在HumanX大会的入口，一条标语直白得有些刺眼：

“停止雇佣人类。”

它并非来自某场主旨演讲，也非哪位CEO的宣言，却比会场内任何精心准备的发言都更具冲击力。因为就在同一屋檐下，人们正热烈讨论着另一套叙事：如何提升批判性思维、加强沟通能力，以发挥人类不可替代的独特价值。

然而，现实世界的脚本似乎正在背离这种讨论。越来越多的公司在裁员公告中，开始直接提及AI。Salesforce裁撤了4000名客服员工，理由是AI已接管了其50%的客服工作；Block的CEO杰克·多西宣布计划裁减近一半员工，解释是“智能工具”彻底改变了企业的运作方式。

更引人深思的是，就在今年3月2日，宾夕法尼亚大学和波士顿大学的研究人员发表了一篇论文，通过数学模型推演出一个令人不安的趋势：

不加节制的AI裁员，最终可能摧毁经济本身。

其逻辑链条清晰而冷酷：每一家用AI取代工人的公司，同时也在解雇自己的客户；每一位失去收入的员工，都意味着市场上一个消费能力的消失。当足够多的人失业，整体购买力将持续萎缩。最终，那些裁员的公司，将在一个失去购买力的经济中销售产品，自身也难以幸免。

01 一个名为“AI裁员陷阱”的极端推演

这篇题为《AI裁员陷阱》的论文，并未纠缠于技术细节或具体岗位流失数量的预测，而是探讨了一个极端情境：如果所有公司都不加限制地用AI替代人力，会发生什么？

模型假设每家公司都面临一个简单的二元选择：用人，还是用AI。选择AI的短期好处显而易见——成本更低，每替代一个岗位，公司都能立即节省一笔开支。

但问题在于，被替代的员工，从公司财务报表上看是“成本”，在宏观经济中却是“需求”的基石。他们的收入减少，必然导致对商品和服务的消费下降，而这部分消费，原本正是企业收入的来源。

论文将此构建为一个清晰的因果结构：每裁掉一个人，就会带来一部分市场需求的水久性损失。关键在于，这部分损失并非由裁员公司独自承担，而是像涟漪一样扩散至整个市场，由所有企业（无论是否裁员）共同分摊。

于是，一个扭曲的激励结构出现了：自动化带来的好处是私有的，但其引发的代价却成了“公摊”。从单个公司的理性视角出发，加速自动化无疑是占优策略。更何况，如果竞争对手行动更快呢？落后就意味着出局。

顺着这个逻辑推演下去，竞争压力会迫使企业争相加速自动化，以获取暂时的竞争优势。可悲的是，当所有玩家都这么做时，竞争优势会相互抵消，而市场需求流失的“窟窿”却只会越来越大。

论文用“红皇后效应”来形容这种状态：所有人都在拼命奔跑，却发现自己仍在原地。用更通俗的话说，这就是一场没有赢家的、被迫的“内卷”。

在极端情况下，如果自动化的边际成本趋近于零，整个系统便会滑向一个典型的“囚徒困境”：每家公司都会选择完全自动化，因为这是个体最优解；但当所有个体都采取最优解时，集体结果却比大家都不自动化时更糟。

最棘手之处在于，即便每家公司都心知肚明，知道裁员会削弱整个市场的蛋糕，它们也别无选择。继续奔跑至少是“一损俱损”，停下来则意味着立刻被淘汰。

02 理想解法与现实世界的鸿沟

那么，这个困局有解吗？论文提供了一种理论上的方案：依靠“有形之手”的干预，对企业征收“自动化税”。

既然问题的根源在于企业没有为“削弱市场需求”这一行为承担全部成本，那么通过税收提高其自动化成本，使之变得不那么“划算”，理论上就能纠正这一市场失灵。从模型内部看，这个解法完美自洽：理想的税率应恰好等于企业未承担的那部分社会损失，而征得的税款还可用于员工再培训，促进再就业，形成一个良性循环。

然而，正因其过于理想，它的局限性也暴露无遗。这篇论文将复杂现实高度简化为一个仅包含成本、需求和竞争的模型。在这个框架下，“过度自动化”几乎是必然的悲剧结局。

但现实世界的运作远非如此简单：

需求不会凭空消失，它会转移、重组，并被创新产品与服务重新激发；岗位也不仅仅是被替代，同时也在被创造，尽管分布可能发生剧变；企业的决策，更非只基于成本算计，还深受战略布局、品牌形象、政策环境等多重因素牵制。

现实是动态、发展和多元的，而模型是静态和简化的。这并非否定模型的价值，而是提醒我们，它刻意忽略了其他变量，更像一个“思想实验”的放大镜，旨在警示我们：如果某些条件同时成立，市场自身的逻辑，完全可能将自动化推向一个对整体而言并非最优的方向。

03 现实版本：一场关于“适应”的盛大讨论

HumanX大会上的景象，恰好提供了这个模型的“现实版本”。这场为期四天、吸引了约6500名投资人、创业者和科技高管的盛会，几乎所有的演讲者都在传递同一套建议：学会与AI协作，提升人类独有的判断力，强化那些难以被自动化的特质。

DeepLearning.AI创始人吴恩达指出，编程不会消失，AI只是降低了门槛，让更多人能参与其中；真正的差距将体现在如何定义问题、如何使用工具。培训平台Coursera的CEO格雷格·哈特则将重点放在“人类能力”上，如批判性思维、沟通与协作。他透露，平台上批判性思维课程的注册人数，过去一年增长了两倍。法国AI公司Dataiku的CEO弗洛里安·杜埃托的描述更为具体：未来的工作模式可能是AI负责通宵执行，人类在白天进行审核、判断与决策。

这些论述听起来像是一套升级版的职业生存指南：让人从执行者晋升为决策者，从生产者转型为协调者。

但硬币的另一面是，入门级岗位正在悄然消失。根据投资机构SignalFire的数据，从2019年到2024年，美国大型科技公司针对经验不足一年的岗位招聘减少了50%。那些本该用于培养新人、积累经验的初级工作，被自动化直接绕过了。新人还没来得及进入体系，体系本身就已经被改写。

这些变化，虽然远未达到论文描述的极端状态，市场需求仍在，新岗位也在涌现，但它们清晰地指向一个趋势：现实，正朝着那个模型所警示的方向缓慢移动。

一个有趣的对比是，2025年HumanX大会的关键词还是“人类联结”，着重探讨社交与合作；而到了今年，台上的核心话题已变为自动化、效率以及AI如何改变一切。

会上很少有人否认AI将重塑工作，大家似乎默认了“AI执行、人类决策”的美好未来，转而更多地讨论人的价值与适应之道。他们建议，要学会驾驭AI工具而非抗拒，要将时间从重复执行转向价值判断，要强化沟通、理解与协作这些“护城河”能力。甚至有声音开始认为，人文学科可能成为未来技术职业的重要基石——因为当AI能处理技术细节时，真正区分高下的，是对人性和社会的深刻理解。

这些建议无疑具有价值，但对个体而言，它们都有一个隐含的前提：你本人，必须首先留在系统之内。只有留下了，才有资格谈论从执行者转向决策者，从“被替代者”变为“工具驾驭者”。他们在教你如何适应未来，但较少被深入讨论的是，已有多少人正在被排除在这个未来之外。

而从“AI裁员陷阱”模型的角度看，当所有公司都在理性地做出相似选择时，系统性的结构变化，可能不会等待任何个体完成转型。

HumanX入口处那句“停止雇佣人类”并非共识，但它之所以令人印象深刻，或许正是因其撕下了温情的面纱，展露出一种赤裸裸的可能性。

当然，技术提升效率的剧本并非只有一种写法。如果企业能将AI带来的效率提升，转化为更低的产品价格、更优的服务体验或更丰富的供给，那么市场需求反而有可能被放大。这在经济学中并非新理论，早在蒸汽机时代，就有“杰文斯悖论”指出：效率提升往往不会减少资源消耗，反而因成本下降激发出更大的总需求。

在AI领域，类似的路径同样存在：一些企业并未急于用AI替代人力，而是用它来拓展业务边界，做以前“做不起”的事情。正如企业软件公司Box的CEO艾伦·列维所言，当AI大幅降低知识工作的成本后，许多曾经因成本过高而无法启动的项目，将变得可行。

但这并非一个自动发生的过程。效率提升的红利，可能转化为企业利润，也可能部分让渡给消费者，刺激新需求。关键在于企业如何选择与使用这项技术。

论文的推导或许过于简化，现实中的调整也远未结束。但至少有一点已越来越清晰：AI不会均匀地改变所有工作，它会先重塑产业结构与就业结构，再决定谁被留下。

而结构最终走向“陷阱”还是“红利”，很大程度上，取决于企业今天如何使用这把锋利的工具。