随着AI技术的飞速发展，其对就业市场的影响日益凸显。本文将深入探讨AI技术对就业市场的冲击，以及AI行业自身的发展挑战和未来趋势，供各位参考。

2024年的最后一天，百度发布首个“2024年度AI提示词”，最高频的提示词是“答案”。在人类与AI关系的接缝处，每个人都充满疑惑，充满对未知的恐慌，渴求通往未来的答案。

“我的工作会不会被AI取代？”无数人在向AI寻求答案。

每一项新技术出现之初，技术恐慌往往大过于期待。原画师、人工客服、翻译等岗位最先被AI部分替代，智联招聘执行副总裁李强表示，40%白领类职业有被AI替代的风险。

在给很多人类职业带来挑战的同时，AI行业自身也遇到挑战。

《Prediction Machines》（中译名《预测机器：人工智能的简单经济学》）一书中提出了一个观点：当生产要素的成本下降百倍时，会迎来时代的转折点。比如电力成本下降100倍，开启了电气时代；通信成本下降100倍，推动移动互联网时代的到来。

过往10年，英伟达将算力成本降低了100万倍，未来，英伟达计划将算力成本再降低100万倍。当算力成本下降100万倍时，将进入怎样的时代？这给从业者带来一个很大的挑战。

在商汤科技董事长兼CEO徐立看来，2025年，整个AI行业都有两条“生死线”：算力供给的成本线和开源模型性能线。只有迈过“生死线”，AI行业才能完成从“烧钱”到“赚钱”的大跨越。

一、AI替代人工的恐慌

AI替代人类的技术恐慌是全球性的。BBC曾报道，一团队负责人用ChatGPT取代了60名员工，最后自己也被解雇。导演陆川曾表示，用AI画一幅电影海报，15秒出来的效果比专业海报公司做1个月的还要好。

AI替代效应实实在在，目前，原画师岗位的需求量已经骤减90%，网约车、航空公司的呼叫中心都在减少人工客服，甚至有用户发现，某头部打车软件转人工后仍是AI客服。

北京大学国家发展研究院与智联招聘发布的《AI大模型对我国劳动力市场潜在影响研究：2024》显示，编辑/翻译、客服/运营、销售/商务拓展等岗位最容易受大语言模型冲击。

“重复高、程序化、不需要大量体力的白领类职业，40%都有被AI替代的风险，比如会计、美术、翻译等。但是，部分岗位被替代的同时，新的岗位在产生，比如算法工程师、AI标注员。”智联招聘执行副总裁李强对《IT时报》记者表示，“就业极化”现象越来越明显，两头紧缺，中间冗余，目前人才紧缺的岗位要么是算法工程师，要么是养老服务人员。

“AI已经开始替代人类，但是永远不会完全替代，也不会完全替代某个行业，而人与AI之间的差距，正是人类的机会。”传神语联创始人何恩培认为，AI使得同一时间里同一群人产出的效率更高了，比如一个研究机构里5%是首席专家，30%是中级研究者，65%是基础研究者，那么绝大多数基础研究者很有可能会被AI替代。

技术变革演进大多时候是残酷的，而处于过渡阶段的一拨人是最彷徨的。赶快学会AI，用大模型复刻一个自己的“孪生”双胞胎，是绝大多数行业人士给到普通人的建议。

从智联招聘的调研数据来看，53.3%的受访者已经在工作中不同程度地使用或学习AI技术、工具，其中95后、00后中该占比分别为58.4%和55.6%。同时，AI也创造了新职业。2024年上半年，人工智能相关岗位需求激增，自然语言处理、深度学习、机器人算法等岗位需求增长显著，相关薪资也呈上升趋势。

人类的竞争者是会使用AI的人类，而不是AI。“技术不可阻挡，因为AI没有情绪，我们只能适应大势，成为AI的驾驭者。”北京大学博雅特聘教授、国家发展研究院原院长、经济学教授姚洋对《IT时报》记者说道，不要小看老百姓的自我调节能力，今年高考志愿就集中在AI、自动化相关专业，财经、金融专业反倒不吃香了，而且AI创造了更多数字经济的岗位，新型服务业也会发展起来，也能吸收大量劳动力。

“大模型处理的数据是你一辈子都处理不完的，但不要把大模型看作一种工具，而是一个新物种，关系不要对立，跟它一起共创未来。”何恩培说道。

二、大模型价格战继续

小参数高性能模型已经成为新趋势，当大家不再拼参数时，算力的成本会相应下降。同时，算力大建设时期产生的冗余算力也打起了价格战。多位大模型企业负责人向《IT时报》记者反馈，2024年算力的成本下降了30%—50%。

开头提到AI的两条生死线中，第一条是算力供给的成本线。在徐立看来，算力行业的进入时机尤为关键，如果晚几年投入，可能只需要1/1000的资源就能完成相同的任务，在什么时间节点投入、投入的资源是否能沉淀为持久的价值，就成为算力行业发展的第一条生死线。

“买涨不买跌”的惯性在算力市场上也有所体现，在中小型公司看来，算力芯片已不用囤货，一方面英伟达在快速地更新迭代，而且还有其他国产算力可替代；另一方面行业预期算力还将进一步降价。像传神语联主要有两种算力需求，一是大模型的训练推理，二是交付给客户的大模型一体机。“我们预训练的成本大概是同等性能大模型的1/10—1/5，比如说行业的人才和算力比是1:50，我们大概是1:5，这个算力需求量基本不需要囤货。”何恩培提道。

比算力更甚，通用大模型的价格战打得十分惨烈。2024年618期间，第一波价格战达到高潮，8家国内外大模型宣布大降价，包括幻方量化、智谱、GPT-4o、字节豆包、阿里通义千问、百度文心一言、腾讯混元和科大讯飞星火等。大模型通常以“元/千tokens”为计费单元，字节豆包以分为单位的使用成本，直接打到了以厘为单位，真正挑起了价格战。这边阿里云刚宣布降价97%，那边百度、科大讯飞、腾讯云纷纷拿出部分小模型免费供开发者使用。

“2025年大模型还会继续打价格战，因为国内通用大模型较为同质化，细数Top30的通用大模型，也许客户都是同一批，所以赢得客户只能靠价格。而国外通用大模型走的是差异化路线，OpenAI专攻生成式AI，谷歌专精于专用领域的深度学习，以及马斯克服务于具身智能等等。国内大模型应该进行根创新，不然价格战只会越打越惨烈。”何恩培认为。

徐立提到的第二条生死线是开源模型性能线，也强调要走差异化路线。大模型开源已经成为一个重要前提，目前基础设施提供方、内容平台、创业公司都在积极开源，这三类开源企业带来一条性能增长线，而这条性能线已经接近甚至追平闭源模型，如果行业开源模型投入的平均水平较高，企业的投入不足，就必须走差异化路线，为行业提供独特的价值。

三、跨越“生死线”？

2024年底，在中外各大AI论坛上，预训练时代是否会终结是必谈的话题。

一方认为预训练时代已经结束，前OpenAI联合创始人、SSI创始人Ilya Sutskever在NeurIPS 2024大会上宣告，预训练作为AI模型开发的第一阶段即将结束。

支持Ilya观点的人士给出的理由是，数据正在枯竭。有研究预计，2028年左右，已有的数据储备将全部用完，基于大数据的大模型发展可能放缓甚至陷入停滞；尺度定律“撞墙”，投入一千万元预训练只能在榜单上增加一两分，大模型成为“月抛型”，甚至“周抛型”。OpenAI首席执行官萨姆·奥特曼也坦言，GPT-4遇到推理速度慢、成本高昂等副作用。

另一方的看法是，预训练时代永远不会结束。何恩培也这样认为，但在他看来，实时学习的时代来了，而且大有可能成为技术主流，算法将比算力发挥更大作用。

“数据不是枯竭了，即便我们从世界上获得数据不再免费了，但是有价值的数据才刚开始被挖掘。”何恩培认为，数推分离是获得有价值真实世界数据的一大路径，OpenAI也将从GPT-5开始尝试将数据与推理引擎分离，简称数推分离。

何为数推分离？何恩培解释道，数据学习网络如同人类左脑，在企业端实时学习历史数据和业务运营中的新数据，让企业数据为模型注入知识养分，不需要离开企业上传至公有云；推理网络如同人类右脑，经过适量数据预训练可以达到不错的推理和泛化能力。双脑模式更像人类学习知识的方式，只需要阅读几百本书就能获得一定的智慧来解决各种各样的问题。这种模式最大的优势是企业数据不用出域，在本地就能实时学习，打消了企业对数据安全的顾虑。

目前国内少有大模型企业走出这片技术沙漠，但这也许是国内大模型企业弯道超车的机会，跨越从“烧钱”到“赚钱”的生死线。