1712年，托马斯·纽科门（Thomas Newcomen）在英格兰中部的一座煤矿上架起了一台笨重的抽水机。它烧煤、生蒸汽、推动活塞，把原本需要几十个人用畜力和绞盘才能完成的排水工作，交给了一堆铁和火。没有人意识到，这台吱嘎作响的机器标志着一场革命的开始：人类第一次系统性地把“做功”这件事，从有血有肉的身体里剥离出去。

三个世纪后，在旧金山一栋不起眼的写字楼里，一群工程师训练出的一个模型，开始能够写文章、编代码、给出法律建议、诊断医学影像里的病灶。它不烧煤，它消耗的是电和数据。但如果你愿意退后一步看，你会发现一条同样的线索正在延伸：这一次被剥离的，不是肌肉，而是判断。

这两件事之间，隔着两百多年的时间和无数次技术迭代，但它们或许属于同一部历史——一部关于“生产过程如何持续地把碳基生命挤压出去”的历史。理解这部历史，需要的不是一个答案，而是一套看问题的框架。

被剥离的到底是什么

这条剥离的线索，其实二十世纪四十年代就已经有人隐约看见过。诺伯特·维纳（Norbert Wiener）写下《控制论》时，思考的不是就业，也不是伦理，而是信息本身——他意识到，机器不仅可以替代肌肉，还可以替代“反馈回路”，那个让人能根据环境变化不断调整行动的判断机制。他当年设想的自动化炮塔和防空系统，是“决策”第一次被交给机器的雏形，只是那时候没人能想到，这个雏形会在八十年后长成今天的样子。

从这个角度看，工业革命和眼下这场AI革命处理的，其实是两种完全不同的“非生命输入”。蒸汽机、内燃机、电动机替代的是功——把煤和油里储存的化学能，转换成推动齿轮和活塞的机械能。这是能量层面的替代。而大语言模型替代的是认知——把海量文本里蕴含的统计规律，转换成语言、代码、决策建议。这是信息层面的替代。

能源史学者瓦茨拉夫·斯米尔（Vaclav Smil）曾把整部人类文明史，形容成一部不断提升“能量捕获效率”的历史：从人力到畜力，从畜力到风车水车，再到化石燃料和电力，每一次跃迁都让人类可以调动的能量密度成倍增长。如果这个说法成立，那么AI或许代表着同一条曲线上的下一个跃迁点，只不过这一次被“捕获”和“提升效率”的对象，从能量换成了认知本身。

这个区分听起来像是学术上的精确游戏，但它其实决定了一件很实际的事：工业革命剥离动力之后，人类依然牢牢占据着“决定动力用来做什么”的位置——你可以让蒸汽机纺纱，也可以让它抽水，机器本身没有意见。而当被剥离的对象换成判断和认知本身时，“谁来决定”这个问题第一次变得没那么理所当然。

一本有关“谁受益、谁受损”的账本

如果说第一层问题是“什么被剥离了”，那么第二层问题就更加尖锐：剥离之后，谁获得了那部分曾经属于人的价值？

麻省理工学院的两位经济学家达龙·阿西莫格鲁（Daron Acemoglu）和帕斯夸尔·雷斯特雷波（Pascual Restrepo），多年来一直在拆解一个听起来简单、实则容易被误解的概念——工作。在他们看来，一份“工作”从来不是不可分割的整体，而是由无数具体“任务”拼接而成的集合；技术革命真正做的事情，从来不是笼统地“消灭某个职业”，而是持续把其中一部分任务从“只能由人完成”这一栏，搬到“可以被机器完成”那一栏——同时（有时候，但不总是），在旁边悄悄开出一栏全新的任务，只有人才能胜任。

十九世纪的纺织工人，眼睁睁看着“纺纱”这个任务被搬到了机器那一栏，而工厂管理、机器维修这些任务出现在了新的一栏里——只是搬得过去的人和搬不过去的人，往往不是同一批人。这正是卢德运动愤怒的根源，不是对机器的非理性恐惧，而是对这种“任务转移”背后利益分配不公的清醒认知。

眼下正在发生的事情结构上极其相似，只是速度快得多、覆盖的认知层级也更高。文案写作、初级法律咨询、代码调试、客户服务里的大部分环节，正在被迅速地移到“可自动化”那一栏。而这一次，被移走的不再只是重复性体力劳动，还包括那些此前被认为需要多年教育才能掌握的脑力技能。这也是为什么这一轮技术焦虑如此深刻地渗透进了受过高等教育的中产阶级，一个历史上长期扮演“变革受益者”而非“变革承受者”的群体。

马克思在《资本论》里描述的“资本有机构成”提高——不变资本（机器、技术）相对于可变资本（活劳动）的比重持续上升——为这份账本提供了更宏观的注脚。理论上，这个过程会不断压低对活劳动的需求；但现实中，资本从未真正让这个过程无限推进下去，因为它需要活人来消费产出。这就引出了下一层问题。

社会不会安静地接受这一切

2016年，深度学习的奠基人之一杰弗里·辛顿（Geoffrey Hinton）在一次公开演讲中撂下一句后来被反复引用的断言：人们现在就应该停止培训放射科医生了——因为按照他当时的判断，深度学习会在五到十年内，把这份工作做得比人类更好。这句话一度让整个放射科陷入了真实的职业焦虑，不少医学生在填报志愿时，绕开了这个曾经炙手可热的专业。

十年过去，辛顿的预言没有应验，至少字面意义上没有。美国劳工统计局预计，放射科的就业人数从2024年到2034年还会继续增长5%，高于所有职业的平均增速；招聘网站Indeed的数据显示，2025年美国的放射科岗位数量，甚至比五年前更多。去年，辛顿本人在给《纽约时报》的邮件里也承认，自己当年的说法太笼统了。

但如果去问一位真正每天读片的放射科医生，故事会变得复杂得多。据CNN报道，克利夫兰诊所的放射科医生陈博豪说，今天AI在他的工作流程里，主要负责从海量影像里筛出需要优先处理的病例——AI先看一遍片子，把可能藏着脑出血、气胸、肺栓塞的可疑病例，第一时间推到医生面前排队等待复核。约翰斯·霍普金斯医学院的介入放射科医生沙迪波尔·德迈赫里，把这个过程形容为多了一双“第二双眼睛”。

这双“第二双眼睛”确实提高了效率，也确实还没有让任何一位放射科医生失业——统计数字站在乐观的一边。但这个说法本身，恰恰暗示了一件事情正在悄悄发生：过去，做出第一次判断的是医生自己；现在，做出第一次判断的往往是算法，医生做的，是审核、确认、补漏。头衔没有变，岗位没有消失，可“谁先看见”这件事，已经悄悄换了位置。

这个转变，和两百年前一位英格兰纺织工人的经历，结构上惊人地相似。1811年的诺丁汉，一个手摇织布机工人被赶进工厂，站到一台由蒸汽驱动的动力织机旁边——他还是“纺织工”，但他不再纺纱，他只是看着机器纺纱，防止线断、防止卡壳。头衔留下了，技艺被抽走了。他的愤怒不是因为害怕机器本身，而是因为清楚地感觉到，自己正在从“做事的人”滑向“看着机器做事的人”，工资和尊严，正随着这个滑动一起下降。这正是卢德运动真正的怒火所在——不是非理性的技术恐惧，而是对这种“被悄悄降级”的清醒愤怒。

经济史学家卡尔·波兰尼（Karl Polanyi）曾经描述过，这种情绪如何在19世纪的英国汇聚成历史事件：1834年的《济贫法修正案》、1833年的《工厂法》、后来的工会合法化和普选权扩张，都是无数个像那位纺织工人一样的个体，把自己的不安变成集体行动之后，社会用制度做出的回应。波兰尼把这种模式写进《大转型》，称之为“双重运动”——市场把土地、劳动、货币这些原本不该被自由买卖的东西“商品化”之后，几乎必然会激发出一种自我保护性的社会反弹，这种反弹有时表现为社会保险和劳工立法，有时也会表现为民族主义、排外情绪，甚至对“旧秩序”的暴力怀旧。

眼下的反弹已经有了具体的形状。在美国，围绕数据中心选址的社区听证会正在变得空前激烈——居民反对的表面理由是电力和用水，但话筒后面，往往藏着和陈博豪、德迈赫里所描述的那种处境类似的不安：我们正在为一台可能让我们变得多余的机器，付出真实的水电代价。程序员们在论坛上抱怨，自己的工作正在从“写代码”变成“审核AI写的代码”；初级律师抱怨，自己正在从“起草合同”变成“检查AI起草的合同”——这些抱怨零散、克制，还远没有变成一场社会运动，但如果波兰尼是对的，它们正是双重运动积蓄能量的样子：此刻还只是私下里的不安，历史告诉我们，私下的不安积累到某个临界点，就会变成公开的诉求。

工业革命时代的卢德分子可以物理性地闯入工厂，砸烂织布机。今天的放射科医生没有一台可以砸的机器——那个AI模型的权重存在于医院数据中心的服务器里，甚至可能根本不在他工作的城市。这意味着，如果双重运动真的发生，它的战场很可能不再是车间，而是国会听证室；不再是工厂大门，而是数据中心的分区规划会议——抗争的形式，必须适应一个没有实体靶子的敌人。

人还剩下什么

到这里，账本和制度的问题已经讨论完了，但还有一个更难回答、也更难摆脱的问题始终悬在半空：如果连判断本身都能被交给机器，那么人类还剩下什么是不可被替代的？

马丁·海德格尔（Martin Heidegger）在1954年写下《技术的追问》时，担心的从来不是某一台具体的机器，而是机器背后那种把万事万物都还原成“可供调用的资源”的思维方式——河流不再是河流，而是“水电蕴藏量”；森林不再是森林，而是“木材储备”。他把这种思维方式称为“座架”（Gestell），并且担忧，一旦这套逻辑彻底展开，人本身也终将被同一套框架吸纳进去，变成某种“人力资源”——这个词今天听起来如此稀松平常，以至于我们几乎忘记了它本身就带着海德格尔式的寒意。

但海德格尔的担忧并不是唯一的答案。法国哲学家贝尔纳·斯蒂格勒（Bernard Stiegler）会告诉你，人类从来就不是某种“纯粹的”、后来才被技术侵入的碳基存在——恰恰相反，人类的独特性从一开始就建立在不断把自己的能力“外化”到工具里这件事情上：语言是记忆的外化，文字是语言的外化，书籍是文字的外化。按这个逻辑，AI不是第一次把“人的东西”排除出人本身，而是这个从旧石器时代就已经开始的漫长外化过程里，最新、也最迅猛的一个阶段。这个视角提供的与其说是安慰，不如说是一种历史纵深——它提醒我们，“排除”这件事从来不是从今天才开始的，只是这一次，被外化的对象第一次触及了我们最后用来定义自己的那部分能力。

生产的两端

把这四层放在一起看，会浮现出一幅比“AI要抢走人类工作”复杂得多、也更值得凝视的图景。

工业革命做的事情，是把人从生产的“执行层”往上推了一级——人不再亲自纺纱，而是操作纺纱机、管理纺纱厂、设计更好的纺纱机。计算机革命把人再往上推了一级——人不再亲自计算，而是设计算法、审核结果、决定用计算做什么。每一次技术革命，似乎都在做同一件事：把碳基生命从生产链条的中段，不断向两端挤压——一端是最初设定目标、赋予意义的那个“为什么”，另一端是最终消费产出、判断好坏的那个“为了谁”。中间那段越来越长、越来越复杂、越来越不需要人插手的“如何做”，被一层层交给了非生命系统。

眼下这场AI革命的特殊之处在于，它第一次开始逼近“上移”本身所依赖的那种能力——如果连判断、综合、决策都可以被自动化，那么“人往哪里上移”这个问题，历史上第一次没有一个现成的答案。这不是危言耸听，也不是注定的结局——没有人能确切知道AI的能力边界最终会停在哪里，这仍然是一个开放的问题。但它确实解释了，为什么这一轮技术焦虑的质感和历史上任何一次都不同：它不只关乎谁会失业，也关乎当“思考”不再是人类的专属领地时，那个一直站在生产链条两端、被认为理所当然的位置——人，是否还稳固。

18世纪的纺织工人失去的是一份工作。21世纪的人类或许正在失去一个从未被真正追问过的假设：无论技术如何进步，总有一件事，只有活着的、有血有肉的人才能做。

这个假设是否还能成立，不会由任何一篇文章、任何一套理论框架来回答。它将由此刻还在发生的、笨拙而混乱的历史本身来回答——就像三百年前那台在煤矿上吱嘎作响的抽水机，当时同样没有人知道，自己刚刚打开的是一扇什么样的门。

陆一行