当AI开始替代程序员和知识工作者，人类还剩下什么？

Brave

@47c132035ed7a1105a867946b99d67af Brave读书会 29 October 公开

这两个月，我被问得最多的一个问题，不是“AI会不会取代人”，而是：

“如果连程序员都能被替代，我们这些靠脑子吃饭的人，还剩下什么？”

这个问题之所以扎人，是因为它不再问体力劳动，而是问知识工作。程序员、编辑、翻译、分析师、设计师、财务、客服、运营，凡是工作里有一大段是“处理信息、生成文本、写代码、做表、查资料”的人，都能感到那阵风。

但我想先说一个可能不太舒服的判断：AI最残酷的地方，不是它抢走了你的工作，而是它抽走了你爬到今天这个位置的梯子。

一个人的职业能力，通常是这样长出来的。先做大量具体的、笨拙的、重复的执行工作，在错误里建立手感；然后慢慢能判断什么是对、什么是好；最后能定义问题、承担责任。AI现在做的，是把最下面那几级踏板一节一节抽走。

已经爬上去的人，受影响较小，甚至如虎添翼；还在下面的人，突然发现路没了。

这就是为什么，同样是用AI，有人觉得“太好用了”，有人觉得“比不用还糟”。前者是半人马，后者是逆半人马。

一、AI到底替代了什么

先拆一个常见的误会。AI不是替代“程序员”，它替代的是“写代码”这个任务；不是替代“编辑”，它替代的是“初审、润色、起标题”；不是替代“分析师”，它替代的是“找数据、做表、写第一版报告”。

任务被接走，职业就会被重组；职业被重组，议价权就会变化。

你还在上班，但你的工作可能从“写”变成“审”，从“审”变成“给AI擦屁股”。你还在岗位上，但你已经不是那个“不可或缺的人”。

《逆半人马》里有一个很锋利的区分。半人马是人借助机器增强自己，自己决定在哪用、何时用、怎么用；逆半人马是人被迫给机器打下手，以非人的节奏服务自动化系统，并在系统失败时背锅。

亚马逊仓库的工人，被AI摄像头掐时间、监测“离岗时长”，完不成定额就罚。送货司机要在九个应用上登录，被AI根据驾驶表现持续打分，刹车、急转、偏离路线都扣分。亚马逊的程序员，被要求以超人速度审查AI生成的代码，代码里的bug和有效代码在统计上几乎无法区分。

他们不是被机器取代，他们是成了机器的外设。

差别不在技术，在权力关系。谁决定用不用、怎么用、用到什么程度，谁就是驾驶者。

所以，AI对个人最大的影响，不是“你会不会失业”，而是“你还在不在驾驶座上”。

二、为什么你用了AI反而更空

第二个误会，是“用了AI就效率更高”。

效率确实高了。但你有没有发现，自己越来越不会从零搭一个方案，越来越不会写一段没有AI辅助的文字，越来越不会在没有搜索结果的情况下想问题？

这不是错觉。

《认知异化》把这件事讲得很透。它引用斯蒂格勒的“技术无产阶级化”：人把记忆、计算、导航、书写这些能力外包给设备，慢慢失去“知其所以然”，从匠人退化成操作员。它又引用贝拉尔迪的“符号资本主义”：资本不只榨取体力，还榨取创意、情感、注意力。你得到的是结果，失去的是过程；而判断力，恰恰是在过程里长出来的。

书里有一句话，我印象很深：一个长期只“消费”结果、从不参与思考过程的大脑，就像一块长期不运动的肌肉，最终的命运必然是萎缩和退化。

这不是说不要用AI。而是说，要区分“用AI完成任务”和“用AI替代能力生长”。前者是杠杆，后者是透支。

《当AI开始自主进化》把这件事讲得更具体：判断力是干粗活的副产品。一个能一眼看出AI代码哪里不对的资深工程师，是因为他手写过十年代码、踩过坑、修过bug。这些粗活在他心里磨出了一把尺子。AI现在把底层粗活抽走，后来者就失去了磨尺子的机会。

这就是“梯子被抽走”。

更麻烦的是，AI还会制造一种“我在把关”的幻觉。你被安排去审查AI的输出，但AI比你快十倍，你最后只能点“确定”。这不是你把关，是你在背锅。医生看AI的影像诊断，律师看AI写的合同，编辑看AI写的稿子，程序员看AI写的代码，都是同一个结构。人长期审查“通常正确”的东西，会慢慢丧失发现错误的能力。这不是道德问题，是认知局限。

所以，AI最隐蔽的风险，是让你在保住工作的同时，慢慢失去判断力。

三、AI对我们所有人做了什么

第三个问题，公共讨论经常在两个极端之间跳：要么“AI会让所有人失业”，要么“AI会灭绝人类”。这两个说法都太粗，也太远。

更近的风险，至少有五层。

第一层是经济。 AI不只是一个技术故事，也是一个金融故事。《逆半人马》里提到，七家AI巨头一度占了美国股市总市值的35%，其中英伟达一家就占了这七家总市值的19%。这些公司之间的投资、采购、算力交易，有很多“左脚踩右脚”的循环记账。泡沫不一定明天就破，但它的逻辑是：AI公司必须让投资者相信“AI将取代大量高薪劳动”，才能维持增长故事。一旦故事破了，受伤的不只是硅谷，还有把养老金放在指数基金里的普通人。

第二层是劳动。 AI最诱人的地方，对老板来说，往往不是“干得更好”，而是“更便宜、更听话、更不容易罢工”。哪怕AI还干不了整份工作，只要“它可以取代你”这个叙事存在，就足以让工资被压、让强度上升、让工会更难组织。监控定价、算法工资歧视、用AI摄像头盯着仓库工人，都是已经发生的事。

这里有一个知识工作者很容易掉进去的陷阱：把AI的问题当成版权问题。媒体公司和AI公司看似在版权上打得不可开交，但在“压低创作者报酬”这件事上，它们的利益是一致的。训练数据的版权之争，掩盖了真正的分配问题：谁拥有模型，谁拥有数据，谁拿走生产率增益，谁承担失业和降薪。

第三层是认知。 AI生成的内容越来越多，AI训练数据里AI生成的内容也越来越多，模型会退化；人长期审查“通常正确”的AI输出，会丧失发现错误的能力；作者收到AI批量生成的投稿、读者被AI摘要喂饱却不再点开原文，都是同一个机制。验证的成本更高了，验证的能力更弱了，验证的责任也更模糊了。

第四层是安全。 AI开始参与AI的研发，写代码、跑实验、找漏洞，这不是科幻。Anthropic在2026年6月的一份报告里说，他们合并进代码库的代码，超过80%由Claude生成；工程师人均每日合并代码量，是2024年的8倍。这些数字是厂商自报，未经独立审计，不能当成“AI已经能取代人类”的定论；但它至少说明，执行侧的自动化是真的。再往前走，就是“AI造AI”的递归自我改进。它不一定会发生，但一旦发生，人类必须还保留“核查”和“喊停”的位置。

第五层是生态。 AI不是虚拟的。数据中心要电、要水、要芯片、要矿产；GPU损耗很快，训练和推理的成本会随着用户增加而上升。AI越普及，这些物理约束越紧。

这五层不是并列的五个问题，而是相互强化的。泡沫会加速劳动压榨，劳动压榨会加剧认知异化，认知异化会削弱对风险的集体判断，判断失灵会让安全风险更难治理。

这里有一个很有意思的分歧。《逆半人马》认为，当前AI更像一个金融泡沫和劳动控制工程；《当AI开始自主进化》认为，能力曲线真的在走，AI造AI不是科幻。两种说法看似对立，其实可以合起来：窄任务能力在加速，宽经济叙事在泡沫化；执行在自动化，判断仍然稀缺。

你可以同时相信两件事：AI真的会改变很多工作；当前AI的经济价值被严重高估。

四、人类还剩下什么

答案不是“学更多工具”。工具会过时，判断不会。

《当AI开始自主进化》给了三个位置：定义问题、验证结果、承担后果。

定义问题，是知道什么值得做。AI能把一百条路都跑一遍，但哪条路值得跑、哪个问题问对了，需要人来定。

验证结果，是知道什么算做对了。不是把AI的答案再查一遍，而是心里有一把尺子，知道一个对的结果该长什么样、该满足哪些条件、哪里一旦不对就会露馅。

承担后果，是知道出了事谁来负责。AI可以给你方案，但不能替你签字、坐牢、道歉。责任永远落在有名字的人身上。

这三个位置，和《与AI同行》里的“责任人”生态位是同一件事。再往下，是五种能力：提问力、验证力、学习力、专注力、承担力。以及四条职业路径：先做驾驭者，再做翻译者，谨慎做责任人，最后考虑经营者。

《与AI同行》里还有一个我很喜欢的划分。一个人的自我可以拆成三层：表达层，是说话方式、写作风格、知识储备；经历层，是你真做过的事、犯过的错、付出的代价；在场层，是你此刻的觉知、你的选择、你为言行承担的责任。

AI能复制表达层，复制不了经历层，更替代不了在场层。所以它说，分身管产能，你管人格。产能可以无限复制，人格必须单件生产。

它还有一句话，我印象很深：会闭嘴、会疲惫、会明知不划算还要去做、会为说过的话睡不着觉，这些“缺陷”，就是真实自我的签名。AI可以模仿你的笔迹，但签名是按上去的，不是画上去的。

五、普通人怎么办

如果你只想做一件事，我建议你做一次任务审计。

把你工作的十五到二十条任务列出来，逐条问：AI能不能做八成？能做的，交给它；不能做的，往里投入时间。然后问自己：我剩下的那部分，是更值钱了，还是更廉价了？

接下来，给自己留一条“故意不全甩”的训练。每个领域至少保留一项自己从头做的工作，写作、算账、读原文、写代码、做决策，不交给AI。判断力是练出来的，不是看文章看出来的。

再往下，是三个月的验证。选一个真实问题，用AI做助手，自己定义什么算对，做一个可验证的交付，然后复盘：如果它是错的，我从哪儿看出来？谁能为它签字？我有没有变成“逆半人马”？

社会层面也需要五件事：验证基础设施、劳动保护、反垄断与隐私、能停的治理机制、教育与公共讨论。个人努力是必要的，但不够。如果制度不改变，个人的“努力跟上”很可能变成“更努力地给机器打下手”。

六、这四本书

《当AI开始自主进化，普通人最该守住什么》，林军锋。

如果你只有两小时，先读这本。它把“AI造AI”翻译成两个问题：文明还能不能核查、喊停，个人还能不能判断、验证。它很短，但不浅。

注意：核心数据来自Anthropic的单方报告，属于厂商自报，读的时候保留一分警惕。

《逆半人马的后AI生活指南》，Cory Doctorow。

如果你愿意多想一层，读这本。它把AI从“技术问题”还原为“权力、劳动、金钱”问题。“半人马/逆半人马”是我见过最好用的分析工具。

版本信息如下：

英文全名：The Reverse Centaur's Guide to Life After AI: How to Think About Artificial Intelligence—Before It's Too Late
美国版：MCD / Farrar, Straus and Giroux（Macmillan），2026年6月23日；Trade Paperback，240页，$18.00；ISBN 978-0-374-62156-8；电子书 ISBN 978-0-374-62157-5；数字音频 ISBN 978-1-250-47200-7
英国版：Verso Books，2026年6月；Hardback，240页；ISBN 978-1-83674-552-5

目前网上流传的中译是机器翻译，我不建议读那个版本。能读英文，直接读原版。

《认知异化》，曾小军。

如果你用了AI之后，偶尔觉得“更高效了，但更空了”，读这本。它把这种感受接到两百年的异化理论，告诉你这不是你一个人的问题。

它是哲学书，不是AI科普；读起来会慢一点，但值得。

《与AI同行》，瑜生。

如果你不想听大词，只想知道明天怎么工作、怎么学习、怎么赚钱，读这本。任务重组、四个生态位、提问、学习、专注、赚钱都有清单。

它是个人经验，不是研究；先验证、别辞职、别借钱。

最后