最近看 Bill Gates 接受《The Atlantic》采访，有一个细节让我印象很深。
主持人问他，过去一直把 AI 风险描述成“真实，但可以管理”，为什么这一次语气明显变了？Gates 的回答很直接：从去年底开始，模型的能力提升速度超出了他的预期，最先让他改变判断的是 Coding，尤其是 Claude。
这件事对 Gates 有点特殊。他从 13 岁开始写程序，一直到 23 岁，Coding 几乎是他最痴迷、也最擅长的一件事。当他发现模型开始做到和优秀程序员差不多，甚至在一些任务上超过人类时，他说，这是一个 “real threshold”。后来 Gates Foundation 又开始用这些模型做疫苗和药物研究，他意识到这种能力并不只停留在写代码上。
于是这一次，Gates 说了一句很重的话：如果还把 AI 类比成过去的技术革命，可能就错过了重点。他甚至愿意拿自己的声誉押注——“this time is different”。
我比较在意的其实不是 Bill Gates 开始担心 AI。这几年担心 AI 的人已经很多了。真正让我觉得有意思的是，他似乎开始不再相信自己过去用了几十年的一个判断：技术虽然会消灭工作，但最终总会创造出更多新的工作。
这件事如果成立，影响可能比“程序员会不会失业”大得多。
2023年的Gates，还觉得AI更像一次PC革命
把时间倒回三年前，Gates 对这个问题的态度其实很典型。
2023 年，他在《The risks of AI are real but manageable》里专门讨论过 AI 对就业的影响。当时他的判断是，未来几年 AI 首先会帮助人提高效率，一部分工作当然会受到冲击，但这种事情以前发生过很多次。
他当时甚至做了一个非常明确的比较：AI 对就业市场的冲击可能不会像工业革命那么剧烈，但至少会像 PC 革命一样重要。Word 没有消灭办公室工作，只是改变了办公室工作的方式，企业和员工最后都适应了。
这其实也是今天很多人讨论 AI 与就业时最常用的一套逻辑。
农业机械出现以后，美国从事农业的人越来越少，但后来出现了大量制造业岗位；工业自动化减少了流水线工人，又出现了办公室和服务业；PC、互联网同样消灭过大量原来的工作，但我们后来又有了程序员、产品经理、数字营销、电商、短视频以及一大堆二三十年前根本不存在的职业。
所以每当有人说“AI 会造成大规模失业”，最容易得到的反驳就是：过去两百年，每一次技术革命都有人这么担心，结果人类并没有没工作可做。
这句话本身没有错，但我后来仔细想了一下，它其实省略了一个非常重要的前提。
技术进步并不会自动创造工作。
过去真正发生的是，当机器接手了一部分原来由人完成的任务以后，生产效率提高、产品价格下降、需求扩大，同时社会又不断创造出一些机器暂时不会做的新任务，人就转移到了这些地方。
MIT 的 Daron Acemoglu 和 Pascual Restrepo 很早就把这个过程总结成两个力量：自动化产生的是 displacement effect，也就是机器把人从原来的任务里挤出去；而新技术同时又会创造新的任务，让劳动重新进入生产过程，他们把后者称为 reinstatement effect。过去就业能够不断增长，并不是因为前一个力量不存在，而是因为后一个力量一直在把人重新拉回来。
所以过去两百年真正有效的规律，可能并不是“技术一定会创造更多工作”，而是：
机器拿走一些旧任务以后，人类总能找到机器还不会做的新任务。
问题就出在这里。
AI第一次开始追赶这些“新任务”
我自己这几年一直在用 AI Coding，现在日常开发绝大部分代码已经由 AI 完成。我的体验非常明显：两年前我主要还是让 AI 帮我写一个函数、改一段代码，现在越来越多的时候，我做的是架构、判断和任务拆解，然后让 Agent 自己去完成一整段工作。
这并不能证明程序员一定会减少，但它确实让我越来越难把 AI Coding 简单理解成过去 IDE、Stack Overflow 或 GitHub Copilot 那种“提高程序员效率的工具”。
因为效率提升到一定程度以后，组织结构是会变化的。
过去一个 Senior 带两个 Junior 完成的工作，如果以后一个 Senior 加几个 Agent 就能做完，公司当然不一定马上裁掉那两个 Junior，更可能发生的事情是：下一次就不招了。
Gates 这次真正改变判断的地方也在这里。
过去机器替代的大多是一类比较明确的能力。拖拉机替代体力，计算器替代计算，工业机器人替代流水线上的重复动作，PC 自动化一部分信息处理工作。但人离开这些工作以后，至少还有一个相对安全的地方可以去：需要理解、沟通、分析、设计和创造的认知劳动。
而现在 AI 开始进入的，恰好就是这个区域。
Gates 在最新长文里写得很明确：过去美国就业从农业转向办公室，整个过程经历了几代人，而且新出现的岗位仍然需要人类认知；这一次，技术本身却可以替代人类认知。它能看、听、说、推理，未来再与机器人结合，影响就不会只局限于某一个行业。
这也是为什么 Coding 对他那么重要。
程序员当然不是第一个被自动化的职业，但写软件过去一直被认为是非常典型的高技能认知劳动。更关键的是，程序员还是过去几轮自动化以后创造出来的“新工作”之一。
如果连这种新工作本身也开始快速被 AI 自动化，那么问题就变成了：一个岗位消失以后，我们当然还可以创造新的岗位，但这个新岗位能够在人类手里保留多久？
这可能才是 Gates 所说的“这一次不同”。
现在还远远不能说AI已经造成大失业
不过，如果文章写到这里就得出“Bill Gates 是对的，AI 将让人类没有工作”，那又走得太远了。
至少从现在的数据看，这件事情还远没有发生。
Stanford Digital Economy Lab 在今年 8 月更新了一项很值得看的研究。他们利用 ADP 覆盖数百万美国劳动者的工资数据追踪生成式 AI 出现后的就业变化，目前得到的第一个结论非常明确：还没有证据显示美国出现了广泛的、全经济范围的 AI 就业替代。
但数据里已经出现了一条很特别的裂缝。
22—25 岁年轻人在 AI 高暴露职业中的就业水平，相对于同年龄、低 AI 暴露职业群体原有趋势，已经低了大约 19%。资深员工没有出现同样明显的变化，而且这个差距主要来自企业减少招聘年轻人，而不是大量解雇已经入职的人。研究者自己也很谨慎，强调这些只是描述性的早期信号，并不能证明全部变化都是 AI 导致的。
我第一次看到这个数据时，想到的就是前面的 Senior + AI。
AI 对就业最早的影响，也许并不是新闻里很容易看到的“某公司因为 AI 裁员一万人”，而是很多公司今年本来准备招十个 Junior，最后只招了六个。单独看任何一家企业都不是什么新闻，但如果持续几年，问题就会慢慢显现出来：今天不需要 Junior，几年以后的 Senior 从哪里来？
当然，另一面的证据同样存在。
Anthropic 今年 1 月公布的 Economic Index 显示，在 Claude.ai 的真实使用中，人与 AI 反复协作、学习和修改的 augmentation 模式仍然略高于直接把任务全部交给 AI 的 automation。
OpenAI 今年分析了超过 80 万条美国用户的工作相关 ChatGPT 使用后，还发现一个挺有意思的现象：在那些可以明确对应职业的任务里，有 43.5% 实际上跨越了用户原来的职业边界。一个销售开始自己分析数据，一个小企业老板自己审合同，一个营销人员开始处理原本要找开发者做的网站问题。
换句话说，AI 一方面确实可能替代工作，另一方面也在扩大一个人可以完成的事情。
所以目前最准确的说法不是“AI 已经开始造成大规模失业”，而是这场比赛才刚刚开始。
Gates真正改变的，是他已经不再相信市场会自己解决
我觉得还有一个细节，比 Gates 对未来就业数字的预测更能说明他的态度变化，就是他的解决办法变了。
2023 年，他谈得最多的还是 retraining。一个人的工作被技术替代了，就帮助他培训、转岗，去做新的工作。这其实默认了一个前提：新的工作总会在别的地方出现。
但到了今年，Gates 开始讨论一个以前听起来有点奇怪的概念——Human Reserved。
他的意思是，有些工作未来即使 AI 和机器人技术上能够做，我们也可以选择不让机器完全替代。比如养老、教育、心理健康，除了效率，本身还有人与人之间关系的价值。他甚至重新提出对 AI Token 和机器人征税，理由是如果企业雇人需要承担工资相关税费，而买机器却可以作为资本支出，那么税制本身就在鼓励机器替代劳动。
我并不完全认同这些具体方案。Human Reserved 怎么划，谁来决定，跨国竞争怎么办，都会非常复杂。对 AI Token 征税也可能把大量真正提高生产率的应用一起压制掉。
但这些政策是否可行不是这里最重要的。
更重要的是，一个过去相信“技术提高生产率以后，人自然会转移到新的工作”的人，现在已经开始讨论如何人为保留工作。
这说明 Gates 真正怀疑的，是过去那个自动完成的就业循环。
人类还能不能一直创造出AI不会做的工作
所以再回头看标题的问题，Bill Gates 并不是突然变成了一个反技术的人。
他到现在仍然认为 AI 会极大提高医疗、教育、科学研究和整个社会的生产率；他甚至认为软件开发因为成本下降以后需求会增长，所以程序员就业受到的净冲击可能比一些行业小。
真正改变的是，他不再愿意把“生产率提高以后自然会创造出足够多的新工作”当成一个不需要证明的结论。
过去技术革命之后，人可以从农业去工厂，从工厂去办公室，再从办公室进入软件、互联网以及各种新的服务业。每一次迁移背后都有同一个条件：新的任务出现以后，机器暂时还不会做。
AI 让这件事情第一次有了一点不同。
以后真正值得观察的，可能已经不是“今年 AI 替代了多少岗位”，而是两个速度：人类创造新任务、新产品和新需求的速度，以及 AI 学会完成这些任务的速度。
前者如果更快，我们过去两百年的经验仍然可能继续成立；但如果后者长期跑得更快，那么 Gates 这次看起来有些悲观的判断，才会真正成为一个需要重新理解就业、教育甚至企业组织方式的问题。
至少现在，我还不认为答案已经出来了。
但和三年前相比，我已经越来越不敢简单地用一句“以前的技术革命最后都创造了更多工作”，来回答今天的 AI 了。