8月10日，Mark Zuckerberg发表长文《The Future is for Everyone》，试图解释Meta为什么要做“个人超级智能”，以及他眼中的AI未来应该是什么样。其中有一句话最值得单独讨论：“Invention, not automation, will be the greatest contribution of superintelligence.”——超级智能最大的贡献，不是自动化，而是发明。
这句话和过去两三年关于AI就业的主流叙事很不一样。我们最常问的是：AI还能替代多少工作？程序员、客服、律师，哪些岗位会先消失？Zuckerberg却把问题换了一个方向：如果AI不仅能把现有事情做得更便宜，还能让更多人做以前根本做不了的事情，那么AI最终带来的工作，可能反而比它消灭的更多。
这个判断远没有被证明。但它提醒了一件事：讨论AI与就业，只看Automation，可能从一开始就少算了半本账。
一、同样是提高生产率，Automation和Invention不是一回事
假设以前开发一款软件，需要10个人一年，现在有了AI，只需要3个人三个月。如果市场需要的软件数量不变，程序员需求会下降。这也是今天企业采用AI最容易看到的价值——同样的事情，用更少的人、更短的时间完成。
但还有另一种可能。过去需要10个人一年的产品，成本太高，大量需求根本没人满足。现在3个人甚至1个人就能做，原本“不值得开发”的软件开始有人开发，原本不可能成立的小生意开始成立，原本没有能力把想法变成产品的人，也能进入市场。
前一种是Automation，后一种更接近Zuckerberg所说的Empowerment和Invention。它们都提高生产率，却可能产生不同的就业结果：Automation是在既有经济活动里减少劳动投入，Invention则可能扩大经济活动本身。Zuckerberg因此预测，未来公司的平均规模可能变小，但公司数量会增加，小团队配合个人超级智能，也能经营过去只有大团队才能做的业务。
真正决定就业结果的，不是单看一家公司的员工从100人减少到50人，而是生产率提高之后，市场上会不会因此出现更多公司、更多产品和更多新的需求。
二、经济学真正关心的，本来就是两股力量谁更快
Zuckerberg的说法听起来像硅谷式的技术乐观主义，但背后的机制并不新。2024年诺贝尔经济学奖得主、MIT教授Daron Acemoglu，与长期研究技术进步、劳动市场和经济增长的耶鲁大学经济学副教授Pascual Restrepo，研究自动化时，把技术对劳动需求的影响拆成两股力量：自动化把原本由人完成的任务交给机器，产生“位移效应”；新的任务出现，又会把劳动重新带回生产过程，即“reinstatement effect”。自动化减少某些任务中的劳动需求，新任务则可能抵消这种影响。
历史上，“新工作”也确实不是小变量。David Autor等人研究美国1940年至2018年的职业变化，发现2018年大约60%的就业位于1940年还不存在的职业名称中。
但这个数字不能被理解成“AI也一定会创造更多工作”。它只能证明，经济中的工作不是一个固定集合。但AI开始直接进入大量认知任务，而且扩散速度可能更快。
因此真正的问题变成了：新任务产生的速度，能不能赶上旧任务被自动化的速度？
三、现在的数据，恰恰说明两件事正在同时发生
至少到目前，还没有证据表明AI已经造成美国整体就业大幅下降。斯坦福SIEPR在2026年7月汇总研究后认为，AI目前对总就业的影响仍较小，高AI暴露职业也没有显著更快的整体失业上升。
更值得警惕的是年轻人。Anthropic今年3月利用美国劳动力数据研究发现，22至25岁的年轻劳动者进入高AI暴露职业的新工作获得率，相比2022年下降约14%，虽然统计显著性只在边缘水平，研究者也提醒存在其他解释。AI对就业最早的影响，可能不是突然大规模裁员，而是一些原本留给初级员工的工作开始不再招聘。
与此同时，AI又确实在扩大人的能力。Anthropic今年6月对约9700名活跃Claude用户的调查中，86%的人认为AI提高了工作速度，82%认为扩大了自己能够完成的工作范围，69%认为提高了质量，57%认为AI提高了自己技能的市场价值。这个样本偏向AI重度用户，不能代表整个社会，但至少说明“能力增强”并非纯理论假设。
同一种AI也可以同时产生两种结果：Coding Agent可以让一家成熟公司少招几名初级程序员，也可以让一个过去没有资金组建技术团队的人独立做出产品。前者很容易统计，后者往往要几年以后，我们才知道多出了多少公司、产品和劳动需求。
四、Zuckerberg最乐观的地方，也恰恰最值得怀疑
Zuckerberg认为，只要AI能够帮助人类发明足够有价值的新东西，有限的算力最终会更多流向Invention，而不是单纯拿来替代现有工作。他因此预测，个人超级智能会带来更多创业、更小的公司，以及长期更多的就业。
但现实中的商业激励未必如此。对企业来说，Automation的ROI太容易计算了：部署AI客服以后减少多少人，使用Coding Agent以后一个团队能否从20人变成10人，都可以直接进入下一年的预算。Invention完全不同。让1000名员工都有AI，也许有人会创造一个十亿美元业务，但什么时候发生、概率多大，很难进入传统财务模型。
所以两股力量从一开始就不是公平比赛。Automation有清晰、快速、可量化的短期回报，Invention拥有更大的长期空间，却伴随更高的不确定性。Acemoglu、Autor等人在今年关于“Pro-Worker AI”的研究中也提出类似担忧：企业激励、技术路径和制度选择，都可能让AI过度偏向自动化，而不是创造新任务和增强人的能力。
所以，我不认为可以从Zuckerberg的文章直接得出“AI最终一定增加就业”。更准确的说法是：AI完全可能创造足够多的新需求来抵消自动化，但我们现在还不知道，现实中的企业和AI产业会不会把足够多资源投入这条路。
过去两年，我们太习惯用“替代率”理解AI了。一个模型可以完成程序员多少比例的工作，一个Agent可以独立运行多久，一家公司用了AI以后能够减少多少人，这些指标当然重要，但都只是在测量Automation。
五、真正值得问的，不是AI还能替代多少人
如果AI最终真的增加就业，不会是因为它停止替代人，而是因为它让社会出现了更多值得做的事情。当开发一个产品、成立一家公司、完成一项研究、满足一个极小众需求的成本不断下降，过去因为太贵、太慢而没有发生的经济活动，才可能真正出现。
所以未来完全可能出现一种看起来矛盾的局面：每家公司需要的人越来越少，但公司越来越多；大量今天熟悉的初级任务消失，同时出现一批今天还叫不出名字的新工作；AI承担越来越多具体执行，人却因此开始做过去没有能力做的事情。
Zuckerberg相信Invention最终会跑赢Automation。我现在还没有这么乐观，但我越来越觉得，这才是AI就业问题真正该观察的指标。
我们一直在问，AI什么时候能够做完我们的工作。也许更重要的问题是：当它真的可以做完以后，我们能不能足够快地创造出更多以前根本没有人做过、但值得去做的事情。
