情向前的人。未来更具竞争力的，很可能是“少量人+大量AI助手”的结构。

“对AI的过度信任，可能比技术本身的缺陷更危险。这一判断极具现实意义，因为历史经验反复证明，人类最容易在“工具足够好用”时放弃警惕。” 真正失去的，不是知识，而是对不确定性的耐受能力。一旦没有现成答案，就会无所适从。 提出耐受力这点我觉得很关键， 因为失去自己去思考的好奇心，以及用很多时间精力去完成一项计划 任务都变成一秒就能解决，会产生依赖，没有耐心，解决问题的能力的心态改变，会觉得什么问题的方案都是差不多就行了，失去考虑去修正提升的过程，我认为对一个人的脑力和毅力都会很大程度降低。 在低龄过早接触电子产品，很可能在他们还没形成基本认知结构时，就用高刺激、高反馈的工具替代真实世界。 再者就是当今导航用久人就不再看路；自动推荐用久了，人就不再主动筛选信息。AI的问题在于，它比以往任何工具都更复杂更难预测，而一旦出错，影响范围也更大。 我小时候就很喜欢背游戏地图 玩一个游戏就爱先开场景背图（点名黎明杀机 这游戏有毒真的太好玩了 小时候就嗨了……） 再之后夏令营有次任务就是要去手绘建水的一座小镇的地图，我和伙伴就这样用脚走遍每个小巷去测量距离 标记显著建筑，我觉得可有乐趣了，在之后长大在去任何地方下意识背熟来时路，初中露营野外也是全靠脑子背山路走 就地图和指南针。可能因为这样 我打开地图也不再会开始导航 而是看了确定位置就凭直觉走 当然也会出错 但我就不愿意相信导航。我觉得我这样做也许没必要但其实这样让我记得更牢固 不是说路线怎么走 而是周围的环境 从老家吵杂的市场到新西兰丛林瀑布到伦敦街头 生活过的地方印迹很深很深 我觉得是地图导航留不下来的。 学会去用心珍惜 而不再是过度电子回忆。 在学习上虽然我也有时会在不确定的问题 灵感上的不确定因素去问DeepSeek， 它很好用会把很多网页重新整合起来并列举出问题多角度的解决方案。在文学上或者在艺术创作上去整理资料真的很有必要，但千万别信它的物理 数学解题 简直一塌糊涂 感觉合理只要我去细读发现会有错误，这是不成熟的 也不该去依赖它 所以我不会去用他做逻辑性思维 单一标准答案上的问题。 永远不要过度信赖一个高效率工具。 如果AI能完成零成本纯记忆 那人到底还要学什么、练什么？ 不再是“你掌握了多少知识点”，而是你能不能把问题想清楚，什么时候该怀疑工具给出的结果。 （这只是一个非常概括性的建议 实则有很多是真的该去思考的） 但我读到这段时在这里标记一点我学到的新词“信息级联” ：在信息不完整的情况下，个体放弃自己的私人信号或判断，转而模仿前人的行为或选择。 我想提到是人们对AI的盲目跟风 和对自身所谓的“跟不上时代”的恐惧感 前段时间的”龙虾焦虑” 想比别人超前的心理，不被拉下 这其实也跟“内卷”有很大关系，怎么去定义内卷？是对人力 时间资源的过度索取的表现。 当代AI是降本增效的最好体现， 压缩人力也是资本的特点，那大多数人的内卷其实是属于逐低竞争的，“底”指代的是工资、产品质量、道德甚至是注意力和认知投入的标准。个体上是为了不被淘汰，不断压低休息时间、压缩学习与思考的投入，用“拼命”替代“聪明工作” 这说简单点就是低效且欺骗自己的。目前来说怕是只有5%的企业是在逐顶竞争（Race to the Top）各方在竞争中为了获得优势，拼技术 创新质，底线向上的良性竞逐。（我看到一些相关的胖东来企业文化 和员工福利保障 其实很值得去了解一下） 感觉自己废话有点多 但绕回来就是一个想法 怎么去看清逐底竞争而去做出改变呢，所有人带着恐慌去下载龙虾时真的知道自己能怎么应用AI工具吗，软件的推送 自媒体的夸大真的太浮躁了，对于个人改变上来说 我应该意识到再好的工具也不能弥补使用者的目标和价值的缺失，在忙于跟风的“内卷”时 应该去多观察 去等技术成熟 去自己学习更多，以及抵抗短期内卷的自信，长期回报会更有力。新技术带来的噪音时专心去思考自己想带来什么价值 再去想怎么用AI工具。 AI对社会的影响很现实。这并不是“AI会不会抢走人的工作”而是“企业会不会因为不用AI而出局”。不拥抱变化，本身就是一种风险！ 成本压低带来的并不是“所有东西都变得便宜”，而是价格结构的重新分层。基础能力趋向普惠，高性能和高确定性则可能形成新的稀缺。 在生产product上 原本需要数月甚至更久的开发周期，表面看，这是创业门槛的大幅降低。但其实是门槛的转化，当“做出来”不再稀缺，“有人在乎”反而成了最难的一步。更低的边际成本和更广的适用范围反而在这里是次要的优势，需要思考的地方会变成别的方向，AI并不意味着公平性。

奥特曼真正的焦虑从来不在于AI能不能变聪明，而在于它聪明起来之后，人类是否还能稳稳地握住那根缰绳。 书中反复提及奥特曼的公开表示，AI让他彻夜难眠的是一种极其微妙的社会失衡。 他担心的是，即便AI系统本身毫无恶意，只要它被嵌入到社会权力结构的不当位置，就可能以一种润物细无声的方式撕裂整个秩序。 或许所谓“AI之王”在面对技术洪流时，内心盘踞的其实是一种深刻的不安与孤寂。 他比任何人都清楚，AI在一年里完成的能力跃升堪比人类数百年的智识积累。 从解答高中数学题到攻克连顶尖数学家都束手无策的前沿难题，而社会对此几乎毫无准备。 所以，这里的失控指的从来不是机器突然有了自己的意志，而是在人类还沉溺于各种宏大叙事和商业竞赛的时候。 人类那个真正能决定未来社会方向的窗口期，正在以肉眼可见的速度收窄。

菜刀本身并无善恶，区别全在于使用它的人——厨师能切出佳肴，歹徒却可伤人。 AI也是同理，但它更进一步，像一个“放大器”： 善良、智慧和创造力，遇上正确的使用，会被它成倍放大，带来更多福祉； 而偏见、贪婪或破坏意图，若被滥用，也会同步放大，造成更难收拾的后果。 正因为AI的效力如此强大，作为使用者，我们更需要在每一次调用时都保持清醒，不盲从算法的“正确”，不因效率而放弃判断。 工具越锋利，握柄的手就越要稳，越要懂得克制。

非常感谢作者犀利的分析。人类的发展永远摆脱不了这个根本性的课题：人性与技术（AI）的博弈！即使人工智能再超前，人类也不应该丧失自我思考与决策的能力。我很同意作者的观点：“真正的风险，不在于AI会不会犯错，而在于人是否还保留“随时接管”的能力与意愿。”