科技行业的“食人”时刻：当AI开始吞噬自身

背景

长期以来，科技行业一直沉醉于对所谓“老旧”、“遗留”产业的颠覆之中。从 Uber 颠覆出租车行业，到 Amazon 摧毁传统书店，再到 Spotify 重塑音乐版权收益模式，硅谷通过破坏既得利益市场并转化为“收租者”（rent seekers）来积累财富，这似乎已成常态。

然而，随着人工智能（AI）技术的爆发式增长，这种颠覆的矛头开始转向科技行业内部。目前，科技界的高管层（C-suite）和投资者阶层正陷入深深的恐慌之中。尽管外界看似风平浪静，但关于“SaaS末日”（SaaS-pocalypse）的恐惧持续蔓延，甚至一篇 Substack 上的虚构财务分析都能引发市场的真实抛售。与此同时，Jack Dorsey、Sebastian Siemiatkowski 和 Matt Biilmann 等科技巨头纷纷试图通过“AI洗白”（AI-washing）或夸张的愿景来确立自己的远见者形象。这种集体性的焦虑与讽刺构成了当前科技行业最显著的冰山水面。

核心内容

文章深入剖析了 AI 对科技行业产生的独特且极具讽刺意味的影响，主要逻辑如下：

1. AI 的局限性与“真理”的缺失 尽管大型语言模型（LLM）功能强大，但在许多应用场景中存在根本性缺陷。以“总结会议记录”为例，即使是最新的模型，其准确率也仅在 90% 左右。这 10% 的错误至关重要：AI 可能会错误归因发言者、得出会议中不存在的结论，或夸大某些观点。 在写作、图像生成或客户服务等缺乏客观“真理来源”（Oracle）的领域，正确与否往往取决于品味、观点或解释，导致 AI 的应用在不同行业中极不均衡。此外，LLM 依赖公开数据训练，对于深度垂直领域，专家知识往往难以通过网络爬取获得，这进一步限制了 AI 在这些领域的有效性。

2. 为什么科技行业首当其冲？ 与上述局限性形成鲜明对比的是，软件行业恰恰是 AI 最容易颠覆的领域，原因有三：

• 可验证性：软件代码要么按预期工作，要么不工作。这种二元属性使得 LLM 可以通过设定成功标准进行迭代优化，从而生成有效的代码（如 Ralph loops 机制）。
• 丰富的训练语料：开源社区提供了海量、多样化的源代码，这是其他行业无法比拟的训练数据宝库。
• 内部工具的高效迭代：AI 行业本身由软件专业人士组成，他们利用自家工具进行“吃自己的狗粮”（dogfooding），极大地加速了代码生成工具的迭代和进步。

3. 科技从业者的恐惧与矛盾 结果就是，从高管到基层程序员，整个科技行业正面临着前所未有的恐慌，因为“呼叫来自屋内”（the call is coming from inside the house）。

• 否认与吹捧并存：一方面，许多软件开发者愤怒地认为自己的工作不会被自动化，却往往忽略了他们曾将出租车司机比作马鞭制造商的历史；另一方面，CEO 和 CTO 们则大力推动“Token Maxx”（最大化 Token 使用），迫使员工更快速、更深度地拥抱 AI，否则将被历史抛弃。
• 这种矛盾心理：每个人都希望灾难降临在别人身上，而相信自己能幸免。

4. 历史教训与未来预测 借鉴科技行业过去颠覆其他行业的经验，文章预测了 AI 带来的五个必然结果：

1. 价格战到底：内容、服务价格将降至冰点，同时出现“寒武纪大爆发”式的内容泛滥（如预测的“十亿个新应用”），但信噪比极低，难以辨别优质产品。
2. 劳动者被挤压：工资下降，专业知识因 AI 的存在而贬值，图形设计师和文案写手等行业已现端倪。
3. 行业不可逆转：一旦软件开发职业被颠覆，不会自然恢复。人才管道枯竭，专家经验老化，行业结构将永久改变。
4. 工作强度两极分化：不会减少工作时间，而是出现双峰分布：无法适应者彻底失业，留下的人将被迫处理海量自动化产出（如每周 50 或 500 个 PR），工作强度剧增。
5. 财富集中：财富将再次流向企业主、高管、投资者以及作为“收租者”的模型提供商，贫富差距将进一步扩大。

5. 缺乏制衡力量 理论上，政府税收、监管和工会是抵消 AI 破坏性影响的唯一力量。但鉴于科技行业固有的自由意志主义倾向，这两者都不太可能实现。最终，所有人将共同陷入“创造性破坏”的洪流中，直到 AI 真正吞噬到每个人。

关键要点

• 讽刺性的内部颠覆：科技行业曾以颠覆传统行业为荣，如今 AI 正以同样的逻辑反噬科技自身，尤其是软件开发领域。
• 软件行业的特殊性：代码的可验证性、开源代码的丰富性以及 AI 从业者的内部工具化，使得软件行业成为 AI 自动化最完美的目标。
• AI 的普遍缺陷：在非结构化领域（如写作、艺术），AI 缺乏客观真理标准，且受限于训练数据的广度，但在结构化领域（如代码）表现卓越。
• 行业恐慌现状：高管层通过“AI 洗白”掩盖焦虑，基层员工在否认与被迫加速之间挣扎，形成一种集体性的认知失调。
• 五大负面后果预测：
  1. 价格崩盘与内容垃圾化（低信噪比）。
  2. 薪资下降与专业价值稀释。
  3. 职业结构的永久性破坏，无自然回流。
  4. 幸存者面临极端的工作强度增加。
  5. 财富进一步向资本方和模型提供商集中。
• 缺乏社会缓冲：由于科技行业的政治倾向，预期的政府监管和劳工保护难以落地，个体只能被动接受“创造性破坏”。

意义与影响

这篇文章深刻揭示了 AI 技术扩散到成熟行业时的“回旋镖效应”。它不仅仅是一篇关于技术能力的分析，更是一份关于社会经济学后果的预警。

对从业者的警示： 对于软件工程师和技术人员而言，文章打破了“我的工作很特殊，不会被 AI 取代”的幻觉。它指出，由于代码生成的可验证性和数据优势，技术岗位正处于防御最薄弱的环节。从业者需要意识到，未来的竞争不再是与同事竞争，而是与自动化系统竞争，且胜者的代价是极高的工作负荷。

对行业生态的影响： 文章预测的“寒武纪大爆发”与“信噪比降低”意味着互联网内容生态将面临严重的信任危机。当生成内容的边际成本趋近于零，发现高质量信息的成本将急剧上升。这可能催生新的过滤机制或付费墙模式，但也可能导致大量低质内容的泛滥。

对社会政策的启示： 虽然作者对科技行业的自我调节能力持悲观态度，但文章明确指出了“创造性破坏”带来的社会撕裂风险。如果财富进一步集中且缺乏再分配机制，社会不平等将加剧。这为政策制定者敲响了警钟：在 AI 时代，传统的劳动保护和社会安全网可能需要根本性的重构，以应对大规模自动化带来的结构性失业和收入差距扩大。

哲学层面的反思： 标题“Cannibalism”（食人）隐喻了技术演进中的残酷性。科技行业曾通过“吃”掉传统行业来壮大自己，如今 AI 作为其创造的终极工具，反过来“吃”掉了创造者。这种讽刺性的闭环提醒我们，技术并非中立的进步阶梯，而是一种具有自我强化和吞噬特性的力量。对于每一个身处其中的人来说，唯一的生存策略可能是接受这种不可逆的变化，并重新定义在自动化时代的人类价值。