达尼：AI到底取代了什么？与多家媒体接触后，我发现有一个“灯下黑”困境

2025世界人工智能大会（WAIC） 于7月26日至29日在上海盛大举行。本届大会以“智能时代 同球共济”为主题，汇聚全球顶尖智慧，展示前沿技术，探讨治理之道。

自2022年末ChatGPT横空出世，再到2025年DeepSeek引发新一轮热议，“生成式AI”被寄予彻底改变世界的厚望，人类“被取代”的预言不绝于耳。

然而，在喧嚣背后，AI的热潮也暴露了诸多深层问题：从AI驱动的裁员浪潮，到商业落地的“虚火”难退，再到具体应用中的“灯下黑”现象，现实远比想象复杂。

近日，华为前海外业务负责人、《海外征程》作者达尼在与体制内外、各行各业的人士交流后，提出了自己对于此轮AI浪潮的看法与分析。

内容有部分调整和删减，经作者授权转载本文，供各位读者参考学习。

【文/达尼】

跑在前面：美国那头的裁员

前段时间，我的一位亲戚从美国回来，他在加州生活了三十多年。我们很自然地聊到了特朗普、中美关系、对等关税、美元和小费暴涨等话题。我问他：“美国最近经济怎么样？怎么听说各种裁员？”他说：“美国经济其实还行，但比起贸易冲突，目前的裁员主要是AI驱动的。美国科技巨头用AI替换人类的速度快得惊人。”

他身边有朋友为硅谷大佬Jack Dorsey工作。Jack Dorsey是推特的创始人，虽然推特卖给了马斯克，但他仍是美国最大移动支付公司——Block集团的老板（老一点的互联网人可能知道Block的前身Square，它在Web2.0时代开创了LMS位置管理系统，这些都是Square的原创概念）。

Jack Dorsey在AI兴起后就开始裁员，虽然这位朋友避开了这一轮，但很多人就没那么幸运了——其中，一位高级研究员曾很兴奋地说，AI把研究时间缩短了80%。当时就有人提醒：“你难道不该有危机感吗？”这位研究员笑着回答：“三年内没风险，我觉得AI很棒。”结果三周后，这位研究员就被列入了Block的裁员名单——这件事引发了周围同事对AI的普遍焦虑。

另一方面，在中国的朋友都说，美国企业最近在中国区的裁员也很多——花旗银行科技子公司裁了3500人、PayPal国内的风控部门撤销了……尽管赔偿丰厚，但外企的朋友们依然不安，感慨一个时代落幕了。

当前究竟是什么时代？——是外企在中国的黄金时代，还是中美冲突的新范式时代？身处其中的朋友告诉我，这轮裁员的原因并非中国区业务下滑，而是与中美数据安全的《14117行政令》在4月初实施有关，该法令要求中美数据之间严格隔离。因此，花旗科技子公司的功能和微软的部分业务转移去了印度。

大量中国区员工面临两条路：被裁或被调动到新加坡、澳洲、美国（但第一批被调动的人已有不少因不适应而回国）。可以看出，中国区裁员与美国区裁员的逻辑不同：美区裁员的核心是AI。美国金融科技（Fintech）圈子正在推行AI替代人类的方案——我另一位在美国Fintech工作的朋友说，集团CEO正在公司推广“无邮件”“无会议”工作法，规定员工减少开会沟通和邮件往来。我们讨厌的“文山会海”，在美国CEO那里变成了限制邮件和会议比例的KPI指标。但这背后的用意，是让大家尽量给AI喂信息，用AI取代人与人的沟通。这搞得员工人心惶惶——这不就像是超市员工教顾客使用自助扫码机，最后自己却被优化掉、自己给自己掘墓吗？

如今，这种担忧越来越强烈。不仅CEO要求少开会少发邮件，还希望减少工作天数，甚至制造机会让全球员工集体放假几天，目的是极限测试“没有人类参与，公司还能不能运转”。这在中国听起来匪夷所思，但美国Fintech圈子确实在干。一旦测试成功，又一批人得被裁掉。

此外，语言学习APP“多邻国”的老板也近乎疯狂地推出了“AI优先”战略，似乎完全不顾员工处境，结果没过两天就推出了148门AI生成的语言课程。对此，CEO自豪地宣称：“AI一年就完成了人类员工需要12年才能干完的任务。”

当然，中国也有自己的特色。越来越多的“黑灯工厂”、“无人码头”就是例证。另一方面，这也在把人驱向外卖、网约车、快递员这三大“劳动力蓄水池”，只是不知道在无人送货、无人驾驶普及的未来，社会人力又将何去何从？

其实，从历史上看，CEO用新技术升级产业、资本家随之裁员这类事并不新鲜。我最近在一位学术大咖的闭门会上，听他讲到日本在1960年代的借鉴案例：日本战后借助朝鲜战争等机会，财阀迅速崛起，经济高速腾飞。资本方也搞技术革新和产业升级，导致对工人的需求减少，从而积累了社会矛盾，最终引发了资本家和工人之间的流血冲突。资方采取了瓦解工会、裁员、另立工会、分化工会，甚至在政府默许下刺杀工会领导、动用黑帮扑灭罢工等手段，但“昭和男儿”也并非易与之辈。最终，日本没有选择美国式地削弱工会，因为那可能导致社会结构出现问题，而是反向选择了一条妥协之路，形成了“终身雇佣制”、“年功序列”等今天日企的特色制度，相对成功地缓和了科技革新和产业升级对社会造成的冲击。

美国走向裁员，日本走向保护，而今我们往哪个方向走？单一的科技更替还好说，可世界还偏偏撞上了全球霸权更替，世界左右派思潮更替，三者叠加下，我们走向何方还真的不好说。

虚张声势：国内厂商的展会

说了AI强大的一面，我再泼点冷水，谈谈科技展会。展会通常是快速了解一个行业的最佳窗口，展商也常会用概念性产品来制造震撼效果。

最近我去了三四个与AI沾边的科技工业展，大部分展区中几乎一半内容是关于云和AI的，我看到的AI也确实有进步。

但当我坐小火车前往一个“扫地僧”交流区，根据工作场景提了些极简单的需求时，现场展示的“扫地僧”尴尬地表示无法实现。我于是提议：“那就按你们的标准流程一步步操作，演示自动生成一个贪吃蛇游戏代码吧。”结果代码依然一堆BUG，旁观者都觉得表现拉跨，两位工程师面面相觑地定位问题——这还只是公开展示区的DEMO，若是商业应用呢？可能指望靠AI省力自动生成代码完成实际任务，暂时还不太现实。

更麻烦的是，代码会不会成为新的“黑箱”？事实上，不少大公司或大项目的关键程序员一旦离职，整个核心系统就成了无人能调的“黑箱”，捉虫（软件工程领域用语，主要用于描述查找和修复计算机程序中的错误或缺陷的过程。）只能依赖测试大牛定位。对此，华为的惯常做法是“推倒重写”。但有多少公司有勇气对核心系统动刀，向那些“养寇自重”的关键人员说不呢？如今AI或许能替代这些“关键程序员”，但它自己会不会从屠龙少年变成新的“恶龙”，成为更深不可测的“关键程序员”和“黑箱”？当你高度依赖AI时，成本未必真能降下来。许多技术更新，表面降成本，实则将成本压力转移给了供应商，而非惠及消费者。商业定价往往依据竞争态势而非成本，就像当年“让天下没有难做生意”的电商，如今流量成本并不比线下便宜。AI驱动的商业范式转换，或许同样如此——商家成本降了，消费者却未必受益。

在AI展会上，尽管大家看了不少，但感觉仍是“概念先行”。无论是“具身智能”、“手指操作的机器人倒水”还是“工矿码头智能化”，都不免让人感觉这些场景十几二十年前就有了雏形。

我研究生学的就是人工智能相关的神经网络，回顾AI诞生七十年，除了几次重大突破外，大部分时间实际处于停滞状态，更像一种脉冲式发展。上一次爆发是在2016-2017年，阿尔法狗战胜围棋冠军，核心技术仍是卷积网络，应用也集中在最基础的声音、图像、翻译等领域。当时媒体喧哗，我也好奇这是否是真正的进步，但我一位研究AI的朋友直言：“没新技术，只是新应用。”

那么这次Gen AI（生成式人工智能）的脉冲发展呢？展会上随处可见的机械臂和工厂智能化，在一位深耕顶尖工厂体系多年的朋友看来：“似乎20年前就成熟了，有些许进步，但缺乏惊喜。”我记得2010年华为提出的企业网解决方案就涵盖了矿业、工厂、石化、银行、交通、政务、智慧城市、救援、医疗、教育等行业。如今展会上看到的所谓AI，我个人感觉更多只是深度数字化的延续，披上了一层AI的外衣。很多还在玩“文字游戏”，就像大数据、金融科技、人工智能和5G这些概念常常被捆绑在一起。

或许对其他发展中国家而言，AI和机器人是了不起的技术，但在高度内卷的中国，展会上的AI和机器人赛道早已荆棘密布。从春节宇树科技震撼的机器人舞蹈，到现在随便一个科技展会上，任何一家公司都能攒出一台机器人或机器狗——所以你大概就能猜到，机器人行业的淘汰赛快开始了。

AI其实也类似，早期套壳应用暂且不提，曾接触过一些国家级大牛主导的AI实验室，他们也苦于难以找到明确方向。更甚的是，如今你投入几十亿、上百亿烧出来的“技术护城河”，可能领先优势只能维持半年，然后突然一天，价值几十亿的壁垒就被新模型瞬间击穿——AI时代的大模型，可能说失效就失效了。

一位中国头部科技公司的区域负责人和我私下交流时表示：虽然对AI极度自信，但假以时日人，类在AI面前都将如蝼蚁，对此，螳臂当车可以说毫无意义。这位负责人走访了上海多家科技企业，包括西岸投资巨大、算力超强、语料丰富的“模速空间”，依然感到前景不明。最近某大厂的大模型方向上也传出些“小道消息”，因技术路径实在困难，为冲KPI不得不走捷径。在应用场景上，强如华为也仍在摸索AI的落地……所以，那些急于产品化的企业，目前似乎还没拿出真正过硬的好产品。

当然，我依然相信在医疗等领域可能会有新的实质性进展。但仅从展会呈现来看，AI在商业场景应用的进展可能有些被夸大了。那么，媒体在这其中又扮演了怎样的角色呢？

灯下黑：新闻媒体

通常，媒体并不真正了解业界。但矛盾的是，媒体恰恰是公众了解产业圈信息的主要渠道，也是焦虑的重要来源。媒体不得不依赖流量生存，因此，日常化、真实化、平庸化的产业信息所拥有的发表空间实属有限。

另一方面，厂商也有夸大宣传的需求，热衷于展示具有噱头的超前概念，至于商业化和可行性往往被置于次要位置。最终，我们看到的新闻常如过山车般大起大落，同时也满足了厂商在投融资、政府关系和平台生态招商等方面的需求。

可真相究竟如何？那些探讨AI的媒体，自身是否也陷入了“灯下黑”的困境？尤其是在ChatGPT最擅长的文字领域，媒体有没有利用AI简化文字工作，甚至导致记者下岗呢？根据我接触过的6家中国媒体的观察：

1.国内头部传统媒体A：记者曾就“艺术家创意是否采用AI”的选题电话采访我（以作家身份）。交流中发现，他们一边做这个深度选题，一边自身也对AI充满焦虑。但其内部采编流程本身尚未因AI发生重大改变。记者反馈，其他受访者也普遍认为，即便在创意领域，真正能做高度、有追求的复杂创意的人本就不多。

2.国内头部科技财经媒体B（由传统媒体转型新媒体）：一位编辑老师向我吐槽，其老板因AI焦虑而要求编辑大量使用AI。但编辑们普遍反映：追求精品内容就很难依赖AI。结果不是AI为编辑打工，反而是编辑整天在“伺候”AI。如果老板放弃质量，AI可以应付；如果追求效率，就可能沦为批量造号的机器，牺牲媒体品牌；如果既要质量又要效率，人类员工就会被累垮。这里说一句题外话：上半年，中国知识产权申请被国家知识产权局大批量驳回，驳回量出现数倍夸张增长，原因就是国知局引入AI审核导致精细度下降，据说目前正在调整——这印证了需要精细操作的环节，目前还得靠人。

3.头部新媒体C和头部新媒体D：这两家都是颇具规模的平台型纯新闻新媒体（非个人IP属性）。令我惊讶的是，其内部管理很多仍是传统模式，整个选题、采编、审核流程依旧传统，AI化程度极低，效率提升有限。最多在录音转文字和写作优化环节有所应用，但AI生成的小瑕疵仍需人工核对、校对，因此单篇文章的全周期耗时依然很长。选题环节高度依赖传统模式和作者人脉网络，甚至需要请传统媒体的老专家坐镇。

4.垂类行业新媒体E（某行业内最头部）：这类媒体专业度高，但主要依靠会议服务、排名评奖、培训服务盈利。因其客群稳定、业务模式成熟，形成了固定打法。它们出稿速度快，不太纠结选题，也不追求公众阅读率（更看重行业影响力）。在此类稳定模式中，AI反而能体现出一定价值。

5.媒体人F（自媒体团队，篇篇十万+）：基本靠“手工手艺”。其观点是：情绪价值、人生体验、生命宽度、情感联结，这些是AI完全无法提供的。如果人人都能提供这些，护城河就低了，如何在激烈竞争中脱颖而出？因此，他更注重亲身体验和观察，并高强度保持手写，维持“手感”和“与人连接感”。除非是批量造号的平台需要AI刷量，对于追求精细活的个体手艺人，并不愿意AI化。

所以，当媒体在大谈特谈AI时，除了少数例外，大部分媒体自身却很不AI。目前看来，AI对媒体而言更多只是个还不趁手的工具。

这世界或许充满了“灯下黑”。比如，那些为世界提供数字化服务的运营商们，自身的资产管理可能还很手工甚至混乱。最能体现生成式能力（文字工作）的领域，却恰恰难以被AI化——因为你的作品一旦被认出是AI生成，就没人看了。

但真有人不在意AI吗？有！

满意的群体：打工人和八股型干部

目前，上班族的打工群体和体制内“八股文”风格的干部，对AI的满意度最高。原因很简单：如果不追求100分，那AI够用就行了。

一位体制内的朋友坦言：以前需要专人写稿，他还得抽时间修改。现在好了，只需花几分钟让AI生成一份，而且不需要DeepSeek这种“抖机灵”的聪明AI，只要那种四平八稳、结构化的内容就可以了。他强调：“因为那绝对不会出错！”

这正是体制内一部分人所追求的稳健。打工人也一样，向上汇报、开会、对外沟通时，内容往往无需精细，因为没人有精力细读，但对格式规范要求极高。一般而言，公司规模越大，越容易“混”。大公司名头就是背书，输出材料只要形式对路就行，内容反而不如小而美的公司那么重要。

于是，众多AI Agent、AIGC（生成式人工智能）工具、汇总提炼工具、咨询工具、会议工具，只需围绕这种“形式感”做足文章，就能获得惊人的市场。对比下来：认真优秀的人远超AI，平庸的人则远不如AI。

可实际上，真正的内容常常不那么重要——因为在体制内、大公司体系下，个体往往无需对最终结果负责，只需“做样子”……但这也会出问题。复旦120周年校庆就发生了“贺词乌龙事件”，十几所名校的贺词严重“撞衫”，几乎用同一套模板，场面颇为尴尬，堪称AIGC的反面教材。

其实，关键在于环境，如果你的环境允许“混”，而你选择做一个“混子”，那么AI会迅速取代你；如果你的环境不允许“混”，那你反而得感谢AI还不够精细，为你留下了生存空间。社会一面鼓励使用AI，但另一面，如果你糊弄老板或客户时被对方明显看出用了AI，也会遭到反噬。

当然，AI也有好用的时候——如果你的老板想婉拒合作伙伴的频繁邀约，你可以利用AI强大的“创意”能力，为老板生成一条拒绝供应商的“完美”理由。老板多半会夸你活学活用。但更多的情况是：在大体制、大公司内部，人人都能当“南郭先生”，可当面对真正的用户时，他们能真的不在乎用户的心声吗？