AI 从金字塔底层往上吃人，Luke Drago 拆解智能诅咒与三条破局路

美国联邦预算里，大约一半的税收来自个人所得税。企业税只占很小一块。这条财政逻辑成立的前提是：大多数成年人有工资可领。

Luke Drago 把这套前提摆到了台面上。他是 Workshop Labs 的联合创始人，也是系列文章《The Intelligence Curse》（智能诅咒）的合著者。这期节目来自 Future of Life Institute 播客，主持人 Gus Docker 跟他聊了一个多小时，话题从宏观经济一路落到「你明天该不该辞职去做那个疯狂的项目」。

Luke 的核心判断可以用一句话概括：当非人类的生产要素成为社会主导的生产来源，掌权者的最优策略就不再是投资于人。

石油国家守着油田，国民反而没份

「智能诅咒」这个名字是照着「资源诅咒」起的。资源诅咒说的是那些靠石油吃饭的国家：投一美元到油田，回报高于投一美元到教育和产业上。于是钱源源不断流向油田，国民的生活质量反而被落在后面。

Luke 强调这里有个容易被忽略的机制：你能生产价值，这是你在社会里的谈判筹码。一旦这个筹码消失，你剩下的权利就全靠别人施舍。

主持人拿养老金领取者举例：他们不生产什么，甚至是社会资源的净消耗者，为什么还能被保护？Luke 的回答很扎实。养老金领取者不是凭空出现的，他们先工作了四十年，纳了四十年税，当过社会的活跃成员，那份保障是他们用筹码换来的。美国在罗斯福新政之前对老年人远没有今天这么好，新政本身就是大量劳工运动和社会动荡倒逼出来的结果。

他真正担心的图景是：所有人一夜之间都变成了养老金领取者，却没有人再拥有那四十年的谈判筹码。你的生活质量取决于下一次选举，取决于当权者心情。

这一次的技术，目标和过去一千年不一样

经济学家常说：历史上每次技术革命都伴随阵痛，但长期看工资涨了、生活水平涨了。Luke 认为这个类比漏掉了一个类别差异。

过去一千年的技术，增强的都是人的能力。蒸汽机替代了肌肉，但没有一台工业革命时期的机器能替代人的思考。人类始终待在食物链顶端，靠的是脑子里那点东西。

「如果你去看这个领域很多公司的目标，你会发现他们把存在理由押在造出能做人能做的一切事情、而且更快更便宜更好的技术上。」

他特意澄清这不需要阴谋论。如果有个选项能省下 50% 的人力成本，同时拿到更快更可靠的结果，绝大多数老板会选它。不需要谁心怀恶意，激励结构自己会跑。

金字塔从底部开始塌

Luke 用一家跨国白领公司讲了替代路径。这类公司每年从顶尖大学招一大批初级分析师，人很多、层级很多，顶端的人退休或跳槽，底下的人一层层补上去。

AI 的第一波冲击正好打在塔基。入门级工作标准化程度高、可验证性强、容错空间大，最适合拿来做训练和部署。

他引用了一篇刚出的实证论文（他说自己只 skim 过，不敢称专家）：在软件工程等几个特定领域，22 到 25 岁年龄段的岗位发布数、offer 数、整体就业人数都在收缩。而在另一些领域，AI 表现为增强而非替代。这个分布跟「哪些任务容易被自动化」的预期基本吻合，是支持因果推断的一个信号。

然后是「往上爬」：随着模型变得更 agentic、能做长周期规划，公司也把更多内部知识喂进去，替代会一层层往上推进。哪天你醒来发现周围同事全是 AI，下一次敲门就是让你走人。

蓝领的曲线不一样。Luke 猜测更接近「零到一」：机器人能力不到位之前几乎无法替代，到位之后可能一次性铺开。蓝领的岗位结构也更扁平，一大群人做相似的活，顶上一个小金字塔，一旦机器人成熟，冲击会非常集中。

还有个反直觉的顺序问题。主持人补充：管理者可能比一线工人先被替代。排班、开票、调度这些管理协调类任务，AI 现在就能干；真正搬东西的机器人还没到位。

法律护城河会漏水

主持人问：法官这种有法定身份保护的岗位，是不是天然抗自动化？Luke 说形式上是的，实践中未必。

法官还在位子上，但他每天用同一个模型、同一套 prompt 来辅助判断。人类法官只是名义上的守门人。Luke 的原话大意是：如果每个法官都在用 GPT-7 做判断，那 GPT-7 的缺陷就成了你法官的缺陷。

律所是另一个样本。合伙人级别的律师很难被替代，但一年级律师干的活主要是苦力，如果律所只招一半的初级律师，纸面上「律师没被自动化」，实际上初级岗位已经塌了。接下来会走向哪个世界，Luke 说这是他最关心的分岔：是大所继续滚雪球垄断行业，还是涌现出大量小而专业的律所。他和合著者 Rudolph 都押后者，但他强调这不会自动发生。

品味、隐性知识，还有你口袋里那点东西

聊到「什么还能保住人」，Luke 举了一个他很喜欢的例子：推特上的艺术家 Nomads and Vagabonds，给《智能诅咒》和 Workshop Labs 都画过插画。他的工作流是拿 Stable Diffusion 在自己的作品上微调，然后极擅长写 prompt，一次生成几百张，最后只发几张。

Luke 说自己试过，出不来那个效果。问题不在模型，在品味：不知道该喂什么数据、不知道 prompt 该怎么写、不知道几百张里该挑哪几张。这位艺术家的输出，一眼就能认出是他的。

他由此引出 Workshop Labs 的完整论点：长期 AI 进步的瓶颈在于高质量数据，具体是隐性知识和本地信息。

• 隐性知识：你在长期做事中积累的手感、诀窍，很难数字化，因为它长在你身上，别人不知道去哪找。
• 本地信息：你作为一个具身的人，对周围环境的实时感知，你能看到的机会，别人看不到。

实验室现在非常想要这类数据，所以才有浏览器入口的争夺、才有花大价钱建专家参与的定制 RL 环境。Luke 的落点是：这些数据现在就在你手里，在你口袋里、在你笔记本上、在你每天的生活里。

Workshop 想做的事，是把这些数据用在你自己身上，通过技术手段保证连他们自己都用不了。用他的话说：不能训练一个大模型去自动化你，也不能把数据卖给老板。

数据是新的社保号

主持人提了一个尖锐的现实问题：一个数学博士生工资不高，只要提供带步骤的证明就能拿几百美元，这个激励太强了，社会怎么挡？

Luke 的回答很直接：靠「我们更私密但更差」赢不了。人们不会为了隐私去用一个更烂的工具。唯一的路是把默认工具做得更好，并且把保护做成可验证的硬保证，而不是一句承诺。

他提到技术路径：传输全程加密，在可信执行环境里解密运算（他们用 NVIDIA Secure Enclaves），对运行的代码做远程证明，模型权重也加密存储。你可以自己验证没有东西被抽走，不必信任他这个人。

关于「数据是新社保号」这个说法，他给了一段很有嚼头的对照。2015 年你重视隐私，换来的是更差的广告。接下来十年不一样了：如果你为了「稍微好一点的 ChatGPT 体验」把生活里的一切都交出去，而对方没有做硬隔离，你离「一键被卖掉、被用来把自己挤出经济」只差一次点击。

他还提到一个很少被讨论的张力：50% 的美国人在中小企业上班。这些公司没有几百号人可以抽数据，多数人身兼要职，一个人的经验就是公司的核心资产。如果这些经验能被安全地用来训练属于他们自己的模型，那 AI 可能反而缩小大公司和小公司之间的效率差距。这是他真正兴奋的方向。

开源这件事，他比多数人更敢站队

聊到开源，Luke 说自己大概比这档播客的平均听众更支持开源。理由不复杂：如果开放权重模型不在未来里占一席之地，闭源方就能持续收租。

他反驳了一个在 AI 安全圈很流行、他认为是错的论证：「开放权重永远落后」。他说两年前有人说开源追不上、中国更追不上。现在中国开源模型大约落后前沿六个月，Kimi-K2 的英文写作能力他愿意押是当前最好的之一。算力不是一切，训练方法和数据里还有别的变量。

他划了个前提：如果真发生硬起飞（hard takeoff），一路冲到超级智能，那确实是谁先到谁赢，游戏结束。但在其他几乎所有情形下，观测到的都是差距在缩小。认真对待 AI 安全的人，就必须认真对待「开放权重模型会存在而且会很强」这个事实，然后去研究怎么让它们安全。

他反复引用 Kyle O'Brien 的工作：预训练阶段就把生物材料相关信息从训练数据里剔除，模型会获得一定的防篡改能力，后面再用微调把知识塞回去也塞不进去。他称这类研究是「圣杯方向」，并说进展比他预期的快。

这里有个值得单独拎出来的反直觉观点。很多人指望一次「灾难性警告射击」能把所有人吓醒、放慢脚步。Luke 在论文里放了一个七段长的脚注专门反驳这一点：在很多情形下，警告射击反而会加速 AI 进展，因为被吓到的人第一反应是「我们需要更快的防御」。

所以他的优先级排序是：与其把资源砸在不断评估、不断喊「更近了」（评估出来也没人真停），不如砸钱让技术本身变得抗篡改、可分散、可验证。

诺威能破咒，靠的是发现石油之前就有的东西

资源诅咒不是宿命，Luke 举了诺威。诺威有主权财富基金，有石油之外的真实经济，教育、福利、政府稳定性都是全球前列。关键在于：诺威发现石油之前，就已经有了极强的公务员体系和极低的腐败水平。

他反问：我们现在处于那个状态吗？他的判断是，美国几乎每个看过政府运作的人都觉得某处从根本上坏了，而且坏了几十年。想扛住全面自动化的压力，需要的制度韧性比扛住石油收入还要高。

沙特和阿联酋是另一类样本。它们意识到石油见顶、新能源要来，开始投资多元化经济。但要注意，这些国家生活质量高的是「对经济重要的人」，底下还有一整个底层。沙特在走向多元化经济的同时，性别关系也在放宽，Luke 认为这两件事同时发生不是巧合。

还有一个更阴暗的机制。历史上，统治者愿意分利，往往是因为「造反的可信威胁」比「分钱」更贵。但 AI 同时自动化了生产和镇压：监控更细、异议更难组织。国家能力会经历一段极弱期，然后突然变得极强，两头都让民主程序失去作用。

「给我看激励，我给你看结果」

主持人问了个大问题：未来经济是被文化价值观塑造，还是被技术和经济激励决定？

Luke 的回答避免了决定论。激励很强，但不是铁律，也不是预先写好的。他举的例子是华盛顿卸任。华盛顿手握权力，完全有条件当国王，他选择回家。这是个人对抗激励结构的经典案例。

他也提到 Brexit：一群人选了一个从经济账上看代价不小的选项，因为另一套价值（主权）赢了。他不评价这件事本身的对错，只用它说明：社会确实会在经济利益之外做取舍，问题是你要不要把激励提前挪到对人类有利的方向，而不是每次都指望掌权者人品爆发。

他引用查理·芒格那句：给我看激励，我给你看结果。

给个人的三条建议：N-of-1、登月、守住数据

节目最后聊到年轻人该怎么办。Luke 的判断很硬：默认路径正在关闭，这跟你信不信某一种干预手段无关。他的公司可能成功也可能失败，但咨询业、大公司入门岗这些「安全选项」，恰恰是自动化最先进攻的地方，因为五万人的公司最想砍的就是这块薪资。

他给出的可操作路径，明天就能用：

• 做 N-of-1。在一个组织里，如果你的岗位有一千个人在做同样的事，你极度可替代。如果你的价值来自「只有你在那儿、只有你懂这块」，你就安全得多。
• 尽早做登月项目。现在创业、加入早期公司、去没人听过的小机构，风险比进麦肯锡或 Jane Street 更低，因为后者的岗位正在消失。他用了个刺人的比喻：拿到那份高薪 offer，你是最后一班离开西贡的直升机上的人，你是最后一代咨询顾问。
• 守住你的专有知识。你的隐性知识、你对本地机会的感知，是当前 AI 最稀缺的原料。别为了一点产品体验的便利，把它一键送出去。优先选那些能证明「用不了你的数据」的工具，而不是承诺「不会用」的工具。

对社会的建议则是：把智能层商品化，投开源，投抗篡改的安全技术，投能让个人保住控制权的产品。他不认为商品化能彻底解决问题，但认为这是打破智能诅咒的必要前提。

整期节目最值得带走的一句，大概是这个顺序：先承认激励结构正在往一个方向推，再去问「我能不能在它推到位之前，把自己挪到一个不同的位置」。Luke 的答案是可以，但前提是你现在就开始挪。