WAIC观察笔记：AI不是先替代人，而是先拆开每一份工作

本文来自微信公众号： 快刀青衣 ，作者：快刀青衣

那些活人感的笨功夫，是AI时代最重要的护城河。

今天已经是咱们WAIC观察笔记的最后一期。

我想和你聊聊我对这次大会的整体感觉，因为这几天在WAIC逛展、做流水席直播、翻论坛实录，我脑海里一直盘旋着一个问题。

2026年的AI确实比2025年能打多了。机器人会踢球、叠衣服、整理客厅，也开始进工厂和药房；各种Agent也不再只是聊天，它们开始接过一整段工作。

那么，问题来了，普通人到底该高兴，还是该害怕？又该怎么去适应这个时代呢？

我原来准备顺着这个问题往下想，哪些工作会消失，哪些人会被替代。可写这篇笔记时，我越来越觉得，这个问题问得有点早，甚至问错了。

AI不是先替代一个人，而是先拆开一份工作。

这个判断我在我的快刀广播站里提到过很多次，但这几天在这种热气腾腾的展会里待着，我有了一些更清晰的体感，也看到了背后三个更大的趋势。

01 AI正在变成共同基础设施

第一个趋势是，AI正在从一个行业，变成所有行业共同的基础设施。

过去我们总把AI当成一个行业，说起它，想到的都是大模型公司、算法公司、互联网大厂。但今年再逛展，我看到了往年少见的面孔：瑞幸来了，伊利来了，欧莱雅来了。当然，国家电网、南方电网、气象局等机构也继续参加。

我特意去这些展台逛了逛。比如，瑞幸展示的不只是会聊天的点单助手，更是怎么用AI从选豆到做新品、安排仓配、给门店订货。伊利给每头牛都建了数字身份证，吃了什么、睡得怎么样、产奶情况，全都变成数据。

再比如，南方电网让无人机和机器狗去巡检管线，在真正动手之前，还会先把高风险操作在数字世界里预演一遍。

它们当然不是突然变成了AI公司，而是AI正在变成每家公司都要有的一层能力。

这很像当年的互联网。刚开始它是一个新行业，后来银行、餐馆和工厂都被它重新做了一遍。现在可以看看，哪怕是夜市的小摊贩，也都是微信和支付宝的线上扫码支付。

如今，AI也在走这条路。再往后发展，AI肯定会成为所有公司的基础设施，任何一家公司都会有AI，就跟现在都有Wi-Fi一样，每家公司都是AI公司。

所以，普通人未必要辞掉现在的工作，扔掉过去十年的积累，再跑去学算法。

更现实的机会，很可能就藏在你原来的行业里。谁最了解真实业务，又最早学会把AI接进去，谁就可能成为那个行业的新物种。

02行业评价AI的尺子变了

第二个趋势是，行业评价AI的尺子正在变，从谁更聪明，变成谁能稳定把活干完。

前几年最常听到的问题是：模型多大，跑分多少，生成效果好不好。

今年展馆和论坛里反复出现的，却是另外一些词：能不能稳定运行，能不能进入生产系统，失败以后能不能自己恢复，成本能不能算过来，有没有客户愿意付钱。

在我们得到大脑知识库里，有一份对一千多家参展主体的梳理。我简单搜了下，大模型相关企业里，83家把Agent和智能应用当成主要方向，以基础大模型为核心的只有18家。

从这个比例就能看出来，行业已经不约而同地把AI应用当成核心方向。

AI偶尔做出一张惊艳的90分图片，和每天稳定交付一百张能用的75分图片，这可不是同一个能力。机器人叠好一次衣服，和连续工作八个小时、遇到变化还能调整，也不是同一个能力。

聪明决定它能不能上桌、让我们看到它，但稳定决定我们敢不敢把事情交给它。

而且当AI从聊天框里出来，真正碰到物理世界，难度会突然上升。文字写错了，可以删掉重来。

但如果在生产线上，机器人抓错一个零件，可能会让整条产线停下来；医疗AI写错一句病历，医生要承担后果；电网预测出现偏差，影响的可能是一大片用户。

所以，AI进入物理世界，光靠模型变聪明远远不够，还得有传感器、真实数据、安全制度，以及出了问题谁负责。

你会发现一个很有意思的反差：AI进步得特别快，但现实世界改造得特别慢。

也正因为慢，机器人最先接手的不会是整个家庭，而会是环境固定、动作重复、危险性高的工作。比如，去高压线上补插销，进火场探路，人少进去一次，就少冒一次险。

03 AI会把工作一块块接走

第三个趋势，也是跟普通人关系最直接的一条，AI不会先消灭一个职业，而是会把一份工作拆成很多小块，然后一块一块接过去。

流水席直播里，有个做新材料研发的年轻人讲了一个数字：过去优化一个橡胶或聚氨酯配方，要六七个工程师反复试验六十多天。现在AI先从历史数据里筛选配方，一个工程师两三天就能完成。

你看，工程师根本没有消失，只是不再把大部分时间耗在重复试错上。他要告诉AI解决什么问题、哪些指标不能牺牲，再判断配方能不能进真实工厂。

还有一个做国际货代的嘉宾。过去新人要学两个月才能报价，一张单子要查两个小时。现在AI两分钟就能把报价做出来。

那货代是不是没用了？他说不会。

因为高货值的货物出了问题，需要有人负责。全球两百多个国家和地区，港口、船公司、本地代理之间有大量关系和信任，这些不是查完资料就自动出现的。

医院里也是一样。

AI可以听医生口述、生成病历，再让另一个模型检查有没有胡说八道。大量文书工作可以交出去，但真正的诊疗决定还得由医生做，责任也仍然在医生身上。

把这些案例放在一起，我的感觉就很清楚了。

AI先拿走的，是职业里那些能写成规则、能批量处理、能重复验收的部分。剩下来的，是提出问题、处理例外、判断结果、建立信任和承担责任，这些就是我们作为人的价值。

所以，每个人都要重新回答一个问题：在自己的工作里，我到底是执行动作的人，还是定义任务的人？

工作被拆开，也会长出新任务

工作被拆开，并不只是一些旧任务被AI拿走。另一边，一些以前没有的新任务也生长出来。

在流水席直播里，我们采访灵初智能时，听到两个新岗位，数据采集师和数据审核师。有人戴着数据手套，一遍遍做抓取、叠衣服、插装，把手感教给机器人。再有人检查数据是不是有效，动作够不够标准。

灵初智能的嘉宾说，游戏打得好、手稳、操作灵活的人，反而可能特别适合这类工作。

你看，看起来最先进的机器人，背后还是要靠大量的人，一次次把动作做给它看。机器人不会凭空学会一个动作，都得有人在真实世界里采集回来，再教给它。

这也是我这几天越来越强烈的一个感受：AI跑得越快，那些真实数据、行业经验、现场手感，以及愿意下笨功夫的人，反而越值钱。

不过，这个趋势还有后半句：工作被重新拆分之后，工具越来越便宜，并不代表每个人都会得到同样的结果。

在7月19日，联合国工业发展组织的杰森·斯莱特在一场论坛里提了一个词，叫「能力鸿沟」。他说，AI鸿沟已经不只是能不能接触到技术，而是有没有制度、技能、基础设施和专业知识，能不能有效地使用AI。

举个例子，两个人都能打开同一个AI。一个人偶尔让它改改文案，问几个问题；另一个人把自己的资料、经验、工作步骤和验收标准都接进去，让AI每天替自己完成一段工作。

表面上两个人都在用AI，真正形成的能力差距可能已经不在同一个量级。

04笨功夫，是最重要的护城河

写到这里，我反而没那么想讨论AI会不会抢走工作了。

因为一份工作本来就是很多动作、判断和责任的组合。AI不会一夜之间替代一个职业，而是会一点一点拿走其中适合自动化的部分。

更有用的问法是，把自己每天做的事情摊开看看：

❝

• 哪些事情是重复动作，可以直接交给AI？

  
  

• 哪些需要专业判断，可以让AI先做参考？

  
  

• 哪些涉及关系、信任和责任，必须掌握在自己手里？

  
  

AI当然会让一些旧工作消失，也会长出一些今天还叫不出名字的新工作。

但我越来越相信，那些能提出好问题、能判断结果、懂真实世界、还愿意为结果负责的人，不会因为AI变得更便宜。

恰恰相反，AI跑得越快，我觉得咱们的笨功夫越贵。

你对一个行业长期积累的理解，你在真实现场一点点摸出来的经验，你和客户建立起来的信任，你一次次失败后留下的复盘和判断，这些数据和洞察，AI从其他地方根本找不到。

这些活人感的笨功夫，可能就是我们在AI时代最重要的护城河。