在不少人看来，AI 不只是一次生产力革命，更是一场缓慢但深刻的社会变革。
当 AI 带来效率大幅度的提高，一个老问题又重新被提起：人会不会因此被取代？如果 AI 能比人类做得更快、更准，那些工作岗位，是不是就没有存在的必要了？
在所有 AI 的落地路径中，医疗影像诊断是进展最明确的场景之一。早在 2017 年，斯坦福团队推出的 CheXNet 就已在肺炎识别任务上超越专业医生。到今天，已有超过 700 种放射学 AI 模型通过 FDA 批准，占到医疗 AI 器械的四分之三以上。
但现实却完全相反。AI不仅没有带来“淘汰”，反而让放射科医生正慢慢的变重要。
2025 年，美国放射科医生平均年薪达到 52 万美元，仅次于整形外科，成为收入第二高的医学专科。同时，医院对他们的需求也慢慢变得大，职位数量和空缺率双双创新高。
背后的逻辑并不复杂：AI 让影像诊断变得更高效，也更加容易获取，推高了整体检查数量。而 AI 所能胜任的，仍然只是流程中的一部分，真正复杂或风险高的判断，仍需人类医生把关。
更重要的是，监管明确规定，最终报告必须由人类签署。AI 无法独立上岗，所有结果依然需要医生确认。
结果是，医生不仅没有被替代，反而因为工作量上升，被推到了更加核心的位置。
这正是经济学中的“杰文斯悖论”——当某项技术提高了效率，反而可能激发更大规模的消费需求，从而带来更多工作，而不是更少。
生产力提升还会带来一个更隐蔽的副作用：拉高别的行业的工资成本。经济学中有一个概念叫“鲍莫尔效应”：当某些行业（比如 AI、芯片、数据中心）变得特别赚钱，别的行业即便没有技术革新，也必须提高薪资，才能留住人。
结果是，一些与 AI 完全无关的服务，价格也在逐渐上涨。这种变化，不会集中爆发，而是悄然扩散到社会的每一个角落。
今天，我们不妨借用 A16Z 的视角，来重新审视一个老问题：当 AI 释放出前所未有的生产力，社会将被推向怎样的深水区？
这张图表对不同的人来说意义各不相同：对一些人来说，它可能代表“哪些领域受到监管，哪些领域不受监管”；对另一些人来说，它可能代表“科技在哪几个方面发挥着作用”。而如今，它非常关注，因为持续的通货膨胀和人工智能投资超级周期都占据了人们的大量注意力。
要真正理解这一点，最好的切入点不是红线，而是蓝线：哪些地方的物价正在下降，从而创造更多就业机会、更多发展机遇和更多消费？
威廉·斯坦利·杰文于1865年首次提出的“杰文悖论”与煤炭生产有关。杰文观察到，煤炭生产所带来的成本越低、速度越快，最终煤炭的使用量反而越大——需求远超于了成本节约，煤炭市场随英国乃至全球第二次工业革命的推进而迅速增长。
1965年，一个晶体管的成本约为1美元。如今，它的成本仅为百万分之一美分。计算成本的惊人下降——十亿倍的提升——并没有导致计算机使用量的适度增长。
它引发了应用领域的爆炸式增长，而这些应用在之前的价格水平下是不可想象的。
每个晶体管1美元时，计算机适用于军事计算和企业薪资管理。千分之一美分时，计算机适用于文字处理和数据库。百万分之一美分时，计算机适用于恒温器和贺卡。十亿分之一美分时，我们将其嵌入一次性运输标签中，这些标签只需传输一次位置信息即可丢弃。
效率的提升并没有减少我们的计算总量：它使计算变得如此便宜，以至于我们现在使用的计算量是以前的数万亿倍。
我们都押注代币价格也会像计算成本一样上涨，从而释放出远超现有投资所能满足的需求。
前几周，谷歌云A与基础设施总经理兼全球合伙人 Amin Vahdat 向我们分享了一个惊人的发现：
谷歌内部 7 年前的 TPU 仍就保持着 100% 的利用率。这正是杰文悖论的体现之一：生产性工作的机会呈爆炸式增长。人工智能技术正处于发展的关键阶段，每天都有人发现新的应用，这在某种程度上预示着用户会利用任何可用的芯片进行生产性开发。
杰文斯悖论（其实根本算不上悖论，它只是经济学原理）揭示了需求创造的根源，以及新型高吸引力就业岗位的来源。而这大量新增的、切实可行的、富有成效的就业机会，正是我们理解经济难题另一半——其他领域经济运行规律——的起点。
阿加莎·克里斯蒂曾写道，她从未想过自己会富裕到可以买车，也从未想过自己会贫穷到不需要佣人。然而，经过一个世纪的生产力提升，如今美国中产阶级家庭平均每两年就能轻松负担一辆新车的租赁费用，却需要与邻居分摊一位保姆的费用。
在杰文斯发表关于煤炭的观察报告一百年后，威廉·鲍莫尔发表了一篇短文，探讨了为何如此多的管弦乐队、剧院和歌剧公司面临的问题。
他曾提出一个颇具争议的观点：演奏弦乐四重奏的音乐家，虽然工作强度没变，但从“经济产出”的角度看，效率却在下降，不是因为他们偷懒了，而是因为别的行业的效率提高了，比如制造业能用更少的人生产更多的产品。
从长远看，不一样的行业的工作其实是在同一个劳动力市场上“抢人”。如果有个行业因为效率提高、利润暴涨而开出更高工资，别的行业为了留住员工，也得跟着涨薪。否则，工人都会流向那些工资更高的行业。
以弦乐四重奏为例，听起来可能有点奇怪。因为从某种角度看，音乐在过去一百年里其实变得更高效了：我们大家可以通过录音和流媒体随时随地听音乐，几乎不需要成本。甚至你也能说，像泰勒·斯威夫特这样的流行歌手，更能满足今天大众的口味（尽管你可能不欣赏她的风格）。
但这并不影响鲍莫尔想表达的核心：当一些行业变得更着迷、回报更高时，其他无显著效率提升的行业也会变得“更贵”。因为大家都在同一个劳动力市场里，如果你想留住人，就得付出更高的成本。这种“相对吸引力”的变化，是推动成本上涨的重要原因。
鲍莫尔成本病听起来像是在抱怨：为什么有些行业（比如教育、医疗、艺术）总是越来越贵、效率却没变？但其实，它为何会出现，有一个很关键、但经常被忽略的前提——整个社会的生产力和财富要持续增长。
换句话说，假如没有整体经济变得更富裕、更多人赚到更多钱，鲍莫尔效应根本不会成立。它为何会发生，是因为一些行业效率提高、赚得多，拉高了工资水平；而别的行业为了留住人，也得跟着涨工资——尽管它们本身没法像高科技、制造业那样提高效率。
这就像是“杰文斯悖论”（Jevons Paradox）和“鲍莫尔成本病”是一对搭档：前者讲的是效率越高，反而可能消费得越多；后者讲的是当一些行业越来越高效时，反而会让其他没那么高效的行业慢慢的变贵。
我们很少把这两者放在一起讲，但其实它们紧密关联。只有在整个社会变得更富有的时候，鲍莫尔效应才会全面显现出来*当经济蒸蒸日上、大家消费更多、工作机会更多时，那些原本“没效率提升空间”的行业，也会因为跟着涨工资而变得成本更高。
这不一定是坏事。从某种角度看，它其实是一种“水涨船高式”的财富分配机制。还可以开个玩笑说：鲍莫尔成本病，可能是现实世界里最温和有效的“”模型，当一部分人变得更富有时，其他人也不得不被“带富”一部分。
有一篇文章是这样解释的：现在因为数据中心慢慢的变多，特别是AI的发展，需要大量的冷却系统来保证机器正常运作。这就让暖通空调（HVAC）技术人员变得特别抢手，他们的工作机会几乎是“无穷无尽”。
而当他们收费变贵，别的行业也会跟着受一定的影响：比如请他们修理办公楼、商场，甚至修家用空调的费用也变高了，哪怕这些活儿跟AI一点关系都没有。
但问题没那么严重，因为从长远来看，我们的社会整体上也更富裕了，这还在于技术带来了更多效率和产出。所以尽管服务变贵了，大多数人还是“负担得起”。
此外，下一代水管工学徒可能会选择转行从事暖通空调工作；因此，现在水管工的成本也更高了。诸如此类，不胜枚举。
那我们不妨想一想，如果人工智能真的像大家预测的那样，在各个行业广泛落地，会发生什么？
首先，人工智能非常有可能会大幅度的提高服务行业的效率。这不是第一次有技术做到这一点：比如过去铁路让邮政速度快了好几倍，互联网让订机票、订酒店变得又快又方便。
这次也是一样。AI会让一些服务变得更快、更便宜、可规模化。而且，有些服务还会进入类似“杰文斯效应”的状态：效率越高，反而使用得越多。为什么？因为原来太贵、太慢、太麻烦的服务，突然变得“人人可用”。
比如，像法律服务，以前动不动就要花大价钱请律师，很多人都用不起。但如果 AI 能快速帮你写合同、查资料、出法律建议，那可能原来只会找律师一次的人，现在会找十次，甚至一百次。
不过，并不是所有服务都能像法律或旅行那样被 AI 大幅度的提高效率。有些工作因为本身的性质，根本没办法被“AI化”，也没办法像其他服务那样降价、扩展、自动化。
比如遛狗，AI 再厉害，也不能真的来接你家的狗出门散步。但随着别的行业效率提升、工资上涨，连遛狗这类跟 AI 完全无关的服务，也会慢慢的变贵。为什么？因为这些工作的人也生活在同一个社会里，房租、消费、工资水平都在涨，他自然也要多收点钱。
当技术太快、太猛，社会还没准备好时，政府往往会介入，用政策规定某些工作“必须由人来完成”。比如某项安全审核、某份检查报告，哪怕AI已经能完成99%的任务，也得有人在最后签个字。
这不是假设，而是很有可能会发生的事情，而且会影响很多行业。比如放射科医生，有人打了个比方，说他们的角色可能就像Waymo无人驾驶汽车前排的“安全员”，车已经能自己开了，但还是得有人坐在那，防止万一出问题。
现在的Robotaxi也是这样，看似无人驾驶，实际还是有个人坐在车里监控。这时候，那“最后1%的人类介入”就变得特别重*，因为它是整套系统能不能落地的关键。
如果这类工作（比如放射科医生）线%，人来兜底”，那这些“兜底人”的工资可能会变得特别高——因为他们的角色无法替代，是整套流程的瓶颈。
这样的故事正在发生。在AI的所有实际应用中，AI辅助医疗影像诊断是最明确的应用领域之一。目前，已有超过 700 种放射学模型获得 FDA 批准，占所有医疗AI设备的四分之三以上。
2025年，美国诊断放射学住院医师培训项目在所有放射学专科领域提供了创纪录的1208个职位，比2024年增长了4%，而该领域的职位空缺率也达到了历史顶配水平。2025年，放射学成为美国收入第二高的医学专科，平均年收入为52万美元，比2015年的平均薪资高出48%以上。
这背后凸显了一个AI落地过程中的奇怪现象：当AI完成99%时，人的价值会暴涨；可一旦AI线%，这个岗位就可能“突然消失”。工资涨到顶点，然后归零。你也许会在未来的某些岗位上看到这种非常奇怪的现象。
这其实也是鲍莫尔效应在进化的一种新形式——过去我们讲的是“某些行业效率提不上去，所以成本变贵”；现在，我们可能看到的是，“AI 能力越强，人的价值越集中在最后那一点点‘没有任何办法取代’的部分上”。
比如，我们能在手机上跑大型AI模型，却还是请不到足够的老师来搞小班授课。这种错位，听起来就像是“科技快速的提升，但人的工作越来越古怪”。
也许有一天，我们真的会走到那一步：社会中到处是AI完成的自动化流程，而“真正值钱”的，是那些必须由人完成的1%琐碎工作，可能是要遛狗、要签字、要面对面说一句“我在这里”的角色。这些工作看似不起眼，却变成了无法替代的“黄金任务”。
如果真是这样，那我们未来的劳动力市场有极大几率会出现一批很奇特的职业——看上去像遗留物，但它们却扮演着关键角色。也可能因此诞生一些我们今天想都想不到的经济现象和政治联盟。
不过那一天还没来，眼下我们该做的仍然是努力提高生产力。这才是让社会变富的根本，哪怕它会带来一些混乱、意想不到的副作用。
PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
【意大利】5个潜水高手，在马尔代夫“团灭”！连专家都栽了，普通人还敢玩吗？
前俄罗斯间谍藏身死牛尸体中逃避普京追杀，自称全程无外国情报协助，独自越境脱险
2999元带自动制冰！小米推出新款米家法式400L冰箱：60cm超薄平嵌
谷歌Gemini Intelligence要求曝光：12GB内存，Gemini Nano v3