2029年的中秋，新加坡又下雨。雨从海峡方向压过来，到了Tuas，天空低得像要碰到那些没有窗的数据中心。家明站在连廊里，看雨水一层层从玻璃上往下滑。楼下几辆没有驾驶员的物流车沿着白线驶进卸货区，一台四足机器人停在积水边，像一只不愿弄湿脚的狗，安静地算了两秒，然后绕过去，继续往变压器房走。更远一点，港口的自动化岸桥还在雨幕里移动，天空偶尔有一盏红灯掠过去，可能是警用无人机，也可能是电力公司的巡检机。
一、到了2029年，人们已经不太谈AI了
已经没有多少人拿手机出来拍这些东西了。三年前，Punggol第一次让普通人坐上无人接驳车的时候，还有父母特地带孩子去体验，车一到站，大家先拍照再上车；如今一辆没有司机的车从家明身边经过，和自动门开了一下差不多，没有人觉得值得停下来多看一眼。真正进入生活的未来，从来不会一直长得像未来。电灯曾经是奇迹，后来只剩下一句“为什么还没修”；互联网曾经像另一个世界，后来变成一个人在电梯里下意识往下刷的动作。AI也一样，等大家不再天天说“AI”的时候，它才算真正进入社会。
家明已经五十多岁，头发比几年前白了不少。他还在那家保险集团，只是公司已经不是三年前的那家靠excel管理的公司了。收入比过去高了近三成，客户更多，产品更多，系统也更复杂，可员工人数并没有跟着增长。客服所在的楼层空出一角，传统后台运营少了不少，junior programmer的graduate intake也压得很低；另一边，AI governance、cybersecurity、robotics risk、model assurance这些过去只在咨询报告里出现的词，已经变成一个个有预算、有老板、有KPI的部门。
他的老同事永康就在楼下的数据中心工作。几年前，永康还是保险公司的Programme Manager，后来被裁掉，如今负责一部分自动化设备、承包商和基础设施项目。女儿怡宁去了能源系统公司，最近忙的是数据中心和电网调度；儿子厚载申请大学的时候，也已经没人把“会用AI”当成值得写在最上面的能力，就像没有人会特地说自己会用Google。
如果只看街道，2029年和2026年是一样。地铁还是挤，房子还是贵，父母还是怕孩子输，年轻人还是怕找不到工作，老人还是觉得世界越来越快。
可家明偶尔把这三年叠在一起看，会发现社会已经悄悄换了一套价格：什么东西还值得钱，什么东西不再值钱；什么过去被看不起的能力突然成了瓶颈，什么用了二十年练出来的本事，一夜之间变得不再稀缺。
他后来总会想起最早那个下午。翻开日历，往回三年，也是九月尾，也下着雨。
二、那场雨以后，家明取消了house viewing
那天下午六点多，家明坐在莱佛士坊二十八楼的会议室里，桌上放着一份十四页的预算。会议已经结束，财务总监离开以前，把文件翻到最后一页，用笔圈了一句话： If productivity gains are structural, why is headcount still structural? ——如果生产率的提升是永久的，为什么员工人数也应该是永久的？
家明四十六岁，是一家区域保险集团的首席运营官，也是公司里最早推动AI的一批管理层。他并不是什么科技理想主义者，公司最初用AI，没有什么改变世界的野心，只是客服积压太多，理赔成本太高，IT开发太慢。最早AI帮员工写邮件、整理会议、总结PDF，后来开始读保单、检查理赔材料、找异常交易，再后来coding agent能自己接ticket、读repository、修bug、跑测试。过去客服处理一封投诉，要在几个系统之间来回找资料，如今机器已经先把一个客户过去几年的保单、付款、理赔和投诉整理出来，再交给真人判断。
员工最初很开心，因为那些重复、琐碎、没人喜欢但每天都必须做的事情少了；管理层也很开心，因为客户终于不用等那么久。那几年公司最常讲的一句话，就是“AI不是来取代人，而是让人去做更有价值的工作”。这句话当时并没有骗人，麻烦只是后来才出现：当一个工具真的让人变得更有效率，效率就会被财务部门量出来。
过去十八个人的部门，现在十二个人带着AI也能完成同样的工作量。如果明年业务增长40%，当然没有问题；可未来三年收入只预计增长个位数，一边是需求增长7%，另一边是产能提高30%，多出来的那部分能力最后怎么办，并不需要AGI来回答，Excel就够了。
就在家明盯着这些数字的时候，手机弹出一条新闻：GovTech裁掉93人。大约3900人的机构，第一轮305人进入调整，102人留下，110人接受培训和转岗，93人离开。真正让家明停下来的，并不是“93”这个数字，而是GovTech并没有衰退，它还在招人，只是从过去偏project和vendor管理的模式，转向长期拥有产品，需要更多真正可以做软件、产品、数据和网络安全的人。
他看完以后突然觉得，大家争论这到底算不算“AI裁员”，其实没有那么重要。至少GovTech没有倒，Singpass没有消失，政府的软件需求也没有减少，工作甚至可能更多，只是它不再需要同样的人，用同样的方法去做同样的事情。
一个产业可以越来越繁荣，但是你说，一个在里面做了二十年的人却突然失去位置，这比整个行业一起消失更令人不安。船沉了，人至少还能怪风浪；船开得越来越快，只是没有你的位置，人最后会怀疑，是不是自己太慢。
那天晚上家明回家，慧玲正在厨房切木瓜。两个人本来约了星期六去看Upper Thomson一套三房condo，已经看了几个月，CPF算过，贷款问过，慧玲连客厅怎么摆都存了参考图。她问星期六还去不去，家明站了一会，只说“先不要”。慧玲以为是利息，他摇头，说不是利息。她看了他一眼，没有继续问。结婚二十多年，有些事情不用解释。
公司还没有裁家明，家明已经不敢买房。后来经济学家会把这种行为叫预防性储蓄：当未来收入的不确定性增加，人会少花今天的钱，把现金留下来。站在一个家庭的角度，这无比合理；可如果十万个家庭同时做同一件事，理性就会变成衰退。一套本来准备买的房子不买了，车多开几年，北海道从十天改成五天，后来干脆不去了，冰箱只要还能继续使用，吵一点也无所谓了。
AI造成的第一次经济冲击，未必先出现在失业统计里。它可能先出现在一个星期六没有发生的房屋viewing，因为人消费的从来不只是今天的工资，人消费的是自己相信明天还会有工资。AI最先动摇的，就是这份相信。
三、那年的月饼没有蛋黄
到了中秋，公司还是发月饼。以前是Raffles hotel的减糖双黄莲蓉，盒子做得像首饰盒。小儿子厚载小时候最喜欢等家明从正中间切开，看两颗蛋黄是不是刚好一边一个。那一年打开，却只有四颗普通白莲蓉，没有蛋黄。
公司群里有人开玩笑，说AI transformation连蛋黄也transform掉了，一群人发笑脸，然后继续工作。家明知道，那盒没有蛋黄的月饼，和桌上的headcount adjustment其实属于同一件事。公司不是没钱，后来的利润甚至更好，只是一套新的价值判断进入了公司：
“什么值得付钱，什么不值得；过去十个人才能完成的事情，现在是不是还值得十个人的工资。”
第一批名单里有永康。五十岁，Programme Manager，跟家明一起做了八年项目。永康不差，甚至很好用。他最值钱的地方，是知道大型组织里面为什么事情永远不会按照流程图发生。哪个vendor星期五下午说“no problem”反而最危险，哪个部门会议上答应得最快，回去以后最不会动，哪个系统看起来只是改一个field，下面却压着十年前没人敢碰的legacy logic，他全部知道。
这些过去被叫经验，而经验真正值钱的地方，是别人拿不走。后来会议全部被记录，项目历史全部可以检索，邮件和vendor交付都能被模型读取，风险每天晚上自动重算。AI没有获得永康二十年的人情世故，可组织第一次可以把一部分过去只能活在人脑里的记忆搬出来。永康并没有变笨，只是他的稀缺性下降了。
家明亲自和他谈。HR把补偿、通知期和career transition说完以后，永康没有发火，最后只问：“是不是我做得不好？”家明说不是。永康又问：“那为什么是我？”家明沉默了几秒，说以后需要的skill set不一样。
后来他经常想起这句话。一个人在一个世界里努力了二十年，最后没有犯错，也没有偷懒，却有人告诉他，你不适合这份工作了。
企业为什么会这么做，并不是老板变得残忍。只要竞争存在就够了。家明不裁，竞争对手裁；对手用少20%的人做出一样的产品，成本更低，可以降价、提高佣金、增加营销。几年以后，董事会会问家明，为什么竞争对手已经把AI productivity变成利润，他们没有。如果家明拒绝，先离开的可能是家明，新CEO来了以后，仍然会做同一件事。
现代经济最残酷的地方，有时候也正是它最文明的地方：不需要任何人恨你，你甚至不需要出错，也可以把你淘汰。没有恶意，只有效率。
一个有工作的人，总觉得时间太快；一个失业的人，常常发现时间突然太慢。我们总说工作是为了赚钱，后来才发现工作还替人组织时间、身份和尊严。每天有人需要你，于是你知道星期一为什么要起床；等工作消失以后，一个人失去的不只是工资，还有一种“我仍然在世界里面有位置”的感觉。
四、一份工资消失以后，它去了别人的未来
永康离开以后，公司财报反而变得更漂亮。人工成本下降，理赔速度提高，IT交付加快，operating margin扩大，股价上涨。家明持有公司股票，所以他的净资产也增加了。
他第一次清楚感受到AI时代一种很难说清楚的道德矛盾：自己签掉了一批人的工作，却因为这批工作消失，变得更富有。
有一个晚上，他把年报摊在书房桌上，用铅笔画了一条线，想知道一份工资消失以后，到底去了哪里。钱当然不会凭空蒸发，工资少了，一部分变成利润；利润一部分回到股东，一部分变成资本开支。资本开支买模型、云服务、服务器和网络设备；云厂商收到钱，再买GPU；GPU背后是HBM、晶圆、先进封装和半导体设备；数据中心继续买土地、冷却、电和新的发电能力。
原来一百块钱的路径是：公司发工资，员工拿回家，去供房、吃饭、旅游、买车、换冰箱。后来越来越多的钱改走另一条路：公司增加利润，资本再流进GPU、芯片、数据中心、电网、能源和资产。
两条路都会让GDP增长，可它们经过社会的方式完全不同。一百个人拿到工资，会产生一百个消费决定；几个股东和一份capex budget拿到同样的钱，会产生另一套经济。所以未来完全可能出现一个让很多人困惑的世界：股市很好，GDP也不错，AI资本开支更好，半导体和电力项目忙得不得了，可很多家庭觉得自己生活在经济衰退里面。
GDP没有撒谎，人也没有撒谎，他们只是生活在同一个数字不同的分母里。
工业革命曾经出现过相似的裂缝。Robert Allen研究英国工业革命时，用“Engels' Pause”去描述一段生产率和利润先增长、真实工资没有马上跟上的时期。机器把整个社会的生产能力往上推，但生产能力不会自动变成每个人手里的购买力。Acemoglu和Restrepo后来又把自动化的一面叫displacement effect，把技术创造新任务、重新把人拉回生产过程叫reinstatement effect。
两个力量都会发生，问题是它们之间有时间。国家等得起这个时间，统计局也等得起，但个人却未必。
永康的房贷每个月都要来。历史课本最残酷的一种写法，就是把几十年的疼痛抽象成一句：“劳动力完成了重新配置。”
五、四个cycle同时转动的时候
永康失业第四个月，家明去参加一个闭门经济论坛。教授在白板上画了四个同心圆，说要看懂AI时代，不能只问经济究竟好不好，因为经济从来没有唯一的一只钟。
最里面是Kitchin cycle，大约三到五年的库存和短商业周期。家明不买condo，永康不换冰箱，更多家庭取消旅行，零售商发现东西卖慢了，就减少库存，上游订单继续下降。站在这一层看，经济的确很冷。
外面一层是Juglar cycle，大约七到十一年的设备和企业资本投资周期。普通家庭不买冰箱，并不代表Amazon、Microsoft、Google、Meta和AI公司会少买GPU。恰恰相反，越害怕落后，企业越会继续投入资本，买机器、server和算力。
再外面是Kuznets swing。时间尺度拉长到十几年，问题开始从服务器够不够，变成电够不够、土地够不够、晶圆厂够不够、冷却够不够、铜够不够，于是新的电厂、电网、数据中心和工业基础设施开始出现。
最外面才是康波。几十年的尺度上，真正改变社会的从来不是某一款产品，而是一种通用技术把整个经济里的价格关系重新排过。蒸汽改变距离的价格，电改变能量的价格，互联网改变信息的价格，AI开始改变认知和执行的价格。
这几个cycle并不会，也不需要往同一个方向走，所以一个银行职员完全可以觉得自己身处衰退，而Tuas的工程师忙到没空；普通人开始储蓄，企业capex却继续上升；CBD减少headcount，西边的工厂和数据中心却在招人。它们不是互相矛盾，只是不同的人活在不同的周期里面。
Carlota Perez的理论又给这些周期加了一层更长的意义。技术革命最早往往是installation period，资本先进去，赢家先富起来，基础设施先建立，旧的技能和组织开始被打碎；随后社会会走到一个turning point，因为技术进步得太快，而制度、教育、收入分配和人的适应速度跟不上。只有这些东西后来重新接上，技术才可能进入更广泛的deployment。
这也是为什么家明后来觉得，AI最值得怕的未必是模型太聪明，而是时间不一样。模型半年升级一次，一个学生读完大学要四年，一个中年人重学一门职业要两年，一座发电厂要很多年，一套教育制度更慢，而一代人改变“什么工作才算体面”的观念，也许要十几年。
机器的时间不断变快，人的人生没有办法加速。
六、芯片越轻，世界越重
当钱从工资流向资本开支以后，新加坡西边的灯越来越亮。
AI在屏幕上看起来很轻，一句prompt，一个聊天框，一个云端模型，好像智能已经和物理世界没有关系。可家明第一次走进大型数据中心，就明白了所谓“云”，其实只是别人的工厂。机房很冷，也很吵，服务器一排一排，粗得像手臂的电缆从头顶穿过，冷却系统不断运行。
所谓人工智能，最后仍然要经过铜，经过光、经过晶圆，经过HBM和先进封装，经过变压器、天然气、冷却水和电网，也经过一个半夜三点接到电话、赶回来修泵的人。
智能越来越轻，支撑智能的世界反而越来越重。
过去三十年，人们一直觉得产业最好的方向，是脱离现实世界。轻资产、软件、平台、云，把工厂、库存、土地和能源都交给别人。AI把这条路推到极致以后，世界却绕了一圈，最重要的瓶颈又回到电、土地、工厂、设备和现实世界。
这就是为什么白领失业和制造业扩张可以同时发生。AI少用一部分程序员，却需要更多芯片；芯片要更多设备和晶圆厂；数据中心要更多电；电又需要电网、发电、工程和维修。旧岗位消失以后，新岗位当然会来，只不过历史从来没有答应过，新工作会自然而然地落在失业者的身上。
七、机器开始进入现实世界
永康失业以后，有一阵认真考虑去开private-hire car aka Grab。这个想法很符合直觉，白领的办公室不安全，那就去现实世界，ChatGPT可以写报告，但它总不能从屏幕里伸出腿来踩油门吧？
可没多久，Punggol的无人接驳车开始从新闻变成日常。消费者接受无人驾驶的逻辑甚至不需要技术崇拜，如果一辆车便宜一点、来得快一点、事故率低一点，多数人不会为了保护一个不认识的司机，主动多等十五分钟、再多付几块钱。企业要成本，消费者要方便，政府要安全，三种完全不同的欲望，最后会走向同一个结果。
机器人也是一样，它不需要先长得像人，才可以替人。仓库里的AMR不需要腿，工厂机械臂不需要脸，无人机不需要手，无人车也不需要像司机。真正决定劳动力市场变化的，从来不是机器像不像人，而是一个人能管多少台机器。
过去十个人分别搬十份货，后来一个人看十台机器人；过去十个保安巡十条路线，后来一个控制室同时看摄像头、无人机和地面机器人。所谓“无人化”很多时候并不是真的没有人，它更常见的形式，是一个人被放大成十个人。生产率上去了，人力需求也跟着少了一层。
永康后来没有去开grab，因为他慢慢意识到，从AI逃到驾驶，不一定是在逃离AI，只是晚几年再遇见而已。与其逃离，倒不如拥抱。最后他去了数据中心，第一次面试失败，因为别人问PUE、UPS、chiller、busbar，他很多听不懂。四十九岁重新坐回教室，没有任何励志电影里的漂亮镜头，比自己年轻十几岁的人回答得比他快，老师讲一个名词，他回家还要用Google查，而旁边的ITE学生已经用上claude。
他后来告诉家明，最难的不是学习，而是重新接受自己是啥都不懂的人。
一个中年人的尊严往往就建立在“我知道”的基础上。二十年的职业，不只是收入，而是一种对世界的熟悉。转行真正残忍的地方，是一个人在四十九岁的时候，要主动放弃这种熟悉，再一次承认自己无知。
后来他还是找到工作，工资低了二成多，可做了一阵，他发现过去的经验没有全部消失。他仍然会管vendor、看进度、处理例外、判断什么时候系统不可信，只是过去项目存在Jira里，现在一台变压器真的有几十吨。
物理世界重新给了他的经验一个价格。
八、答案不再值钱以后
家明真正意识到教育要变，是一个星期三晚上。
厚载十五分钟写完一篇英文作文，文章很好，结构清楚，立意鲜明。家明问是不是自己写的，儿子说是；再问有没有使用AI，他想了一下，说“有一点”。所谓“一点”，是AI先帮他讨论题目，问了几个问题，给出三个结构，他自己选；写完以后，机器再帮他找逻辑漏洞，他继续改。
那么这篇文章到底算谁的？
过去学校有一个很方便的假设：一个学生交出的答案，代表这个学生的能力。AI把答案和能力拆开以后，教育就不得不重新寻找究竟应该衡量什么。
AI时代的教育，可能不会像很多人想象的那样轻松，反而会越来越苛刻，因为答案突然便宜了。以前教育常问“你会不会算”，以后更重要的是“你知道该算什么吗” —— 知其然，且知其所以然。
一个人告诉AI帮我分析这家公司，AI可以给出二十页的分析报告；另一个人却会先问，我究竟要判断的是三个月的交易机会，还是十年的价值？收入增长来自销量还是价格？毛利改善究竟是产品结构还是会计？最大客户砍单以后会发生什么？什么证据出现以后，我应该承认自己错？
同一个AI，在两个人手里，可以像同一把刀落在不同厨师手里。机器能力越来越平等以后，人和人之间真正暴露出来的，是认知结构：一个人有没有能力把模糊的问题想清楚，有没有因果意识，有没有证据意识，知不知道什么是重要变量，能不能理解反事实。
这也是为什么基础知识不会因为AI变强而不重要，反而更重要。以前一个知识很差的人，得到一个差答案；以后他可能得到一个语言完美、图表漂亮、逻辑完整，却从第一条假设就错掉的答案。这比无知更危险。
所以人需要知识，不是为了赢过机器，而是为了在必要的时候拒绝机器。学会说“不”的能力。
审美也会变贵。当一分钟可以生成一百张图、一百首歌、一百个logo以后，生产不再稀缺，选择才稀缺。知道哪九十九张应该删除，为什么一个东西虽然漂亮却俗，为什么一个空间很豪华却让人不舒服，为什么一句话没有任何语法问题，却完全没有人的味道，这些过去被叫作soft skill的东西，会慢慢成为生产力。
机器解决的是可能性，人决定什么值得留下。
到2029年，厚载的考试反而比姐姐以前复杂。Take-home essay少了，现场答辩多了，AI可以用，可老师不会只看最后答案，而会不断追问为什么这样问、为什么相信这个source、为什么没有采用另一个答案、什么证据会让你改变看法。
AI把“答案是什么”变得太容易以后，教育最终只好重新回到更古老的问题：你为什么相信它？你凭什么这么判断？你究竟在解决什么？
技术走到最后，竟把教育重新逼回了苏格拉底。
九、能力平权以后，所有权开始说话
AI确实带来一种很大的平权。一个Johor Bahru的小商人，过去不可能长期拥有律师、翻译、程序员、广告团队和数据分析师，未来一个人加几套agent，就可以获得这些能力的一大部分。普通家庭的孩子第一次可以拥有无限耐心的一对一家教，一个老人可以让AI替他读保险条款，三个人的创业团队可以做几十亿的跨国生意。
认知能力开始像电力一样被便宜供应，这是很大的进步。可是能力平权，并不等于财富平权。每个人都可以拥有AI，不代表每个人都拥有GPU、数据中心、土地、品牌、客户、IP和股权。
家明认识一个叫阿凯的年轻创业者，公司只有十几个人，agent写代码、做客服、跑广告、整理销售线索，收入已经接近过去一家百人公司的规模。融资以后，阿凯的股权值到八位数。他发财以后，先买房，再给父母换房，再买股票，再投朋友公司。这没有什么可嘲讽的，人失去钱的时候先保命，有钱以后先保住钱，有余力以后才谈理想。
于是AI创造的财富当然会重新流回社会，但它走过的路变了。过去一千万收入可能先经过一百张工资单，现在同样的钱可能先经过十五张工资单和几张cap table。钱依然在那里，只是经过的手少了。
所以未来最大的阶级差异，可能不再是“谁能不能用AI”。大家都会用，真正的差异会慢慢变成谁拥有AI创造出来的东西。技术可以把能力民主化，产权不会自己民主化。
十、0.87个孩子和没有正确答案的政治
就在AI开始减少一部分工作的时候，新加坡还面对另一个棘手的问题：人不够。
免责声明：本文仅用于信息交流，不构成投资建议。数字资产具有高风险，请自行判断。
← 返回最新