Anthropic 科学家、扩散模型的早期重要研究者雅沙·索尔-迪克斯坦（Jascha Sohl-Dickstein），今年 6 月在斯坦福大学一场物理学与 AI 交叉会议上做了题为《在人新世最初与最后的日子里，给青年研究者的建议》的演讲。他的观察起点是一个研究生：嘴上笃定 AGI 三年内就会出现，转头仍按“读完博士、做博士后、找大学教职”的最稳路径安排人生——这个矛盾，比预言本身更值得每个规划职业的人警惕。 最近几天，这场几个月前的演讲在中文社交平台被再次刷屏。 很多转述把它压缩成“科学家劝你别读博”，但演讲者恰恰没有给出这个答案。他给出的是一把尺子：当技术可能在几年内改写整个游戏规则，“抗不抗打”不取决于专业名字，取决于你站在价值链的哪一环。知乎微博
把这把尺子放到最近一周密集发布的材料上，答案并不玄乎。Anthropic 10 月 16 日发布了一份内部就业报告，不靠预测，而是用自己公司的一手数据，讲清 AI 到底怎么改变了雇佣、招聘和工作。 10 月 23 日，国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，明确要“有效减缓人工智能应用就业替代影响”。 结论可以收束成一句话：未来三年最“抗打”的，是生产 AI 能力、验收 AI 产出、对 AI 结果负责这三种位置；最先“脆”的，是纯信息流转、等着被人指挥的初级白领活。 这个判断不需要等 AGI 落地才成立——它已经先发生在招聘数据里。知乎新华网知乎
先钉死事实：他说了什么，没说什么
索尔-迪克斯坦展示的证据链是一条加速曲线。过去十年，训练最大 AI 模型的计算量涨了约千万倍；他回忆，不到一年前，自己还预测 AI 可能要到 2026 年或 2027 年才能独立完成相当于人类一整天工作量的软件任务，而到这次演讲，相关能力指标已经增长约 10 倍，超过他的预期。 数学领域同样出现变化：埃尔德什留下的部分未解决问题已开始被 AI 解答，“AI 只会重复训练数据”的说法正在失效；Epoch AI 的预测则更激进——如果趋势持续，到 2030 年 AI 计算规模可能达到 2025 年的约 1 万倍。知乎
一年前，他在哈佛做类似演讲时收到一封措辞激烈的邮件，被直斥为“疯话”；一年后，AGI 可能在几年内到来已是 AI 研究圈可以公开讨论的话题。 而他给年轻人的建议其实不是“别读书”：尽早把 AI 用进研究、提高效率，但不要因为 AI 能干越来越多的活，就放弃亲自思考和判断——“写作就是思考。如果你把写作外包出去，实际上也把思考外包了”。知乎
他同时提醒，不必一味追求传统意义上的稳定：如果 AI 真引发大范围变化，人人都在承担系统性风险，看似安全的路线未必还提供免费午餐，不如去做真正感兴趣、并可能产生长期影响的事。他点名值得押注的方向：利用 AI 推动材料发现、蛋白质研究、天气建模等科学研究；把 AI 模型本身作为研究对象，借鉴神经科学、统计物理和心理学探索其内部机制；以及 AI 安全、能力预测、公平性与政策治理——他特别指出，政府需要真正理解 AI 技术的人参与政策制定。知乎
边界也要划清：整场演讲中，索尔-迪克斯坦其实没有直接回答年轻人究竟该不该读博士，他的听众是科研训练者，不是整个就业市场。知乎
不用等三年，“未来”的第一年数据已经出现
招聘端的变化最扎眼。Anthropic 还在快速扩张，销售、财务等部门招得比技术部门更快，但留给新人的初级技术岗被砍下去一大截：新招技术人员中初级岗位占比从 27% 降到 9%，技术部门在职初级员工占比从 21% 降到 14%。 写代码、找 bug 这些过去新人进门用来练手的活，现在交给了 AI。 同一句话里藏着两端的真相：老员工要的判断力，恰恰要靠被 AI 接管的这几级台阶练出来。知乎知乎
干活的总量同样夸张。今年 3 月，这家公司里 AI 干活的总时长第一次超过了员工；到 8 月，AI 智能体总工时已达人类员工的 6 倍，纯研究团队高达 19 倍。知乎知乎
产出同步跃升：工程师人均提交代码量提升 5.1 倍，数据科学家查询量、法务人均处理合同约 3.1 倍，非技术员工使用编码智能体的会话数从每月 2 次飙升到 90 次。知乎
新的瓶颈随之出现：一位非技术员工要读完自己所有 Agent 的输出，需要花掉半个工作周。人正在从“干活的人”，变成“指挥并验收的人”。 招聘标准的权重也跟着拐弯：评价里比重涨得最多的是自主和判断力，专业知识的比重反倒往下掉。知乎知乎
配套的公众调查《The AI expectations gap》则测出了预期断层：到 2030 年 AI 能否做出诺奖级科学发现，普通成年人里 39% 认为能，Anthropic 员工里 91% 认为能。 员工平均预计 AI 到 2030 年可完成自己当前工作时间的 75%，美国在职受访者的平均预期只有 28%。知乎知乎
CEO 达里奥·阿莫代伊更早就公开说过：AI 可能在一到五年里，砍掉一半入门级的白领岗位。知乎
斯坦福研究团队基于美国大型薪酬机构 ADP 的数据也发现，22 到 25 岁年轻人在 AI 最容易插手的职业里，就业明显落后于同龄人，且这一差距一年内从 15% 扩大到约 19%，主因是公司少招而非裁员。知乎
“抗打”的不是专业名牌，是三个位置
第一个位置：生产 AI 能力的人。这里最先要纠正一个直觉——“计算机”这个名字不是护身符，初级编程岗恰恰是上面报告里收缩最狠的。真正抗打的是数学、物理等理解原理的底层训练，加上演讲点名的交叉方向：AI 与材料、蛋白质、天气建模的交叉，以及把模型本身当研究对象的“可解释性”路线，还有 AI 安全与能力预测这类前沿岗位。
第二个位置：验收 AI 的人。门槛正在从“会执行”抬到“会判断”——看得懂 AI 交出来的报表哪里需要人来确认，讲得清每个数字为什么是这个数，能在需求前后打架时判断听哪一句。这项能力不绑专业名字：文科生练得出来，计算机学生也可能练不出来。练法就藏在日常：让 AI 做完一件事先别急着交，自己过一遍“哪里拿不准、哪里要人拍板”。有人问一句“这里为什么这么定”你答得上来，就站在了 AI 替不了的那一边。
第三个位置：对结果负责、以及 AI 暂时够不着的位置。责任最终要落在人身上——安全评测、公平性与政策治理正是演讲点名的赛道。而按达里奥在播客里的判断，AI 最擅长处理的并不是体力劳动，是信息劳动。 本轮先被自动化的，正是这类能纯数字闭环验证的任务；田野作业、非标准物理操作和需要面对面信任的服务，会晚一些承压。但这个优势要说成窗口，不是永久豁免：机器人进入物理世界的行程表已经排上，未来三年的“抗打”多少带着时间差的性质。知乎
反面清单同样清楚：行政助理、客服人员、数据分析助理、金融研究助理、初级程序员、部分法律和咨询岗位——“初级职级 + 纯信息流转”的组合，是预言兑现之前就已经在塌的那一段。 这也是国办《意见》把“实施人工智能专项培训计划”“建立人工智能应用就业风险评估机制”“加快开发人工智能领域新职业”写进任务清单的现实背景。知乎新华网
这条预言能信几分
最后，证据边界要说清。“三年内”是圈内最激进的版本而非共识——连传播这场演讲的转述也注明，这只是基于增长假设的推演，不等于 AGI 一定会在三年内落地。微博
Anthropic 的内部数据同样要打折使用：报告自己说明，技术部门绝对招聘人数仍在增加，不能将全部岗位构成变化归因于 AI。 这家公司自己就是造锤子的，AI 用得最狠，样本“太特殊了”，用它外推全行业要留一分清醒。知乎知乎
那份公众调查的局限也写在明面上：员工样本未加权，还多一层身份因素，公司靠 AI 叙事吃饭，员工对 AI 的判断同时是职业判断。知乎
但把这些折扣全部打完，仍剩下一个不依赖预言兑现的判断：初级执行的台阶正在被抽走，判断力和责任感的定价正在上调。选专业、选方向、找实习时，与其问“这个专业会不会消失”，不如问“我在这个位置上，练的是被指挥，还是拍板”。未来三年如果真有一个最抗打的技能，那就是接得住 AI 留在报告末尾的那个问号——这件事，不需要等 AGI 到场才开始计分。
