这条热榜里的"诺奖得主"，是2024年诺贝尔经济学奖得主达龙·阿西莫格鲁，《国家为什么会失败》的作者之一。他说的"方向错了"，不是说AI不行，而是说整个行业押错了路：钱和最聪明的人都在往"让机器模仿人类智能、全面取代岗位"的超级智能路线上冲，而"让劳动者变强"的增强路线一直没人喂饭。他给出的判断有两个具体数字：未来10年真正被AI取代的工作大概只有5%，对GDP增速的拉动10年也就1.5%上下。微软AI部门负责人穆斯塔法·苏莱曼10月6日在X平台引用了这个估算，次日中文报道集中跟进。 同期他在《60分钟》访谈里的表述更进一步：政府不该主导AI，但必须立规矩；真正要变的是行业的野心，如果顶尖人才只想着造"超级智能"，人类就没希望，AI应该用来让工人做更多事、给人类更多选择。IT之家微博
他说的"错"，错在替代，不在智能
阿西莫格鲁担心的从来不是AI是泡沫或者会毁灭人类，而是方向被误读了十几年。他2025年的专栏把分歧点讲得很干脆：把AI用于自动化，它会取代劳动者；但用它给劳动者提供更有用的信息，就能增加对其服务的需求，从而提升收入。 在这篇发表于微软旗下刊物《The Humanist Review of AI》创刊号的新论文里，这个区分升级成了路线否定：他认为人与机器是两种根本不同的智能——人靠少量例子形成假设、在真实世界试错、用整个身体和社会关系思考；机器在海量语料里抓统计模式，且没有人类那种筛子，它的"脑补"（幻觉）基本就是灾难。差别这么大的两样东西，硬让一个模仿另一个，在他看来多半是条笨路。乔布斯和沃兹尼亚克的例子被他拿来点题：Mac靠的是两种完全不同的能力焊在一起，而不是谁取代谁。路线图其实65年前就画好了——"互联网祖父"利克莱德1960年就写下人脑与计算机将紧紧耦合，行业绕了一个甲子的大圈才回到原点。他给出的方向叫pro-worker AI（支持劳动者的AI）：别追全面自动化，去造让劳动者更强的工具。第一财经
5%是怎么算出来的
这个数字只有两步：他判断，到2020年代末，AI能真正靠谱自动化的主要是简单的办公室认知任务，约占美国经济全部工作的20%；而按电力、计算机这类通用技术的扩散节奏，能自动化的活里十年内大概只有四分之一会真的被自动化——20%乘以四分之一，得5%。 他自己坦白这叫"guesstimate"，学术化的拍脑袋，但给了两个历史锚点：一是索洛1987年的名言——计算机无处不在，唯独不在生产率的统计数字里；二是电力——1881年纽约就有了公共发电站，直到1920年代才约一半工厂和家庭用上电，快四十年。技术突破和真实落地从来是两回事。36氪
他自己的亲身经历是语音识别：1997年Dragon的系统已能识别连续自然语音、准确率接近95%，那年他双臂劳损打不了字，全靠这软件续命，用起来"像魔法"。之后公司被收购、收购方破产、联合创始人因欺诈获罪，产品转手改名叫Nuance，2022年又被微软买走——底层技术一路狂飙，今天电脑上的语音识别却只比2000年好那么一丁点。更扎心的是准确率：宣称99%是理想条件，剩下的1%足以改变一句话的意思，你仍要逐封邮件从头校对。真实世界的最后一公里不认"差不多"，全面自动化意味着AI要接管一个职业里的每一个任务，包括高风险判断和人与人的交道。至于1.5%，和他2024年那篇《The Simple Macroeconomics of AI》的估算一脉相承：当时算出AI十年拉动GDP约1.1%到1.6%，两年过去模型从GPT-4卷到了GPT-6，他的数字基本没动。
账不平，行业为什么还刹不住车
两头的数字摆在一起很刺眼：按他的口径，1.5%的GDP增量摊到美国经济十年里，每年大概四五百亿美元；而今年一年，Google、微软、Meta、亚马逊四家就计划往AI基础设施砸合计约7250亿美元。明知投入产出对不上，行业还在往死里卷自动化，他列了四种力量：商业模式——大厂的钱主要来自企业软件和数字广告，这套生意里很少有"增强劳动者"的选项；市场集中——七家科技巨头占了纳斯达克60%的市值，创业公司冒头也常被收购，赢到最后的还是同一套模式；“螺母和螺栓问题”——企业认定科技公司只卖自动化工具，就按自动化做规划，科技公司认定企业只买自动化工具，就只做自动化，两边互相锁定；以及AGI执念——从图灵1950年的"模仿游戏"算起，"机器像人"这个念头影响了这个行业七十多年。
这也是"微软给唱衰自家赛道的论文站台"值得玩味的地方。这篇论文页面标注的日期其实是7月15日，真正被集中关注是10月6日，苏莱曼当晚亲自发长帖推介，浏览量很快过了40万。 科技媒体TheDecoder在报道里补了一刀：这套论点对微软来说实在太顺手——AI慢慢嵌进Office、嵌进Windows，一年一年稳稳收订阅费，比赌一个全面自动化的疯狂未来舒服得多。发表不等于背书，但当AI叙事最大的金主开始给质疑路线的文章这么大排面，说明分歧已经渗进了商业利益层。36氪
另一边：他是不是低估了AI
这套判断从来不是没有对手。经济学家包特在财新撰文并公开"抬杠"，认为阿西莫格鲁建模出发点的局限，让他系统性低估了AI对经济增长和人类社会发展的贡献。 技术圈更常见的反驳则是另一层意思：不是人们故意把AI做成现在这样——对机器来说，思考恰恰是廉价的东西，人类真正的优势在眼睛和手；眼下"干活笨、会思考"的形态，只是先啃下了容易啃的，具身智能正在路上，这个才诞生几年的行业还处于路径会随生长改变的阶段。 两边的共同争点其实是速度：方向之争成立，但5%和1.5%不该被当成天花板——毕竟连他自己都说，模型的进化速度很难预测。微博
他和马斯克的交锋是这场分歧的缩影。7月，马斯克预言AI五年内智力超越全人类总和、2036年物质富足到金钱失去意义；他反将一军：既然到2036年金钱不再重要，你为什么不承诺最迟在2036年把当前约1万亿美元的财富捐给慈善机构？ 马斯克回应"确实打算做类似的事"。一边用超级智能把饼画到无限大，另一边说这张饼本身就得重算，这就是当下AI舆论场里最硬的一道裂缝。第一财经
该盯的不是"AI何时替代你"，而是资源流向
对普通人来说，5%这个就业数字其实算安慰：若估算成立，替代潮不会像部分宣传口径那样呼啸而来。真正值得盯的是资源分配——一年7250亿美元流向"取代人"的方向，意味着工资、机会和定价权可能被整个技术路线甩在后面。他开的四味药全部指向这里：对劳动和资本对称征税，现在美国劳动收入的边际税率超过25%、资本收入却接近零，等于政府掏钱补贴企业用机器替人；政府出资做pro-worker AI示范项目，把可行性做出来给大家看；更新反垄断法并真的执行，考虑征收数字广告税；建立数据市场，让顶尖专家的高质量知识能控制、能定价、能卖出去。36氪
产品层面的信号他也给了示范：他的团队已做出教育AI原型，用一个中等规模语言模型识别每个学生卡壳的知识点，再建议老师把班级拆成小组、针对性补课——接管老师遥遥无期，但让老师"看见"每个学生是现有技术够得着的。观察行业往哪边走，可以看这类"增强型"产品是否在变多、定价是否在降。需要说明的是，5%和1.5%都是他本人公开承认的估算，中文传播的部分访谈内容来自翻译转述，论文细节以媒体转述为准；与常见同题内容只复述"方向错了"不同，这次真正的新信息是：微软——这条赛道最大的金主之一——把质疑自己赛道的文章推到了台前，AI路线之争已经从学术圈吵进了资本层。
