错过时代风口的焦虑,是每一代人的阵痛。只是在互联网和大语言模型如日中天的当下,这种焦虑尤为明显。每一天都有新的高薪神话出现在我们的日常信息流之中,一些二十岁出头,或刚刚迈入而立之年的年轻人,因为人工智能一跃成为当下最炙手可热的科研新星,或是各大企业争抢的技术人才。这样的神话,从姓名同音不同字的姚顺雨和姚顺宇,到罗福莉、DeepSeek创始人梁文锋等人的身上,已经可见一斑。国外亦然,从OpenAI的山姆·奥特曼,到Anthropic的年轻技术精英们,类似的故事也在不断上演。甚至聚光灯外,我们身边一些计算机专业的顶尖人才,也在不断创造着实习日薪2000元甚至7500元的高薪神话。

美国加州硅谷红木岸甲骨文总部。视觉中国 图
确实,人工智能给我们带来了一种前所未有的技术平权的感受,但随之而来的还有一种更为深刻的危机感,以及挥之不去的焦虑。既然人人都可以借助AI完成一些过去需要经过严格的高等教育和职业训练才能完成的事情,那么,我们个人的竞争力又何在?面对这种焦虑和阵痛,对于很多人来说,转码或者转AI仿佛成了一个不错的选择。可在这些作为分子的高薪神话之外,我们大多数人不过是这场时代浪潮的分母。固然有人借助人工智能改变了自己的命运,但在这些被反复讲述的成功故事中,更多的是那些本就不需要改变命运的人,借着AI的东风,走上了一条更加令人羡慕的人生道路。
这种困境和矛盾,正是我在读完《正面连接》出品的文章“模型一代”之后,从作者的字里行间所感受到的。这篇文章有着很强的情绪感染力,作者及其身边的朋友们在这场技术变革中的人生际遇,为我们提供了一个观察时代的切面。但读完整篇文章,给我留下最深刻印象的,却是一种以技术为中心的价值排序,仿佛赶上AI的时代风口,便是这一代人实现自我价值的最好方式,而那些远离技术中心的人,尤其是人文社科的学生,则不得不面对自身价值和专业意义的双重危机。相比于对这种困境的解释与反思,文章更多地呈现和传递了身处其中的个体的焦虑。然而,能够接近技术前沿、拥有相应的资源,并为自己能否赶上时代风口而焦虑,本身就是一种相对优越的处境。
所以,也有人评价这篇文章的“精英味”很重。对于我们大多数人而言,能否赶上这一轮时代风口,从来就不是一个可以由自己决定的问题。我们甚至没有“错过”的资格,因为我们从一开始就没有上车的机会。但人工智能所带来的替代性效应,却是我们每一个人都要面对的现实。因此,在这些精英的焦虑之外,我们更应该看到普通人的焦虑。
在这种普遍性的焦虑之中,我们过去所秉持的种种价值观念也在发生变化。当一个人的专业价值乃至人生的成败,都开始以其与AI的距离来衡量时,我们实际上已经接受了一套由技术主导的价值体系。而我写下这些文字,正是为了回应这种焦虑,尝试破除这种关于技术的时代神话。我们确实也应该转换一下观察这场技术变革的视角了,不要只顾着抬头仰望那些站在金字塔尖上的人,也多看看身处这场技术变革之中、构成金字塔底座的我们自己。大多数人已经错过了这一轮时代风口,并不得不去适应这场由人工智能带来的巨大变革。迷茫和焦虑在所难免,但我们总要相信人的韧性和社会自身的适应力。一味沉湎于技术中心所构筑的时代神话和“错过”的焦虑之中,并没有太大的意义,毕竟,值得我们关心和探讨的宏大叙事,从来不止是互联网和人工智能。
一、为什么人才越稀缺,我们却越焦虑?
人工智能行业的高薪神话,其实并不是什么新鲜事。每个行业都有自己的风口期,从上个世纪至今,互联网行业一直在创造着类似的高薪神话,只是这一次,社交媒体缩小了人与人之间的信息差,也将他人的成功经验变成了一套套可以参照的人生攻略,仿佛只要循着前人的路径走,就能取得相似的阶段性成就。
几乎人人都知道计算机专业好,也都知道要学习编程和量化分析,要借助人工智能在各行各业中找到自己的竞争力。但是,信息差的缩小并不意味着人与人之间资源和机会的差距也在缩小。当所有人都知道一个行业是时代风口的时候,又有多少人真正拥有进入这个行业的条件?我们在社交媒体上所看到的那些成功经验,又有多少是可以脱离个人的教育背景和家庭条件而被复制的?答案其实很显然,囿于环境的限制,我们很多普通人其实没有特别好的选择。

而这种困境和矛盾,项飙早在二十多年前的博士论文中就已经有所讨论。在《全球“猎身”:世界信息产业和印度技术劳工》一书中,项飙从世界信息产业与印度技术劳工的关系出发,揭示了信息产业中一种颇为矛盾的劳动力供需现象,即所谓的“金融民主化”与IT劳动力的“虚拟”短缺并存。IT劳动力的供需之间究竟是否存在真实的缺口,其实并不是最重要的问题,更重要的是,雇主始终希望有更多的劳动力供给,以支撑其业务规模的不断扩张。与真实的劳动力短缺不同,这种“虚拟”的劳动力短缺是永远无法被填满的,劳动力的供给越多,短缺反而越容易被放大。于是,技术人才的“短缺”与技术劳工的失业便成为新经济中并存的两种现象。正如项飙在考察“全球猎身”业务时所发现的那样,劳力行一方面让大量工人闲置,另一方面却仍在市场上不断吸纳新的工人[1]。
二十多年过去了,从互联网到如今的生成式人工智能,技术发生了翻天覆地的变化,但这种劳动力供需的矛盾却没有消失。2025年7月,猎聘发布的人才供需报告仍在强调国内AI人才的紧缺[2],2026年3月,新华社的报道也在讨论人工智能行业愈发激烈的“人才争夺战”[3]。而2025年8月,《纽约时报》却报道了美国计算机专业毕业生的就业困境,一些曾经相信学习编程就能获得高薪工作的年轻人,在毕业后甚至难以找到一份与自己专业相关的工作[4]。一边是人工智能企业不断创造着新的薪资纪录,一边是大量接受过专业训练的计算机人才在求职市场上四处碰壁。这两种看似矛盾的现象,恰恰构成了当下人工智能行业的现实。而这样的困境也并非人工智能行业所独有,而是我们每个专业的人都在面临的问题。一方面,整个社会都在强调对专业人才的需求;另一方面,接受过系统专业教育的人,却越来越难以凭借自己的专业知识获得一份称心如意的工作。
我们当下所面临的焦虑,也正是源于这种矛盾。自OpenAI发布ChatGPT以来,大语言模型已经迭代了好几年,最初的技术惊喜逐渐演变为一种普遍性的“被替代”的焦虑。这种焦虑,上至清华北大等名校顶尖学科毕业的高才生,下至那些在秋招、春招中不断碰壁的普通人。无论是已经身处这个行业的人,还是那些尚未进入这个行业的人,都在被一种关于人才短缺的叙事所裹挟。
人工智能技术和这种关于人才的叙事,已经在短短几年的时间里冲击了我们既有的评价体系和人才标准。如今,若要问各行各业究竟什么样的人才算是人才,恐怕答案已经不像几年前那般清晰了。AI大大缩小了人与人之间因知识储备和专业技能而产生的差距,唯有一种人才标准变得愈发清晰,那就是越靠近人工智能技术、越了解这项技术,并且占据一定的技术岗位和算力资源的人,越是我们心中不言自明的人才。在这种情形下,各行各业的人才评价标准都在向人工智能靠拢。而这也正是人工智能技术的强大之处,它凭借自身的便利性和实用性,在不断普及的过程中,无形地改变了我们对人才和知识价值的认识,也冲击了我们传统的科研与就业方式。
人工智能对其他领域的殖民是显而易见的。如今,无论什么行业,都在高喊着“人工智能+”和“AI赋能”,与人工智能相结合已经成为各行各业寻求自身发展的一项必然要求,并逐渐获得了制度层面的认可。这种影响在学术科研领域体现得尤为深刻,从本科生、硕士生、博士生到高校教师,乃至原本从事其他学科研究的人,都在试图将自己的研究与人工智能相结合。一个研究议题是否与人工智能有关,也逐渐成为衡量其创新性与前沿性的标准之一。
以人工智能领域的学术顶会NeurIPS为例,2010年的参会人数仅为1354人,2015年增长至3852人,而到了2025年,会议注册人数已经达到26382人,十五年间,会议参与规模扩大至原来的近20倍,而该届会议的论文投稿量已经达到了21575篇[5]。这样的趋势也蔓延到了其他学科,在医学领域,PubMed收录的人工智能相关论文从2020年的22791篇增长至2025年的80042篇,而《美国医学会杂志》(JAMA)及其系列期刊收到的人工智能相关稿件,自2023年以来也已经翻了一倍以上[6]。 这些数字的背后,是各个学科的研究者对自身研究议题和研究方向的重新调整。
与此同时,人工智能也在加速各个学科的知识生产。管理学期刊《Organization Science》编辑部公布的研究显示,自2022年底ChatGPT问世以来,该刊投稿量增长了42%,而AI生成文本的增加几乎完全解释了这一增长趋势[7]。这种知识生产规模的膨胀也发生在新闻传播学领域。以国际传播学会(ICA)年会为例,2024年的个人投稿量不过5700篇[8],而2026年11月结束征稿的2027年ICA年会,个人投稿量已经超过了12000篇。
从各个领域的发展来看,人工智能既成为各个学科争相讨论的研究对象,也成了研究者生产知识的工具,并在这一过程中不断改变着各个学科原有的研究方式和评价标准。所以,前段时间,一些计算机领域的学者联合倡导本科生开展“慢科研”招致学生们的质疑与嘲弄也就不难理解了。因为参与署名的部分学者,本身就是这一学术生产体系中的高产学者,有的学者一年甚至发表上百篇论文。其中的矛盾在于,那些已经在现有学术评价体系中获得了相当多资源与话语权的人,却在劝告那些尚未在这一体系中立足的年轻人慢下来。
现实是,我们已经慢不下来了。我们当然知道,搞学术需要长时间的沉淀,但是,当整个知识生产体系都在加速运转时,所谓快慢早已不由我们的个人意愿所决定。当科研效率逐渐成为衡量知识生产价值的重要标准时,许多无法用效率来证明自身的事情,自然就出现了危机。而这也正是当下人文社科研究者所面临的更为深刻的焦虑。
二、走出技术中心的人文思考
如今,几乎每个人都在谈论AI,因为它已经成为我们日常生活中最无法避开的一项技术。AI实在是太好用了,以至于在当下的学术研究和日常工作中,不使用人工智能的人反而成了异类,而那些深度使用人工智能的人,也都切身感受到了这项技术带来的震撼。所以,无论是哪个学科的研究者,如今都在积极地讨论AI。例如,戴锦华、项飙和赵鼎新等知名人文社科学者也都在积极地讨论AI,但一个颇为矛盾的现象是,人文社科越是频繁地讨论AI,却越是在关于AI的讨论中丧失自身的话语权。
实际上,无论是人文社科界自身,还是外界,都在将这项技术的解释权让渡给那些坐在旧金山OpenAI和Anthropic总部办公室里的技术专家,以及国内腾讯、字节跳动的那帮技术从业者和研究者,仿佛只有真正掌握了这项技术的人,才有资格解释这项技术给人类社会带来的种种变化。而这恰恰是AI作为一种技术意识形态对我们的影响。一项深刻影响着我们的高等教育、就业机会、收入水平乃至我们认识世界的方式的技术,本就应该成为公共讨论的对象。任何人都有讨论这项技术的权利,对技术原理的掌握程度,也不应该成为衡量一个人是否有资格讨论这项技术的社会影响的标准。
但是,这样的讨论也有其专业边界。对于人文社科的研究者而言,判断模型性能的优劣以及探究大语言模型的技术内核,本就不属于我们的专业所长。妄图从人文社科的知识传统出发去解构这项技术本身,实际上无异于盲人摸象。面对一个我们尚且无法理解的黑箱模型,仅凭互联网上的种种信息和模型生成的内容,就试图解释其背后的技术原理,摸到大象的哪一部分,便以为自己认识了大象的全貌,只会招人笑话。即便如今的Vibe Coding让我们这些不懂代码的人也拥有了编程的可能,但那些本就具备扎实的计算机专业知识和编程能力的人,在使用同样的人工智能工具时,依然比我们这些一知半解的门外汉更具优势。人工智能降低了我们进入一个专业领域的门槛,却没有消弭专业知识本身的价值,这个道理在任何专业领域都是一样的。

不过,面对人工智能,人文社科确实有话要说,而且应该积极地去说。例如,人工智能如何改变我们的文化生产、文学与影视创作,如何重塑我们的社会关系与信息生态,又如何介入我们的劳动过程,进而改变劳动本身的性质与意义,这些都是人文社科研究者应该关心和讨论的问题。这些问题不会随着模型性能的提升和技术的不断迭代而自然得到解决,恰恰相反,人工智能越是成熟,越是深入我们的日常生活,这些属于人文社科的问题就会变得愈发重要。
面对人工智能,乃至任何一种新兴技术,并不是越靠近技术中心的人,才有资格解释这项技术的社会意义。一项以平权和普惠为愿景的技术,倘若只有那些所谓的技术新贵才有资格为其发声,本身就是一件极为矛盾的事情。而且,越是身处技术中心的人,其自身的生命经验与我们大多数人的日常生活就越有可能存在极大的差距。那些享受着技术红利的人,与那些被迫适应技术变革的人,对于同一项技术自然会有截然不同的认识和感受。而人文社科要做的,恰恰是将那些身处技术边缘的人及其生命经验带入关于技术的公共讨论之中。
当我们承认并让渡了对这项技术的解释权,当我们只看到人工智能所带来的种种红利,却拒绝正视这把双刃剑的另一面时,我们便始终无法摆脱这种“错过”的焦虑。所以,我们必须走出以技术为中心的认识方式。我们当然需要关注那些技术新贵们所透露出的行业风向,但也没有必要将他们的人生际遇奉为这个时代的成功神话,更没有必要以他们的人生轨迹来衡量我们自身的价值。
如果说马克斯·韦伯所处的时代经历了一个世界的“祛魅”过程,那么,我们所处的时代,也需要经历一场对人工智能乃至技术本身的“祛魅”。人工智能确实太好用了,但也正是因为它太好用了,才得以在如此短的时间内深入我们社会生活的各个领域,并带来了一系列始料未及的社会后果。在这场技术变革之中,无论我们是否赶上了时代的风口,无论我们是否主动使用这项技术,都已经无法独善其身。
三、为什么我们一边批评技术,一边拥抱技术?
最近,项飙在耶鲁大学做了一场题为《等级平等主义:中国社会的分化与总体化》(Hierarchical Egalitarianism: Social Differentiation and Totalization in China)的演讲,讨论了当下年轻人一种颇为矛盾的心态,那便是为什么我们一边批评社会的不平等,一边又在积极地拥抱等级制度?我们深知社会中存在着种种不平等,也深知这种不平等如何影响着我们的人生际遇,但与此同时,我们又高度认同学校、企业乃至城市之间的等级排序,并努力让自己在这样的等级体系中不断向上流动。
其实,将这一问题放到当下的人工智能技术中也是一样的。我们一边批评人工智能对知识生产和劳动的影响,一边又在积极地拥抱人工智能;我们一边厌恶互联网上大量由AI生成的内容,一边又在自己的工作和学术研究中大量地使用AI。我们深知技术所带来的种种社会问题,但又希望自己能够成为技术红利的获得者。甚至,我们对人工智能的批评,也丝毫不妨碍我们对那些赶上AI时代风口的人的羡慕。这种矛盾的心态,我们每个人身上或多或少都存在,很难免俗。
无论是这种等级制度,还是如今的人工智能技术,它们都已经构成了我们的生存环境。在这样一种总体性的环境之中,个体所能发挥的能动性其实是十分有限的,因为事已至此,我们只能如此。结构与能动性的关系,本就是社会科学中一个经久不衰的讨论议题。只是人工智能技术普及得实在太快了,相较于当年互联网和智能手机的普及,我们还未来得及形成对这项技术的充分认识,它便已经在短短两三年的时间里给我们的生活带来了翻天覆地的变化。正如前些年我们共同经历的那场全球性危机一样,我们再一次被抛入了一个历史性的时刻,只不过这一次是由技术革新所带来的。我们甚至还没有来得及理解当下,就已经被迫去思考自己的前路。
而且,在这样的环境之中,我们已经不可能不去拥抱AI,甚至还要不断追赶那些最先进的AI模型。很多新的技术和软件,我们还未曾听说,还没来得及学习和使用,就已经过时了,上一个风口还没有赶上,下一个风口便已经到来。这种焦虑是集体性的。但是,当我们走出技术中心,走出学术圈和那些处于技术前沿的企业,我们又会看到一个截然不同的景象。世界确实因为人工智能而发生了改变,但那个传统的世界依然存在着。一个以模型迭代和技术创新为主旋律的世界,与一个关乎吃喝拉撒、生老病死的世界,就这样同时存在于我们的时代之中,却又呈现出一种强烈的割裂感。
所以,在拥抱技术的同时,我们一定要走出技术中心所构建的世界,去认识这种割裂感。那些争抢着AI红利的技术精英,与那些每天清晨在北京零工市场等待工作机会的普通劳动者,生活在同一个时代,却有着截然不同的时代经验。前者焦虑的是自己能否赶上下一个技术风口,后者焦虑的却是今天能否找到一份工作。我们不能因为前者掌握了更多的话语权,就将他们所经历的时代,当成了我们所有人共同经历的时代。

2023年9月2日,北京,马驹桥劳务市场。视觉中国 图
而认识到这种生活世界与技术中心之间的割裂,也是人文学科存在的意义所在。出于一种生存的焦虑,人文社科乃至各个学科都不得不主动接近技术。但出于人文关怀的本位,我们又必须在接近技术中心的同时,保持一种抽离和审视的姿态,回到那个由柴米油盐、吃喝拉撒和生老病死所构成的日常生活世界之中,去认识高新技术与普通人的生活现实之间的割裂,去关心那些生活在技术中心之外的人。这才是人文的意义所在。
当然,这是困难的。正如项飙这样的学者都无法为我们走出等级制度提供一个具体的办法,作为普通人的我们,很难为当下的技术困境找到一个确切的出路。我们只能走一步算一步,但至少,在抬头仰望AI所造就的那轮月亮时,也多想想那个挣着六便士的自己,以及那些同样为了六便士而努力生活的普通人。
注释:
[1]项飙. 全球“猎身”:世界信息产业和印度技术劳工[M]. 王迪译. 北京:北京大学出版社,2012:25.
[2] 猎聘发布2025上半年人才供需洞察报告[EB/OL]. (2025-07-18)[2026-11-18]. https://news.sina.com.cn/shangxunfushen/2025-07-18/detail-inffwuem9130427.shtml.
[3] 熊争艳, 王希, 王浡, 等. 新华深读丨这109项重大工程项目,藏着未来5年的“好饭碗”[N/OL]. 新华每日电讯, 2026-03-23[2026-11-18]. https://www.xinhuanet.com/20260323/5215ef5270484c69849bde552e7eb31a/c.html.
[4] SINGER N. Goodbye, $165,000 Tech Jobs. Student Coders Seek Work at Chipotle[N/OL]. The New York Times, 2025-08-10[2026-11-18]. https://www.nytimes.com/2025/08/10/technology/coding-ai-jobs-students.html.
[5] NEURIPS. NeurIPS 2025 fact sheet[R/OL]. (2025) [2026-11-18]. https://media.neurips.cc/Conferences/NeurIPS2025/press/NeurIPS2025-Fact_Sheet.pdf.
[6] NATIONAL LIBRARY OF MEDICINE. PubMed: search results for artificial intelligence[DB/OL]. [2026-10-08]. https://pubmed.ncbi.nlm.nih.gov/?term=artificial+intelligence.
[7] GARTENBERG C, HASAN S, MURRAY A, et al. More versus better: Artificial intelligence, incentives, and the emerging crisis in peer review[J]. Organization Science, 2026, 37(3). DOI: 10.1287/orsc.2026.ed.v37.n3.
[8] INTERNATIONAL COMMUNICATION ASSOCIATION. ICA newsletter: December 2023[R/OL]. 2023, 51(10)[2026-11-18]. https://cdn.ymaws.com/www.icahdq.org/resource/resmgr/newsletters/2023/DEC23_51.10.pdf.







