“ai 会不会取代我？” karpathy 给出了一个最清醒的回答。

先回答一个看似简单（实则深刻）的问题:

为什么ai在翻译上注定碾压人类，

但在写作上短期无法取代人类?

这个问题的背后,藏着这一轮ai革命的关键秘密：

• 这一轮ai革命的本质，到底是什么？
• ai会取代哪些工作？而哪些工作是安全的？甚至会更有价值，回报更大？
• 这一轮ai革命，对经济和社会的影响会是怎样的？

昨天早上，我读到了andrej karpathy在twitter上的分享（“关于本轮ai革命对经济的影响”），然后又重读了他在2017年的blog文章《software 2.0》。在 logseq 里做了些阅读笔记，和 chatgpt 边聊边思考，琢磨了两天，形成了一些观点，与你分享。

简单说一句结论：

这轮ai革命，不会“取代所有人类工作”，

但几乎一定会取代这一类工作。

这类必然被取代、人类必然被碾压的工作/任务有两个关键特征：从过程上看，任务执行的“算法”缺乏创造性；从结果上看，任务结果高度可验证。

符合这种特征的任务，在本轮 ai 革命下，前景非常不乐观。结合具体例子看，“翻译”正好符合这两点，而“写作”则是暂时安全的。

本轮ai革命的本质

这一轮ai革命，到底应该比作“蒸汽机的发明”、“电的发明”、还是“火的发明”？

karpathy认为都不是，而应该视作“软件2.0”。

传统软件世界是 Software 1.0：人类写 if、for、while，把规则一行行敲进代码。这套范式能自动化很多流程，但有致命限制：你必须能把“怎么做”说清楚。

而深度学习带来的是 Software 2.0：人类不再写详细规则，而是写目标：这是好翻译还是坏翻译，这盘棋赢了还是输了，这段代码有没有通过测试…… ai 在庞大的数据和练习中，自己“学习”出完成任务的规则。

一言以蔽之：Software 1.0 自动化你能精确描述的；Software 2.0 自动化你能稳定验证的。所以，现在判断一项工作能否被 ai 重塑，关键已经不再是“能不能写规则”，而是结果是否“可验证”。

决定命运的坐标轴

这一轮ai革命的本质，是软件2.0。基于这个思考，看一件工作在 ai 时代的命运，可以画一个简单的二元坐标：

• 横轴是结果的可验证性（verifiability）：这是karpathy所强调的，看结果是否有“相对稳定”、“规模化可执行”的评价标准；
• 纵轴是过程的算法固定性（algorithmic fixity）：这是我补充的，看完成这件事的“隐含算法”有多稳定、多可复制。

你可以把“算法固定性”理解成这件任务的“SOP程度”：

• 100%：完全 SOP 化，像流水线，比如，记账、标准化报表；
• 80%：高度 SOP 化，有套路但有变化，比如翻译、答题、很多种类的编程；
• 20%：SOP 程度很低，几乎没有套路，比如写作、战略决策、谈判、育儿。

一个任务的可验证性越高，背后的“算法”往往越稳定，反过来也成立。于是，一个任务被 ai 自动化的可能性，大致可以看作：

ai 可取代性 ≈ 可验证性 × 算法固定性

结果高度可验证、过程算法高度固定的任务落在右上角，这里是 ai 的主战场。而可验证程度低、算法固定性低的任务落在左下角，这里暂时还是人类的缓冲区。

翻译 vs 写作

“翻译”类任务，ai为什么会碾压人类？

跟任务的难度没有关系（甚至，对人类越难的事情，对ai往往越简单），而是因为：

• 数据极多：世界上有成山成海的双语语料，一句一句对齐；
• 结果可验证：BLEU、COMET 等自动评价指标已经成熟，人类抽查即可；
• 结构清晰：输入是一句话，输出也是一句话，格式高度结构化。
• 练习成本接近于零：模型可以在海量语料上重复练习，几乎无限次重置练习环境。

换句话说，翻译在这个坐标系里，落在“可验证性高、算法固定性高”的黄金象限。在这个象限里，ai 注定碾压人类。

“写作”类任务，为什么ai 暂时无法超越人类，反而能放大人类工作的价值？

虽然写作和翻译看起来差不多，都很难，都是产出文章，但在上面的分析框架中，写作几乎是翻译的反面：

• 没有固定规则：好文章的标准会随时代、读者和场景变化；
• 没有统一评分标准：即便是同一篇文章，不同编辑给的评价也完全不一样；
• 结果不可大量验证：你无法在一亿篇新文章上“自动打分”，再把模型调到最优；
• 环境不可重复：写作面对的是具体的读者、具体的语境，这些都在变化。

写作的问题不在于 ai 生成不出语句，而在于没人能稳定地验收“这是不是好写作”。ai 可以写出“看起来像”的文章，但很难持续地写出“必须是它写的”那种东西。

翻译和写作的命运分叉，正是算法固定性和结果可验证性这两个维度在发挥作用。

“可以标准化的智力劳动”

基于前面的模型和分析，我们可以得出一些启示：

• ai 不会平均地影响所有工作，它会优先狂暴压缩这一类任务：算法固定性高、结果可验证性高的白领流水线。
• 只要是“可以标准化的智力劳动”，几乎一定会在这一轮ai革命中被取代。

例如，根据模板写周报财报舆情简报，根据固定规范写接口文档、常规代码，按规则筛选简历、生成面试问题，把会议录音整理成纪要……这些工作当然需要脑力，但结构高度稳定，结果非常容易验证。这部分价值，会被 ai 以极高效率抽走，边际价格持续下探，直到接近电费。

每一轮技术革命，必然会取代一部分人类工作，同时又创造出大量的全新的人类工作。如果你是个真·终身学习者，你真正需要思考的问题不是“ai 会不会取代我”，而是：

我有哪些工作内容，是结果可验证、算法高度固定的？

我又有哪些内容，是结果不可验证、难以标准化的？

然后，主动把高算法固定性任务交给 ai, 写摘要、翻译、改写、格式整理、初稿生成……凡是 ai 做的更好的事情，这些都不值得你消耗生命。你越早把它们外包出去，越早把自己从“标准化智力工人”升级出来。

然后，你需要刻意训练低算法固定性的能力。比如写作、讲故事、选题、教学设计、产品洞察、系统性思考。这些东西没有现成评价标准，也正因此难以被自动化。

这些能力，才是你和你的孩子，在 ai 时代的护城河。

one more thing

2025 年，ai 能力已经超越了某个阈值。ai，已经不应该是玩具，不应该是随便聊聊天的chatbot，而应该真正深入你的工作、学习，为你创造实打实的价值。

什么时候，ai才应该“落地”？

最好的时间，就是现在，就是今天。

2025 年，对我来说，是 ai 为我创造价值最大的一年，是 ai 真正和工作、学习成长、家庭教育深入融合的一点。

我也希望把这种价值传递给你。

我的“做中学·ai社群”首次招募，物美价廉，物超所值。何时加入？就在今天！👉

点击“阅读原文”，直达社群。