AI 技术对就业的初步影响看起来是积极的

什么算是“AI 工作”？

• 一些人把“AI 工作”界定为构建或直接部署 AI 的岗位（模型工程师、标注员、应用工程师、“AI 负责人”）。
• 另一些人则认为，许多数字岗位如今在某种程度上也算“AI 工作”，因为其工作流程中很大一部分已委托给 AI 工具或代理。
• 有人担心，这种更宽泛的定义会夸大 AI 创造就业的说法。

短期招聘 vs 长期编制

• 几位评论者表示，即便在传统上偏“动手”的领域，也出现了为 AI 计划而进行的新招聘。
• 但与此同时，他们也描述了明确的后续计划：一旦 AI 系统到位，就通过自然流失来减少编制。
• 有人认为，AI 造成的更多是“少招人”（不补缺）而不是显眼的裁员。

数据中心、建筑施工与工作的持久性

• 文中提到的许多新增岗位都与建设和装备数据中心有关：施工、电气、HVAC、电网和硬件技术工作。
• 一方认为，这些是高质量、门槛较低的技能型工作，本质上并不比白领岗位差。
• 另一方则担心这些工作只是临时性的、地域受限、外包化的，并且一旦建设放缓或被自动化就会缩减。
• 争论还包括计算需求究竟会不会见顶，还是会继续扩张，以及“所有施工都是临时性的”，因此这种担忧是否站不住脚。

工作质量、贫富差距与受益者

• 有人希望 AI 能把权力重新平衡到熟练蓝领工人一边；也有人坚持认为，真正的不平衡是极富人群与其他所有人之间的差距。
• 人们对 AI 带来的生产率提升是否会被有效征税或重新分配持怀疑态度。
• 也有人担心，新工作岗位的薪酬会远低于被替代的高技能知识工作。

就业数据的可靠性与媒体叙事

• 评论者认为，这篇文章对白领影响的描述“过于含糊”，甚至可能带有宣传性。
• 他们还争论美国劳工统计数据是否可信，尤其是在政治干预和频繁修订之下。
• 有些人仍然把这些数字视为大体可靠；也有些人如今对其持更强的怀疑态度。

开发者生产力与工作场景影响

• 多位开发者表示，日常工作量并没有减少；待办事项仍然很多。
• AI 被大量使用，但常常产出噪音很多的内容：过长的工单、琐碎的 PR 评论、代码反复改动，以及更多 bug。
• 也有人表示个人生产力大幅提升（少了很多卡在语法/样板代码上的时间），但同时也因持续的 AI 生成变更和审查开销而感到倦怠。
• 还有人担心，频繁由 AI 驱动的重写会侵蚀“经受过实战检验”的代码库。

Token 与 AI 服务的经济学

• 顾问们描述，AI 初创公司依赖大型模型提供商，难以实现盈利，而且一旦 token 价格上涨，或者提供商复制了其增值部分，它们就会变得很脆弱。
• 一种观点认为：随着补贴结束，token 成本最终会大幅上升，导致许多 AI 业务崩溃。
• 反对观点则认为，竞争、开源模型和自托管会使 token 商品化并保持低价，尽管数据中心和 GPU 的经济性会设定一个底线。
• 还有人认为，定价将更多由“市场能承受什么”决定，而不是纯成本，这会带来锁定和被突然抽走价值的担忧。

初创公司可持续性与炒作周期

• 评论者指出，许多 AI 初创公司已经倒闭；在他们看来，这是一种淘金热式的动态，长期赢家寥寥。
• “AI 初创公司招人招得像没有明天”这一说法，在一些人看来是危险信号，因为盈利前景并不明确。

亲身经历 vs “就业繁荣”叙事

• 多位发帖者，包括资深专业人士，描述了漫长的求职过程、一次又一次无果的面试，以及依赖低薪、不稳定的蓝领零工。
• 还有人说，职位空缺往往是“虚假招聘”，多年都填不满。
• 招聘流程被描绘得越来越混乱：简历先由 AI 筛选、面试中对是否使用 AI 的要求前后矛盾、随机性极高。
• 不少评论者直言不认同当前存在“就业繁荣”，认为文章的叙事与他们的现实脱节。

更广泛的社会与政治主题

• 一些人担心，AI 最终只会让拥有机器人和数据中心的人更加富有，并可能制造出一个“永久底层阶级”。
• 另一些人则认为，AI 会像电动机一样被商品化，限制垄断力量，并且也许能催生新的劳动组织形式。
• 反复出现的一条张力，是长期技术乐观主义式的丰裕愿景，与短期内对替代、脆弱性和年龄歧视的焦虑之间的冲突。