NBER、德银、Anthropic、英伟达都说"谨慎乐观"。这期红色火箭却给出了另一种读法：这不是安全信号，是前震。

红色火箭 E104 的评论区还在争论"AI 到底会不会砸饭碗"——主播活在当下这期节目的贡献，就是纠正这个问法本身。不是"会不会"，是预期已经在重写。

他说他和主流研究"在现实层面上没有分歧"——NBER 调查六千位 CFO 的论文、德银的卖方报告、Anthropic 的 Economic Index、英伟达三月的企业调查他都读过，结论都一样：AI 对劳动市场的影响已经开始，但仍是微观大于宏观。分歧在推演——同样的数据，主流读出"节奏可控"，他读出"前震已至"。

活在当下的身份决定了他读法的价值：华夏基金旗下一档投资播客的主播，二级市场老人。他每天都要给客户解释"AI 是不是该加仓"——前者要赢得客户，AI 大厂 CEO 要赢得监管和舆论。 哪一种读法更干净，你自己判断。

以下是我们的拆解和判断。

主流报告说"微观大于宏观"，他说这叫前震

先把他读过的四份主流文件放一起看：

  • NBER 2026 年 2 月的 Firm Data on AI：调查美英德澳近六千位 CFO/CEO，70% 企业在用 AI，但超过 80% 报告"过去三年 AI 对生产率还没有明显影响"；这些企业同时预计未来三年生产率提升 1.4%、产出提升 0.8%。
  • 德银 3 月 10 日报告 Tracking the Effects of AI on the US Labor Market：标题直白，结论更直白——"微观大于宏观"。微观的工作任务、招聘节奏上看得到 AI 在进入流程，宏观上还没波及。
  • Anthropic Economic Index（2026 年 1 月）：Claude 个人使用里自动化占比 45%、增强 25%；但 API（企业端）自动化已经 77%、增强只有 23%。到 2026 年同一份报告显示，Claude 上最常见前十类任务占比从 24% 降到 19%，说明 AI 在从"几个重度任务"泛化到"更多任务种类"。
  • 英伟达 3 月企业调查：86% 企业 2026 年会增加 AI 预算，但仍有三分之一停留在 pilot 阶段，48% 表示"未完全使用"。首要卡点是数据、安全、合规，以及缺 AI 专家。

主流把这几条读成一件事——别慌，AI 落地是渐进的，企业组织跟不上，所以节奏可控。 活在当下把完全一样的几条数据读成了另一件事——别安心，真实替代还没发生不是因为 AI 不够猛，是因为企业内部数据流、责任链、组织架构的惯性还在吸收变化；一旦某家大公司走通了标准路径，其他企业可以照抄，速度会变得很快。

我认为他这个读法比主流更有方法论价值。"尚未发生"和"不会发生"在投资语言里完全是两件事，但在社会语言里经常被混同。 主流报告的作者们当然知道这区别，但一份报告一旦被媒体转述，就只剩"专家说影响可控"。活在当下这期特别有价值的贡献，就是把"微观大于宏观"这几个字从"安全信号"翻译回"前震信号"——同样的观测，叙事完全反过来。

黄仁勋那套马车夫类比，是公关发言不是分析

这是全期节目里我特别想单独拎出来讲的一段。

活在当下非常直接地说，黄仁勋那套"汽车发明的时候马车夫转向新行当，汽车创造的新机会更多"的经典类比，更多是公关价值，而不在于思考质量。他给出了一个很干净的逻辑：

"因为你站在企业家、产业推动者、甚至技术布道者的角度，你一定要这么讲。你不这么讲——监管怎么看，政府怎么看，社会舆论怎么看？"

这不是阴谋论，是结构性逻辑。一个人的公开发言和他的利益位置之间，有一个不能穿越的结构性距离。 同样的话从 OpenAI CEO 嘴里说出来，和从一个在找下一份机会的白领嘴里说出来，被市场赋予的权重完全不同，但前者的分析质量未必高于后者。

更关键的是——马车夫类比本身也不成立。活在当下把这点讲透了：

"汽车替代的是运输方式，它没有顺手把围绕运输出现的所有新职业和所需的认知过程都一起替代了。司机、修理工、道路设计、物流、保险、金融，都需要大量的人去学去做。但 AI 不是，AI 替代的完全不是一个孤立的动作，而是大量把信息转化为结果的中间环节——理解、归纳、草拟、对比、检索、翻译、编码、分析、建模、总结、解释。"

换句话说：工业革命替代的是动作，AI 替代的是认知链条。 这是为什么"新位置 = 新容量"的公式在 AI 时代失灵——你把会计和法务这种角色的大部分重复工作做完之后，新出现的位置是 AI 数据中心工程师、模型微调师、GPU 运维。这些角色的进入门槛、技能结构跟原来完全不是一套。领英自己的报告都承认："过去两年全球增加了 130 万个 AI enabled jobs"，但活在当下一句话点破了这些角色的性质——"建 AI、训 AI、管 AI、卖 AI、修 AI、给 AI 找电、给 AI 做合规"——这不是一片开辟给所有人的新大陆，这是一条高速公路：修路期间人还有活干，修完了就是看谁跑得快，而你得是车才有资格上路。

我身边正在发生的两件事

活在当下这期节目有一个明显的遗憾，是所有数据都来自 NBER、德银、Anthropic 这些三手报告。这些报告可以让你同意他的判断，但让不了你同意他的紧迫性。紧迫性只能从你身边的事里找。我补两个笔者亲眼见的。

第一件事：两个人一个月干掉十八人月。

今年 4 月，龙虾播客采访了 PingCAP 创始人黄东旭（我们在《龙虾的记忆战争》里已经单独拆过这期）。访谈里黄东旭说了一段在投资圈被反复转发的话："现在大多数新产品，包括 MemoMind，可能就是一两个人的团队，有时候可能我一个人就是主力。这跟传统软件开发的流程不太一样了，可能我过去三个月干了传统软件公司一百个人年的事儿，非常夸张。" 他还提到自己手头有好几个 Claude Code + Codex 的 Pro Max 账号，峰值每天消耗 token 在十亿这个量级，"我们公司现在百分之九十的代码都是 AI agent 在写"。

我身边有一位连续技术创业者，做法更激进：同时开十个 Claude Max 订阅，组一个并行 agent 开发团队，两个人一个月完成了原本需要十八人月工作量的交付。他的原话是——"我不再是雇工程师，我是雇工单"。这不是黄东旭这种已经建完心智模型的行业老炮的特权，是一个拿着几万美金订阅费的小团队在真实干的事。

注意这里有两种完全不同的叙事可以讲：一种是"传统二十人团队被两个 Harness Engineer 替代"的减法叙事；另一种是"两个懂行的人加 AI 能做十倍于从前的事"的加法叙事。两种都对。关键是你处在哪一端——是那两个人，还是那十八个人。 活在当下这期节目有价值的地方在于，它没有假装两种叙事都成立，它诚实地说：对大多数人而言，是前一种。

第二件事：云厂商技术售前的角色正在被模型吃掉。

笔者在云计算行业观察了几年。技术售前（Solution Architect / Presales）这个角色的核心价值有四件事——懂产品矩阵、懂客户业务、半天写出 PoC、把官方文档翻译成客户听得懂的中文。现在这四件事都已经是顶尖 Claude + 行业 RAG + agent 工具链的强项：AWS / 阿里云 / Azure 的公域文档和参考架构都在预训练数据里；PoC 从"写一周"变成"早饭前搭完"；大客户甚至开始让自己的 procurement agent 去跟多家云厂商的售前 agent 对话，人反而成了环节里的延迟。你现在看到的是售前团队要么精简，要么被重新包装成"AI 顾问"——新定位的数量级小得多。这不是 AI 创造了新位置，这是把一个曾经吸纳大量本科非 CS 工科生的中层通道变窄了。

活在当下说的"前震"，在这个角色上已经是主震了——只是它在每家公司叫法不同（SA / TAM / 方案经理），宏观数据里不会跳。这是宏观统计的盲区：所有"每家叫法不同但本质一致"的细分中层通道在变窄的时候，不会有任何一条公开曲线预警。 这条逻辑可以套到法务助理、财报分析师、中后台运营——都在悄悄地重构。

李嘉图的比较优势在 AI 时代怎么讲

这是文章的理论支点，值得单独一节。

人类劳动市场过去两百年都能消化新技术，靠的不是人比机器强，而是李嘉图的比较优势理论——只要我比你便宜、我比你省时间，我就有活干。 哪怕我不是 360 行样样通，我总能在某一行占据时间稀缺性的缝隙。

这个理论能成立，依赖两条底层假设：

  1. 知识与技能在人类之间复制的成本非常高昂。 养大一个孩子、教出一个博士、师傅带徒弟，单位是年或者十年。
  2. 人类的时间有限，而且公平。 爱因斯坦再聪明，一天也只有 24 小时，他不可能同时思考物理和做量化基金。

活在当下的判断很干脆：这两条假设在 AI 时代同时在松动。

第一条松动了是因为蒸馏。播客里反复提到一个舆论梗——"我的同事离开了，被蒸馏成了 78KB 的 skill 包"。一个人几十年的工作经验被打包成几十 KB 的文件，复制给 AI 的成本几乎为零。这件事过去两年大家都见到了，但大部分人只是当段子传，没把它放回李嘉图的框架里读。

第二条松动了是因为并发。AI 耗费时间，但它的时间不是生物学意义上的时间——可以被复制、被批量调用、被多路并行。活在当下有一句话我会在每一期类似话题都引用："爱因斯坦的一生，原来只能用来思索最高深的物理问题，这是他价值量最高的生命度过方式。但未来，爱因斯坦可以同时思索物理问题，加上干掉所有量化基金。"

两条底层假设同时松动，比较优势理论就需要重写了。 不是工资会降一点——是"人类靠时间稀缺性参与劳动市场"这个机制需要重新定义。它会变成什么样？没人知道准确答案。但我们可以确定的是：光靠"更便宜的时间"不够了，需要新的参与方式。这可能是理解世界的深度，可能是关系和信任，可能是审美判断，可能是复杂场景中的责任承担——这些东西 AI 目前都做得不够好。

AI 先改写的不是饭碗，是三十年的信念

现在进入这期节目真正锐利的判断。

活在当下的 thesis 是：AI 就算不立刻带来大规模人力重置，它也已经在改写一个更深的东西——弗里德曼的永久收入假说（Permanent Income Hypothesis）。

弗里德曼这条假说翻成人话很简单：你敢不敢花钱，不取决于这个月是不是多了两万块奖金，而取决于你相不相信自己未来能平稳地、持续地赚钱。 买房背三十年贷款，隐含的预期是这三十年收入稳定。中产社会之所以是中产社会，靠的就是这条信念链——不是当下的工资，而是对未来三十年的集体想象。

AI 在干什么呢？它还没有大规模替代任何白领。但它已经让每一个白领在心里开始打鼓——"我今年不会被动，但三年后呢？五年后呢？"这件事不需要 AI 真的比你强，它只需要让你相信 AI 会比你强。

这是一个预期重置的游戏，不是一个供给替代的游戏。

一旦这个预期被重写，后续的行为就会跟着调整：犹豫买房、犹豫贷款、推迟生育、重新评估跳槽创业、重新设计长期教育投资。活在当下把这条链条推演到了一个很少有人讲的结论——影响会从白领传导到第三产业。 不是机器人抢了餐饮、零售、教育培训、本地生活、文旅的工作，是给他们付钱的那批人（白领）在重新计算预算。需求端的收缩会绕过供给端的替代路径，直接反映到第三产业的客单价和频次上。

这一段我必须加一点判断。活在当下说"现在主流经济学讨论的 token 经济学讲小了"，我同意。过去两年所有关于 AI 职业走向的公开讨论几乎都只看供给侧——谁会被替代、哪些角色会转型、新角色增加了多少。 这些都是可度量的变量，所以报告写起来方便。但真正决定社会稳定性的变量——信念——不在任何一张电子表里。

NBER 和英伟达的报告抓不到这个变量。这也是为什么"微观大于宏观"的观察成立的同时，风险仍然在加深——你不可能在宏观数据里提前看到一场信念重置。 你只能在二级市场、房地产成交、生育率、本地消费这些滞后指标里追踪它，而那时候已经晚了。

OpenAI 自己其实已经给出了一个很难忽视的信号。活在当下在节目里引用了两份 OpenAI 发布的文档：2025 年 12 月的 Helping Job Seekers with ChatGPT 反复强调"ChatGPT 是求职辅导工具，不是替代教练"；2026 年 3 月 17 日的 Equipping Workers with Insights about Compensation 承认美国用户平均每天给 ChatGPT 发将近 300 万条消息，问的是工资、薪酬、行业收入、职业路径。

一个参与了人类工作流的东西，每天被它参与的人发 300 万条消息问它"我的职业怎么走"——这本身是 2026 年一个非常有意思的经济学场景。 这不是需求，这是时代的体感。

那么，三十年信念怎么重建

活在当下这期节目的价值，不只是提醒你"前震已至"，还在于把问题往前推了一步：既然旧的信念不够用了，新的信念建在哪里？

他自己在节目末尾给了一条路径：人类的存在价值，未必要通过出售劳动时间来证明。 他引了竹林七贤的例子——当人不必用所有时间去换取温饱，反而有机会去思考"我到底想做什么"。这不是鸡汤，是一个很严肃的 reframe：三十年房贷+稳定薪资的中产叙事，是工业社会的产物；它不是唯一可行的人生脚本。

更务实的一层是：那些 AI 做得不够好的地方，正是新信念可以扎根的地方。 比如——

  • 复杂场景的责任承担：AI 能写 PoC，但没法为一个亿级订单的方案签字。
  • 关系和信任的长期积累：销售、客户成功、投资、教育里最顶端的那部分，建立在人和人的信任上，不是 token 能复制的。
  • 审美和叙事判断：什么样的产品会让用户觉得"这个公司懂我"？什么样的文案有品牌性格？这些判断目前仍然在人手里。
  • 跨学科的综合理解：AI 能在单一维度给你最优解，但把科学、商业、心理、伦理揉成一个产品决策的能力，还是人的。

笔者身边那位"十个 Claude Max 订阅"的创业者是典型案例——他没有被 AI 替代，他成为了用 AI 放大自己的人。他原本的能力圈是系统设计和工程判断，AI 让他的产出变成原来的十倍；他没有失去什么，反而成为了更稀缺的角色。

这是信念重建的第一种路径：不是和 AI 比时间稀缺性，而是和 AI 比"放大倍数"。一个能驾驭 agent team 的人，比一个普通工程师值钱得多。

活在当下自己也承认——他推演的"前震→资产负债表重构→预期重置"是一家之言，是"思想实验的磨刀石"，不必当真。但磨刀石的价值不在于它本身是不是真的，而在于它让你提前去想：如果这一天真的到来，我的信念建在哪里？

声入商业说

这期节目信息密度极高、推演链条极清，但它特别珍贵的不是任何一条具体结论，而是一种读报告的方法论：同样的 NBER、同样的德银、同样的英伟达调查，主流读成"节奏可控"，活在当下读成"前震已至"——差别不在数据，在阅读者的位置和心气。

声入商业做的事情就是这个——我们不搬运播客原文，我们帮你判断谁的解读更值得你当作思考的参照。这期 E104 的价值在于它提醒了一个反直觉的事实：你对 AI 时代真正要关注的，不是 OpenAI 又发了什么新模型，而是你自己三十年收入信念的那条地基——以及，如果要重新打一条地基，它应该是什么。

黄仁勋再怎么说马车夫类比，也没法替你回答这个问题。能回答的，只有你自己对这件事的理解深度。

评论区话题： 你开始重新评估自己五年后的职业路径了吗？如果在评估，你正在把信念迁移到哪里——放大倍数、责任承担、关系和信任，还是别的什么？欢迎在评论区分享。

收听原播客：小宇宙搜索"红色火箭 E104"，或点击文末"阅读原文"。