吴恩达说 AI 只能干 30%，那剩下的 60% 在哪里：写给决策者与管理者的清单

先说结论。「AI 会不会取代我的工作」，这个问题现在有两个流行的极端答案：一个是「人类要完了」，另一个是「AI 就是个高级玩具」。吴恩达给的是第三种，而且具体到数字——把工作拆成任务来看，AI 能接管的，大约是三到四成；而剩下那六成，反而会更值钱。

这句话听着像安慰，其实有出处、有算法，也有一个反常识的经济学推论。这篇文章想做两件事：第一，把这组数字是怎么来的拆开讲清楚；第二，顺着《自然》近期的一篇报道，把「谁在喊 AI 危险、为什么喊」也摆到桌面上。最后把结论落到需要做判断的人身上。

一、30% 是怎么算出来的

这个数字来自斯坦福的 Erik Brynjolfsson 和 MIT 的 Andrew McAfee 团队做过的一项研究。方法不是问「AI 会不会取代某个职业」，而是把工作拆到任务颗粒度——一个岗位由若干具体任务组成，逐条去看 AI 现在能接管多少。答案是 30% 到 40%。

这个拆法很关键。因为「岗位消失」和「岗位重组」是两件完全不同的事：前者意味着无事可做，后者意味着有的部分变便宜、有的部分变贵。而经济学家给出的结论是后者。

为什么变便宜的部分会把变贵的部分抬上去？经济学里这叫互补品：一样东西变便宜了，和它搭配着用的那样东西，需求反而上升。放到工作里就是——当三成任务交给 AI，人负责的那六成，反而被放到了更重要的位置上。

最有说服力的证据，恰恰出在受 AI 冲击最深的领域：软件工程。AI 写代码的能力确实很强，但吴恩达说，软件工程师的招聘岗位数量在上升，他认识的优秀工程师全都比以往更忙。

不过他补了一句更要紧的话：如果你的技能水平还停在 2022 年、停在 AI 能自动化的那三成里，那确实有麻烦。出路不是对抗，是把可以被自动化的部分交出去，去练 AI 做不了的那部分。

二、别急着接受，也别急着恐慌：这轮警报是谁按响的

往下走之前，有必要先把脉摸一遍——因为这半年关于 AI 的声音里，最大的一股不是「AI 能干三成」，而是「AI 可能把人类干掉」。

《自然》9 月 22 日的一篇报道，把这场恐慌的来龙去脉理了一遍。引爆点是 9 月 8 日：一位叫 Jacob Coxon 的研究员从 AI 公司 Anthropic 辞职，理由是他害怕公司正在开发的系统会逐渐失控、最终毁灭人类。他在社交平台上写了一句话：「开发 AI 的人真心相信，AI 会在 2030 年底把人类都干光。」——这条内容 24 小时内被浏览了 1 亿多次。

几个小时后，Anthropic 负责「对齐科学」的研究者 Evan Hubinger 转发附议，给出自己的估算：人类在下一个十年灭绝的概率大于 10%。随后，该公司首席执行官 Dario Amodei 撰文呼吁 AI 开发降速；作为竞争对手的高管，OpenAI 的 Sam Altman 和 xAI 的 Elon Musk 都表示支持。

到这里，一个有意思的问题就出来了：为什么恰恰是做 AI 的公司，最积极地告诉大家「AI 很危险」？

吴恩达的判断很直接：一部分恐慌背后，有商业利益在推动。逻辑是这样的——当前 AI 领域最值钱的资产之一，是头部公司花数十亿美元训练出来的巨型模型；可如果别人把能力接近的开源或开放权重模型免费放出来，这笔投入就麻烦了。于是少数头部公司成了「恐吓营销」声量最大的来源：渲染危险、推动严监管，等于人为抬高入场门槛，给开放模型的竞争者设障。「AI 像核武器」这个类比，他说在事实层面毫无根据，但恐惧营销确实有效。

《自然》没有停在「这是阴谋」这一层，它把各方摆出来的动机列了一遍：

• 据报 Anthropic 很快将进行 IPO——收紧监管能让它有正当理由放慢开发速度，同时不用担心对手抢先；
• 白宫科学技术顾问委员会联合主席 David Sacks 在社交平台上指出，这类模型一旦被用来发动真正有破坏性的网络攻击，公司面临巨大的产品责任风险敞口；
• 而 Amodei 自己承认的恐惧点里，有一个技术词：递归自我改进（AI 打造自己的继承者），他认为这会削弱人类理解和操控 AI 的能力。

也有反方向的声音。AI 公司 Ndea 的联合创始人 François Chollet 就认为，加强监管的提议是出于对安全的真切担忧，不是巨头用来巩固自身地位的手段。

证据这一侧，《自然》援引了兰德公司（RAND）2025 年的一项研究：把「AI 灭绝人类」拆成核武器、生物技术、人为扰乱大气三条现实路径去看，结论是——核武器「一键清空」并不可行；另两条不排除，但都需要 AI 具备与真实世界物理交互的强大能力，而且「起杀心」不是一朝一夕的事，人类察觉后有能力拦截。该研究的作者说了句更重的评语：这类预测往往涉及很多无法验证真伪的说法，「更像一种信念，缺乏科学或实证支持」。

还有一类担忧更具体，也更值得企业留意。AI Now 研究所的首席 AI 科学家 Heidy Khlaaf 认为，与其担心「灭绝」，不如担心 AI 在生死攸关场景里的不靠谱和不准确：虚假信息、被用于起草监管文件，甚至被用来协助制造生物武器。《自然》举了一个近乎荒诞、却真实发生的例子——据 CNN 报道，一份 AI 生成报告里的假消息，差点让美国军队在今年初登上一艘中国的船。

为什么要把这些讲得这么细？因为对做经营和判断的人来说，真正有用的不是「AI 到底会不会灭世」这个结论，而是一套看声音的方法：看到吓人的说法时，多想一步——具体是谁在说？他担心的到底是什么？证据走到了哪一步？他提出的解决办法，最后会让谁受益？这四问用在 AI 话题上有效，用在任何一次「风口」上也一样有效。

三、那 60% 到底是什么

回到更实的问题：人比 AI 多出来的，究竟是什么？

吴恩达用了很朴素的一个例子。你让 AI 帮忙想五个点子，看完之后，你觉得两个不错、两个一般、还有一个完全行不通。奇怪的是，你可能只扫了一眼，就知道最后那个不行——而 AI 把它写得像模像样。

为什么你能一眼看出来？因为你知道很多它不知道的事：你跟客户见过面，知道对方上次为什么犹豫；你了解团队，知道谁最近根本抽不出时间；你还记得，老板嘴上没强调，但上次讨论时对某个细节格外在意。

这些东西往往没有写进需求文档，也没有出现在你给 AI 的那几句话里。吴恩达把它叫做人的「上下文优势」——平常说的判断力、经验、品味，有相当一部分就来自这里。

这个说法比「软技能」那种说法更有用，因为它把「提升判断力」变成了具体可做的动作：多见客户，多参与实际的事，留意一件事为什么成、为什么没成，再回头修正自己的判断。这些经历本身，就是你比 AI 多出来的那部分上下文。攒得越多，下次面对 AI 给出的五个方案，你越可能一眼选对。

四、写给管理者：三件比「上不上 AI」更值得先想的事

第一，别问「要不要上 AI」，要问「谁在用它」。吴恩达讲了他团队里的几个例子：营销的人自己写了个桌面应用去爬相关文章、高亮值得关注的动态；财务负责人发现团队每周要花好几个小时开文件、复制粘贴数字，于是自己写了自动化脚本，定时开文件、做一致性校验、有异常主动提醒；招聘团队干脆配了专职的「招聘工程师」，把工程能力嵌进业务团队。他还观察到招聘端的一个变化：招聘要求里越来越多出现「高度的主人翁意识」——坐等上级派活的时代正在结束。

这对管理者的含义其实很直接：AI 带来的差距，往往不出现在「谁买了更好的工具」，而出现在「你的团队里有多少人愿意自己动手，把问题流程化」。要不要投，是决策；有没有这样的人，是组织问题——后者更难，也更值钱。

第二，别把 AI 当成学习工具。这句话听着别扭，但吴恩达说得很重：「坦白说，AI 模型对于学习来说糟透了。作业分数上去了，长期留存下来了什么？什么都没有。」他引的研究结论是：学生用 AI 做作业，作业分数更高，但长期表现更差——因为 AI 替他们把活干了。他把这个叫认知卸载：对「把事办成」是好事，对「把东西学进脑子」是灾难。他自己就是例子——过去半年用 AI 搞定了很多前后端问题，可六个月后要重做那个组件时，什么都不记得，只能再问 AI 一遍。

值得琢磨的是这一点：团队里越依赖 AI 出活，个人的能力底子越容易被悄悄掏空。对经营者的启示不是「别用 AI」，而是「分清哪些事必须自己走一遍」。

第三，把数据的边界想清楚。关于把敏感信息交给 AI，吴恩达给了两条实操守则：涉及真正敏感的信息（比如重大非公开信息），要么不用 AI、手动做，要么只在本地跑开放权重模型——现在最新的开放权重模型能力已接近前沿，而且足够小，可以本地部署。这个判断对企业很实用：不是所有活都该送到云端，边界要提前定，别等出了事再补。

另附一个观察。面对「人类会不会失去对 AI 的控制」这个终极问题，吴恩达的类比是飞机——「到今天我们也不能完美控制任何一架飞机，我们永远不会完美控制 AI，但我们控制得已经够好。」工程界从来不是「必须 100% 可控才允许飞」，而是在受控环境里逐步放大能力、测量问题、迭代修正。这个态度，对做技术落地的人，比任何口号都更可参照。

五、回到我们这一行

我们做的是社区、楼宇、园区的空间智能化。拿这篇文章的框架回头照一遍，其实挺清楚。

那些标准化的、可以被规则描述的部分——门禁核验、通行记录、设备状态上报、报表统计、异常告警的初筛——正是 AI 能接管的那三成，它们会越来越便宜、越来越不用人操心。这对甲方是好事，对我们也是：省下来的力气，应该放到那六成上去。

而那六成是什么？是一栋楼到底该在哪里开口、一个园区的动线怎么排、老年人刷脸失败该由谁来救场、三年后这套设备由谁维护这类问题。它们的共同点是——答案不在任何一份需求文档里，而在现场、在人、在具体的那一次沟通里。这恰好也呼应了我们一直说的那句话：智能化的难点从来不在设备，而在谁来管、数据归谁、三年后还能不能用。

所以，与其焦虑「AI 会不会取代我们」，不如问一个更实在的问题：我们把那六成，练得够不够扎实？

六、写在最后

把两篇文章合起来看，能得到一个还算完整的图景：

一边，吴恩达给了个乐观但有据的算法——AI 接管三到四成，人的六成更值钱；另一边，《自然》把恐慌的来龙去脉和各方的动机摊开——确实有人在渲染危险，也确实有人靠这个获益。

真正值得警惕的，既不完全是 AI 会不会失控，也不完全是有人借恐慌做生意，而是恐慌本身会让人停下来。吴恩达最后那句话，我印象最深：「当恐慌信息不停地推送时，人们开始怀疑自己是否还有存在的意义，于是不再主动去获取那些本可以让他们过得更好的技能。在这个『往前坐的人会赢』的时代，这是我们干的最糟糕的事之一。」

对做决策的人而言，答案可能就这么简单：别被吓停，也别被吹着走——把能交的交给工具，把不能交的练成自己的。

说明：本文为行业观察，不构成对任何具体项目或产品的承诺。文中观点与数据均来自公开发布的信息：吴恩达（Andrew Ng）在播客 Silicon Valley Girl 的访谈内容（经公众号「阿丹探」2026 年 9 月 30 日整理），及其引述的斯坦福 Erik Brynjolfsson 与 MIT Andrew McAfee 团队的任务颗粒度岗位分析；以及《自然》（Nature）2026 年 9 月 22 日新闻解释性报道《Will AI really kill us all? The science behind the hype》（作者 Elizabeth Gibney，经公众号「Nature Portfolio 自然系列」2026 年 9 月 29 日转载），其中包括兰德公司（RAND）2025 年研究报告《On the Extinction Risk from Artificial Intelligence》的相关结论，均按公开报道口径转述。「30%–40%」「60%–70%」为研究给出的区间估算，非精确结论；涉及企业动机的内容均系公开报道中的各方便表述，不代表本公司立场。文中配图为桑田智能据公开信息自绘的示意图，非原文配图。

关于桑田智能

桑田智能技术（上海）有限公司（品牌「二兔开门」）专注社区、楼宇与园区的空间智能化，提供从物联感知终端、平台软件到场景应用的整链条方案，服务覆盖居民小区、商务楼宇、产业园区、校园、人才公寓与街镇基层治理等场景。

相关报道

《「完整社区」不是又一轮改造：写给街镇的四道关》，2026 年 10 月 2 日。阅读原文 →

《选智慧通行系统，先问清这九个问题》，2026 年 9 月 30 日。阅读原文 →

《AI 智能体走进社区：从「会对话」到「能办事」》，2026 年 9 月 28 日。阅读原文 →