马斯克抛出“王炸”，再次说出惊人言论！他设想，随着AI和机器人越来越能干，未来工作可能成为可选项，金钱的重要性也会下降。这个未来听着很美，落到普通人的日子里，却有一道绕不开的问题。

这番话最扎人的地方，是把两件事摆在了一起：机器越来越能干，普通人靠什么挣钱？对有房贷、有老人、有孩子的家庭来说，这比机器人会不会聊天重要得多。

今年9月，马斯克接受央视财经专访时，描绘过一种场景：一个人操控大量机器人和数字智能体，就能办起企业。机器人不用睡觉，也不用等到成年才上岗，商品和服务的产出因此大幅增加。

采访中，记者紧接着追问：怎样避免少数科技巨头掌握资源？普通人怎样得到属于自己的成果？马斯克的回答，依然着眼于产量。他相信，机器人创造的东西会多到超过人们的消费需求。

镜头里的未来还很遥远，一些人的职业变化，却已经发生了。

做过十年设计的小琳，因为担心设计工作受到AI冲击，转行成了AI训练师。听名字，像是每天研究复杂算法，实际工作却是给模型生成的文本打分、改写，告诉它什么样的回答更合适。

她并没有一下子变成程序员，而是从制作设计作品，转向处理训练数据。过去积累的经验，需要重新寻找用处。AI带来的变化，就这样进入了一个具体岗位：原来的工作让人不安，新的工作又需要从头适应。

类似的转变，也发生在山西。原先在传统矿业单位工作的郭梅，后来进入数据标注基地。她此前没有想过，自己的工作能和自动驾驶联系起来。如今，帮助机器认识现实世界，成了她的职业内容。

到了陕西宜君，故事又有些不同。王梅梅原来围着家里的旱田忙碌，后来看到科技公司招人，便去参加面试。刚接触人工智能时，她连这个词意味着什么都不清楚，更谈不上有什么技术优势。

进公司后，她先学电脑操作，再学数据标注。给文本加上主题标签，把语音转成文字，还要分辨说话人的情绪。这些人听起来不难理解的细节，得经过整理，才能成为机器学习的材料。

这份工作也没有“坐在电脑前点几下”那么轻松。换了任务，就得重新学习规则、参加考核。王梅梅曾在一天内切换多个任务，接连考试。机器进步得快，教机器的人，也得跟着更新本领。

到2025年接受采访时，她已经有了一份稳定的月收入，还学会用AI查询玉米病害。新技术没有让她离开熟悉的生活，反而多了一种挣钱的办法。但这一步，靠的是招聘机会、培训和持续学习。

同样叫AI训练师，专业要求也可能相差很大。胡萍萍原来是消化内科医生，后来进入医疗AI领域。她要核对医学指南的数据标注，让机器学习专业知识，也尽量理解医生处理问题的思路。

从农田到电脑前，从诊室到模型训练，几个人的经历有个共同点：新岗位并不是凭空长出来的。有人提供数据，有人制定规则，有人检查专业内容。机器能交出答案，背后仍有不少人在做细活。

因此，就业变化很难被一句“全部取代”说完。国际劳工组织对生成式AI的研究，也把岗位变化更多指向任务重组。文书等工作受到的影响更明显，但一个职业里，往往既有能交给机器的部分，也有需要人参与的部分。

看到这里，我更在意的，是两种变化之间有没有空当：旧任务减少得很快，新岗位却未必就在同一座城市，也未必适合原来那批人。多出一个职业名称，并不能自动解决一个家庭下个月的收入问题。

我也不赞成把“学会用AI”说得过于轻巧。会输入问题，只是开始。能不能看出答案有错，能不能结合客户要求修改，能不能处理现场的意外，这些都要靠业务经验。工具容易上手，判断力得慢慢积累。

对已经工作多年的人，我觉得更实际的办法，是先从手头最费时间的一项任务试起。让AI整理材料，再亲自核对；让它提出方案，再检查遗漏。这样才能知道，它究竟帮了什么忙，自己又缺哪一块能力。

至于“钱不再重要”，我愿意听这个设想，却不会拿它安排眼前的生活。商品生产得更多，与每个人都能买得起，中间还隔着收入。企业节省下来的成本，怎样转成员工的培训、待遇和新机会，才是需要继续追问的事。

马斯克可以把目光放到很远，普通人也有理由先看清脚下。技术带来的好处，应该体现在更容易找到工作、更有时间照顾家人上。能让一个家庭的日子过得稳一点，这样的进步，才最有说服力。