大转型：工业革命与 AI 革命的对比

如果你生活在 1700 年，即便你是法国国王，也可能因为一次简单的牙齿感染而丧命。你可能住在宫殿里，拥有数千英亩土地，统领着千军万马，但你却买不到一瓶布洛芬，也无法获得基础的抗生素疗程。如果夏天太热，你没有空调；如果冬天太冷，你只有壁炉。要向全国发送信息，你必须等待马匹奔波传递。

跳转到今天。一个拥有智能手机的普通中学生，所能获得的资讯、医疗服务和可靠的交通工具，都远胜于 18 世纪最富有的君主。

这不仅仅是一个有趣的冷知识；它证明了技术变革的力量。我们目前正处于许多人所称的“AI 革命”中，这一切让人感到前所未有。每周都有新工具出现，可以写文章、生成艺术作品或解决复杂的编程问题。感到一阵眩晕是很正常的。

但我们并非第一代有这种感觉的人。要了解我们要往哪里去，我们需要回顾上一次世界从根本上改写其运行系统的时候：工业革命。

齿轮转动前的生活

要体会变革的规模，我们必须看看当年的“正常”生活是怎样的。在工业革命之前（大约 1760 年之前），全球 70% 到 90% 的人口从事农业。工作并不是从大学手册中挑选出的职业道路，而是一场为了生存而进行的日常战斗。

生活与太阳和季节的律动紧密相连。没有电力，没有冷藏设备，也没有现代卫生设施。如果农作物欠收，人们就会挨饿。

那个时代的统计数据令人震惊。在 1800 年代初期，出生时的预期寿命仅为 24 到 35 岁。这并不是因为每个人都在 30 岁时老死，而是因为婴儿死亡率高得惊人。大约每三个孩子中就有一個在成年之前夭折。借用哲学家汤玛斯·霍布斯（Thomas Hobbes）的话，生活是“混乱、野蛮且短暂的”。

国王与学生的对比

再次考虑那位前工业时代的国王。他虽然拥有权力，但生活质量受限于当时的技术。

• 医疗： 国王拥有“最好的”医生，但他们可能会建议放血或使用水蛭。今天，你可以去诊所接受在他看来像魔法一样的治疗。
• 卫生： 即便是凡尔赛宫，由于缺乏室内管道设施，宫殿里的味道往往比现代的垃圾填埋场还要糟糕。今天，我们理所当然地享有干净的自来水。
• 食物： 国王吃的是时令食物。如果发生旱灾，连他也缺乏食物多样性。今天，你可以在明尼苏达州的暴风雪中买到菠萝。
• 信息： 要学习新知识，国王必须寻找学者或实体书。而你的口袋里装着人类知识的总和。

现代生活的基准质量——即我们认为“正常”的水准——远高于 300 年前生活质量的巅峰。这种转变并非偶然，而是由一系列痛苦、混乱且最终具有变革意义的技术转移所推动的。

Thomas 与织布机

让我们通过 Thomas 的视角来看看工业革命。

现在是 1800 年，Thomas 是英格兰北部一位经验丰富的手工织布工。他是一名工匠，花了多年时间钻研手艺，并对自己织出的精美布料感到自豪。他的工作稳定，收入可观，在社区中的地位也很稳固。

随后，蒸汽机出现了。

突然间，设有动力织布机的大型工厂开始涌现。这些机器织布的速度比 Thomas 快十倍，而且最终成本仅为其一小部分。Thomas 的技能曾是他生活的基石，现在却突然贬值。在英格兰的某些地区，织布工的工资在短短一代人的时间内下降了 50% 以上。

对于 Thomas 来说，这不是“创新”，而是一场灾难。他正面临着机械化——即机器力量取代了人类的体力和手工灵巧度。

卢德分子的回应

Thomas 和他的同伴们并没有坐以待毙。这个时代见证了“卢德分子”（Luddites）的崛起——这些工人以闯入工厂并砸毁威胁其生计的机器而闻名。

今天，“卢德分子”常被用来嘲讽那些不擅长使用科技的人。但在当时，这是一场绝望的政治运动。这些工人不只是“害怕改变”，他们是在眼睁睁地看着养家糊口的能力化为乌有。

这里的教训至关重要：对技术导致失业的恐惧并非新鲜事。它是人类历史中反复出现的特征。每当技术使一项任务变得更有效率时，原本受薪手动执行该任务的人就会感受到压力。

混乱的过渡期

工业革命最终创造的工作职位远多于它所摧毁的，但这个过渡期是非常残酷的。

随着 Thomas 的手工织布工作变得过时，新的角色出现了。我们需要有人来制造蒸汽机、管理工厂、设计新型织布机，以及监督在新兴铁路上运输货物的物流。

这导致了大规模的城市化浪潮。在英格兰，城市人口比例在 19 世纪从约 20% 增长到 70% 以上。人们从农村平静、可预测的生活，转向了城市拥挤、混乱的生活。

这种过渡是不平等的。虽然国家的总体财富有所增长，但早期的工厂工人生活在恶劣的环境中，每天在危险的条件下工作 14 小时。经过数十年的劳工运动、新法律的制定和社会调整，工业革命的成果才最终让普通人受益。

长期的回报

尽管 Thomas 感到痛苦，但长期的成果是不容置疑的。

由于机器可以廉价地生产商品，衣服、书籍和家居用品等物品变得人人可得，而不是仅仅是精英阶层的专利。生产力大幅飙升。在接下来的一個世纪里，预期寿命翻了一番。1950 年的“贫困线”在 1800 年的 Thomas 看来，可能就像是“极端富有”。

规律很明确：短期动荡，长期改善。

历史的关键模式

我们可以从 Thomas 的时代学到什么？

1. 职位既会被摧毁，也会被创造： 织布机取代了织布工，但工厂创造了管理人员和工程师。
2. 技能决定适应力： 那些学习如何与新机器合作的人，比那些试图与机器竞争的人过得更好。
3. 过渡是混乱的： 从“失去工作”到“创造新工作”之间的时期，对个人来说可能是漫长且痛苦的。

进入 AI 革命

现在，让我们跳转到 2025 年，见见 Alex。

Alex 是某中型营销公司的初级数据分析师。他在大学花了四年时间学习如何使用 Excel、SQL 和各种仪表板工具。他的工作涉及获取原始数据，对其进行清理，并将其转化为他的经理用来做决策的报告。他觉得自己的工作是“安全”的，因为它需要大脑，而不是体力。

然而，大型语言模型（LLM）和先进的 AI 工具出现了。

突然间，Alex 的经理可以在 AI 工具中输入指令：“查看我们上一季度的销售数据，找出三个最大趋势，并制作一份幻灯片简要说明为什么我们在俄亥俄州的转化率下降了。”

AI 在 30 秒内完成了 Alex 过去需要两天才能完成的工作。Alex 并不是被蒸汽机取代，他正被认知自动化（cognitive automation）所辅助，或者说是边缘化。

任务，而非工作

关于 AI 革命，最重要的一点是：它很少会一次性取代整个工作。相反，它将任务自动化。

对于 Alex 来说，工作中“数据清理”的部分现在已经 100% 自动化了。“基础报告”的部分 90% 自动化了。但“战略思考”的部分——即决定哪些问题值得问——仍然需要 Alex。

新的角色正在涌现，就像 1800 年代一样。我们看到了“AI 协调员”、“提示工程师”（Prompt Engineer）和“AI 伦理官”的兴起。Alex 面临的问题与 Thomas 当年面临的一模一样：他能否调整自己的技能，与新机器协作，还是会尝试与它们对抗？

这次有何不同

虽然两者有很多相似之处，但 AI 革命与工业革命相比有三个关键差异：

1. 体力 vs 认知： 工业革命取代了我们动手的能力。AI 则正在取代我们动脑的能力。这触及了我们身份认同的不同部分。
2. 速度： 工业革命花了将近一个世纪才完全改变社会。AI 则是以软件的速度在移动。周二发布的工具，到周五可能已经有 1 亿人使用。
3. 全球规模： 工业革命起源于英格蘭并缓慢传播。AI 则是立即全球化的。拉各斯的开发者、东京的学生和纽约的 CEO 可以在同一时间使用相同的模型。

真正的风险：变革的速度

AI 革命最大的风险并非我们会“用尽工作”。历史表明，我们总能为人类找到新的事情做。

真正的风险是转型的速度。如果说工业革命是一场持续 80 年的慢动作车祸，那么 AI 革命可能是一场持续 10 年的高速碰撞。我们必须学会如何比我们的祖先更快地重新培训人才、更新教育系统并调整经济结构。

为什么专家往往预测错误

预测科技的未来是出了名的困难。

2016 年，AI 的“教父”之一杰弗里·辛顿（Geoffrey Hinton）曾名噪一时地建议我们应该停止培训放射科医生，因为 AI 会在五年内取代他们。

现在已经过去了将近十年。还有放射科医生吗？有。事实上，目前放射科医生还面临短缺。

为什么？因为虽然 AI 在分析 X 光片方面变得非常出色，但放射科医生的工作不仅仅是看图。它涉及与其他医生咨询、向患者解释结果，以及做出涉及 AI 至今仍难以处理的细微差别的复杂医学判断。

AI 并没有取代放射科医生，它成为了放射科医生用来提高准确性和速度的强大工具。

为什么预测会失败

预测之所以失败，是因为技术发展是不平衡的。我们往往会高估 AI 在两年内能做的事情，而低估它在十年内能做的事情。

我们也未能考虑到人类的适应能力。当一项任务变得简单时，人类不会只是坐着；我们会发明更复杂的任务。在洗衣机出现之前，人们要花一整天洗衣服。现在，我们只需花 10 分钟进行“主动操作”就能洗好衣服——但我们并没有因此拥有更多空闲时间。我们只是穿了更多的衣服，并期待它们更干净。我们用其他活动填补了节省下来的时间。

Thomas 与 Alex：最后的对比

在 1820 年，Thomas 面临一个选择。他可以留在村子里尝试用手工织布胜过蒸汽机（这是一场必败之仗），或者搬到城市，学习维护机器，或是在新经济中寻找角色。

在 2025 年，Alex 也面临着同样的選擇。他可以忽视 AI，希望经理不会发现隔壁那位“AI 增强型”分析师的工作速度有多快。或者，他可以成为那个懂得利用 AI 一个人完成五个人工作量的人。

历史的模式并非完全取代，而是转型。

快速技术科普：AI 到底是什么？

为了揭开“魔法”的面紗，了解一下这个领域的层级架构会很有帮助：

• 人工智能 (Artificial Intelligence, AI)： 创造能够执行通常需要人类智能才能完成的任务的机器，这是一个广泛的领域。
• 机器学习 (Machine Learning, ML)： AI 的一个子集，机器从数据中“学习”模式，而不是被明确告知该怎么做。
• 神经网络 (Neural Networks)： 一种受人类大脑结构启发的机器学习类型。¹²³
• 大型语言模型 (Large Language Models, LLM)： 在互联网几乎所有文本上训练的大型神经网络。

从本质上讲，像 ChatGPT 这样的 LLM 是一个极其复杂的“下一个词预测器”。它并不像你那样“知道”事情；它只是根据它看过的数十亿个句子，计算出根据统计概率下一个词应该是什么。

💡 侧栏：什么是“算力”（Compute）？

你可能会听到人们谈论“算力”（Compute）。在 AI 世界中，算力是指用于训练和运行这些模型的计算能力（芯片、服务器、电力）。

你可以将算力想象成学习时间或脑力。如果你学习 100 小时，你的考试成绩可能会比只学习 1 小时要好。AI 模型也是如此。我们投入到一个模型中的“算力”越多，它能识别的模式就越多，看起来就越“聪明”。可用算力的快速增长是 AI 在过去五年中进步如此神速的主要原因。

未来的机遇

如果以历史为鉴，AI 革命将带来生产力的巨大提升。这意味着我们有可能：

• 通过分析基因数据更快地解决复杂疾病。
• 为地球上的每位学生创造个性化教育。
• 自动化办公室工作中“枯燥烦闷”的部分，留出更多时间进行创意和人际交往的任务。

未来十年最成功的人不一定是那些“无所不知”的人，而是那些懂得如何与 AI 协作的人。

谁会胜出？

这场革命中的“赢家”并不一定是智商最高或学历最昂贵的人。他们是那些：

1. 适应： 他们不畏惧新工具，而是积极进行实验。
2. 持续学习： 他们意识到自己的“最终”教育并非在毕业时结束。
3. 专注于人类技能： 他们投身于 AI 所不擅长的事情：同理心、复杂伦理、领导力以及真正的原创创意。

结语

我们这段旅程始于一位可能因牙痛而丧命的国王。我们生活在一个他无法想象的世界中——一个建立在摧毁了 Thomas 织布机但赋予我们现代生活的变革之上。

AI 革命就是我们这个时代的蒸汽机。它很吵闹、具有破坏性，而且在我们还在比赛时就改变了游戏规则。但历史告诉我们，虽然过渡期很混乱，但目的地往往是一个“普通人”生活得比过去“精英”更好的世界。

未来并非一个已经写好的剧本。它是等待被使用的一套工具。

所以，当你看着屏幕上出现的 AI 工具时，问自己一个问题：

你是在为变革做准备，还是假设一切都会保持稳定？