全文 5,000字 | 阅读约 23 分钟
(独家对话：1亿美元挖角战背后的AI行业真相)
过去三周，硅谷上演了一场“1 亿美元抢人大战”——
Meta Superintelligence Labs（MSL）刚成立，就向 OpenAI、Anthropic、Google DeepMind等企业员工发出史无前例的报价：首年总包超 1 亿美元，四年封顶 3 亿美元，只为争抢极少数超级智能工程师。
同一时间，Anthropic 联合创始人 Ben Mann 却在 7 月 20 日的播客中给出了截然不同的观点：
生产率如果再翻一层，约 20% 的岗位将被重新定义，甚至直接消失。
他借用一个衡量拐点的概念：“经济图灵测试”（Economic Turing Test）——当一半以上的真实任务可以由 AI 完成，且企业愿意为此支付同等工资，测试便算通过。
换句话说，AI 不再只是工具，而是‘正式员工’了。
这一刻，个体与组织的焦虑同时放大：
一边是 1 亿美元的天价薪酬，一边是 20% 的岗位消失。
企业疯抢 AI 专家，又担心模型打破传统组织架构；
个体仰望巨额 offer，同时也要直面被时代抛弃的可能。
但 Ben Mann 给出的选择，是“坚持”：
在 Meta，我最多就是帮公司赚钱； 留在 Anthropic，我还能推动 AI 往好的方向走，让人类受益。
本文脉络：
薪酬极值：公司的算账逻辑和行业风向标
经济图灵测试：它为何可能成为下一个 AGI 关键节点
20% 岗位位移：冲击路径、受影响行业与对冲清单
从这张 1 亿美元的 offer 说起，看清 AI 的新战场——你，是升级，还是出局？
第一节｜1 亿美元 offer，值在哪？
我很确定这是真的。
Ben Mann 在访谈中这样确认了Meta 开出 1 亿美元签约总包的传言。他强调，这并不是一场浮夸的竞价，而是符合市场规律的冷静选择：
“如果某个人能让模型的推理能力提高 1%、5% 或 10%，那么对公司的业务来说，那个价值是不可思议的。”
换句话说——在 AI 时代，最贵的资源不是芯片，而是能把智能推进哪怕一小步的人。
Ben 自己曾是 GPT-3 的核心开发者，也是当年帮助 OpenAI 从微软拿到 10 亿美元融资的关键人物。他深知每一次技术突破背后的巨大商业价值。
他说：
“如果你推演资本支出的增长——现在整个行业每年大概花 3000 亿美元在 AI 上——几年后这个数还会翻几倍。到了那个时候，1 亿美元的薪酬真的就只是小数点。”
在他看来，这场抢人大战，并不只是名利诱惑，而是一场关于“未来 AI 主导权”的争夺。
✅ 为什么他没有离开 Anthropic？
面对 Meta 的高薪挖角，Ben 并没有选择离开。他坦率地说：
“我不是不理解那样的 offer，也不会去指责那些选择的人。但我留下来，是因为——在 Meta，我能赚到钱；在 Anthropic，我可能改变 AI 的未来。”
在 Anthropic，Ben 主导的是 AI 安全对齐方向。他认为，AI 不只是一个模型问题，而是一个“整个人类能否控制技术走向”的生存性问题。
而这场技术竞速中，最难的，并不是参数调大，而是——
“我们该如何提前给 AI 装上可靠的‘价值观护栏’，防止它在变强之后偏离人类目标？”
他认为，这个问题，比谁先发布更强模型、谁先接入更多用户，更值得花时间、花心血去做。
✅ 比钱更重要的，是“谁定义方向”
Ben 在访谈中不止一次提到“这次真的不一样了”。
过去我们衡量一家公司的竞争力，看的是人、地、资金。但在他看来：
“我们正处在一个前所未有的规模时代。技术的边际影响越来越大，公司之间的差距也可能越来越大。”
这意味着，AI 企业之间的差距，不只是模型参数或算力水平的不同，而在于团队的认知格局和价值选择。
如果说过去 10 年，AI 还是工具竞争；那接下来的 5 年，将是价值路线图的较量。
Ben 所代表的 Anthropic，在这场竞争里，选择了一条更慢、但更稳的路线——他们强调模型对齐、安全机制、解释透明度，而不是单纯的能力冲刺。
而他的选择，也成为一个信号：
不是所有人都为 1 亿美元而来，有些人是为“可控的未来”留下的。
在超级智能加速逼近的时代，一个人真正的价值，或许不是你能做什么任务，而是你能在关键时刻，朝哪条路前进。
第二节｜AI 的下一步，是不是你的位置？
Ben Mann 在访谈里说了一句话，很多人一听可能会觉得过于激进：
至少 20% 的岗位将被重塑，甚至直接消失。
但他接着强调，这并不是预测，而是事实正在发生。他列举了两个具体例子：
✅ 第一条线：95% 的代码，现在是 Claude 在写
Ben 说，Anthropic 的 Claude Code 模型，已经能完成绝大多数开发任务：
“我们团队目前有 95% 的代码，是由 Claude 写出来的。”
这不是辅助写代码，而是整个开发流程发生了变化：
以前是工程师主导思考、AI 辅助输出；
现在是 AI 起草大部分内容，人类开发者做结构审查和微调；
结果是：团队人手没有变，但开发速度快了 10 倍。
他们现在写的代码量是以前的十倍，但团队规模并没有扩大。
这背后的本质，是AI 已经成为程序员的第二大脑，不仅仅是一个“自动补全”工具，而是“能独立搭建复杂逻辑结构”的合作者。
✅ 第二条线：82% 的客服问题，无需人工处理
除了写代码，Ben 还提到 AI 已经接管了大量客户服务的工作。
他以合作伙伴全球领先即时通讯企业 Intercom 为例：
他们 82% 的客户问题，都已经可以由 AI 模型独立解决， 不再需要人工介入。
换句话说，大量用户每天接触到的客服答复，其实背后不是真人，而是 Claude 或其他模型在处理。
Ben 解释说：
“对于原本需要人来判断、选择、回复的问题，现在模型能快速总结上下文、抓关键词、调用知识库，完成整个闭环。”
这不只是成本优化，更是一种组织结构的改变。
而对于人类客服人员来说，变化也并不意味着立刻下岗，而是角色重新定义：
简单、重复的问题交给 AI；
人类员工可以处理更复杂的投诉、更重要的客户沟通。
Ben 认为：
“他们过去很多票据都得放弃处理，因为太耗时间。现在 AI 帮他们腾出了精力，能专注在真正值得人工解决的事上。”
✅ “20% 岗位将消失”，不是夸张，而是趋势正在形成
为什么 Ben 会用“20% 的岗位将被重塑”这样的判断？
因为他看到的是指数曲线：很多人无法理解指数式增长。当曲线还在平坦时，看不出变化；但一旦进入加速区，一切都会变得非常快。
他回忆自己第一次强烈感受到 AI 变革的时刻，是在 2019 年 GPT-2 发布时。那时他就觉得：
这就是我们将如何到达 AGI 的方式。
而到了 2022 年底 ChatGPT 面世，大多数人才开始意识到：哇，有些东西真的在变了。
我们不需要等十年。很多行业的工作内容，正在逐步被 AI 接管，而且不会停下来。
他明确指出：
“很多人觉得，‘我的工作还好啊，没什么变化’，是因为他们没看到——AI 已经在处理原本你每天要做的那些小任务了。”
真正的转折点不是你被裁员，而是当一个团队开始用 AI 跑流程时，你不再是必需角色，而只是备选之一。
这，就是他所说的“岗位位移”。
第三节｜AI 的“人设”是怎么设计的？
Ben Mann 在访谈中提到一个被很多人忽略的问题：
“我们现在看到的 AI，已经越来越擅长内容输出了。但真正关键的是，它能不能理解你要什么，而不是你说了什么。”
他担心的是，大多数用户只看表面上的“AI 回答得挺像样”，却没有意识到它可能只是在“模仿人类的语气”，而非真的理解背后意图。
这就是他所说的 AI 对齐问题本质：
AI 能不能把人类说的话，正确翻译成人类真正想要的结果？
这也是为什么 Ben 和他的团队要为 Claude 设计“人格”与“价值护栏”的核心原因。
✅ 什么是“宪法 AI”？
Ben 提出了一个关键方法论：宪法 AI（Constitutional AI）。
通俗来说，就是用一套固定原则，教会模型什么可以说、什么可以说，而不是每次都靠人去评估输出内容。
他的理解是：
“我们给模型制定了一组自然语言写成的原则，比如‘人应当彼此友善’、‘不能主动鼓励违法行为’、‘不得泄露他人隐私信息’。这些原则有的来自《联合国人权宣言》，有的来自苹果隐私条款，也有一些是我们根据用户反馈总结出来的。”
整个流程很简单：
模型收到用户问题后先给出自己的回答；
再对照宪法原则，自己批评自己的答案是否违规；
如果发现问题，它会重新改写一版更“对齐”的答案；
最后只保留这份合规的新输出。
Ben 强调：
“这个过程不需要人来打分，它完全是 AI 自我评估、自我修正的一次迭代。”
这就像给 AI 请了个“道德顾问”，每次回答问题前都要先咨询一下对不对。
✅ Claude 的“温和个性”是什么？
很多人喜欢 Claude，是因为它更“克制”、更“有礼貌”、更“不瞎说”。
Ben 给出了背后的原因：
“Opus 3 出来后，大家最喜欢的一点，其实是 Claude 的个性。这不是巧合，而是我们对齐研究的直接成果。”
他说，这种“人格化”表现并不是靠事先编程，而是通过宪法 AI 这样的训练方法，从根上植入一套行为习惯。
甚至 Claude 拒绝某些敏感请求时的表达方式，都是有意设计过的。
“不是直接说‘我不能帮你’，而是让用户感受到它理解你的意图，但也明确解释为什么不能协助你。”
比如：
面对医学建议类问题，它会提示“请咨询专业医生”；
面对危险行为类提问，它会温和地引导用户远离风险。
这背后的底层逻辑是：
理解人类的真实需要，而不是表面语言——这才是真正有价值的 AI。
✅ RLAIF：AI 自我改进的下一步
除了给它规矩，Ben 还谈到了另一种方法：RLAIF（来自 AI 反馈的强化学习）。
这和我们熟知的“RLHF”（来自人类反馈的强化学习）相比，关键不同在于：
RLAIF 是让 AI 自己训练自己，不需要人类一步步打分。
举个例子：
模型 A 写了一段代码；
模型 B 来审查这段代码是否正确、可维护、是否符合规范；
如果发现问题，模型 A 再重新写一版；
不断迭代，直到输出更优版本。
Ben 总结：这让我们更容易扩展训练流程，而不用耗费大量人力去标注每一条数据。
但他也坦言：
“这条路会撞到一个墙——如果模型本身理解能力不够强，它就无法准确判断自己的错误。”
换句话说，RLAIF 是可行路径，但也有风险。
✅ 对齐，不是锦上添花，而是必须先做
很多公司习惯先卷模型能力，等出了问题再补上“对齐补丁”。
但 Ben 的观点是反过来的：
“我们一开始也以为能力和安全是对立的，后来发现，对齐研究不但没有拖慢能力，反而推动了模型表现。”
他指出，Claude Opus 的成功，离不开核心研究员 Amanda Askell 领导的对齐团队对个性、原则和拒绝策略的精细打磨。
正是这些看起来无关紧要的细节设计，让 Claude 更受企业和个人的信任，更易被大规模部署。
Claude 的人格背后，是一整套"安全优先"的工程思维。
这种思路，恰恰是组织面对 AI 时最该学的——不能只追求让它更强，更要让它听话、可信。
第四节｜AI 爆点，可能就在 2028 年？
Ben Mann 并没有用抽象的术语来谈 AGI（通用人工智能），他给出了一个明确、实际的看法：我认为，在几年的时间里，我们就可能看到某种形式的超级智能。
当主持人问他有没有具体时间线时，Ben 没有回避。他直接回应：
《 AI 2027 》报告预测的是 2028 年，我觉得这是合理的时间点。
他说，这并不是凭空猜测，而是结合三方面的数据趋势做出的判断：
智能能力正在指数式提升；
训练算法和后训练技术持续进步；
数据中心、电力和硬件扩容速度前所未有。
简单说就是：我们不是在“等待超级智能”，而是在按计划“制造超级智能”。
✅ 不是“像人类”，而是“能完成工作”——经济图灵测试来了
那么，什么样的 AI 才算是达到了“超级智能”的门槛？
Ben 提到了一个他很认同的概念——经济图灵测试（Economic Turing Test）。
他解释说：
“如果一个 AI 代理可以在某份工作上连续表现良好，最后被雇主认定为合适人选——哪怕他事后才知道这是台机器——那么，这个模型就通过了那份工作的经济图灵测试。”
说白了，就是看 AI 能不能真的被雇来当员工，拿工资干活。
这比“聊天像人”的标准严格多了，也更贴近现实——不看你说得多像人，只看你干活行不行。
Ben 甚至建议，我们可以像统计通胀一样，选出一批代表性工作作为“测试清单”：当 AI 能胜任其中 50% 时，就说明 AI 革命真正到来了。
这意味着什么？
不是某个模型偶尔答对一道题；
而是稳定地承担了整个专业团队的工作。
这，才是真正的临界点。
✅ 判断信号：GDP 增速将不再是 3%，而是 10%+
Ben 提出另一个量化信号：当全球 GDP 增速超过 10%，我们就知道，一定有了‘非人类’生产力的巨大注入。
目前全球 GDP 年均增长大概是 3%。如果出现三倍增长，不是因为人们工作效率突然变好了，而是因为某种技术——比如 AGI——开始大规模介入价值创造。
他进一步指出：
在那样的世界里，我们甚至很难再用传统经济学框架来理解‘工作’。
商品和服务将以过去难以想象的速度增长，很多岗位也将被彻底改变。
✅ 变化不是"瞬间发生"，但留给我们的时间不多了
Ben 对超级智能的到来很确定，但谈到变化速度时却很理性： 即使超级智能真的来了，它对社会结构的影响，也需要时间才能显现。
原因在于——
现实社会制度有惯性，组织习惯不会瞬间改变；
很多法律、监管、伦理框架需要重新设计；
企业和个人的信任建立，也不是一夜之间发生。
他引用科幻小说家 Arthur C. Clarke 的一句话：未来已经到来，只是分布得不均匀。
但这个窗口正在快速缩小。
Ben 在访谈最后特别提醒：很多人还在把 AGI 当作“技术竞赛的终点”，但我想说，它是社会问题集中爆发的起点。
一旦通过经济图灵测试，AI 将成为正规劳动力市场的一员：
它能被雇佣；
能产出；
能创造利润；
随之而来的失业、劳动重新分配、税基重构等问题，会在相对短的时间内密集出现。
现在技术变化还比较缓慢，给了我们宝贵的准备时间。但一旦跨越临界点，留给调整和适应的时间会急剧压缩。
他呼吁：
“对齐、安全、治理……所有这些问题，都不能等到超级智能出现后才开始处理。”
否则，我们不是迎来一个新同事，而是一个我们无法理解、无法控制的“智能黑箱”。
第五节｜下一代，要学什么？
Ben Mann 有一个女儿，他在访谈中分享了一个耐人寻味的细节：
“我和我太太谈过这个问题——如果我们的孩子将来要参与一个高度自动化的世界，她该学什么？”
答案出人意料，但也朴素：
我要教她如何和 AI 合作。
这句话背后，其实藏着一整套世界观转变：
过去的教育是：学技能，靠自己。
未来的教育是：学协作，调动 AI。
Ben 甚至认为，“与 AI 共处的能力”，会成为像识字、打字一样的基础素养。
最关键的是，你要理解它的优势，也要清楚它的盲点。这样你才知道该靠它做什么，又该自己做什么。
这不是“学会用 AI 工具”的问题，而是“形成 AI 合作思维”的问题。
一、AI 不是对手，而是“能力的放大器”
Ben 也承认：
“AI 并不会自动让所有人变得更强，它只是会放大你原本就有的能力。”
比如：
一个不善表达的人用 AI 写报告，效果可能平平；
但一个善于结构思考的人，用 AI 来润色、生成数据图表、总结趋势，能事半功倍。
他给出这样结论：AI 的出现，不是把你变成更好的人，而是让你的优势更明显、短板更致命。
这就意味着——你必须先搞清楚自己擅长什么，再去决定让 AI 辅助你哪一部分。
他建议每个人都可以尝试分步思考：
哪些是重复性强、规则明确的工作？交给 AI；
哪些需要判断力、人情感、现场协作的？保留人来做；
哪些任务可以共同完成？建立人机协作流。
二、AI 时代的“高薪技能”，是调度力和团队力
Ben 在 Claude 的开发中，深刻意识到：未来最值钱的不是“代码能力”，而是“组织能力”。
他说：
“我们在做 Claude 的时候，花很多时间研究‘如何设计一个系统，让多个模块协作完成任务’。”
这和企业管理者要解决的问题，其实是一样的：
多个成员各有所长；
任务复杂，不能一个人包办；
你得安排谁做什么、什么时候接力、怎么统一输出。
Ben 把这个能力称为：
“任务分配 × 工具调度 × 协作整合”三位一体的组合能力。
这才是未来打工人的必备技能。你不是独立完成任务的人，而是能协调一组 AI 帮你完成工作的人。
你可以不最聪明，但得最会分工。
三、在 AI 时代，什么能力最重要？
Ben 在 Claude 的用户观察中发现：有效使用 Claude 的人，和无效的人，最大区别在于：他们敢不敢提有挑战性的任务。
换句话说—— 不是你用的 AI 有多强，而是你有没有能力说清楚需求，发挥它的作用。
这背后考验的是两件事：
表达意图的能力
协调多智能体的能力
这意味着传统的'背书考试'教育模式正在失效。
也正因此，他的育儿理念也变了：
10 年前我可能会让她努力进名校， 但现在，我只想让她快乐、深思、好奇、善良。
在 AI 能做大多数事情的时代，人类的价值不再是做得比 AI 好， 而是知道让 AI 做什么，并组织智能去完成。
结语｜AI 不是要变得像人，而是帮助人过得更像人
从“判断对齐”到“经济图灵测试”，Ben Mann 提供的不是空洞概念，而是清晰的 AGI 路线图。
这不是终局宣言，而是一种洞察：
超级智能不会一夜降临， 它会先建立信任，然后被雇佣，最终渗透到生活各个角落。
未来不会等你准备好才到来。 它正在你身边落地——悄无声息地改变工作、产品、协作方式。
下一阶段的 AI，不是模仿人，而是让人更有判断、更擅协作、更像自己。
那些能主动适配、主动协同、主动定义角色的人，
不只是跟随者，而是建设者。
你无需成为科学家，
只要会用智能，去成就你自己。
这，就是我们普通人面对超级智能时代，最现实的答案。
本文由AI深度研究院出品，内容整理自Ben Mann在Lenny播客的最新访谈。未经授权，不得转载。
星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标
https://www.youtube.com/watch?v=WWoyWNhx2XU&t=1078s&ab_channel=Lenny%27sPodcast
https://www.businessinsider.com/anthropic-meta-offer-ai-talent-war-poaching-startups-2025-7
https://www.lennysnewsletter.com/p/anthropic-co-founder-benjamin-mann
https://www.wired.com/story/mark-zuckerberg-meta-offer-top-ai-talent-300-million/
https://finance.yahoo.com/news/anthropic-co-founder-says-agi-104611649.html
https://podwise.ai/dashboard/episodes/4761991
来源：官方媒体/网络新闻，
排版：Atlas
编辑：深思
主编：图灵
热门跟贴