如果你还在为 AI 会不会抢走自己的工作而焦虑，我真的建议你去听听「硅谷女孩」最近对詹姆斯·曼尼卡的一期访谈。他是 Google 负责研究、实验室、技术与社会的高级副总裁，也长期研究 AI 如何改变人类工作。在这个问题上，他的态度可能会刷新很多人的认知。

面对 AI 圈里那些两年内一半白领工作会消失的预测，他直接跟人打赌，认为不可能这么快发生。但他也绝不是一个 AI 悲观主义者。相反，他非常看好 AI 在科学领域的未来，认为未来十年，AI 最重要的成就可能来自对科学发现的推动。他还特别强调，当 AI 变得越来越强大，人类创造力、判断力和探索新可能性的能力也会变得更加重要。这种既能看到技术局限，又能看到巨大潜力的态度，我觉得很值得认真听一听。1他为什么敢打这个赌？曼尼卡说，当年有人预测两年内一半白领工作会消失，等期限到了，他专门问对方结果如何，得到的回答却是把预测再往后推两年。但他的判断并不建立在嘲笑预测者上，他自己也承认，有些岗位会减少，尤其涉及大量重复性任务的工作。他强调，AI带来的就业变化会同时朝几个方向发生。有些岗位消失，有些现有岗位的需求反而增长，还会诞生以前没有的新职业。而影响可能更大的，是岗位名称依旧，里面每天要做的事情却变了。如果把这些变化混为一谈，很容易因为某项任务能自动完成，就断定整个职业快没了。谷歌团队的 Atlas 研究提供了一个很好的观察窗口。他们分析了 Gemini 等产品的真实使用活动，发现一个中位数岗位中，大约21%的任务涉及AI，而且多数仍属于辅助使用，距离完整的任务自动化还有差距。这里的21%是使用比例，不能理解成21%的任务已经被AI取代。可为什么 AI 明明已经这么强了，真正用到工作中时，却还是有这么多限制？一份工作往往由许多环节组成。AI可能很擅长处理其中一步，但复杂任务还需要连续执行、核查结果、处理意外情况。曼尼卡提到，模型能力仍然参差不齐，企业也需要时间重新设计工作流程。所以我觉得，关注AI对就业的影响很有必要，但没必要把每次模型能力更新都直接换算成失业人数。他自己也在看几个可能改变预测的信号，AI能否持续完成更长时间的任务，在不同类型任务上能否保持稳定，以及机器人技术能不能跟上。这比随手给出一个失业倒计时，更值得观察。2那如果重复的工作逐渐被AI接过去，人会变得更值钱吗？曼尼卡举了个放射科医生和银行柜员的例子。他说，效率提升可能扩大服务需求，让一些受到技术冲击的职业反而获得更多机会。比如ATM出现时，人们担心银行柜员会被机器替代，但后来这个岗位的需求却一度增长。不过机会不一定自动变成更高的工资。他指出，如果AI增强了人的判断和专业能力，创造的价值也增加，收入有机会增长；但如果最有价值的部分都交给AI，留下的工作反而更难体现个人贡献，工资也可能承压。而生产力增长没能同等转化为劳动者收入，本来就是长期存在的问题。这一段我很认同。与其只问自己有没有学会用AI，不如想想用了之后，能不能承担以前做不到的事情，能不能分辨它的错误，能不能找到更值得解决的问题。技术帮你省下的时间，最终用在哪里，会影响你真正创造的价值。3顺着人的价值这个问题，就能理解他为什么特别看好科学。曼尼卡提到，谷歌的模型曾预测出约220万种可能的晶体结构，可从预测到真正合成，还得经过层层筛选和实验验证，最后能在实验室合成的只是一小部分。AI让科学家一下子拥有大量新假设，新的瓶颈却转移到了验证环节。科学家需要决定哪些方向值得投入、怎样设计实验，最后让现实世界检验答案。它改变的不只是速度，也可能让人有机会探索过去根本无从着手的问题。而且，AI带来的改变已经不只停留在实验室里。谷歌与英国NHS合作开展过一项涉及超过18万名女性的乳腺癌筛查研究，利用AI辅助发现一些过去可能被漏掉的癌症迹象。谷歌的洪水预测技术也已扩展到150多个国家，覆盖超过20亿人居住的地区。收到撤离预警的人，未必知道背后用了什么AI模型，但预警本身就有现实意义。这也是他押注未来十年科学突破的原因。比起只看模型跑分提高了多少，他更关注人能否借助AI发现新东西、解决以前难以解决的问题。这个角度很有启发，真正值得兴奋的技术进步，终究要在现实世界里兑现。但他对安全也有一条明确的底线。随着AI进入医疗、科学和基础设施，技术出了错，影响也可能更复杂。他也提醒，AI能力的进步不能超过人类安全构建和控制它的能力，当模型开始连接其他系统时，还需要评估整体风险。所以对他来说，乐观和审慎一直是放在一起的。4访谈最后，主持人问，如果智能越来越便宜，什么会更有价值？曼尼卡回答，人类的创造力、聪明才智、创业精神，以及探索新可能性的能力。他还拿心算举例，计算器普及之后，我们对聪明的理解也跟着变化了。与其反复猜测AI会在哪一年取代多少人，我更想记住他提供的观察方式，看清技术现在能做到什么，哪些地方还需要人，以及它能让我们尝试哪些以前做不到的事情。