達尼：AI到底取代了什麼？與多家媒體接觸後，我發現有一個“燈下黑”困境

2025世界人工智能大會（WAIC） 於7月26日至29日在上海盛大舉行。本屆大會以“智能時代 同球共濟”為主題，匯聚全球頂尖智慧，展示前沿技術，探討治理之道。

自2022年末ChatGPT橫空出世，再到2025年DeepSeek引發新一輪熱議，“生成式AI”被寄予徹底改變世界的厚望，人類“被取代”的預言不絕於耳。

然而，在喧囂背後，AI的熱潮也暴露了諸多深層問題：從AI驅動的裁員浪潮，到商業落地的“虛火”難退，再到具體應用中的“燈下黑”現象，現實遠比想象複雜。

近日，華為前海外業務負責人、《海外征程》作者達尼在與體制內外、各行各業的人士交流後，提出了自己對於此輪AI浪潮的看法與分析。

內容有部分調整和刪減，經作者授權轉載本文，供各位讀者參考學習。

【文/達尼】

跑在前面：美國那頭的裁員

前段時間，我的一位親戚從美國回來，他在加州生活了三十多年。我們很自然地聊到了特朗普、中美關係、對等關税、美元和小費暴漲等話題。我問他：“美國最近經濟怎麼樣？怎麼聽説各種裁員？”他説：“美國經濟其實還行，但比起貿易衝突，目前的裁員主要是AI驅動的。美國科技巨頭用AI替換人類的速度快得驚人。”

他身邊有朋友為硅谷大佬Jack Dorsey工作。Jack Dorsey是推特的創始人，雖然推特賣給了馬斯克，但他仍是美國最大移動支付公司——Block集團的老闆（老一點的互聯網人可能知道Block的前身Square，它在Web2.0時代開創了LMS位置管理系統，這些都是Square的原創概念）。

Jack Dorsey在AI興起後就開始裁員，雖然這位朋友避開了這一輪，但很多人就沒那麼幸運了——其中，一位高級研究員曾很興奮地説，AI把研究時間縮短了80%。當時就有人提醒：“你難道不該有危機感嗎？”這位研究員笑着回答：“三年內沒風險，我覺得AI很棒。”結果三週後，這位研究員就被列入了Block的裁員名單——這件事引發了周圍同事對AI的普遍焦慮。

另一方面，在中國的朋友都説，美國企業最近在中國區的裁員也很多——花旗銀行科技子公司裁了3500人、PayPal國內的風控部門撤銷了……儘管賠償豐厚，但外企的朋友們依然不安，感慨一個時代落幕了。

當前究竟是什麼時代？——是外企在中國的黃金時代，還是中美衝突的新範式時代？身處其中的朋友告訴我，這輪裁員的原因並非中國區業務下滑，而是與中美數據安全的《14117行政令》在4月初實施有關，該法令要求中美數據之間嚴格隔離。因此，花旗科技子公司的功能和微軟的部分業務轉移去了印度。

大量中國區員工面臨兩條路：被裁或被調動到新加坡、澳洲、美國（但第一批被調動的人已有不少因不適應而回國）。可以看出，中國區裁員與美國區裁員的邏輯不同：美區裁員的核心是AI。美國金融科技（Fintech）圈子正在推行AI替代人類的方案——我另一位在美國Fintech工作的朋友説，集團CEO正在公司推廣“無郵件”“無會議”工作法，規定員工減少開會溝通和郵件往來。我們討厭的“文山會海”，在美國CEO那裏變成了限制郵件和會議比例的KPI指標。但這背後的用意，是讓大家儘量給AI喂信息，用AI取代人與人的溝通。這搞得員工人心惶惶——這不就像是超市員工教顧客使用自助掃碼機，最後自己卻被優化掉、自己給自己掘墓嗎？

如今，這種擔憂越來越強烈。不僅CEO要求少開會少發郵件，還希望減少工作天數，甚至製造機會讓全球員工集體放假幾天，目的是極限測試“沒有人類參與，公司還能不能運轉”。這在中國聽起來匪夷所思，但美國Fintech圈子確實在幹。一旦測試成功，又一批人得被裁掉。

此外，語言學習APP“多鄰國”的老闆也近乎瘋狂地推出了“AI優先”戰略，似乎完全不顧員工處境，結果沒過兩天就推出了148門AI生成的語言課程。對此，CEO自豪地宣稱：“AI一年就完成了人類員工需要12年才能幹完的任務。”

當然，中國也有自己的特色。越來越多的“黑燈工廠”、“無人碼頭”就是例證。另一方面，這也在把人驅向外賣、網約車、快遞員這三大“勞動力蓄水池”，只是不知道在無人送貨、無人駕駛普及的未來，社會人力又將何去何從？

其實，從歷史上看，CEO用新技術升級產業、資本家隨之裁員這類事並不新鮮。我最近在一位學術大咖的閉門會上，聽他講到日本在1960年代的借鑑案例：日本戰後藉助朝鮮戰爭等機會，財閥迅速崛起，經濟高速騰飛。資本方也搞技術革新和產業升級，導致對工人的需求減少，從而積累了社會矛盾，最終引發了資本家和工人之間的流血衝突。資方採取了瓦解工會、裁員、另立工會、分化工會，甚至在政府默許下刺殺工會領導、動用黑幫撲滅罷工等手段，但“昭和男兒”也並非易與之輩。最終，日本沒有選擇美國式地削弱工會，因為那可能導致社會結構出現問題，而是反向選擇了一條妥協之路，形成了“終身僱傭制”、“年功序列”等今天日企的特色制度，相對成功地緩和了科技革新和產業升級對社會造成的衝擊。

美國走向裁員，日本走向保護，而今我們往哪個方向走？單一的科技更替還好説，可世界還偏偏撞上了全球霸權更替，世界左右派思潮更替，三者疊加下，我們走向何方還真的不好説。

虛張聲勢：國內廠商的展會

説了AI強大的一面，我再潑點冷水，談談科技展會。展會通常是快速瞭解一個行業的最佳窗口，展商也常會用概念性產品來製造震撼效果。

最近我去了三四個與AI沾邊的科技工業展，大部分展區中幾乎一半內容是關於雲和AI的，我看到的AI也確實有進步。

但當我坐小火車前往一個“掃地僧”交流區，根據工作場景提了些極簡單的需求時，現場展示的“掃地僧”尷尬地表示無法實現。我於是提議：“那就按你們的標準流程一步步操作，演示自動生成一個貪吃蛇遊戲代碼吧。”結果代碼依然一堆BUG，旁觀者都覺得表現拉跨，兩位工程師面面相覷地定位問題——這還只是公開展示區的DEMO，若是商業應用呢？可能指望靠AI省力自動生成代碼完成實際任務，暫時還不太現實。

更麻煩的是，代碼會不會成為新的“黑箱”？事實上，不少大公司或大項目的關鍵程序員一旦離職，整個核心系統就成了無人能調的“黑箱”，捉蟲（軟件工程領域用語，主要用於描述查找和修復計算機程序中的錯誤或缺陷的過程。）只能依賴測試大牛定位。對此，華為的慣常做法是“推倒重寫”。但有多少公司有勇氣對核心系統動刀，向那些“養寇自重”的關鍵人員説不呢？如今AI或許能替代這些“關鍵程序員”，但它自己會不會從屠龍少年變成新的“惡龍”，成為更深不可測的“關鍵程序員”和“黑箱”？當你高度依賴AI時，成本未必真能降下來。許多技術更新，表面降成本，實則將成本壓力轉移給了供應商，而非惠及消費者。商業定價往往依據競爭態勢而非成本，就像當年“讓天下沒有難做生意”的電商，如今流量成本並不比線下便宜。AI驅動的商業範式轉換，或許同樣如此——商家成本降了，消費者卻未必受益。

在AI展會上，儘管大家看了不少，但感覺仍是“概念先行”。無論是“具身智能”、“手指操作的機器人倒水”還是“工礦碼頭智能化”，都不免讓人感覺這些場景十幾二十年前就有了雛形。

我研究生學的就是人工智能相關的神經網絡，回顧AI誕生七十年，除了幾次重大突破外，大部分時間實際處於停滯狀態，更像一種脈衝式發展。上一次爆發是在2016-2017年，阿爾法狗戰勝圍棋冠軍，核心技術仍是卷積網絡，應用也集中在最基礎的聲音、圖像、翻譯等領域。當時媒體喧譁，我也好奇這是否是真正的進步，但我一位研究AI的朋友直言：“沒新技術，只是新應用。”

那麼這次Gen AI（生成式人工智能）的脈衝發展呢？展會上隨處可見的機械臂和工廠智能化，在一位深耕頂尖工廠體系多年的朋友看來：“似乎20年前就成熟了，有些許進步，但缺乏驚喜。”我記得2010年華為提出的企業網解決方案就涵蓋了礦業、工廠、石化、銀行、交通、政務、智慧城市、救援、醫療、教育等行業。如今展會上看到的所謂AI，我個人感覺更多隻是深度數字化的延續，披上了一層AI的外衣。很多還在玩“文字遊戲”，就像大數據、金融科技、人工智能和5G這些概念常常被捆綁在一起。

或許對其他發展中國家而言，AI和機器人是了不起的技術，但在高度內卷的中國，展會上的AI和機器人賽道早已荊棘密佈。從春節宇樹科技震撼的機器人舞蹈，到現在隨便一個科技展會上，任何一家公司都能攢出一台機器人或機器狗——所以你大概就能猜到，機器人行業的淘汰賽快開始了。

AI其實也類似，早期套殼應用暫且不提，曾接觸過一些國家級大牛主導的AI實驗室，他們也苦於難以找到明確方向。更甚的是，如今你投入幾十億、上百億燒出來的“技術護城河”，可能領先優勢只能維持半年，然後突然一天，價值幾十億的壁壘就被新模型瞬間擊穿——AI時代的大模型，可能説失效就失效了。

一位中國頭部科技公司的區域負責人和我私下交流時表示：雖然對AI極度自信，但假以時日人，類在AI面前都將如螻蟻，對此，螳臂當車可以説毫無意義。這位負責人走訪了上海多家科技企業，包括西岸投資巨大、算力超強、語料豐富的“模速空間”，依然感到前景不明。最近某大廠的大模型方向上也傳出些“小道消息”，因技術路徑實在困難，為衝KPI不得不走捷徑。在應用場景上，強如華為也仍在摸索AI的落地……所以，那些急於產品化的企業，目前似乎還沒拿出真正過硬的好產品。

當然，我依然相信在醫療等領域可能會有新的實質性進展。但僅從展會呈現來看，AI在商業場景應用的進展可能有些被誇大了。那麼，媒體在這其中又扮演了怎樣的角色呢？

燈下黑：新聞媒體

通常，媒體並不真正瞭解業界。但矛盾的是，媒體恰恰是公眾瞭解產業圈信息的主要渠道，也是焦慮的重要來源。媒體不得不依賴流量生存，因此，日常化、真實化、平庸化的產業信息所擁有的發表空間實屬有限。

另一方面，廠商也有誇大宣傳的需求，熱衷於展示具有噱頭的超前概念，至於商業化和可行性往往被置於次要位置。最終，我們看到的新聞常如過山車般大起大落，同時也滿足了廠商在投融資、政府關係和平台生態招商等方面的需求。

可真相究竟如何？那些探討AI的媒體，自身是否也陷入了“燈下黑”的困境？尤其是在ChatGPT最擅長的文字領域，媒體有沒有利用AI簡化文字工作，甚至導致記者下崗呢？根據我接觸過的6家中國媒體的觀察：

1.國內頭部傳統媒體A：記者曾就“藝術家創意是否採用AI”的選題電話採訪我（以作家身份）。交流中發現，他們一邊做這個深度選題，一邊自身也對AI充滿焦慮。但其內部採編流程本身尚未因AI發生重大改變。記者反饋，其他受訪者也普遍認為，即便在創意領域，真正能做高度、有追求的複雜創意的人本就不多。

2.國內頭部科技財經媒體B（由傳統媒體轉型新媒體）：一位編輯老師向我吐槽，其老闆因AI焦慮而要求編輯大量使用AI。但編輯們普遍反映：追求精品內容就很難依賴AI。結果不是AI為編輯打工，反而是編輯整天在“伺候”AI。如果老闆放棄質量，AI可以應付；如果追求效率，就可能淪為批量造號的機器，犧牲媒體品牌；如果既要質量又要效率，人類員工就會被累垮。這裏説一句題外話：上半年，中國知識產權申請被國家知識產權局大批量駁回，駁回量出現數倍誇張增長，原因就是國知局引入AI審核導致精細度下降，據説目前正在調整——這印證了需要精細操作的環節，目前還得靠人。

3.頭部新媒體C和頭部新媒體D：這兩家都是頗具規模的平台型純新聞新媒體（非個人IP屬性）。令我驚訝的是，其內部管理很多仍是傳統模式，整個選題、採編、審核流程依舊傳統，AI化程度極低，效率提升有限。最多在錄音轉文字和寫作優化環節有所應用，但AI生成的小瑕疵仍需人工核對、校對，因此單篇文章的全週期耗時依然很長。選題環節高度依賴傳統模式和作者人脈網絡，甚至需要請傳統媒體的老專家坐鎮。

4.垂類行業新媒體E（某行業內最頭部）：這類媒體專業度高，但主要依靠會議服務、排名評獎、培訓服務盈利。因其客羣穩定、業務模式成熟，形成了固定打法。它們出稿速度快，不太糾結選題，也不追求公眾閲讀率（更看重行業影響力）。在此類穩定模式中，AI反而能體現出一定價值。

5.媒體人F（自媒體團隊，篇篇十萬+）：基本靠“手工手藝”。其觀點是：情緒價值、人生體驗、生命寬度、情感聯結，這些是AI完全無法提供的。如果人人都能提供這些，護城河就低了，如何在激烈競爭中脱穎而出？因此，他更注重親身體驗和觀察，並高強度保持手寫，維持“手感”和“與人連接感”。除非是批量造號的平台需要AI刷量，對於追求精細活的個體手藝人，並不願意AI化。

所以，當媒體在大談特談AI時，除了少數例外，大部分媒體自身卻很不AI。目前看來，AI對媒體而言更多隻是個還不趁手的工具。

這世界或許充滿了“燈下黑”。比如，那些為世界提供數字化服務的運營商們，自身的資產管理可能還很手工甚至混亂。最能體現生成式能力（文字工作）的領域，卻恰恰難以被AI化——因為你的作品一旦被認出是AI生成，就沒人看了。

但真有人不在意AI嗎？有！

滿意的羣體：打工人和八股型幹部

目前，上班族的打工羣體和體制內“八股文”風格的幹部，對AI的滿意度最高。原因很簡單：如果不追求100分，那AI夠用就行了。

一位體制內的朋友坦言：以前需要專人寫稿，他還得抽時間修改。現在好了，只需花幾分鐘讓AI生成一份，而且不需要DeepSeek這種“抖機靈”的聰明AI，只要那種四平八穩、結構化的內容就可以了。他強調：“因為那絕對不會出錯！”

這正是體制內一部分人所追求的穩健。打工人也一樣，向上彙報、開會、對外溝通時，內容往往無需精細，因為沒人有精力細讀，但對格式規範要求極高。一般而言，公司規模越大，越容易“混”。大公司名頭就是背書，輸出材料只要形式對路就行，內容反而不如小而美的公司那麼重要。

於是，眾多AI Agent、AIGC（生成式人工智能）工具、彙總提煉工具、諮詢工具、會議工具，只需圍繞這種“形式感”做足文章，就能獲得驚人的市場。對比下來：認真優秀的人遠超AI，平庸的人則遠不如AI。

可實際上，真正的內容常常不那麼重要——因為在體制內、大公司體系下，個體往往無需對最終結果負責，只需“做樣子”……但這也會出問題。復旦120週年校慶就發生了“賀詞烏龍事件”，十幾所名校的賀詞嚴重“撞衫”，幾乎用同一套模板，場面頗為尷尬，堪稱AIGC的反面教材。

其實，關鍵在於環境，如果你的環境允許“混”，而你選擇做一個“混子”，那麼AI會迅速取代你；如果你的環境不允許“混”，那你反而得感謝AI還不夠精細，為你留下了生存空間。社會一面鼓勵使用AI，但另一面，如果你糊弄老闆或客户時被對方明顯看出用了AI，也會遭到反噬。

當然，AI也有好用的時候——如果你的老闆想婉拒合作伙伴的頻繁邀約，你可以利用AI強大的“創意”能力，為老闆生成一條拒絕供應商的“完美”理由。老闆多半會誇你活學活用。但更多的情況是：在大體制、大公司內部，人人都能當“南郭先生”，可當面對真正的用户時，他們能真的不在乎用户的心聲嗎？