作者： danny
2029年的中秋，新加坡又下雨。雨从海峡方向压过来，到了Tuas，天空低得像要碰到那些没有窗的数据中心。家明站在连廊里，看雨水一层层从玻璃上往下滑。楼下几辆没有驾驶员的物流车沿着白线驶进卸货区，一台四足机器人停在积水边，像一只不愿弄湿脚的狗，安静地算了两秒，然后绕过去，继续往变压器房走。更远一点，港口的自动化岸桥还在雨幕里移动，天空偶尔有一盏红灯掠过去，可能是警用无人机，也可能是电力公司的巡检机。
一、到了2029年，人们已经不太谈AI了
已经没有多少人拿手机出来拍这些东西了。三年前，Punggol第一次让普通人坐上无人接驳车的时候，还有父母特地带孩子去体验，车一到站，大家先拍照再上车；如今一辆没有司机的车从家明身边经过，和自动门开了一下差不多，没有人觉得值得停下来多看一眼。真正进入生活的未来，从来不会一直长得像未来。电灯曾经是奇迹，后来只剩下一句“为什么还没修”；互联网曾经像另一个世界，后来变成一个人在电梯里下意识往下刷的动作。AI也一样，等大家不再天天说“AI”的时候，它才算真正进入社会。
家明已经五十多岁，头发比几年前白了不少。他还在那家保险集团，只是公司已经不是三年前的那家靠excel管理的公司了。收入比过去高了近三成，客户更多，产品更多，系统也更复杂，可员工人数并没有跟着增长。客服所在的楼层空出一角，传统后台运营少了不少，junior programmer的graduate intake也压得很低；另一边，AI governance、cybersecurity、robotics risk、model assurance这些过去只在咨询报告里出现的词，已经变成一个个有预算、有老板、有KPI的部门。
他的老同事永康就在楼下的数据中心工作。几年前，永康还是保险公司的Programme Manager，后来被裁掉，如今负责一部分自动化设备、承包商和基础设施项目。女儿怡宁去了能源系统公司，最近忙的是数据中心和电网调度；儿子厚载申请大学的时候，也已经没人把“会用AI”当成值得写在最上面的能力，就像没有人会特地说自己会用Google。
如果只看街道，2029年和2026年是一样。地铁还是挤，房子还是贵，父母还是怕孩子输，年轻人还是怕找不到工作，老人还是觉得世界越来越快。
可家明偶尔把这三年叠在一起看，会发现社会已经悄悄换了一套价格：什么东西还值得钱，什么东西不再值钱；什么过去被看不起的能力突然成了瓶颈，什么用了二十年练出来的本事，一夜之间变得不再稀缺。
他后来总会想起最早那个下午。翻开日历，往回三年，也是九月尾，也下着雨。
二、那场雨以后，家明取消了house viewing
那天下午六点多，家明坐在莱佛士坊二十八楼的会议室里，桌上放着一份十四页的预算。会议已经结束，财务总监离开以前，把文件翻到最后一页，用笔圈了一句话： If productivity gains are structural, why is headcount still structural? ——如果生产率的提升是永久的，为什么员工人数也应该是永久的？
家明四十六岁，是一家区域保险集团的首席运营官，也是公司里最早推动AI的一批管理层。他并不是什么科技理想主义者，公司最初用AI，没有什么改变世界的野心，只是客服积压太多，理赔成本太高，IT开发太慢。最早AI帮员工写邮件、整理会议、总结PDF，后来开始读保单、检查理赔材料、找异常交易，再后来coding agent能自己接ticket、读repository、修bug、跑测试。过去客服处理一封投诉，要在几个系统之间来回找资料，如今机器已经先把一个客户过去几年的保单、付款、理赔和投诉整理出来，再交给真人判断。
员工最初很开心，因为那些重复、琐碎、没人喜欢但每天都必须做的事情少了；管理层也很开心，因为客户终于不用等那么久。那几年公司最常讲的一句话，就是“AI不是来取代人，而是让人去做更有价值的工作”。这句话当时并没有骗人，麻烦只是后来才出现：当一个工具真的让人变得更有效率，效率就会被财务部门量出来。
过去十八个人的部门，现在十二个人带着AI也能完成同样的工作量。如果明年业务增长40%，当然没有问题；可未来三年收入只预计增长个位数，一边是需求增长7%，另一边是产能提高30%，多出来的那部分能力最后怎么办，并不需要AGI来回答，Excel就够了。
就在家明盯着这些数字的时候，手机弹出一条新闻：GovTech裁掉93人。大约3900人的机构，第一轮305人进入调整，102人留下，110人接受培训和转岗，93人离开。真正让家明停下来的，并不是“93”这个数字，而是GovTech并没有衰退，它还在招人，只是从过去偏project和vendor管理的模式，转向长期拥有产品，需要更多真正可以做软件、产品、数据和网络安全的人。
他看完以后突然觉得，大家争论这到底算不算“AI裁员”，其实没有那么重要。至少GovTech没有倒，Singpass没有消失，政府的软件需求也没有减少，工作甚至可能更多，只是它不再需要同样的人，用同样的方法去做同样的事情。
一个产业可以越来越繁荣，但是你说，一个在里面做了二十年的人却突然失去位置，这比整个行业一起消失更令人不安。船沉了，人至少还能怪风浪；船开得越来越快，只是没有你的位置，人最后会怀疑，是不是自己太慢。
那天晚上家明回家，慧玲正在厨房切木瓜。两个人本来约了星期六去看Upper Thomson一套三房condo，已经看了几个月，CPF算过，贷款问过，慧玲连客厅怎么摆都存了参考图。她问星期六还去不去，家明站了一会，只说“先不要”。慧玲以为是利息，他摇头，说不是利息。她看了他一眼，没有继续问。结婚二十多年，有些事情不用解释。
公司还没有裁家明，家明已经不敢买房。后来经济学家会把这种行为叫预防性储蓄：当未来收入的不确定性增加，人会少花今天的钱，把现金留下来。站在一个家庭的角度，这无比合理；可如果十万个家庭同时做同一件事，理性就会变成衰退。一套本来准备买的房子不买了，车多开几年，北海道从十天改成五天，后来干脆不去了，冰箱只要还能继续使用，吵一点也无所谓了。
AI造成的第一次经济冲击，未必先出现在失业统计里。它可能先出现在一个星期六没有发生的房屋viewing，因为人消费的从来不只是今天的工资，人消费的是自己相信明天还会有工资。AI最先动摇的，就是这份相信。
三、那年的月饼没有蛋黄
到了中秋，公司还是发月饼。以前是Raffles hotel的减糖双黄莲蓉，盒子做得像首饰盒。小儿子厚载小时候最喜欢等家明从正中间切开，看两颗蛋黄是不是刚好一边一个。那一年打开，却只有四颗普通白莲蓉，没有蛋黄。
公司群里有人开玩笑，说AI transformation连蛋黄也transform掉了，一群人发笑脸，然后继续工作。家明知道，那盒没有蛋黄的月饼，和桌上的headcount adjustment其实属于同一件事。公司不是没钱，后来的利润甚至更好，只是一套新的价值判断进入了公司：
“什么值得付钱，什么不值得；过去十个人才能完成的事情，现在是不是还值得十个人的工资。”
第一批名单里有永康。五十岁，Programme Manager，跟家明一起做了八年项目。永康不差，甚至很好用。他最值钱的地方，是知道大型组织里面为什么事情永远不会按照流程图发生。哪个vendor星期五下午说“no problem”反而最危险，哪个部门会议上答应得最快，回去以后最不会动，哪个系统看起来只是改一个field，下面却压着十年前没人敢碰的legacy logic，他全部知道。
这些过去被叫经验，而经验真正值钱的地方，是别人拿不走。后来会议全部被记录，项目历史全部可以检索，邮件和vendor交付都能被模型读取，风险每天晚上自动重算。AI没有获得永康二十年的人情世故，可组织第一次可以把一部分过去只能活在人脑里的记忆搬出来。永康并没有变笨，只是他的稀缺性下降了。
家明亲自和他谈。HR把补偿、通知期和career transition说完以后，永康没有发火，最后只问：“是不是我做得不好？”家明说不是。永康又问：“那为什么是我？”家明沉默了几秒，说以后需要的skill set不一样。
后来他经常想起这句话。一个人在一个世界里努力了二十年，最后没有犯错，也没有偷懒，却有人告诉他，你不适合这份工作了。
企业为什么会这么做，并不是老板变得残忍。只要竞争存在就够了。家明不裁，竞争对手裁；对手用少20%的人做出一样的产品，成本更低，可以降价、提高佣金、增加营销。几年以后，董事会会问家明，为什么竞争对手已经把AI productivity变成利润，他们没有。如果家明拒绝，先离开的可能是家明，新CEO来了以后，仍然会做同一件事。
现代经济最残酷的地方，有时候也正是它最文明的地方：不需要任何人恨你，你甚至不需要出错，也可以把你淘汰。没有恶意，只有效率。
永康失业以后，第一星期只投和以前工资一样的工作，第二个月愿意低15%，第三个月低25%也开始谈。凌晨两点他会看LinkedIn，看以前同事升职；凌晨三点再打开银行App，看房贷还剩多少年。存款慢慢不再是一笔钱，而变成时间，还能撑十四个月、十二个月、十个月。
一个有工作的人，总觉得时间太快；一个失业的人，常常发现时间突然太慢。我们总说工作是为了赚钱，后来才发现工作还替人组织时间、身份和尊严。每天有人需要你，于是你知道星期一为什么要起床；等工作消失以后，一个人失去的不只是工资，还有一种“我仍然在世界里面有位置”的感觉。
四、一份工资消失以后，它去了别人的未来
永康离开以后，公司财报反而变得更漂亮。人工成本下降，理赔速度提高，IT交付加快，operating margin扩大，股价上涨。家明持有公司股票，所以他的净资产也增加了。
他第一次清楚感受到AI时代一种很难说清楚的道德矛盾：自己签掉了一批人的工作，却因为这批工作消失，变得更富有。
有一个晚上，他把年报摊在书房桌上，用铅笔画了一条线，想知道一份工资消失以后，到底去了哪里。钱当然不会凭空蒸发，工资少了，一部分变成利润；利润一部分回到股东，一部分变成资本开支。资本开支买模型、云服务、服务器和网络设备；云厂商收到钱，再买GPU；GPU背后是HBM、晶圆、先进封装和半导体设备；数据中心继续买土地、冷却、电和新的发电能力。
原来一百块钱的路径是：公司发工资，员工拿回家，去供房、吃饭、旅游、买车、换冰箱。后来越来越多的钱改走另一条路：公司增加利润，资本再流进GPU、芯片、数据中心、电网、能源和资产。
两条路都会让GDP增长，可它们经过社会的方式完全不同。一百个人拿到工资，会产生一百个消费决定；几个股东和一份capex budget拿到同样的钱，会产生另一套经济。所以未来完全可能出现一个让很多人困惑的世界：股市很好，GDP也不错，AI资本开支更好，半导体和电力项目忙得不得了，可很多家庭觉得自己生活在经济衰退里面。
GDP没有撒谎，人也没有撒谎，他们只是生活在同一个数字不同的分母里。
工业革命曾经出现过相似的裂缝。Robert Allen研究英国工业革命时，用“Engels' Pause”去描述一段生产率和利润先增长、真实工资没有马上跟上的时期。机器把整个社会的生产能力往上推，但生产能力不会自动变成每个人手里的购买力。Acemoglu和Restrepo后来又把自动化的一面叫displacement effect，把技术创造新任务、重新把人拉回生产过程叫reinstatement effect。
两个力量都会发生，问题是它们之间有时间。国家等得起这个时间，统计局也等得起，但个人却未必。
永康的房贷每个月都要来。历史课本最残酷的一种写法，就是把几十年的疼痛抽象成一句：“劳动力完成了重新配置。”
五、四个cycle同时转动的时候
永康失业第四个月，家明去参加一个闭门经济论坛。教授在白板上画了四个同心圆，说要看懂AI时代，不能只问经济究竟好不好，因为经济从来没有唯一的一只钟。
最里面是Kitchin cycle，大约三到五年的库存和短商业周期。家明不买condo，永康不换冰箱，更多家庭取消旅行，零售商发现东西卖慢了，就减少库存，上游订单继续下降。站在这一层看，经济的确很冷。
外面一层是Juglar cycle，大约七到十一年的设备和企业资本投资周期。普通家庭不买冰箱，并不代表Amazon、Microsoft、Google、Meta和AI公司会少买GPU。恰恰相反，越害怕落后，企业越会继续投入资本，买机器、server和算力。
再外面是Kuznets swing。时间尺度拉长到十几年，问题开始从服务器够不够，变成电够不够、土地够不够、晶圆厂够不够、冷却够不够、铜够不够，于是新的电厂、电网、数据中心和工业基础设施开始出现。
最外面才是康波。几十年的尺度上，真正改变社会的从来不是某一款产品，而是一种通用技术把整个经济里的价格关系重新排过。蒸汽改变距离的价格，电改变能量的价格，互联网改变信息的价格，AI开始改变认知和执行的价格。
这几个cycle并不会，也不需要往同一个方向走，所以一个银行职员完全可以觉得自己身处衰退，而Tuas的工程师忙到没空；普通人开始储蓄，企业capex却继续上升；CBD减少headcount，西边的工厂和数据中心却在招人。它们不是互相矛盾，只是不同的人活在不同的周期里面。
Carlota Perez的理论又给这些周期加了一层更长的意义。技术革命最早往往是installation period，资本先进去，赢家先富起来，基础设施先建立，旧的技能和组织开始被打碎；随后社会会走到一个turning point，因为技术进步得太快，而制度、教育、收入分配和人的适应速度跟不上。只有这些东西后来重新接上，技术才可能进入更广泛的deployment。
这也是为什么家明后来觉得，AI最值得怕的未必是模型太聪明，而是时间不一样。模型半年升级一次，一个学生读完大学要四年，一个中年人重学一门职业要两年，一座发电厂要很多年，一套教育制度更慢，而一代人改变“什么工作才算体面”的观念，也许要十几年。
机器的时间不断变快，人的人生没有办法加速。
六、芯片越轻，世界越重
当钱从工资流向资本开支以后，新加坡西边的灯越来越亮。
AI在屏幕上看起来很轻，一句prompt，一个聊天框，一个云端模型，好像智能已经和物理世界没有关系。可家明第一次走进大型数据中心，就明白了所谓“云”，其实只是别人的工厂。机房很冷，也很吵，服务器一排一排，粗得像手臂的电缆从头顶穿过，冷却系统不断运行。
所谓人工智能，最后仍然要经过铜，经过光、经过晶圆，经过HBM和先进封装，经过变压器、天然气、冷却水和电网，也经过一个半夜三点接到电话、赶回来修泵的人。
智能越来越轻，支撑智能的世界反而越来越重。
过去三十年，人们一直觉得产业最好的方向，是脱离现实世界。轻资产、软件、平台、云，把工厂、库存、土地和能源都交给别人。AI把这条路推到极致以后，世界却绕了一圈，最重要的瓶颈又回到电、土地、工厂、设备和现实世界。
这就是为什么白领失业和制造业扩张可以同时发生。AI少用一部分程序员，却需要更多芯片；芯片要更多设备和晶圆厂；数据中心要更多电；电又需要电网、发电、工程和维修。旧岗位消失以后，新岗位当然会来，只不过历史从来没有答应过，新工作会自然而然地落在失业者的身上。
七、机器开始进入现实世界
永康失业以后，有一阵认真考虑去开private-hire car aka Grab。这个想法很符合直觉，白领的办公室不安全，那就去现实世界，ChatGPT可以写报告，但它总不能从屏幕里伸出腿来踩油门吧？
可没多久，Punggol的无人接驳车开始从新闻变成日常。消费者接受无人驾驶的逻辑甚至不需要技术崇拜，如果一辆车便宜一点、来得快一点、事故率低一点，多数人不会为了保护一个不认识的司机，主动多等十五分钟、再多付几块钱。企业要成本，消费者要方便，政府要安全，三种完全不同的欲望，最后会走向同一个结果。
机器人也是一样，它不需要先长得像人，才可以替人。仓库里的AMR不需要腿，工厂机械臂不需要脸，无人机不需要手，无人车也不需要像司机。真正决定劳动力市场变化的，从来不是机器像不像人，而是一个人能管多少台机器。
过去十个人分别搬十份货，后来一个人看十台机器人；过去十个保安巡十条路线，后来一个控制室同时看摄像头、无人机和地面机器人。所谓“无人化”很多时候并不是真的没有人，它更常见的形式，是一个人被放大成十个人。生产率上去了，人力需求也跟着少了一层。
永康后来没有去开grab，因为他慢慢意识到，从AI逃到驾驶，不一定是在逃离AI，只是晚几年再遇见而已。与其逃离，倒不如拥抱。最后他去了数据中心，第一次面试失败，因为别人问PUE、UPS、chiller、busbar，他很多听不懂。四十九岁重新坐回教室，没有任何励志电影里的漂亮镜头，比自己年轻十几岁的人回答得比他快，老师讲一个名词，他回家还要用Google查，而旁边的ITE学生已经用上claude。
他后来告诉家明，最难的不是学习，而是重新接受自己是啥都不懂的人。
一个中年人的尊严往往就建立在“我知道”的基础上。二十年的职业，不只是收入，而是一种对世界的熟悉。转行真正残忍的地方，是一个人在四十九岁的时候，要主动放弃这种熟悉，再一次承认自己无知。
后来他还是找到工作，工资低了二成多，可做了一阵，他发现过去的经验没有全部消失。他仍然会管vendor、看进度、处理例外、判断什么时候系统不可信，只是过去项目存在Jira里，现在一台变压器真的有几十吨。
物理世界重新给了他的经验一个价格。
八、答案不再值钱以后
家明真正意识到教育要变，是一个星期三晚上。
厚载十五分钟写完一篇英文作文，文章很好，结构清楚，立意鲜明。家明问是不是自己写的，儿子说是；再问有没有使用AI，他想了一下，说“有一点”。所谓“一点”，是AI先帮他讨论题目，问了几个问题，给出三个结构，他自己选；写完以后，机器再帮他找逻辑漏洞，他继续改。
那么这篇文章到底算谁的？
过去学校有一个很方便的假设：一个学生交出的答案，代表这个学生的能力。AI把答案和能力拆开以后，教育就不得不重新寻找究竟应该衡量什么。
AI时代的教育，可能不会像很多人想象的那样轻松，反而会越来越苛刻，因为答案突然便宜了。以前教育常问“你会不会算”，以后更重要的是“你知道该算什么吗” —— 知其然，且知其所以然。
一个人告诉AI帮我分析这家公司，AI可以给出二十页的分析报告；另一个人却会先问，我究竟要判断的是三个月的交易机会，还是十年的价值？收入增长来自销量还是价格？毛利改善究竟是产品结构还是会计？最大客户砍单以后会发生什么？什么证据出现以后，我应该承认自己错？
同一个AI，在两个人手里，可以像同一把刀落在不同厨师手里。机器能力越来越平等以后，人和人之间真正暴露出来的，是认知结构：一个人有没有能力把模糊的问题想清楚，有没有因果意识，有没有证据意识，知不知道什么是重要变量，能不能理解反事实。
这也是为什么基础知识不会因为AI变强而不重要，反而更重要。以前一个知识很差的人，得到一个差答案；以后他可能得到一个语言完美、图表漂亮、逻辑完整，却从第一条假设就错掉的答案。这比无知更危险。
所以人需要知识，不是为了赢过机器，而是为了在必要的时候拒绝机器。学会说“不”的能力。
审美也会变贵。当一分钟可以生成一百张图、一百首歌、一百个logo以后，生产不再稀缺，选择才稀缺。知道哪九十九张应该删除，为什么一个东西虽然漂亮却俗，为什么一个空间很豪华却让人不舒服，为什么一句话没有任何语法问题，却完全没有人的味道，这些过去被叫作soft skill的东西，会慢慢成为生产力。
机器解决的是可能性，人决定什么值得留下。
到2029年，厚载的考试反而比姐姐以前复杂。Take-home essay少了，现场答辩多了，AI可以用，可老师不会只看最后答案，而会不断追问为什么这样问、为什么相信这个source、为什么没有采用另一个答案、什么证据会让你改变看法。
AI把“答案是什么”变得太容易以后，教育最终只好重新回到更古老的问题：你为什么相信它？你凭什么这么判断？你究竟在解决什么？
技术走到最后，竟把教育重新逼回了苏格拉底。
九、能力平权以后，所有权开始说话
AI确实带来一种很大的平权。一个Johor Bahru的小商人，过去不可能长期拥有律师、翻译、程序员、广告团队和数据分析师，未来一个人加几套agent，就可以获得这些能力的一大部分。普通家庭的孩子第一次可以拥有无限耐心的一对一家教，一个老人可以让AI替他读保险条款，三个人的创业团队可以做几十亿的跨国生意。
认知能力开始像电力一样被便宜供应，这是很大的进步。可是能力平权，并不等于财富平权。每个人都可以拥有AI，不代表每个人都拥有GPU、数据中心、土地、品牌、客户、IP和股权。
家明认识一个叫阿凯的年轻创业者，公司只有十几个人，agent写代码、做客服、跑广告、整理销售线索，收入已经接近过去一家百人公司的规模。融资以后，阿凯的股权值到八位数。他发财以后，先买房，再给父母换房，再买股票，再投朋友公司。这没有什么可嘲讽的，人失去钱的时候先保命，有钱以后先保住钱，有余力以后才谈理想。
于是AI创造的财富当然会重新流回社会，但它走过的路变了。过去一千万收入可能先经过一百张工资单，现在同样的钱可能先经过十五张工资单和几张cap table。钱依然在那里，只是经过的手少了。
所以未来最大的阶级差异，可能不再是“谁能不能用AI”。大家都会用，真正的差异会慢慢变成谁拥有AI创造出来的东西。技术可以把能力民主化，产权不会自己民主化。
十、0.87个孩子和没有正确答案的政治
就在AI开始减少一部分工作的时候，新加坡还面对另一个棘手的问题：人不够。
出生率持续下降，老人越来越多。从纯粹的劳动力角度看，AI和机器人似乎正好来得及时。没有司机，可以有自动驾驶；仓库缺人，可以用机器人；老人更多，可以有护理设备；警察人数有限，无人机和AI可以提高覆盖率。
可是人口从来不只是劳动力。一个国家还需要家庭、消费者、纳税人、社区和下一代。机器可以替人完成任务，却不能替一个国家长出下一代。
与此同时，AI、芯片、能源和机器人产业又需要最顶尖的人，于是政治出现一个很难看的三角。刚失业的本地中年人会问，为什么我连工作都找不到，还要继续吸引外国人才；企业会说，没有这些人才，我就把实验室搬走；人力部门又说，本地孩子已经不够。
你从他们的角度来看，这三句话都没错。
真正困难的政策，很少是在对与错之间选，更多时候是在几个正确答案之间决定谁先承受代价。政府也趋利避害，禁止AI，资本会走；完全放任，白领中产的焦虑会变成选票投向反对党；关上人才流动，新产业可能离开；完全打开，本地人会怀疑这场增长和自己有什么关系。
所以AI时代的政治不会看起来像科幻，它会长成一堆很官僚的名词：SkillsFuture、工资保险、转行补贴、CPF top-up、儿童补助、AI转型基金。每一个单独看都很小，拼起来，却是在重新回答一个过去两百年默认不用问的问题：如果生产越来越不需要这么多人，收入还应该怎么来到人手里？
单靠培训解决不了。一家银行过去需要一千人，AI以后只需要六百，你可以把一千个人全部培训成AI-ready，银行依然只需要六百。培训解决能力，解决不了生产力容量的问题。
到了那个阶段，AI不再主要是科技问题。
它会变成分配问题。
十一、城市多了好多双眼睛
家明父亲七十九岁那年，用上了一个健康助手。
老人一开始不信，觉得那个长得像唐老鸭的 mircoduck 怎么可能懂医疗。后来有一次半夜胸闷，系统判断风险以后建议家里不要等到早上，直接送医院。最后没什么大事，但从那以后，他愿意用了。
有一天他突然问家明，这个东西是不是知道自己几点睡，连几点去厕所也知道。家明说应该知道。老人皱眉，说这样不好，过了一会，又补一句：“不过不要关，上次跌倒的时候，幸亏有它。”
家明后来觉得，这可能就是大多数人面对未来监控时最真实的态度。我们并不热爱被看见，只是我们也害怕没人看见。一个老人摔倒没人知道，比隐私更可怕；孩子失踪找不到，比摄像头更可怕；被骗掉一生积蓄，比银行多看一点交易更可怕。
于是自由很少是在某一天被拿走的，它往往被分成很多小块，每次换一个具体的好处。多一点摄像头，少一点犯罪；多一点金融监控，少一点诈骗；多一点道路数据，少一点车祸；多一点校园监控，家长放心一点。
每一次都合理。
最后社会变成了另一个样子。
更重要的是，摄像头不再只是看，它开始理解。以前摄像头记录，出事以后人去找；后来AI先判断异常奔跑、打斗、遗留物、车辆轨迹和可疑行为，再把少数案例交给人。最开始当然是human-in-the-loop，机器建议，人决定；可是当机器一百次判断九十九次都对，而一个人每天要审核八百个case，人也会慢慢变化，他会开始相信系统。
Human-in-the-loop最后很容易变成human-on-the-loop。
机器管理常规。
人只处理例外。
效率更高，公平甚至也可能更高，可灰色地带会越来越少。
家明有一次收到交通罚单，系统把速度、位置、灯号和视频全部列出来，没有警察，也没有争论。他第一反应是公平，第二反应是烦。机器执法最大的优点，和它最没有人情味的地方，是同一件事：它不care你是谁。
过去一个老人慢慢过马路，一个送货司机临停一下，一个学生家里出了事晚交一天作业，一个小贩摊位多伸出来一点，社会的运行并不只靠规则，还靠一种很难写进法规里的东西——看情况，给chance咯，paiseh啦，算了咯。
AI当然也能学习例外，可一旦例外被写进系统，它又会变成规则。
最后城市可能更安全、更公平、更透明，腐败也更少，但“找个人谈谈”的空间会缩小。Max Weber曾经说现代社会不断走向rationalisation，人类把世界变得越来越可以计算、管理和预测。AI可能把这种趋势推到以前做不到的程度，因为过去不是社会不想执行每一条规则，只是执行太贵。
机器把执行成本降下来以后，人类第一次真的有机会，认真执行自己写过的每一条规则。
我们一直担心AI会不会越来越像人。
最后也许恰恰相反。
人类社会越来越像AI。
十二、站到2029年以后，家明终于看懂那四个cycle
到了2029年，家明再回头看，才发现教授当年画的四只钟并不是理论游戏，它们真的落在不同人的人生里。Kitchin那只最短的钟，落在没有买的condo、永康拖了两年的冰箱、减少的旅行和餐厅消费里；白领第一次感受到AI冲击以后，社会最先增加的是储蓄。
Juglar那只钟落在公司的AI预算、云厂商的server、机器人和自动化设备里。家庭不敢花钱，公司却为了降低未来成本，花更多钱。Kuznets那只钟落在数据中心、晶圆厂、电网、发电和新的工业基础设施里。AI看起来是一场软件革命，最后却逼着世界建更多重资产。康波最慢，也最深，它改变的是劳动、能源、认知、土地、资本和所有权的相对价格。
到了这里，那个看起来不可思议的未来就开始成立：GDP可以继续上升，生产可以继续增加，可经济不再需要按照同样比例增加参加生产的人。一个十几人的团队，可以做过去一百人的生意；一个工程师可以带几个agent完成过去一个team的工作；一个人可以监管一批机器人。
生产没有减少。
人却没有按照同样速度增加。
这原本应该是人类几百年来梦寐以求的事情。我们发明机器，不就是希望机器替人干活吗？
问题在于，我们又用了两百年建立另一套制度：大多数人必须先证明生产系统需要自己的劳动，才可以得到收入，再用收入去购买生产系统做出来的东西。AI开始动摇第一句话，第二句话还没有改变。
这才是AI时代最深的矛盾。
机器替人工作，本来应该意味着自由。
在一个收入仍然主要来自工作的社会里，它却首先意味着失业。
同一个技术，可以既是解放，又是威胁，差别不在机器，而在制度。
Perez所谓turning point真正有价值的地方，也就在这里。技术革命最后能不能进入广泛繁荣，并不取决于技术够不够强，而取决于社会有没有能力重新安排财富、工作、教育和时间。
2029不是结局。
甚至只是问题真正开始的地方。
十三、冰箱买回来的那一天
永康在数据中心拿到第一笔像样的bonus以后，没有去买AI股票。他先把信用卡还掉，然后去Best Denki买了那台拖了两年的冰箱。老婆挑了很久，最后买了一个比原来预算贵一点的日本牌子。一个月以后，他们重新订前往北海道的机票。
消费回来了。
不是因为GDP报告告诉他经济复苏，而是因为他重新相信，明年还有收入。
所有复杂的宏观理论，最后都会落在这种很小的地方：一个人敢不敢花今天的钱，取决于他是否相信明天。
那年中秋，永康来到家明家，带了一盒月饼。打开以后，四颗都是双黄莲蓉。厚载笑他，说是不是有阴影。永康说：“以前有一年没有蛋黄，看到都怕。”
大家笑。
家明父亲坐在旁边，健康设备提醒他今天不能再吃第二块。老人骂它多管闲事，却没有关掉。厚载在房间里跟AI讨论一个assignment，第二天老师会问他为什么删掉模型给出的两个答案。窗外，一辆无人车停下来，配送机器人在等lift，远处偶尔有无人机的灯。
没有人说未来到了。
因为真正的未来，从来不会宣布自己来了——那是宣战。未来都是慢慢地、悄无声息地融入到生活里。
十四、最后改变世界的，从来不是AI和机器
家明后来慢慢明白，AI未来最值得思考的问题，也许从来不是机器会不会拥有欲望。机器甚至不需要欲望，因为人类已经有足够多的欲望。
老板想降低成本，因为他怕竞争对手；员工开始存钱，因为怕失业；消费者接受无人车，因为想省钱和少等；家长用AI tutor，因为怕孩子输；年轻人转去芯片、能源和机器人，因为怕自己的技能贬值；老人接受监控，因为怕摔倒没人知道；政府增加摄像头，因为需要维持治安；政府吸引外国人才，因为企业怕落后，同时又补贴本地转型，因为自己怕掉选票。
没有谁坐在一间密室里设计2029年的世界。
每个人只是往对自己更安全、更有利的方向走了一步。
等几亿个人都走完以后，办公室少了人，工厂多了机器，天空多了无人机，道路少了司机，学校少了标准答案，城市多了眼睛，能源变贵，判断变贵，审美变贵，所有权变得更重要，人情的灰色空间则慢慢缩小。
这就是技术真正改变世界的方法。
它并不命令人类。
它先改变价格。
价格再诱导选择。
选择形成制度。
制度最后变成生活。
又一年雨季，家明站在Tuas的数据中心外面。雷从海峡方向滚过来，里面几万块芯片正在不停工作，有一些替人写代码，有一些读病历，有一些控制机器人，有一些分析摄像头，也有一些正在帮助人类设计下一代机器。
门外，一个二十多岁的technician蹲在地上检查冷却水管，永康站在不远处和vendor讲话，怡宁在几公里外的能源控制中心值班，父亲在家里和医疗AI争论今晚还能不能多吃一块榴梿。
家明突然觉得，这个世界没有被机器人接管。
它只是重新标了一次价。
程序员过去一小时的执行力、一个中年人二十年的组织记忆、司机坐在方向盘后面的时间、一度电、一块土地、一份判断、一种审美、一次人情上的通融，还有一个人相信自己未来十年都能继续生活下去的确定感，都被放回市场里重新问了一遍：你到底值多少钱？
他想起很多年前那盒没有蛋黄的月饼。当时他们以为，公司只是少放了一颗蛋黄。后来才知道，那只是一个新世界最早露出来的一点边角。
工业革命从来不是机器先改变社会，而是机器先改变价格。价格改变人的选择，人的选择改变企业，企业改变城市，城市改变政治，政治最后再回来决定财富怎么分。
所谓未来，大概就是这样来的。它不会在某一天早上突然出现，而是一场雨，一张预算表，一次取消的看房，一个没有被录取的graduate，一台后来没人再拍照的机器人，一个孩子第一次发现标准答案已经没有那么值钱，一个老人为了安全同意机器知道自己几点睡，一个城市为了公平把越来越多例外写成规则。
等人类有一天回头，才会发现自己为了避开每一个眼前的风险、拿到每一个眼前的好处，已经一步一步走到了那里。
家明那时才明白，他们一开始问错了。
真正的问题从来不是AI最后会变成什么，而是当计算、执行和答案越来越便宜以后，人类还准备把什么留给自己。
也许是判断，是责任，是审美，是关系，是信任，是所有权，是对现实世界的理解；又或者，是一种机器越来越强以后反而越来越重要的能力——知道自己究竟为什么要做一件事。
机器会把How和What变得越来越便宜。
于是人类最终可能不得不重新学习Why。
技术走到最后，竟然回到了哲学。
人真tm有意思。
