本文仅在今日头条发布，谢绝转载

　　文 | 段小草（自由撰稿人）

　　导读：微软AI负责人所说的“18个月内白领工作将被AI自动化”，不只是一个关于失业的预言，而是一个关于“认知劳动”价值体系崩溃的判断。我们正在目睹的，不是简单的工具替代，而是人类“认知引擎”的大规模商品化。

　　当穆斯塔法·苏莱曼对着《金融时报》说出“律师、会计师、项目经理、市场营销人员”等白领工作的大部分任务将在“12到18个月内被AI完全自动化”时，有人恐慌，有人质疑，也有人觉得这不过是又一个为了宣传自家产品而抛出的噱头。

　　但其实，这个观点的核心，不是机器未来会抢走了多少人的饭碗，而是支撑整个现代专业服务体系的基石正在被抽走。

从“依赖”到“自给自足”：微软谋划的AI未来

　　穆斯塔法不是一个普通的微软高管，他是DeepMind的联合创始人，是人工智能领域的顶尖人物。

　　微软让他执掌消费AI部门，本身就是一个强烈的战略信号：微软正在追求“真正的AI自给自足”。

　　这意味着，尽管微软与OpenAI有着长达十年的IP授权协议（到2032年），但微软已经意识到，将公司未来的核心竞争力完全押注在一个外部合作伙伴身上，是极其危险的，OpenAI已经从一个盟友，潜在地变成了一个直接的竞争对手。

　　因此，微软一方面在通过Copilot等产品，利用OpenAI的模型快速抢占市场和用户心智；另一方面，在内部加速自研“处于绝对前沿”的基础模型。

　　穆斯塔法提到，他们正在建设“吉瓦级规模的算力”，并组建世界顶级的AI训练团队。这是在为一场更持久的战争储备弹药。

　　他所说的“专业级AGI”，即能够处理几乎所有人类基于计算机的专业任务的通用人工智能，正是微软内部正在全力冲刺的目标。

　　12到18个月的自动化时间线，不是一个凭空的幻想，而是基于他们对自家技术迭代速度和商业化落地能力的内部评估。

　　在他所描述的未来里，AI不再是Word里的一个写作助手，或Excel里的一个数据分析插件。AI将以“智能体”（Agent）的形式存在，能够自主地理解复杂目标，并将其分解为一系列子任务，然后调用各种工具（浏览器、API、内部软件）去执行。

　　未来两到三年内，这些AI智能体甚至能相互协作，管理大型组织的工作流。

　　这才是真正的颠覆。AI 不再只是更好的“工具”，而是可以直接出售的“劳动力”。

经济海啸：“时间和材料”模式的崩塌

　　当AI从工具进化为劳动力时，首当其冲的就是全球价值数千亿美元的IT服务和业务流程外包行业。这些行业的商业模式基石，是所谓的“时间和材料”模型。

　　简单来说，就是按人头和工时收费。客户根据服务商投入的全职人力支付费用。这种模式下，收入和员工数量呈线性关系。

　　印度、菲律宾等地的外包巨头，正是依靠这种“人力套利”模式崛起的。

　　Agentic AI 正在从根本上摧毁这个模式。如果一个AI智能体能将原本需要一个初级程序员三天完成的编码和测试工作，在四小时内搞定，效率提升80%，那么基于工时的计费模型将导致服务商的收入断崖式下跌。

　　在T&M模式下，服务商其实缺乏提升效率的根本动力，因为效率越高，计费工时越少，赚的钱就越少。然而，随着企业客户自己也开始部署AI智能体，他们将不再愿意为低效的人力工时买单。客户会反过来要求服务商以“AI基准线”来重新核算成本。

　　资本市场的反应最为敏锐。

　　2026年初，当Anthropic发布Claude Cowork时，印度IT巨头的股价应声下跌。分析师将其称为“SaaS末日的延伸”——“服务业末日”。

　　因为当AI能够以极低边际成本完成认知劳动时，企业为什么还要将这些流程外包出去？他们完全可以实现“内部自动化”。

　　为了求生，这些服务巨头正被迫转向“结果导向定价”。也就是说，不再按“我花了多少小时解决问题”收费，而是按“我成功解决了多少问题”收费。

　　这种商业模式的崩塌，才是“白领工作被自动化”这句话背后，正在发生的真实经济海啸。

隐形危机：学徒制的终结与人才断层

　　这或许是AI替代论中最隐蔽、但后果最深远的危机。在法律、会计、编程、咨询等几乎所有专业服务领域，人才培养都依赖于一种百年不变的“学徒制”模式。

　　一个刚毕业的年轻人进入一家公司，往往从最基础、最重复、价值最低的“苦力活”开始做起。比如，法学毕业生要花成百上千个小时审查文件，寻找证据；会计新人要整理成堆的发票，核对账目；软件工程实习生要编写测试用例，修复简单的bug。

　　这些工作虽然枯燥，但却是新人理解行业逻辑、熟悉业务流程、积累隐性知识的必经之路。

　　通过大量“脏活累活”的磨练，他们才有可能逐步成长为能够处理复杂问题的高级专家。这个过程，就是学徒成长的阶梯。

　　然而，AI智能体现在能比人类初级员工更快、更准确、更便宜地完成所有这些“苦力活”。

　　企业作为理性的经济体，自然会做出选择。当一个每月花费200美元的AI代理，能替代一个月薪数千美元的初级分析师时，企业为什么还要招聘后者？

　　这就导致了“梯子被抽走”的后果。

　　如果不再有足够多的初级岗位让新人去实践和犯错，那么未来的高级专家从哪里来？当今天这批资深专家退休后，我们会发现一个巨大的人才断层。我们可能会拥有一批顶尖的、能够指挥AI的“编排者”，但中间层和后备力量却空了。

　　有人提出，可以让新人去“审核”AI的工作。但这也存在逻辑上的漏洞：一个没有亲手写过多少代码的新手，如何具备审核AI生成的大段复杂代码的能力？一个没有处理过真实财务数据的毕业生，如何判断AI标记的异常数据是否真的异常？

　　学徒制的崩塌，意味着传统的人才供应链断裂。这比短期内的失业问题要严重得多，因为它动摇了整个知识型社会的人才再生产机制。

出路：“人类溢价”与价值重估

　　那么，在认知引擎被商品化的时代，人类的价值究竟在哪里？

　　我们可以进行反向思考：当某种东西变得极其廉价和充裕时，它的对立面就会变得稀缺和昂贵。

　　AI让标准化的认知产出（报告、代码、分析、设计初稿）变得唾手可得，就意味着这些产出本身正在迅速贬值。真正开始产生高额溢价的，是那些AI无法模拟的“人类特质”，我们可以称之为“人类溢价”。

　　“人类溢价”将会体现在几个方面：

　　第一，责任与担当。

　　AI不能坐牢，不能被吊销执照，不能为最终的决策承担法律和道德责任。当客户支付高昂的咨询费或律师费时，他们购买的不仅仅是一个解决方案，更是一个可以负责任的“人”。在医疗、法律、工程等高风险领域，人类专家作为“责任的锚点”，其价值不降反升。

　　第二，情感与共情。

　　人们愿意为“被另一个人真正理解”的感觉付费。这种深度的情感连接和信任关系，是AI在可预见的未来无法提供的。面包师、护士、理发师等需要直接人际接触和操作的工作，也因此成为了暂时的“AI避风港”。

　　第三，复杂的、非结构化的物理交互。

　　电工、水管工等蓝领技工的工作环境是高度非结构化且充满意外的。尽管人形机器人正在快速发展，但要在现实世界中像人类一样灵活、经济地解决物理问题，还有很长的路要走。这使得体力劳动在某种程度上比许多脑力劳动更难被替代。

　　第四，顶级的创造力与战略判断。 AI可以生成无数的选项，但定义问题的能力、提出颠覆性框架的洞察力、以及在模糊和不确定性中做出战略决断的勇气，仍然是人类顶尖头脑的核心价值。未来的顶尖工作者，将会从“解题家”转变为“出题人”和“裁判员”。

　　穆斯塔法所说的“人文主义的超级智能”，强调AI应该被控制，服务于人类福祉，也从侧面印证了这一点。

　　技术的最终目的，是放大而非取代人类的核心价值。

结语

　　穆斯塔法·苏莱曼的“18个月”论断，宣告了那个依靠信息处理和重复性认知劳动就能获得体面收入的白领时代，已经结束。

　　这场变革的残酷之处在于，它首先淘汰的，恰恰是那些在过去几十年教育体系中被认为是“好工作”的岗位。它奖励的，不再是勤奋地执行指令，而是定义问题的能力、承担风险的勇气和建立信任的温度。

　　未来，我们不再需要那么多“聪明的”人来充当低效的生物计算机。我们需要的是能够驾驭机器智能的人，是能够提供机器无法提供的温暖和信任的人。

　　这不是一场人与机器的赛跑，因为在这场比赛中，我们注定会输。

　　这是一场关于我们如何重新定义“工作”与“价值”的深刻自省。曾经稳定、舒适的白领工作正在消失，关于情感、责任和创造力的工作价值正在浮现。

　　18个月的倒计时，已经开始。