世界变化的速度比大多数人想象的要快

2026年3月16日 • 1 min read

长期以来，我一直认为做一名程序员是这场风暴中最稳固的锚点，是逻辑与匠心形成不可撼动的共生之处。但今天我不得不承认：即使是数字世界的架构师们，也无法幸免于自己所创造之物的冲击。我们几十年来宣称"面向未来"的东西，最终不过是一张快照。如今技术知识被贬值的惊人速度不仅仅是一个市场趋势；它是我们对工作和专精认知的一次根本性转变。

我们之所以低估未来，不是因为缺乏想象力，而是因为我们试图用过去的惯性来衡量明天的世界。而这个盲区，就是我们最大的风险。

我在科技公司工作了足够多的年头，多次亲眼见证了这种动态。有些阶段，整个公司像通了电一样：太多的工作、太多的机会、太少的人来执行。在那些阶段，办公室政治、地盘思维和势力之争往往自行消失。然后是另外一些阶段：真正的机会变少了，人多于杠杆，地位争夺变多了，流程变多了，表演变多了。

很多公司仍然以为自己还有时间。其实没有。

思维误区：我们用旧的普及曲线来对比AI

当人们谈论AI时，许多人说起来好像我们还有大把时间。好像这是一次缓慢的文化转变。好像它会在几十年间慢慢稳定下来。

但看看节奏加速的幅度有多惊人：汽车（福特T型车）花了大约22年才在美国成为主流，而智能手机只用了14年就完成了这一跨越。到了软件领域，摩擦几乎完全消失了：ChatGPT在两个月内达到了1亿用户，Threads仅用了五天。

今天的技术不只是在传播，它以过去需要几十年的速度爆发式涌入目标群体。原因很简单：AI不需要终端用户那边的工厂或供应链。一个链接或一个API就足以立即为现有硬件赋予新的能力。

今天有什么不同

过去，你必须生产一样东西，运输它，销售它，然后物理地送进千家万户。

今天，一个链接往往就够了。

一个新的AI工具可以在周五晚上出现，周末通过X、Reddit、Discord和YouTube传播开来，到周一就已经有数万人在实际工作流程中测试它了。不是在演示中。不是在研究中。是在真正的工作中。

这正是我觉得OpenClaw或整个智能体编码工具浪潮如此有趣的原因。不仅仅是因为工具本身，更是因为速度。突然间人们一夜之间烧光了Token预算，整个工作流程被重构，几周之内，一个开发团队里什么算"正常"就已经变了。

一个很好的例子是Claude Cowork：这个项目在想法诞生仅十天后就公开发布了。十天。光这一点就说明了我们在讨论什么。

很多人仍然在以季度为单位的产品周期来思考。 AI已经在以天为单位来思考了。

未来往往在多年前就已经被构建好了

未来常常看起来突如其来，但实际上早已被嵌入设备之中。苹果的U1芯片早在2019年就内置于iPhone 11中，但真正可感知的收益直到2021年的AirTag才显现。根据固件分析，新款Studio Display已经包含了一颗A19芯片，但苹果并未大张旗鼓地宣传。特斯拉多年来一直在销售可以通过OTA更新获得新功能的车辆，尽管完全自动驾驶在官方层面仍然需要驾驶员监督。

模式始终相同：硬件已经部署到位。当软件准备就绪时，新功能不是在数年间扩散，而是在数周内。不仅产品传播得更快，已售出产品中的功能也能突然成倍增长。

下一波冲击不仅限于软件

讨论中一个常见的错误是把AI看作仅仅是开发者、设计师或知识工作者的议题。

这太狭隘了。

真正的冲击来自AI与自动化和机器人技术的融合。以麦当劳为例：我们不是在等待一个人形厨房机器人，我们早已接受了自动化。自助点餐终端才是决定性的一步。

它去人性化了点餐过程，提高了收入，并让我们习惯了软件介导的工作流程。当更多机器人技术进入厨房时，它们将进入一个客户已经接受为"数字化管控"的系统。推广不再是一个是否的问题，仅仅是速度的问题——不是出于恶意，而是出于逻辑：一个长期来看更便宜、更可预测、更可靠的系统，在竞争压力足够大时，几乎不可避免地会被采用。

往往只是经济逻辑

这些发展中的许多并非因为它们对所有人更好或更受文化欢迎而发生。它们的发生仅仅是因为在特定的市场环境中它们变得合乎逻辑。

从汽车行业就能看到这一点：2026年3月10日，有消息宣布大众计划到2030年在德国裁减约5万个工作岗位。不是因为无能，而是因为旧结构正在与新逻辑（聚焦软件、垂直整合）抗衡。当老牌企业与历史包袱搏斗时，特斯拉或比亚迪等公司以不再符合旧基准的速度扩展制造规模。当一个市场发生转折时，速度比规模更重要。

这同样适用于更小的层面，比如欧洲各地传统手工艺的消失。我们到处看到那些世代以质量著称的小企业败给了工业连锁。这不仅仅是文化损失，更是赤裸裸的市场逻辑：当不断上升的成本和下降的购买力使质量变成一种奢侈时，工业替代品就会胜出——不是因为它更好，而是因为旧模式在经济上已经行不通了。

它不会在所有地方同时爆发，但几乎会渗透到每个角落

我不相信那种简单的好莱坞式场景，即明天所有工作都消失了，后天一切由机器人完成。

现实很少那样运作。

我预期的是：

首先，个别任务消失。
然后，角色被合并。
接着，一个人突然承担了过去需要三到五个人的工作。
最终，被替代的不再是个别岗位，而是整个商业模式。

我们今天已经在较小的范围内看到了这一点：

自助结账
自助终端取代收银员
AI驱动的一线客服
自动翻译
AI辅助的内容生产
仓库自动化
更优的路线和人力规划

这不是理论。

Klarna在纯数字领域就是一个很好的例子。该公司在2024年2月发表文章称，其AI助手在短短一个月内处理了230万次对话，大约占所有服务聊天的三分之二。据Klarna称，这相当于700名全职员工的工作量，使用超过35种语言，覆盖23个市场，全天候运行。

当一个系统同时降低成本、全天候可用、并且对标准场景的处理速度足够快时，关于是否的辩论几乎已经结束。剩下的只是推广速度的问题。

最大的错误是把这些个别现象当作噱头。

它们不是噱头。它们是先兆。

然而，在这条路上也会有挫折。

我们将看到幻觉、数据泄露、荒谬的误判，以及过早被赋予过多责任的系统。加拿大航空在2024年甚至不得不为其网站聊天机器人提供的错误信息承担责任，因为它向一名客户提供了关于丧亲票价的不正确信息。

除此之外，还有一些结构性阻力会减缓进程：更严格的监管、数据中心的能源瓶颈、社会阻力，或者仅仅是许多现实世界流程比任何模型目前能够捕捉的都更复杂这一事实。所有这些都会在局部抑制速度。但任何认为这些挫折会阻止根本趋势的人，都是在将短期摩擦与长期方向混为一谈。

几年后我们可能会在哪里

我相信我们很快将生活在这样一个世界中：

AI在几乎每一份知识工作的背后默默运行
智能体自主准备或执行许多标准数字任务
极少数人组成的小团队构建出过去需要整个部门才能完成的东西
服务岗位被更多地监控、标准化和部分自动化
“能与AI协作"不再是一项特殊技能，而是一项基本能力
速度比头衔更重要
判断力比纯粹的苦干更有价值

我还相信一件事：

早期适应这一现实的人与忽视它的人之间的差距将是残酷的。

年轻一代现在真正应该学什么

如果我今天还年轻，我不会问我需要"学"哪个单独的工具。

我会问：

哪些技能即使工具每年都在变，仍然有价值？

对我来说，这些是：

1. 原则优于工具崇拜

不要只学应用的名字，要学基础：逻辑、统计、系统和经济关系。工具每隔几周就会变，但核心原则经久不衰。学会如何学习的人保持敏捷，不会败给下一个版本更新。

2. 结构化思维和精准沟通

在一个AI世界里，语言就是接口。思维不清晰的人委派任务就不清晰，得到的结果也不清晰。真正的技能不是"提示词工程”，而是清晰地拆解一个混乱的问题：什么是原因，什么是症状？机器需要什么才能有效工作？

3. 判断力和品味

当机器可以生成无穷的变体时，区分优秀和平庸的能力就变得更加珍贵。品味不是奢侈，它是竞争优势。你需要学会审视结果、优化它们，并为输出承担责任。

4. 韧性和自我管理

未来几年不会风平浪静。每次变化都恐慌的人会消耗精力。在AI原生团队中，自我变得没那么重要了：学会容忍未完成的工作，快速处理反馈，少用地位定义自己，多用实际贡献定义自己。

5. 安全意识和责任感

与智能体合作不仅扩展了产出，也扩展了风险。幻觉、数据泄露或有缺陷的自动化可能会造成致命后果。对风险的深刻理解以及保护关键接口的能力将成为一项基本能力。

6. 动手构建而非空谈评论

发表观点或写帖子变得越来越容易。真正有价值的是实际构建一些东西：一个工具、一项服务、一套自动化方案、一个真正有人使用的系统。在一个充斥着廉价数字输出的世界里，信任、真实的人际关系和实际执行力的价值将大幅上升。

结语

几年后我们会在哪里？

大概是在一个AI不再是"新鲜事物"，而是基础设施的世界里——就像今天的互联网、智能手机和云计算一样。问题不是这波浪潮是否会来。问题是谁能及时适应。

而诚实的答案是：大多数人会为时已晚。不是因为愚蠢，而是出于惯性。因为日常的表面仍然运转正常，而底层的一切早已在移动。

任何想在未来几年保持相关性的人——无论是个人、团队还是公司——都不应该问现在流行什么工具。而应该问自己的速度、判断力和适应能力是否跟得上这项技术所设定的节奏。

我们也不能忽视一个问题：那些在这场变革中失去工作的人会怎样？再培训、社会保障网络，以及对失业问题诚实的社会态度，这些不是次要议题——它们是这场转型不仅高效而且可持续的前提条件。

因为未来不属于打字最快的人。它属于那些理解什么是真正需要做的、以及为什么要做的人。

下次见，
Joe

参考资料与延伸阅读

普及曲线与技术统计： Pew Research Center、Our World in Data、Ford Timeline。
应用增长（Threads/ChatGPT）： TechCrunch、Reuters。
汽车行业与市场逻辑： VW Annual Report 2025、Tesla Investor Relations、BYD Sales Reports。
AI转型与服务： Klarna AI Report、Air Canada Chatbot Case。
手工艺与经济： Zentralverband des Deutschen Baeckerhandwerks。