即刻App年轻人的同好社区
下载
App内打开
吃栗子不
1k关注521被关注4夸夸
ENFJ-A | 摄影📸 | 骑行🚲 | 徒步爬山⛰️
置顶
吃栗子不
1月前
你既然想，又何必怕
你既然怕，又何必想

你既然想，就去做
怕的那部分，在你开始的那一刻，慢慢变少
带着恐惧走，带着破碎走，带着所有的不确定走

走起来，路才慢慢清晰
00
吃栗子不
2天前

小盖fun: 看来很多人没注意到 Anthropic 这个论文。 Anthropic 这公司很多事情做得确实细致和严谨。今天周五，下午没什么事，我把他们刚发的这篇论文完整看了一遍。 整篇 57 页，系统研究了如果未来几年 AI 能力继续快速提高，而且真的开始大规模进入工作，到 2030 年，GDP、工资、就业和整个社会的收入分配会发生什么变化。 这套分析框架做得非常好，反正我看完还是有很多收获。它设计了几种不同的 AI 发展情景，然后看每一种情况下，经济和就业的影响。下面是我的笔记。 还有时间的话，我还是强烈推荐看一看，主要是看他们的分析逻辑。同时在看这个的过程中，也确实能够直观地感受到 AI 可能会带来的影响。 1、论文把工作粗略分成了两类。一类是认知型工作，包括管理、专业人士、销售、办公室工作这些，程序员、律师、研究人员基本都在里面。 另一类是其他工作，比如建筑、电工、运输、现场服务这些。 他们先假设，2030 年以前 AI 主要直接影响第一类工作，暂时不考虑机器人快速进入体力工作的情况。 所以后面论文里讨论 AI 对工作的冲击，核心讨论的其实都是今天这些知识工作和办公室工作。 2、论文设计了三种情景，温和、显著和极端。 温和情景下，AI 的发展和普及都比较慢。到 2030 年，GDP 只比没有 AI 的情况高 1.6%。显著情景下，AI 已经成为比互联网影响更大的新技术。 到 2030 年，GDP 比没有 AI 的情况高 8.3%。极端情景下，AI 开始大规模完成原来由人做的认知工作。到 2030 年，GDP 比没有 AI 的情况高 32.4%。 注意，这三个数字不是作者对 2030 年的预测。他们也没有说哪一种情况概率最高。这些都是假设。 3、AI 对工作的影响，主要有两种情况。一种是 AI 帮人提高效率。比如程序员、律师、销售用了 AI，同样时间能完成更多工作，人还留在原来的岗位里。 另一种是 AI 已经可以独立把任务做完。这个时候，人开始退出，原来支付给人的那部分工资，会更多转到模型、算力这些资本上。 4、论文认为，AI 对就业和收入分配影响最大的变量是自动化比例。AI 参与的任务越多，其中由 AI 独立完成的比例越高，人需要参与的工作就越少，收入也会更多流向资本。 拿刚刚提到的显著情景来说。到 2030 年，AI 能影响整个经济大约 30% 的任务，但真正部署到工作里的只有 40%。 算下来，大概有 12% 的经济任务真正用上了 AI，相当于今天认知工作任务的五分之一左右。 更关键的是，这些已经用上 AI 的任务里，四分之三都已经可以由 AI 独立完成，只有四分之一还是 AI 辅助人。 这种情况下，AI 会让这些任务的生产率提高大约 57%。整个经济也明显加速，到 2030 年，GDP 比没有 AI 时高 8.3%，当年的经济增速达到 5.4%。 这个增长速度已经很快了。1999 年美国互联网最繁荣的时候，实际 GDP 增速也只有 4.7%。 5、但经济增长以后，这些新增收入并不会平均落到劳动者和资本身上。 显著情景下，到 2030 年，GDP 比没有 AI 的情况高 8.3%，平均工资却只高 2.1%。 再拆开看，差别更明显。认知型工作的工资反而低了 0.3%，其他职业工资高了 5.9%。所有劳动者加起来拿到的总收入，只比没有 AI 时高 1.4%，但资本收入却高了 18.9%。 原因就在前面讲的自动化。 这个情景里，已经用上 AI 的任务中，有四分之三可以由 AI 独立完成。 原来需要支付工资给人完成的一部分工作，开始交给模型、算力和其他资本完成，对应的收入也更多流向资本。 所以虽然整个经济增长了 8.3%，劳动收入占 GDP 的比例却从 60% 降到了 56.1%，资本收入占比从 40% 升到了 43.9%。 这也是论文一个很重要的结论。AI 可以让整个经济增长得很快，但 GDP 增长多少，和普通劳动者的收入增长多少，是两回事。 6、再具体一点，假设原来的 GDP 是 100，劳动者拿其中的 60。现在 GDP 增长到 132，但劳动者只能拿其中的 45%。 132 乘以 45%，还是差不多 60。 也就是说，整个经济大了三分之一，但所有劳动者加起来拿到的总收入几乎没增加。新增出来的这部分收入，基本都去了资本端（AI 公司）。 7、AI 还会重新抬高那些暂时无法被替代的工作的价值。 极端情景下，认知型工作的工资比没有 AI 时低 11.5%，其他职业的工资却高出 33.6%。 背后的逻辑是，AI 把大量认知任务的成本降了下来，整个经济的产出也随之快速增加。 但经济要多生产这么多东西，依然需要建筑、电工、运输、现场服务这些 AI 暂时完成不了的工作。 于是一个很有意思的变化出现了。 认知工作这边，AI 可以直接补充供给，企业对人的需求下降，工资受到压制。 其他工作这边，AI 暂时补不上，但整个经济扩张以后，对这些工作的需求反而增加。即使一部分认知工作者转过去，也未必能完全补上新增需求，所以工资会上涨。 这也是为什么 AI 越强，不同职业的工资不一定一起上涨或者一起下降。 越容易被 AI 完成的工作，人的价值越容易受到压制；越难被 AI 接手的工作，反而可能因为整个经济增长而变得更值钱。 8、前面说了，AI 会减少一部分认知工作的需求，同时整个经济增长，又会增加建筑、电工、运输、现场服务这些工作的需求。 问题是，人没法跟着岗位变化立刻完成转行。 论文举了一个很形象的例子。一个软件工程师失去工作以后，很难马上转去做电工。换一个行业，需要重新学习，需要寻找岗位，过去积累的很多经验也未必还能直接用。 当然不一定是电工，也可以是保险经理等等服务行业的工作。 所以即使整个经济里还有新的工作机会，中间依然可能出现失业。AI 接管旧工作的速度越快，劳动者转换职业的速度越慢，这批暂时找不到新工作的人就会越多。 9、同样一次 AI 冲击，最后可能表现成两种结果，一种是降薪，一种是失业。 论文专门做了一个对比。AI 的能力、自动化程度都保持不变，只看企业在用人变少以后，工资能不能跟着下降。 如果工资可以快速下降，企业会继续保留更多人。结果是，认知工作者的工资比没有 AI 时低 42.2%，但失业率只有 2.6%。 如果工资很难下降，企业需要的人已经变少了，工资却降不下来，那最后只能少招人、裁更多人。 这个情况下，认知工作者的工资甚至还能比没有 AI 时高 2.8%，但失业率会升到 24%。 所以 AI 减少用工需求以后，结果不一定只表现成失业。工资越容易下降，更多影响会落在收入上。工资越难下降，更多影响就会落在就业上。 10、还有一个我觉得很有启发的概念，叫 so-so automation，可以理解成收益不高的自动化。 比如以前一个人完成某项工作需要花 100 块钱，现在 AI 可以把任务接过去，成本变成 95。 对公司来说，人确实可以不用了。但从整个社会来看，这项技术其实只创造了 5 块钱的效率提升。 原来支付给劳动者的那一大块收入，却已经随着任务一起转到了资本端。这种 AI 会替代很多工作，但整个社会并没有因此多创造多少财富。 11、AI 越能独立完成工作，企业就越需要更多算力来承接这些任务。 如果算力供给能快速跟上，企业需要更多算力，市场也能及时增加，价格就不会被明显推高。这样一来，资本因为稀缺拿走的收益不会太多，劳动者也能通过工资分到更多。 如果算力供给跟不上，情况就反过来了。所有公司都在争抢有限的算力和设备，需求越高，价格就越容易上涨，更多收益也会流向资本所有者，留给工资的部分自然就会减少。 当然，这个模型也做了很多简化。它把算力这些都放进了一个统一的资本项里，没有单独去算模型价格、推理成本持续下降这些变化。现实里，这些因素可能会缓解一部分资本稀缺。 但如果未来模型的长程任务能力已经非常强，AI 真正开始大规模接手工作，那接下来一个很现实的问题就是，有没有足够多的算力、数据中心和电力，把这些能力真正跑起来。 到那个阶段，算力供给很可能会成为一个重要瓶颈。 12、不过即便在最极端的情况下，AI 创造的新增收益，依然远远高于认知工作者损失的收入。 论文算下来，整个经济增加的收益，大约是认知工作者收入损失的三倍。 理论上，只要拿出相当于 GDP 9% 的收入，就可以让受影响的认知工作者维持原来的收入水平。而剩下的人，整体收入依然能比没有 AI 时高 20% 以上。 所以真正麻烦的地方，可能不是 AI 创造的财富不够多，而是这些财富最后怎么分。 论文也专门提到，过去无论是技术变革还是贸易冲击，受益的人很少会主动补偿那些受到冲击的人。 AI 如果真的走到极端情景，最后要解决的可能就是这个问题，怎么让那些被 AI 替代、降薪的人，也能分到 AI 创造出来的增长。 13、AI 加速科学研究这条路径，在 2030 年以前反而没有贡献特别多的经济增长。 即使在极端情景里，AI 确实可以帮助科研，但很多研究最终还受到实验、物理世界这些环节限制。 所以他们算下来，通过加速科研带来的额外劳动生产率提升，在三种情景里都不到 1%。 当然作者自己也承认，这部分模型没有把 AI 帮助 AI 研究之后的递归反馈完整算进去，所以这个结果很可能偏保守。 挺有意思，推荐大家去看看。Anthropic 官方还做了一个漂亮的解析网页，论文链接我放评论区了。

00
吃栗子不
2天前
吃栗子不
3天前
吃栗子不
3天前
和好友相聚谈起目前的生活状况
去年也是中秋国庆间隙
我来找他
那时还在因为不确定的工作而烦恼
一年之后顺利上岸
却发现工作本身其实更多的是围城

在同一个地方上大学 读研
毕业之后留下的也许是青春美好的记忆

但如果继续在此工作
却没有了别人羡慕的那种心境
因为工作而言是带有压力的
琐碎的烦恼的时刻顶上去前去的

在别人看来 优美的校园环境
食堂 轻松的氛围 简单的社会环境
这些都没变 只是关注点变了

就像我怀念大学没课时候骑车到处扫街
开辟新的美食地图

都是建立在我有着个人的时间
不会有人找
可以享受当下的宁静

是的
工作之后能有属于自己的单独时间至关重要

而我的好朋友
淹没在微信的各种消息
00
吃栗子不
3天前

Elliot罗: 真正值钱的东西，都无法速成。 1、一门外语，往往需要一到三年才能真正流利，而不是背几个单词就能精通。 2、一个好身材，不是一个月练出来的，而是几年如一日的自律积累。 3、一本书，几天可以读完，但真正变成你的认知，可能需要很多年的实践和思考。 4、一项专业能力，不是上几节课就能掌握，而是在一次次项目中磨练出来的核心竞争力。 5、一个赚钱的账号，很少是一条爆款做起来的，而是几百篇内容慢慢建立起用户信任。 6、一家公司想穿越周期，拼的不是短期利润，而是十几年持续创造价值的能力。 7、一个品牌最值钱的资产不是产品，而是用户愿意相信你。这份信任，往往需要很多年才能建立。 8、人最大的复利，不是存款，而是长期积累的能力、认知和口碑，它们都会随着时间不断增值。 9、时间从来不会偏袒任何人，却一定会奖励长期主义者。今天看不到回报，不代表努力没有价值。 10、这个世界上，大多数看似一夜成名的人，背后都有无数个无人问津的日夜，只是你没有看到。 11、多数人失败，不是因为能力不够，而是因为太急着看到结果。刚开始没有反馈，就怀疑方向；刚遇到困难，就选择放弃。 12、真正厉害的人，也不是因为天赋异禀，而是能够在没有掌声、没有结果的时候，依然坚持做正确的事情。 13、人生最大的误区，就是高估一年能做到的事，低估十年坚持带来的变化。真正拉开人与人差距的，从来不是爆发，而是积累。 14、很多事情不是坚持了才有希望，而是因为有希望的人，恰恰都坚持得足够久。复利永远属于那些没有提前下牌桌的人。 15、如果一件事真的重要，就不要用三天的热情去衡量它。真正值钱的东西，都需要时间浇灌；真正厉害的人，都相信长期主义。

00
吃栗子不
3天前
回到徐州 唯一一座不用导航的城市
骑着电动车穿梭于云龙湖 市区
那些曾经熟悉的街道
都印在我的脑子里
有些变了

但有些似乎没变

这里永远有我最热烈的青春

之前上学那会每次进城都是叙利亚
现在文庙 金鹰 德基 快哉亭 都修的差不多了
市容市貌已经好很多了 商业也比之前更繁华了
20
吃栗子不
4天前
羁鸟恋旧林，池鱼思故渊。
00
吃栗子不
4天前
为啥每次回来都是下雨天😭
20
吃栗子不
6天前
那么可爱的小太阳却被我一不小心送去鸟星了

对不起对不起对不起😭😭😭
00
吃栗子不
6天前
唉😔
有时候自己随便的一个念头
居然对弱小的动物产生了致命的伤害

今天照常把关在笼子里的鹦鹉放出来
一只凤梨一只黄边
然后我去厕所 蹲马桶
他们也跟我飞了过去

以往他们都是站在浴室顶上的框框
今天黄边飞到我头上 咬我头发
我很不耐烦就想把它们赶到厕所外面
结果不小心我随手关门的功夫他们又飞了回来

但是我却没意识到要轻轻的关
结果凤梨飞了进来 黄边被门卡住了

掉在地上😭😭😭
现在非常自责懊悔
00