比尔·盖茨最近接受了《MIT Technology Review》的采访，用了一个很重的词：临界点。他说我们已经越过了那条线，而行业之外的人，还没有开始与它相匹配的讨论。他列的临界点里，跟普通人关系最大的那条是就业——他判断：只要一项工作定义得足够清楚，AI 就能做得更便宜，也可能做得更好。这话要是别人说的，可以当观点听听；从盖茨嘴里说出来，更像是通知。盖茨点名了一批白领岗位：电话销售、客服、会计月结、折扣审核。这些岗位看着五花八门，底层结构其实一样——输入是什么、规则是什么、结果怎么验收，都能提前写清楚。而「能写清楚」，恰恰是 AI 最擅长的。他的估计更狠：大约一半的就业市场，并不依赖几十年积累下来的隐性经验。这部分工作一旦被 AI 接进真实流程，企业马上就能算出一笔账——同一件事，人做一次多少钱，AI 跑一次多少钱。初级岗位会最先站上这张成本对照表。盖茨的原话更直白：很多工作会永久消失，法律、客服、医疗、软件、制造业都点名了，初中级岗位受冲击更早。当然他也承认，替代不会一夜完成——AI 生成的代码可能有洞，数据可能拿错，测试可能漏分支。但麻烦在于，这些障碍正在被一个一个工程化解决。拿软件工程师举例。这个职位不会有一天集体消失，而是像一台被拆的机器：需求、编码、测试、上线、事故处理，会被一段一段重新分配。AI 最先接走的是编码和测试里的标准动作；越接近生产环境，人的分量越重。设想支付系统出现重复扣款：AI 可以顺藤摸瓜找到缺了防重复判断的位置，补上代码、跑完测试。但上线之前，总得有人决定——历史订单怎么补偿？回滚会不会误伤老版本？出了事谁负责停机？这些判断没有标准答案，需要懂业务、扛后果的人。AI 能给出方案，但「签字」和「喊停」，目前还只能是人的工作。盖茨还提了两个容易吵起来的设想。第一个是给 Token 征税：公司雇人要交税费，买 AI 服务却计入成本，现有制度天然在鼓励企业换人。他甚至举了个激进的例子——把 Token 收入的一半拿去帮助失业者再就业。争议也很大：本地模型怎么统计？科研用途和岗位替代怎么区分？他自己也没答案。但这笔长期被忽略的账被摆上了桌：自动化省下的钱，社会最终得有人出再培训的成本。第二个叫 Human Reserved，人类保留区——借自然保护区的思路：有些地方即使能开发，人们也选择保留。放到工作里，就是那些改变用户资金、数据和安全的决定，必须留给人：发布要不要继续、异常退款怎么批、重大事故谁接管。AI 可以提供证据和方案，最终确认必须落在具体的人身上。这个概念还戳破了一个常见误区：人的价值，不需要靠「比 AI 写代码更快」来证明。模型可以给出答案，但组织永远需要一个能签字、能喊停、出了事跑不掉的人。过去每一轮自动化，机器替代的是体力，软件替代的是重复操作——新工作依然要靠人的脑子。盖茨说得明白：AI 是第一次具备了替代甚至超过人类认知能力的可能。判断、沟通、写代码，这些过去的安全区正在被放上台面比较。这也是他态度转变的根源。还有一个容易被忽略的细节：这次的变化会很安静。不会有一天办公室集体清空，而是一个迁移任务不再排给新人，一组测试不再由人手写，一个班组慢慢不再需要。等这些环节被逐项拿走，职位才会跟着重组——温水的方式，比一声惊雷更值得警惕。对普通人来说，盖茨这段话里最有用的不是警告，是一张自查清单：把你每天的工作拆开看，哪些能写成标准输入、标准流程、标准答案——这些就是 AI 的领地；哪些需要现场判断、跨部门权衡、为结果负责——这些才是你的护城河。方向也只有一句话：把自己的价值往上游和后果处移——往上游，是搞懂事情为什么这么做；往后果，是敢于对结果负责。当 AI 比人便宜，企业仍然愿意为两件事付钱：把模糊的问题说清楚，以及为最终的错误买单。
