SOP 的终结与降维打击：在 100 倍速的 AI 革命中寻找新坐标

slug

type

status

date

一、屏幕内的"贬值"：当执行力变得廉价

过去三十年，大多数白领工作的本质是人类作为计算机的逻辑插件——写代码、审合同、做报表，本质上都是在处理可定义的标准流程。

Claude Code、各类 Agent 的出现揭示了一个冷酷的事实：只要任务在计算机上可定义、可拆解，AI 的实现就只是时间问题。不是"能不能"，而是"多快"。

但这里有一个常被忽略的悖论：SOP 并没有消亡，只是换了执行者。 AI Agent 本身就是在执行更复杂的 SOP。真正的变化是：人类从"执行者"变成了"定义者"。

这意味着，未来的稀缺资源不再是"会做事的人"，而是"知道该做什么事的人"——能判断什么值得做、什么是好的、什么问题值得被定义。

二、视觉增强下的"新手艺"：体力劳动的认知升级

马斯克和黄仁勋建议年轻人学"手艺活"，这不是让我们退回原始劳动，而是指向一个正在发生的变化：体力劳动正在被认知工具重新武装。

想象一下：一个从未接触过复杂电路的年轻人，通过 AI 视觉功能实时识别线路走向、标注故障点，一步步完成维修。过去需要数年学徒期积累的"行业经验"，被实时更新的 AI 指令集部分取代。

人的角色变了：不再是知识的容器，而是 AI 在物理世界的精密执行器。

但 AI 降低的是"技术门槛"，而非"入场门槛"。一个建筑工地的效率瓶颈，往往不是工人不会看图纸，而是分包商扯皮、材料延期、监管流程冗长。这些"非数字化摩擦"不会因为 AI 变强而消失。

三、跨界者的机会与幻觉

懂 AI 的开发者进入传统行业，确实存在信息差优势。一个熟悉 RAG 和 Agent 架构的人，看一个"老行业"的低效流程，可能会觉得遍地是金——"这都能用 AI 重构"。

但传统行业的壁垒往往不是技术。它是关系网络、监管合规、渠道把控、行业潜规则——这些资产不存在于任何数据库里，也无法被 prompt 调用。

真正的机会属于那些既懂 AI、又愿意扎进传统行业泥潭的人。这类人其实很少——大多数技术人才不愿意离开舒适的数字世界，大多数传统从业者又对 AI 心存戒备。

所以与其说是"降维打击"，不如说是愿意跨越两个世界的人，获得了一种稀缺的套利空间。这是机会，但不是暴富捷径。

四、一个被低估的趋势：AI 越强，"人味"越贵

当内容生产变得廉价，一件反直觉的事正在发生：人们开始愿意为"确认这是真人做的"付费。

手写信比邮件更珍贵了。现场演出比流媒体更有仪式感了。独立咖啡馆在连锁扩张中反而获得溢价。

这意味着未来可能存在两条平行轨道：

一条是"效率至上"的 AI 赛道，追求成本最低、产出最大。

一条是"刻意低效"的人类赛道，追求稀缺性、真实性、情感连接。

后者不是落后，而是另一种形式的奢侈品。在一个 AI 生成内容泛滥的世界里，"可证明的人类痕迹"本身就是价值。

五、关于"后稀缺世界"的现实时间线

Hassabis 描绘的"后稀缺世界"令人向往，但它可能比我们想象的更远。

AI 可以让信息和数字服务接近零边际成本，但能源、原材料、物理空间不会因为模型变强就变多。住房、医疗、食物的稀缺性依然存在。

更现实的预测是：我们会进入一个"数字富足、物理依然稀缺"的分裂世界。你可以免费获得一个 AI 律师的建议，但你依然买不起一线城市的房子。

这种分裂本身会制造新的社会张力。动荡不会均匀分布——它会沿着"谁能把数字优势转化为物理资源"的断层线展开。

结语：不是航海家，而是两栖动物

"拿着 AI 指南针的航海家"是个漂亮的比喻，但可能还不够准确。

航海家只需要征服海洋。而我们面对的世界，是数字与物理、效率与意义、AI 能做的与 AI 不该做的——多重维度同时存在。

更贴切的比喻或许是：成为一个两栖动物。 既能在数字世界里调用 AI 的全部能力，又能在物理世界里处理那些无法被数字化的摩擦；既理解效率的逻辑，又保有对"人味"的敏感。

在 100 倍速的时代，最危险的不是留在原地，而是只看到一个维度。

2030 年终局：丹尼斯给出了具体判断：50% 的概率在 2030 年实现 AGI。前提是 Scaling Law（扩展定律）持续有效且逻辑推理问题得到解决。

中西差距：他认为目前西方在顶尖 AI 领域领先中国约 6-12 个月。但半年的差距在 AI 迭代中意味着整整一代的技术代差。

角色定位：在被问及是否愿意接任谷歌 CEO 时，他表现得非常克制，称目前更热爱科学和纯粹的改变世界感，但并未明确拒绝该可能性。

核心观点总结 “我们追求的不是比谁更快，而是比谁能更接近真理。” 丹尼斯眼中的 AGI 不是冷冰冰的机器统治，而是人类智慧的增幅器，旨在用机器的理性去成就人类的感性。

经济与原有的社会秩序将会被完全颠覆

完全赞同未来将会是一个前所未有的变动时代毕业生将会遭遇前所未有的挑战许多东西可能今天还成立明天就被颠覆了

未来将会是一个动荡的时代,就像工业革命可能经历了十个阶段一样。

an age of disruption, just like the Industrial revolution was maybe ten acts

我个人认为软开工作者在熟悉原有的AI工具时他们可以去到任何行业去做原本那些行业前所未有的颠覆就像我们知道打败方便面的不是更豪华量更大更保鲜的方便面而是外卖的兴起打败胶卷的不是更贵更清晰的胶卷而是数码相机 AI入场之后大家可以去到很多旧有行业中找寻机会说不定你搭配AI比原来这帮人更会干

视频链接

Hassabis on an AI Shift Bigger Than Industrial Age

1. Google 的竞争地位与 Gemini [00:23]

重回巅峰： Hassabis 提到 Google 在过去一年努力工作，通过 Gemini 3 等模型重新回到了 AI 的最前沿水平。

全栈优势： 他认为 Google 是唯一拥有从底层硬件（TPU）、数据中心、云业务到顶尖实验室及海量用户产品（Search, Gmail, Chrome）的“全栈”机构 [02:05]。

创业精神： Google 正在通过提高出货速度和引入“创业公司式的能量”来应对激烈的行业竞争 [00:44]。

2. 对中国 AI 竞争的看法 [05:53]

评价 DeepSeek： 他认为西方对 DeepSeek 的反应有些过度，虽然其表现令人印象深刻且中国公司（如字节跳动）能力很强，但目前主要还是在“追赶” [06:17]。

领先优势： 他指出像 DeepSeek 这样的模型部分依赖于西方模型的输出进行微调，中国公司尚未证明其具备在最前沿领域进行“从无到有”创新的能力 [06:41]。

3. 通用人工智能（AGI）的时间表 [06:58]

2030 年目标： 他坚持认为到 2030 年有 50% 的机会实现 AGI [07:05]。

AGI 标准： 他对 AGI 的标准定义很高，即系统需具备人类所有的认知能力，包括“提出科学假设”而不仅仅是解决问题 [07:23]。

缺失的环节： 实现 AGI 仍需解决“持续学习”（on-the-fly learning）、更强的推理能力和长期规划能力 [15:50]。

4. AI 对就业与社会的影响 [08:14]

白领岗位： 他同意未来 5 年内初级白领岗位会受到冲击，但实现完全的任务委派（从助手变为代理人）还需要解决 AI 的“一致性”问题 [08:52]。

100倍变革： 他将 AI 革命比作“工业革命的 10倍规模且10倍速度”，即 100倍的社会变革 [10:31]。

后稀缺世界： 在长期视角下，他预见 AGI 将带来一个“后稀缺”的富足世界，解决能源和材料等根本性问题 [09:47]。

5. 机器人学的突破 [04:01]

物理智能： Hassabis 认为我们正处于物理智能突破的边缘，预计 18 个月到 2 年内会有重大进展 [04:08]。

人体结构的精妙： 在研究机器人时，他感叹人类手部的灵活性和可靠性是极难模仿的 [05:09]。Google 正与波士顿动力（Boston Dynamics）进行深度合作 [05:34]。

6. 治理与安全 [12:02]

国际协作： 他曾梦想建立一个类似 AI 领域的 CERN（欧洲核子研究组织），让全球科学家、哲学家和经济学家共同规划 AGI 的最后阶段 [12:33]。

监管挑战： 他强调由于国际局势复杂，这种协作面临困难，但领先的实验室（如 Google 和 Anthropic）已经在安全协议上进行合作 [13:45]。

7. 个人思考与建议 [23:15]

终极兴趣： 在实现技术目标后，他希望利用 AI 探索物理学的极限、意识的本质以及费米悖论 [23:40]。

给年轻人的建议： 在变革时代，“学习如何学习”（Learning to learn）是最重要的技能，要熟练掌握 AI 工具，这些工具将成为个人的“超级力量” [25:26]。