《2028年全球智能危机》错在哪里——危机叙事之外的另一种解释

《2028年全球智能危机》读起来更像一篇逻辑严密的科幻故事。它延续了一种典型的西方叙事习惯：往往高估机器对人类社会的冲击，却低估人类在自身社会结构中的主导地位。

这篇文章的核心判断是，随着人工智能能力的迅速提升，人类劳动将被大规模替代，从而引发全球性的失业与经济危机。

但我认为，它的问题并不在于提出了一个极端假设，而在于它对危机来源的解释框架是有偏差的。

真正的问题，并不是人工智能直接取代人类劳动，而是新旧生产体系之间正在出现的结构性断裂。

所谓的“智能危机”，很可能只是一次典型的产业转换期摩擦。

一、人工智能能力与产业生态之间的错位

当前我们看到的人工智能代理（AI Agent），更像一个机器人开着一辆一百年前的老爷车。

它拥有越来越强大的大脑，却运行在极其陈旧的工业体系之上。

今天的人工智能能力，依然寄生在信息革命早期形成的软件与网络结构里：传统操作系统、传统软件架构、传统互联网平台。这些体系本质上是为“人类操作计算机”设计的，而不是为“智能系统主导生产”设计的。

换句话说，算力虽然在暴涨，但整个AI产业生态却是滞后的。

人类过去几十年建立的，其实只能称为“软件生态”。而真正属于人工智能时代的软硬件体系，还远没有完全出现。

这种能力与产业体系之间的不对称，在历史上并不少见。技术往往先出现，而真正能够释放它的产业结构，需要更长时间才能建立。

正是在这种新旧产业革命之间的空档期，社会摩擦开始出现。

因此我们今天看到的就业压力，并不是某个突然爆发的“智能冲击”。事实上，在AI产业元年之前，这种结构性变化就已经开始。疫情时期加速的远程化、自动化和数字化，本身就已经推动了一轮产业结构调整。

人工智能只是在这个过程中放大了趋势，而不是单独制造了危机。

二、关于“AI代理能力跃迁”的误判

《2028年全球智能危机》认为，具有代理能力的人工智能系统将在短时间内获得巨大跃迁，从而替代大量工程和知识型工作。

但从实际产业运行的角度看，这个判断过于简单。

确实，AI在生成代码、文档和设计方面已经展现出惊人的效率。一个熟练开发者借助像 Claude Code 或 Codex 这样的工具，可以极大提升生产速度。

但真正的问题并不在“生成”。

真正困难的是从产品到商品的过程。

任何技术产品在完成初始开发之后，都必须经历理解、验证、修改和迭代的阶段。开发者需要能够回溯技术细节、理解系统逻辑，并在复杂约束中持续调整架构。

这一步往往不是简单的生成任务，而是对规则的理解与改写。

AI目前在已有规则体系内进行优化表现极为出色，但在复杂系统中重新定义规则、重构结构的能力仍然非常有限。

因此，即使AI极大提升生产效率，也不意味着人类在生产体系中的角色会被迅速消失。

更可能发生的，是劳动内容的改变，而不是劳动本身的消失。

三、真正的创新，本质是规则的重构

关于人工智能时代人类的位置，我认为有一个必须被明确的问题：

真正的创新，本质上是规则的创新。

所有真正意义上的突破，都发生在规则层面，而不是仅仅停留在工具层面。

不触及底层逻辑、不改变运行框架的变化，最多只是效率改进，而不能称为真正的创新。

从科学革命到经济制度，从工业生产到信息传播，人类历史上的每一次巨大跃迁，本质上都是规则的改变。

而在现阶段，人工智能更多是在既有规则体系内进行学习、模仿和优化。

它能够在巨大的知识空间中寻找最优解，却很难主动跳出既有框架，重新定义问题本身。

当然，这并不意味着人工智能永远不可能具备这种能力。或许在未来某一天，机器真的能够完成规则层面的创造。

但在那一天到来之前，定义规则、改写规则、创造规则，仍然是人类最核心、最不可替代的能力。

四、AI革命并不等同于AI工具革命

当前大量企业正在把节省下来的成本重新投入AI工具。这种趋势确实存在。

但很多人忽略了一个关键问题：这些投入大多仍然停留在旧工业体系内部的再生产。

它们并没有真正重塑整个AI产业生态。

换句话说，今天的AI应用大多数只是附着在旧软件结构上的效率插件，而不是新的生产系统。

因此，它们很难迅速形成真正意义上的AI工业流水线，也就难以立即吸收因产业转型而释放的劳动力。

这也是为什么很多人感觉“AI很强大，但经济结构似乎并没有同步改变”。

原因就在于：我们仍然处在工具阶段，而不是工业阶段。

五、正在形成的新生产范式

真正的AI工业革命，最终一定会落在生产流程和制造工艺上。

传统的知识生产通常遵循一种线性流程：

先学习，再设计，然后实现。

而人工智能正在推动一种完全不同的制造范式：

先生成，然后筛选，再生成，再筛选。

理解与学习不再一定是第一步，而往往出现在中间甚至最后阶段。

在这种模式下，生产过程更像一次巨大的搜索过程：在庞大的可能空间中生成大量方案，通过快速评估不断淘汰无效路径，最终逐渐收敛到可行解。

AI负责在巨大空间中探索可能性，人类负责理解结果、验证规则，并把这些结果转化为可以持续迭代的工业产品。

在这个过程中，人类扮演的角色并没有消失，而是发生了结构性的变化。

六、AI原生生产体系的出现

随着时间推移，真正属于人工智能时代的基础设施会逐渐出现。

人工智能主导的操作系统、自动生成的软件结构、数据驱动的生产流程，都可能成为新的工业基础。

当这种体系成熟时，生产效率会出现真正的指数级提升。

届时，大量内容、软件和数字产品的生产门槛将被大幅降低。过去需要庞大团队完成的复杂项目，可能由规模更小的团队在更短时间内完成。

与此同时，大量新的职业也会出现。许多人会从传统创意岗位转向新的生产角色，例如负责评估AI生成结果、优化生成流程、进行人机协同决策等。

这种变化并不是劳动的终结，而是劳动形式的转变。

七、所谓“智能危机”，其实是产业过渡期

从这个角度看，《2028年全球智能危机》的问题就在于，它把一个产业转换期的问题，解释成了一个技术替代劳动的终局问题。

人工智能确实正在改变生产函数。

算力和数据正在成为新的关键生产要素，劳动在生产中的比例可能会下降。

但这并不必然意味着社会将进入长期萧条。

历史上几乎所有重大工业革命，都经历过类似的过渡期。旧产业衰退，新产业尚未形成，社会短暂陷入结构性失业。

但当新的生产体系真正建立之后，经济往往会迎来更大的扩张周期。

八、未来十年的真正关键

因此，真正值得关注的并不是“AI会不会替代人类”。

更重要的问题是：

人工智能时代的生产体系什么时候真正形成。

如果未来几年AI原生工业体系逐渐成熟，那么接下来十年可能不是危机，而是新一轮工业扩张的起点。

在我看来，真正的爆发期很可能出现在2028至2032年之间。

在那之前，我们经历的更多是新旧产业交替带来的摩擦。

智能不是危机。

它是一次新的生产力革命，也是一次新的生产关系重构。