冰河时代绵延了将近十万年。在它最后的尾声全球气温以人类感知不到的速度缓慢上升。冰川退缩海平面以每百年几厘米的节奏爬升。一条曾经宽达数百公里、将亚洲与北美洲连为一体的陆地走廊在几千年里悄悄沉入水下从地图上永远消失——这就是白令陆桥。在它沉没之前有一批生物穿越了它——大约一万三千年前人类踏入了北美洲。在那个时代猛犸象已在北美草原繁衍了数百万年。它们是这片土地上最具统治力的物种之一——体型庞大象牙弯曲皮下脂肪厚实足以抵御冰原的严寒。它们的生存本能里编码了这片土地上所有已知的威胁狼群、剑齿虎、短面熊。但没有关于两足直立生物的任何记录因为在这之前北美大陆从未出现过这种捕食者。数百万年的演化没有为这次相遇留下任何准备。一千年后猛犸象从这片大陆彻底消失同时消失的还有乳齿象、地懒、美洲马、美洲骆驼——北美约三分之二的大型哺乳动物物种。对地球来说一千年只是一次眨眼。[1]北冰洋的弗兰格尔岛除外。因为与大陆隔绝人类迟迟未能抵达一支孤立的猛犸象种群在那里又独自存活了将近一万年。它们最终消失于公元前2000年前后。那是什么样的年代吉萨的大金字塔早已矗立了五百年苏美尔人不仅发明了楔形文字还把法典刻进了泥板印度河流域的摩亨佐-达罗建有规划整齐的砖砌街道和地下排水系统巨石阵刚刚在英格兰完工中国的夏朝正在黄河流域统治着它的臣民米诺斯文明在克里特岛已进入青铜时代。人类已经有了城市、冶金、文字、法律和宗教而地球上还有猛犸象在走动——直到人类的船第一次靠上那座岛。猛犸象消失了。和北美大陆上的那批一样与人类相遇之后随即消失。杀死它们的不是冰川不是气候是我们。这不是远古传说。这个模式正在2020年代的办公室里重演。二、为什么非洲的大象活下来了同样是智人为什么北美的猛犸灭绝了而非洲的大象、犀牛、河马直到今天还站在这片土地上答案不在于物种本身的强壮程度。猛犸象并不比非洲象脆弱体型甚至更大象牙更长皮下脂肪更厚它们在冰原上挺过了漫长的更新世。非洲的大型动物也并非天生更聪明或更敏捷。区别在于一件事共同进化的时间长度。人类在非洲演化了数百万年。非洲的大型动物与这个新兴捕食者一起经历了漫长的磨合期。人类变得更擅长狩猎动物也在一代代死亡中筛选出了更警觉的个体——那些对直立行走的生物保持警惕、在人类逼近之前就开始移动的个体活得更久留下了更多后代。没有哪一头非洲象知道人类危险但非洲象的种群记忆里嵌入了这种警惕。2014年行为生态学家Karen McComb在肯尼亚安博塞利国家公园用实验证明了这一点。她的团队录制了两类肯尼亚男性说话的声音马赛族传统上有时与象群争夺水源和牧场偶有猎象和坎巴族农耕民族与象群基本无冲突——然后把这些录音分别播放给47个大象家族群体听。结果差异显著听到马赛族男性声音象群迅速聚拢、护住幼崽头部转向声源进入警戒听到坎巴族声音反应平静。研究人员还录制了马赛族女性和男孩说同一句话——象群的警觉程度立刻下降因为马赛族女性和孩子历史上不猎象。没有任何一头参与实验的大象曾亲历猎杀但这种判断已经嵌入了种群的行为模式。澳大利亚的案例几乎是一个对照实验。大约五到六万年前人类首次抵达澳大利亚。在随后的几千年里澳大利亚约82%的巨型动物属消失包括两吨重的双门齿兽、三米高的巨型袋鼠、以及体型如狮子的有袋类猛兽。这片大陆在人类到来之前与人类毫无接触毁灭程度甚至比北美更彻底。规律在这里变得清晰不是物种的强弱决定命运而是与威胁共同进化的时间长度决定了物种是否具备应对它的本能与策略。这个规律在今天的行业格局里以惊人的精确度重演着。三、两种行业两种命运猛犸型行业突然被杀入毫无防御翻译行业的从业者大概没有预料到2017年到2022年之间会发生什么。在那之前翻译是一门有清晰门槛的手艺。掌握两门语言理解行业术语熟悉目标语言的表达习惯——初级翻译做量资深翻译做质职级路径清晰需求来源稳定。然后DeepL上线GPT-4出现。大量初级翻译任务——技术文档、产品说明、标准合同、电商详情页——开始被直接交给机器。初级翻译岗位的需求直接断崖式下跌。[2]电话客服行业的故事更直接。大型外包呼叫中心曾经是发展中国家制造业之外最重要的就业引擎之一。几十万人坐在格子间里拿着脚本处理同类型的投诉和查询。AI语音客服和文字客服的普及让这些岗位直接消失——不需要过渡不需要再培训只需要在合同到期时不续签。2024年2月瑞典金融科技公司Klarna发布了一份公告其AI客服系统上线首月处理了230万次客户对话相当于700名全职员工的工作量平均解决时长从11分钟缩短到2分钟客户满意度评分与人工客服持平。这不是趋势预测是一份带有时间戳的公司公告。法律行业的初级端也在经历类似的压缩。合同审查、格式条款起草、案例检索——这些曾经是年轻律师积累经验的必经路径如今AI工具几分钟内即可完成初级岗位的入门空间正在收窄。这些行业有一个共同的结构特征高度标准化、依赖信息不对称、人力重复劳动占主体。它们的从业者就是那头第一次见到智人的猛犸象。努力与否专业与否都不是问题所在。问题在于共同进化的时间窗口根本来不及打开——AI几乎是一夜之间抵达的。非洲象型行业与AI共同进化找到了共存的位置程序员这个职业是理解共同进化最好的样本。从打孔卡到命令行从命令行到图形界面从单机开发到云原生每一次计算范式的迁移都意味着原有技能的部分失效和新技能的快速重建。程序员这个群体经历了几十年的技术冲击形成了一种奇特的职业文化主动学习新工具早已成为这个群体的生存本能。今天Cursor和Claude Code这类AI编程工具已经不只是代码补全——它们能理解整个项目的上下文分解复杂任务自主完成模块级别的开发工作。使用这类工具的程序员工作的边界被持续扩大一个人能独立驾驭的系统复杂度正在以肉眼可见的速度扩张。顶级工程师的生产力上限被重新定义了。但这个行业内部也在发生分化。那些主要靠把需求翻译成代码为生的初级程序员确实感受到了压力——当AI能完成同样的翻译工作他们的议价能力在下降。而那些能定义需求、做架构决策、理解业务逻辑的工程师需求反而在上升。同一个行业正在发生的是内部分化。2018年FDA批准了第一个完全自主运行的AI医疗诊断系统IDx-DR用于糖尿病视网膜病变的早期筛查——它不需要医生在场可以直接输出诊断结论是AI自主诊断进入临床的起点。但放射科医生没有消失他们开始用AI工具做初筛把精力集中在复杂病例、边缘情况、以及需要结合患者完整病史才能判断的情形上。医患关系、临床直觉、复杂病例的综合判断因为AI承担了重复性工作反而变得更重要了。品牌设计的情况更微妙。AI图像生成工具确实冲击了商业插画市场那些接受每张图100元、一天能出30张的外包插画师遭受了直接的价格竞争。但品牌设计师——那些理解客户品牌调性、能把模糊的我想要一种高级感翻译成具体的视觉语言的人——发现自己手里多了一个强大的工具工作效率和提案质量同时提升。AI成了他们的草图生成机。这些行业的共同特征是在AI出现之前已经历了数字化、互联网化的多轮技术冲击建立了与技术工具共存的肌肉记忆。每次技术浪潮来临它们的选择都是主动重新定义自己的工作边界——把可以被工具替代的部分让出去把工具暂时无法触及的部分做深。注释[1]1000年内消灭的争议这一数字来自古生物学家Paul Martin在1973年提出的过度捕猎假说Overkill Hypothesis的最激进版本又称闪电战模型blitzkrieg model。主流文献对北美灭绝时间跨度的估计更宽《大英百科全书》的数据是约2000年综合文献的表述是最多跨越3000年。本文使用一千年援引的是该假说的极端估计读者若有兴趣深究可参阅Andermann et al.,Nature Communications, 2021的综述。[2]翻译行业的技术冲击历史这个行业在AI出现之前也遭遇过技术浪潮。规则型机器翻译工具从1990年代就开始存在从业者学会了后期编辑MTPEmachine translation post-editing把机器初稿改成人工品质暂时找到了共存方式。但神经网络翻译的本质不同之处在于工具不再是需要人工修缮的草稿机而是直接胜任了初级从业者的全部工作。这次冲击的性质从工具升级变成了岗位替代。标签: AI, LLM
智人曾经这样灭绝猛犸象：AI入侵与行业灭绝
冰河时代绵延了将近十万年。在它最后的尾声全球气温以人类感知不到的速度缓慢上升。冰川退缩海平面以每百年几厘米的节奏爬升。一条曾经宽达数百公里、将亚洲与北美洲连为一体的陆地走廊在几千年里悄悄沉入水下从地图上永远消失——这就是白令陆桥。在它沉没之前有一批生物穿越了它——大约一万三千年前人类踏入了北美洲。在那个时代猛犸象已在北美草原繁衍了数百万年。它们是这片土地上最具统治力的物种之一——体型庞大象牙弯曲皮下脂肪厚实足以抵御冰原的严寒。它们的生存本能里编码了这片土地上所有已知的威胁狼群、剑齿虎、短面熊。但没有关于两足直立生物的任何记录因为在这之前北美大陆从未出现过这种捕食者。数百万年的演化没有为这次相遇留下任何准备。一千年后猛犸象从这片大陆彻底消失同时消失的还有乳齿象、地懒、美洲马、美洲骆驼——北美约三分之二的大型哺乳动物物种。对地球来说一千年只是一次眨眼。[1]北冰洋的弗兰格尔岛除外。因为与大陆隔绝人类迟迟未能抵达一支孤立的猛犸象种群在那里又独自存活了将近一万年。它们最终消失于公元前2000年前后。那是什么样的年代吉萨的大金字塔早已矗立了五百年苏美尔人不仅发明了楔形文字还把法典刻进了泥板印度河流域的摩亨佐-达罗建有规划整齐的砖砌街道和地下排水系统巨石阵刚刚在英格兰完工中国的夏朝正在黄河流域统治着它的臣民米诺斯文明在克里特岛已进入青铜时代。人类已经有了城市、冶金、文字、法律和宗教而地球上还有猛犸象在走动——直到人类的船第一次靠上那座岛。猛犸象消失了。和北美大陆上的那批一样与人类相遇之后随即消失。杀死它们的不是冰川不是气候是我们。这不是远古传说。这个模式正在2020年代的办公室里重演。二、为什么非洲的大象活下来了同样是智人为什么北美的猛犸灭绝了而非洲的大象、犀牛、河马直到今天还站在这片土地上答案不在于物种本身的强壮程度。猛犸象并不比非洲象脆弱体型甚至更大象牙更长皮下脂肪更厚它们在冰原上挺过了漫长的更新世。非洲的大型动物也并非天生更聪明或更敏捷。区别在于一件事共同进化的时间长度。人类在非洲演化了数百万年。非洲的大型动物与这个新兴捕食者一起经历了漫长的磨合期。人类变得更擅长狩猎动物也在一代代死亡中筛选出了更警觉的个体——那些对直立行走的生物保持警惕、在人类逼近之前就开始移动的个体活得更久留下了更多后代。没有哪一头非洲象知道人类危险但非洲象的种群记忆里嵌入了这种警惕。2014年行为生态学家Karen McComb在肯尼亚安博塞利国家公园用实验证明了这一点。她的团队录制了两类肯尼亚男性说话的声音马赛族传统上有时与象群争夺水源和牧场偶有猎象和坎巴族农耕民族与象群基本无冲突——然后把这些录音分别播放给47个大象家族群体听。结果差异显著听到马赛族男性声音象群迅速聚拢、护住幼崽头部转向声源进入警戒听到坎巴族声音反应平静。研究人员还录制了马赛族女性和男孩说同一句话——象群的警觉程度立刻下降因为马赛族女性和孩子历史上不猎象。没有任何一头参与实验的大象曾亲历猎杀但这种判断已经嵌入了种群的行为模式。澳大利亚的案例几乎是一个对照实验。大约五到六万年前人类首次抵达澳大利亚。在随后的几千年里澳大利亚约82%的巨型动物属消失包括两吨重的双门齿兽、三米高的巨型袋鼠、以及体型如狮子的有袋类猛兽。这片大陆在人类到来之前与人类毫无接触毁灭程度甚至比北美更彻底。规律在这里变得清晰不是物种的强弱决定命运而是与威胁共同进化的时间长度决定了物种是否具备应对它的本能与策略。这个规律在今天的行业格局里以惊人的精确度重演着。三、两种行业两种命运猛犸型行业突然被杀入毫无防御翻译行业的从业者大概没有预料到2017年到2022年之间会发生什么。在那之前翻译是一门有清晰门槛的手艺。掌握两门语言理解行业术语熟悉目标语言的表达习惯——初级翻译做量资深翻译做质职级路径清晰需求来源稳定。然后DeepL上线GPT-4出现。大量初级翻译任务——技术文档、产品说明、标准合同、电商详情页——开始被直接交给机器。初级翻译岗位的需求直接断崖式下跌。[2]电话客服行业的故事更直接。大型外包呼叫中心曾经是发展中国家制造业之外最重要的就业引擎之一。几十万人坐在格子间里拿着脚本处理同类型的投诉和查询。AI语音客服和文字客服的普及让这些岗位直接消失——不需要过渡不需要再培训只需要在合同到期时不续签。2024年2月瑞典金融科技公司Klarna发布了一份公告其AI客服系统上线首月处理了230万次客户对话相当于700名全职员工的工作量平均解决时长从11分钟缩短到2分钟客户满意度评分与人工客服持平。这不是趋势预测是一份带有时间戳的公司公告。法律行业的初级端也在经历类似的压缩。合同审查、格式条款起草、案例检索——这些曾经是年轻律师积累经验的必经路径如今AI工具几分钟内即可完成初级岗位的入门空间正在收窄。这些行业有一个共同的结构特征高度标准化、依赖信息不对称、人力重复劳动占主体。它们的从业者就是那头第一次见到智人的猛犸象。努力与否专业与否都不是问题所在。问题在于共同进化的时间窗口根本来不及打开——AI几乎是一夜之间抵达的。非洲象型行业与AI共同进化找到了共存的位置程序员这个职业是理解共同进化最好的样本。从打孔卡到命令行从命令行到图形界面从单机开发到云原生每一次计算范式的迁移都意味着原有技能的部分失效和新技能的快速重建。程序员这个群体经历了几十年的技术冲击形成了一种奇特的职业文化主动学习新工具早已成为这个群体的生存本能。今天Cursor和Claude Code这类AI编程工具已经不只是代码补全——它们能理解整个项目的上下文分解复杂任务自主完成模块级别的开发工作。使用这类工具的程序员工作的边界被持续扩大一个人能独立驾驭的系统复杂度正在以肉眼可见的速度扩张。顶级工程师的生产力上限被重新定义了。但这个行业内部也在发生分化。那些主要靠把需求翻译成代码为生的初级程序员确实感受到了压力——当AI能完成同样的翻译工作他们的议价能力在下降。而那些能定义需求、做架构决策、理解业务逻辑的工程师需求反而在上升。同一个行业正在发生的是内部分化。2018年FDA批准了第一个完全自主运行的AI医疗诊断系统IDx-DR用于糖尿病视网膜病变的早期筛查——它不需要医生在场可以直接输出诊断结论是AI自主诊断进入临床的起点。但放射科医生没有消失他们开始用AI工具做初筛把精力集中在复杂病例、边缘情况、以及需要结合患者完整病史才能判断的情形上。医患关系、临床直觉、复杂病例的综合判断因为AI承担了重复性工作反而变得更重要了。品牌设计的情况更微妙。AI图像生成工具确实冲击了商业插画市场那些接受每张图100元、一天能出30张的外包插画师遭受了直接的价格竞争。但品牌设计师——那些理解客户品牌调性、能把模糊的我想要一种高级感翻译成具体的视觉语言的人——发现自己手里多了一个强大的工具工作效率和提案质量同时提升。AI成了他们的草图生成机。这些行业的共同特征是在AI出现之前已经历了数字化、互联网化的多轮技术冲击建立了与技术工具共存的肌肉记忆。每次技术浪潮来临它们的选择都是主动重新定义自己的工作边界——把可以被工具替代的部分让出去把工具暂时无法触及的部分做深。注释[1]1000年内消灭的争议这一数字来自古生物学家Paul Martin在1973年提出的过度捕猎假说Overkill Hypothesis的最激进版本又称闪电战模型blitzkrieg model。主流文献对北美灭绝时间跨度的估计更宽《大英百科全书》的数据是约2000年综合文献的表述是最多跨越3000年。本文使用一千年援引的是该假说的极端估计读者若有兴趣深究可参阅Andermann et al.,Nature Communications, 2021的综述。[2]翻译行业的技术冲击历史这个行业在AI出现之前也遭遇过技术浪潮。规则型机器翻译工具从1990年代就开始存在从业者学会了后期编辑MTPEmachine translation post-editing把机器初稿改成人工品质暂时找到了共存方式。但神经网络翻译的本质不同之处在于工具不再是需要人工修缮的草稿机而是直接胜任了初级从业者的全部工作。这次冲击的性质从工具升级变成了岗位替代。标签: AI, LLM
