本文是 Peiiii 与榫关于现代货币、初始产权、生产扩张、AI 对中国就业结构的影响、Agent 工程师与 OPC 的差别,以及未来 5—10 年蓝海方向的结构化导航与综合分析。
逐段、不压缩、不改写的问答正文由 AI、经济、就业与未来产业格局:无损对话原文 唯一保存。本文件不得替代、覆盖或删减该原文层;后续综合判断有变化时,只更新本文件并保留原文历史事实。
它不是已经确认的个人战略、投资建议或确定预测。文中必须区分:
- 事实:有公开数据或制度事实支持;
- 思想实验:用于拆解经济运行机制;
- 中性情景:基于已知趋势形成的候选路径;
- 战略判断:用于辨别未来价值链位置,仍需现实证据验证。
01一、理解经济的底层:货币不是财富,而是调动财富的权利
1. 现代经济中的四类角色
日常所说的“政府印钱”混合了四个不同角色:
- 政府/财政部门:征税、发行国债、公共支出;
- 中央银行:发行现金、创造银行准备金、调节利率和金融条件;
- 商业银行:通过贷款创造大部分存款货币;
- 居民与企业:劳动、生产、消费、储蓄和投资。
现代货币大部分不是纸币,而是银行账户中的数字。创造货币的基本形式,是资产负债表两边同时增加:央行获得资产并创造准备金,商业银行获得贷款债权并创造存款。
2. 中央银行如何“印钱”
假设央行从银行购买 100 元国债:
- 央行资产增加 100 元国债;
- 央行负债增加 100 元银行准备金;
- 银行减少国债、增加准备金。
新增准备金原先不存在,由央行直接记账创造。纸币只是央行负债的实体形态;银行需要现金时,可以将准备金兑换成纸币。
3. 商业银行如何创造大部分货币
银行向企业或个人发放 100 万元贷款时,通常同时记账:
- 银行资产:增加 100 万元贷款债权;
- 银行负债:借款人账户增加 100 万元存款。
因此:
- 发放贷款创造存款货币;
- 偿还贷款本金消灭相应存款货币;
- 银行受到资本、流动性、监管、借款人偿还能力和坏账风险的约束。
4. 为什么不能无限创造货币
货币是对真实资源的购买权,不是粮食、住房、能源、机器、医疗服务和人的时间本身。
当新增购买力没有对应的真实供给承接时,结果可能是:
- 商品与服务通胀;
- 房地产、股票等资产价格上涨;
- 本币贬值和资本外流;
- 货币信用下降。
当经济存在失业、闲置设备和未利用产能时,新增信用与财政支出可能激活真实生产;当资源已经满负荷时,继续增加购买力更可能转化为涨价。
因此最核心的约束不是印刷能力,而是:生产能力、资源瓶颈、信用、汇率与社会对货币制度的信任。
02二、思想实验:一群人继承完整的人类遗迹
假设 100 人来到一处无人继承的人类遗迹,其中有城市、粮食、住房、电厂、农场、工厂、车辆和自动化生产系统。此时大量真实财富已经存在,但产权和货币制度尚不存在。
1. 第一问题不是印多少钱,而是资产属于谁
可选择的初始制度包括:
- 先占者所有:行动快、武力强或组织好的人占据核心资产,偶然占有迅速固化为阶层;
- 平均物理分割:表面公平,但发电站和工厂不可切碎,切碎可能破坏生产;
- 政府统一所有:有利于初期调度,但控制政府的人可能实际控制全部资产;
- 共同继承、分散经营:全体共同拥有原始遗产的收益权,专业团队竞争获得有期限的经营权。
较稳健的起点是建立公共遗产信托:
- 无主土地、自然资源和核心设施进入共同信托;
- 初始成员平等拥有受益权;
- 发电站、工厂和农场可出租、承包或竞标经营;
- 经营者获得劳动和经营收益,同时向公共信托支付租金;
- 租金用于公共服务、维修储备或公民红利。
这一区分非常重要:收益权可以共同拥有,经营权不必平均分割。
2. 初始成员是不是零资产
如果产权尚未建立,他们没有法律意义上的私人资产,但共同面对一个富有的社会。合理制度下,每个人可获得:
- 基本生存权:食物、饮水、基础住房和医疗;
- 公共遗产的平等受益权;
- 一笔启动货币;
- 自己的劳动能力和个人物品;
- 通过劳动、创业和交换积累私人财富的权利。
初始平等不意味着结果永远相同,而是避免某人只因先占据发电站,就永久控制所有人的生存命脉。
3. 第一笔货币如何建立信用
社会可设立受规则约束的公共结算机构或中央银行,发行“遗迹币”。新货币之所以能被接受,不是因为纸张有价值,而是因为:
- 公共住房租金、水电费和税费以它支付;
- 政府采购和工资以它支付;
- 所有人承认它可以交换真实商品和服务;
- 发行受到公开制度约束。
第一笔货币可以通过四条渠道进入社会:
- 每人相同的启动余额;
- 初期公共工作工资;
- 政府采购与公共投资;
- 公共遗产产生真实收益后的公民红利。
初期食物、水、基础住房和医疗不宜全部交给竞价市场,因为价格体系尚未稳定,错误分配会直接威胁生存。普通消费品可逐步市场交易,稀缺非生存物资可拍卖,生产性资产则通过有期限、可撤销的经营合同配置。
4. 后来加入的人如何处理
如果新来者立即获得与初始成员完全相同的永久资产,可能造成套利和无限稀释;如果后来者永远没有公共权益,又会形成世袭阶层。
相对平衡的制度是:
- 到达即获得基本权利和生存保障;
- 可工作、交易并使用公共服务;
- 满足居住时间和公共义务后取得公民身份;
- 公共遗产受益权逐步归属;
- 初始成员身份不得无限继承为永久特权。
03三、生产扩大后,谁增加货币供应
生产扩大不意味着货币必须机械地同比增长。经济还可以通过货币流通更快、价格下降、赊账和商业信用承接更多交易。但如果信用体系过于僵硬,企业可能有设备、有订单,却因缺少工资和原料资金而无法扩产。
1. 商业银行提供生产信用
企业发现一条新生产线,需要先支付原料和工资。银行评估其未来现金流后发放贷款:
- 企业账户新增存款;
- 企业用存款支付工人和供应商;
- 新货币进入经济循环;
- 企业销售产品后偿还本金;
- 对应存款货币被消灭。
这是一种随生产机会扩张和收缩的弹性机制。
2. 中央银行支持最终结算
当支付跨越多家银行时,需要银行准备金完成最终结算。央行通过准备金贷款、购买合格资产和利率政策保证支付体系稳定,并控制整体信用条件。
自然链路是:
出现真实生产机会 → 企业需要预付工资和原料 → 银行贷款创造存款 → 央行提供结算基础货币 → 生产和收入增加 → 贷款偿还、部分货币消失。
3. 财政支出解决不同问题
银行贷款适合有可偿还现金流的项目;公共道路、电网等社会收益高但私人难收费的项目,更适合税收、公共基金或政府发债建设。经济衰退和需求崩溃时,财政转移支付也可能直接恢复居民购买力。
新增货币从哪里进入经济具有分配效应:
- 只贷给资产拥有者,可能先推高资产价格;
- 平均发钱较平等,但不保证进入有效生产;
- 全交给政府适合公共设施,却可能导致权力集中;
- 全靠商业银行,银行又可能偏好有抵押物的富裕借款人。
合理体系通常组合使用商业信贷、公共开发金融、财政投资、公共资产红利和央行结算支持。
04四、AI 时代价值如何重新分布
1. 真正分界不是 AI 内外,而是稀缺瓶颈与可替代供给
AI 体系内部同样会高度分化。容易获得超额收益的是掌握以下控制点的主体:
- 芯片、算力、能源和数据中心;
- 前沿模型、训练能力与关键标准;
- 用户入口、渠道和平台生态;
- 独占数据、品牌、信任和客户关系;
- 支付、交易和供应链网络;
- 能把 AI 输出接入现实执行、责任和交付闭环的组织。
普通 AI 应用、通用 Agent 框架、一般开发者和可快速复制的模型能力也会商品化。候选规律是:
当通用认知生产变得廉价,价值会从可复制生产环节,向不可复制的瓶颈、所有权和最终控制点集中。
2. AI 首先吞噬的可能是招聘、入口和议价权
职业由多个任务组成。AI 不必一次取消整个职业,也可以通过以下方式减少劳动需求:
- 招聘冻结,不补充自然离职;
- 收缩初级岗位和成长入口;
- 提高单人的产出要求;
- 少数熟练人员加 AI 承担过去更大团队的工作;
- 最终围绕 AI 重新设计公司和部门。
因此中期最重要的指标不只是失业率,还包括招聘量、初级岗位、实际工资、劳动收入份额、不充分就业、工作稳定性和单位人员产出。
3. 新职业会出现,但未必等量、同收入吸收旧岗位
可能增长的工作包括 AI 集成、机器人维护、数据治理、安全合规、医疗照护、个性化教育、线下体验和复杂经营。但关键不在“是否出现新职业”,而在:
- 数量能否赶上旧岗位收缩;
- 转移需要多少时间与再训练;
- 收入和稳定性是否接近原岗位;
- 大量劳动者涌入暂未自动化行业后,是否继续压低工资。
“难以自动化”不自动等于“高收入”;还取决于稀缺性、支付能力、组织权力和劳动供给。
05五、未来 5—10 年的候选演化路径
阶段一:工具化与隐性收缩
- AI 以赋能员工的形式进入组织;
- 人均产出上升,工资未必同比提高;
- 招聘冻结、自然减员和初级岗位减少先于显性裁员;
- 能驾驭 AI 并承担最终结果的人获得更大杠杆。
阶段二:围绕 AI 重构组织
当 AI 的可靠性、长期执行、工具调用和责任追踪达到经济可用水平,企业会从“给每个岗位配 AI”转向“如果今天从零建立公司,还需要多少人和哪些部门”。可能出现:
- 管理层级和中后台缩减;
- 一名负责人调度多个 AI 系统;
- 项目制、合同制和按结果付费增加;
- AI 原生小团队挑战传统大组织;
- 稳定中等收入岗位减少。
阶段三:机器人把冲击扩展到物理劳动
软件 AI 先影响数字认知劳动;机器人若越过成本、安全和可靠性阈值,影响会扩展到制造、仓储、物流、零售、清洁、运输和部分照护服务。其速度可能慢于软件自动化,但覆盖更广。
06六、中国 2024 年就业结构与 2035 年中性情景
1. 2024 年官方总量
国家统计局数据显示,2024 年中国就业人员为 73,439 万人:
| 产业 |
人数 |
占比 |
| 第一产业 |
16,298 万 |
22.2% |
| 第二产业 |
21,275 万 |
29.0% |
| 第三产业 |
35,866 万 |
48.8% |
来源:国家统计局《中国统计年鉴 2025》表 4-2,以及《中华人民共和国 2024 年国民经济和社会发展统计公报》。
2. 2035 年中性情景
这不是官方预测。讨论区间假设全国就业人员下降到约 6.5亿—6.9亿,以 6.7 亿作为结构计算中心值:
| 产业 |
2035中性占比 |
中心人数 |
| 第一产业 |
13% |
约8700万 |
| 第二产业 |
25% |
约1.68亿 |
| 第三产业 |
62% |
约4.15亿 |
核心图景不是产出下降,而是:产出继续增加,就业总量下降,每名劳动者配备更多 AI、机器人、软件和资本设备。
3. 分领域迁移方向
以下细分是分析性重组,不是国家统计局正式行业预测。
农林牧渔:约 22.2% → 13%
减少:普通种植、人工巡田喷洒、小规模低效率养殖、多层中间流通。
增长:规模经营、农机和无人机运维、育种兽医、农产品加工品牌、农业供应链和智慧农业服务。
制造、采矿与能源:约 18% → 17%
人数可能小降,但产出大增。
减少:重复装配、人工搬运分拣、固定规则质检、基础生产文员。
增长:工业机器人集成、机电维护、工艺与质量、芯片材料、工业软件、能源和数据中心系统。
建筑:约 11% → 8%
减少:大规模新房开发、普通土建、房产销售渠道、重复设计制图。
增长:城市更新、设施维护、节能与适老化改造、工业和数据中心建设、装配式施工与建筑机器人。
商贸、餐饮和住宿:约 14% → 12%
减少:收银、售票、普通导购、标准客服、基础酒店前台和订单处理。
增长:品质餐饮、门店经营、美业健身、宠物服务、旅游和线下体验。
交通、仓储和配送:约 6% → 5%
减少:封闭场景驾驶、固定路线运输、仓库搬运分拣和普通调度。
增长:自动驾驶车队运维、机器人仓库、冷链医药物流、跨境物流和异常处置。
企业服务、金融和软件:约 8% → 13%
总需求可能增长,但普通白领和基础数字生产岗位被压缩。
减少:基础编码测试、数据录入、普通会计后台、标准合同、普通文案设计、信息转发型管理。
增长:Agent 系统、评测和可靠性、安全权限、行业解决方案、企业流程改造、复杂销售、产品经营和数据合规。
公共管理:约 4% → 4%
减少:材料汇总、表格流转、重复审批和低复杂度窗口事务。
增长:AI 治理、监管审计、公共安全、复杂现场判断、异议处理和跨部门协调。
教育:约 6% → 5%
减少:受生源下降影响的冗余岗位、普通知识讲授、标准批改、传统题库和录播内容。
增长:职业训练、成人再就业、特殊教育、儿童心理与成长支持、实践型导师和企业 AI 转型培训。
医疗卫生:约 3% → 6%
减少:病历整理、初筛、标准信息查询和部分重复影像流程。
增长:医生护士、康复、慢病管理、心理服务、家庭医疗、医疗设备、临床 AI 与质量安全。
养老、照护和居民服务:约 5% → 8%
减少:部分标准预约、监测和行政协调。
增长:养老护理、上门照护、社区养老、长期护理、辅助器具、照护机器人服务和适老化改造。
文旅、文化、个人体验及其他:约 2.8% → 9%
此项包含多个今天统计上分散的新型工作,不能理解成单一文化产业达到 9%。
减少:普通内容生产、素材加工、信息搬运和低差异化数字供给。
增长:现场体验、IP 与品牌、旅游体育、个人服务、小型 AI 原生经营和平台化专业服务。
07七、未来更有价值的人员与职责
1. AI 系统与企业流程负责人
Agent 系统工程师
职责包括:
- 将真实业务拆为可执行工作流;
- 接入数据库、API、权限和存量系统;
- 设计工具调用、记忆、状态和上下文;
- 建立评测、回归、失败恢复和人工审批;
- 控制成本、延迟、可靠性和数据安全;
- 对端到端业务结果负责,而不是只生成文本。
只会调用模型、拼 Prompt 和封装聊天页面的开发者会逐渐商品化。
AI 原生产品/转型负责人
职责包括:
- 找到企业成本最高、周期最长或错误代价最大的环节;
- 判断 AI 执行与人工审批边界;
- 重组岗位、权限、流程和绩效;
- 协调业务、技术、法务、安全和管理层;
- 对降本、增收、交付周期和质量负责。
AI 评测、可靠性与安全人员
职责包括真实业务评测集、持续回归、提示注入和越权测试、权限审批、审计记录、人工接管以及事故调查。
2. AI 与物理世界交叉人员
包括机器人系统、运动控制、机器视觉、自动化产线、设备调试、仓储自动化、无人机方案和现场运维人员。真正稀缺的不是演示算法,而是把设备放入真实现场后稳定运行多年。
3. 电力、能源和数据中心基础设施人员
包括电力规划与调度、数据中心电气、液冷和热管理、储能、并网、GPU 集群网络调度、芯片封装测试和设备工程。
4. 高技能技术工种
电工、暖通制冷、工业设备维修、电梯与特种设备维护、精密加工、新能源汽车维修、自动化设备安装、水务能源设施运维等,会使用 AI 诊断和机器人辅助的人可能比大量普通白领更有议价能力。
5. 掌握业务、客户和复杂交易的人
复杂企业销售、解决方案架构师、供应链经营者、行业客户成功和专业服务合伙人的价值来自信任、谈判、组织协调和对收入回款负责,而不是制作方案文档。
6. 行业专家加 AI
医疗、金融保险、制造、法律合规等领域,真正稀缺的是拥有行业责任、资格和 AI 系统能力的组合人员。
7. 照护、信任和深度关系岗位
医生、护士、康复、养老、心理治疗、儿童发展、特殊教育、慢病管理和高水平训练者仍然重要;但社会需求大不自动等于个人收入高,收入还取决于资格、独立服务能力、口碑、客户关系和支付制度。
8. 拥有产品、渠道和现金流的人
1—10 人的 AI 原生公司可能完成过去几十人甚至更多人的工作。真正稀缺的不是开发,而是需求发现、获客、品牌、渠道、专有数据、支付关系和持续经营。
08八、Agent 工程师、个人开发者与 OPC 的真实关系
Agent 工程师是一种生产能力;OPC 是一种组织和所有权形式。两者不是同一维度。
| 维度 |
Agent系统工程师 |
个人开发者/OPC |
| 收入下限 |
相对较高 |
相对较低 |
| 职业确定性 |
较高 |
取决于市场验证 |
| 收入上限 |
受工资与职级约束 |
理论上很高 |
| 核心资产 |
技术与交付能力 |
产品、客户、品牌、渠道和现金流 |
| 主要风险 |
技术商品化、岗位收缩 |
没有客户、分发和持续收入 |
普通独立开发者最危险的模式是:看到点子、快速做 App、上线后等待自然流量。AI 降低开发成本,同时让相似产品爆炸,开发能力本身不再稀缺。
真正的 OPC 不是“一个人写代码”,而是一个人或极小团队借助 AI 和外部服务,掌握从需求到收款的完整经营链:
- 找到高价值问题;
- 接触具体客户;
- 设计解决方案;
- 交付真实结果;
- 获取用户和建立渠道;
- 销售、收款和续费;
- 管理风险和现金流;
- 将重复交付沉淀为产品。
长期价值可以粗略表示为:
普通独立开发者 < 强 Agent 系统工程师 < 有客户的 Agent 专业服务经营者 < 拥有稳定分发和现金流的 AI 原生企业。
但这不是一条自动升级路径。OPC 的高价值来自所有权和控制点,不来自 One Person 这个标签。
09九、选择蓝海的判断方法
面向 2031—2036 年,不能用“现在是否热门”判断蓝海。一个有吸引力的方向通常同时满足:
- 需求结构性增长:由老龄化、能源需求、企业降本、安全监管、基础设施维护或供应链变化驱动;
- 供给扩张缓慢:需要现场能力、资质、数据、信任、硬件、责任和长期交付;
- AI 放大稀缺能力:不是和 AI 比数字生产,而是让 AI 服务仍然稀缺的诊疗、维修、调度、交易和责任;
- 能形成控制点:客户入口、工作流、数据、支付、设备网络、合规资格、交易市场或供应链;
- 市场足够碎:客户问题具体、地区和行业差异大,巨头只提供基础设施,难以一次吞掉全部场景。
因此未来的蓝海不是一个岗位名称,而是:
需求必然增长、供给难以复制,并且进入后能够持续积累资产与控制权的价值链位置。
10十、未来十年六个候选蓝海方向
方向一:AI × 物理产业的部署与运营层
行业包括制造、仓储物流、农业、矿山、建筑维护、能源设施、无人机巡检和商业机器人。
真正市场不是制造机器人演示,而是让机器人稳定完成:感知、任务理解、物理操作、异常处理、人工接管、责任记录和持续维护。
可形成的控制点:
- 特定场景部署标准;
- 设备运行数据;
- 远程运营平台;
- 维护网络;
- 行业机器人技能库;
- 按任务量或节省成本收费的长期关系。
风险是部署重、销售周期长、需要硬件和行业伙伴;这些困难也是供给不易泛滥的原因。
方向二:老龄化社会的医疗、康复与长期照护基础设施
需求链包括居家照护、社区养老、康复训练、慢病和用药管理、失能监护、护理调度、家属沟通、长期护理保险、适老化改造与照护机器人。
AI 的价值不是只陪老人聊天,而是放大稀缺照护人员:自动记录、风险识别、护理计划、服务调度、异常监测、质量审核和支付核验。
控制点包括长期家庭关系、服务网络、医疗护理数据、质量标准、保险支付入口和人机协同调度平台。
最大不确定性是支付能力,以及医保、长期护理保险和财政制度。
方向三:能源、电力与 AI 基础设施效率层
机会包括数据中心能源管理、液冷热管理、GPU 集群调度、算力容量交易、电力需求响应、分布式能源、工商业储能、数据中心与电网协同、能源设备预测维护和 AI 任务真实成本优化。
控制点包括能源容量、设备运行数据、调度权、电力与算力交易入口、长期运营合同和基础设施集成关系。
这一方向资本、技术和准入门槛高,不容易成为轻资产 OPC,但稀缺性强。
方向四:AI 的验证、责任、审计与保险层
当 Agent 能付款、改数据库、审批和操作设备,社会必须回答:谁授权、是否越权、如何证明、出错谁赔、升级是否退化。
具体机会包括:
- Agent 身份和权限;
- 行动审计和证据链;
- 持续评测与回归;
- 高风险审批和人工接管;
- AI 事故取证;
- 风险量化与责任保险;
- 数据和模型授权;
- 行业合规报告。
通用安全仪表盘也会红海。高价值位置是为金融、医疗、工业、政务和法律建立监管者、保险方与企业共同承认的责任标准。
方向五:垂直行业的 Agent 交易与执行网络
比普通垂直 SaaS 更强的形态,是控制完整交易:发现需求、匹配供给、询价谈判、审核资质、生成订单、跟踪履约、支付结算和异常处理。
候选行业包括跨境贸易、工业零部件采购、物流货代、设施维修、医疗耗材、企业保险、专业人才、农产品流通和中小企业供应链。
控制点包括买方需求、供应商网络、交易记录、履约评价、支付融资和行业标准。工具只能收取软件费,交易网络可以从真实经济活动持续获得收入。
方向六:传统中小企业的 AI 原生运营系统
不是泛泛“给中小企业做 AI”,而是选择一种具体业务模型,重构从获客到交付的完整链路。
候选切口包括:
- 外贸企业订单和跟单;
- 制造企业备件采购;
- 连锁诊所患者运营与合规;
- 物业巡检维修;
- 工程公司投标、采购和项目控制。
商业模式可以从席位订阅升级为按订单、回款、节省成本分成,或者软件加运营,最终成为行业 AI 原生运营商。
11十一、看似蓝海但容易变红的方向
1. 通用 Agent 开发
Agent 框架、通用编排、Prompt、上下文工具、浏览器 Agent、通用知识库和多 Agent 协作,会受到模型厂商、云厂商和开源项目持续向上吞噬。少数基础设施赢家可以很大,多数参与者面临商品化。
2. 人人可做的微型 SaaS
Mini App、Micro SaaS 和 OPC 是生产形式,不是护城河。供给可能比需求增长更快,形成相似产品爆炸、免费替代、低切换成本和高获客成本。
3. 通用内容生产
图片、视频、文章、网站和营销素材的需求会增加,但供给增长更快。只有品牌、IP、独家人物、受众渠道、现实体验和交易转化能形成持续差异。
4. 普通开发者 AI 工具
开发者付费市场有限,竞争全球化。IDE、模型和开源工具会整合代码生成、审查与文档等普通能力。剩余价值更多在企业工作流入口、安全可靠交付、私有数据和深度集成。
5. 纯 AI 咨询与培训
短期需求可能很大,但知识会迅速普及。没有行业交付、产品资产和客户入口的咨询将逐渐压价。
12十二、行业名称之外,更重要的是价值链位置
即使进入养老、能源和机器人等增长行业,站错位置仍可能无法获得价值。
养老价值链示例
从低到高大致为:养老聊天 App → 一次性机构软件项目 → 护理工作流 → 家庭与服务商需求入口 → 保险支付与质量审核 → 线下照护网络。
机器人价值链示例
从低到高大致为:演示 Demo → 外包视觉或控制模块 → 工厂设备集成 → 持续运营自动化产线 → 行业任务数据和技能标准 → 按完成的生产任务收费。
战略选择必须同时回答:
- 谁付钱;
- 为什么需求会增长;
- 哪个供给环节仍然稀缺;
- AI 在其中承担什么;
- 最终可以沉淀和控制什么资产。
13十三、如果只保留三个长期主方向
综合需求确定性、供给稀缺性和控制点潜力:
- AI × 物理世界的行业自动化:机器如何进入真实生产;
- AI × 老龄化医疗照护:人类最确定增长的服务需求;
- AI 系统的责任、验证和交易基础设施:机器获得执行权后,社会如何信任、约束并完成交易。
这不是说其他方向没有机会,而是这三类分别占据物理执行、刚性人类需求与制度信任三种难以被纯数字生成商品化的瓶颈。
14十四、未来最可能的社会结构与分配问题
中期更可能出现的不是全民停止工作,而是:
大多数人仍依赖工作获得收入,但完成同等社会产出所需的人类劳动持续减少;工作变少、变碎、变不稳定,收益和议价权向稀缺资产与控制点集中。
未来劳动者可能分成五类:
- 建设 AI、机器人、能源和算力的系统建设者;
- 将 AI 接入工厂、医院、物流和企业的真实系统运营者;
- 掌握产品、资本、客户、渠道和资源配置的人;
- 承担现场、照护、信任和职业责任的人;
- 面对岗位收缩、价格下降和临时化的标准化劳动供给者。
如果机器生产越来越多,而大众仍必须出售劳动才能获得收入,生产能力增长会与有效需求不足发生矛盾。可能的制度路径包括:
- 保留部分人类岗位;
- 缩短工作时间;
- 让收入与就业部分脱钩;
- 扩大 AI 资本所有权,例如社会基金、养老金、员工持股、合作社、公共算力或全民分红;
- 若所有权集中而制度迟滞,则经历中产收缩、不稳定就业扩张和更强社会冲突。
最终决定生活质量的不是 AI 能生产多少,而是:
- AI 生产资料由谁所有;
- 生产率收益进入利润、工资、公共服务还是自由时间;
- 当劳动不再稀缺,人通过什么机制获得资源、尊严、权利和社会位置。
15十五、激进压力测试:人类从生产者变为系统用户
这不是五年预测,而是用于暴露制度问题的激进情景。
- Agent 系统开发者也不天然安全;AI 可能逐步承担软件设计、研发、测试、评测和下一代系统迭代。
- 文明可以高度自动运行,不代表目标自然符合人的利益。“能否演进”与“为谁演进、谁有异议和退出权”是不同问题。
- AI 系统可能形成个人 AI、组织 AI、专业 AI 网络和物理执行层,关键边界是代表谁、能调动什么资源、能否撤权迁移、如何审计追责。
- 医院可能从信息流程密集机构转为医疗现场执行和责任中心;身体操作、设备、药物、急救、复杂照护和赔偿责任仍要求现实载体。
- 政府可能从层级办事机构转为公共规则、自动执行和可申诉监督的组合;公共权力不能因模型准确率高就自动获得正当性。
- 组织作为大量人的协作集合可能变薄,但作为资产、设施、法定权力和责任载体仍会存在。
16十六、最重要的不确定性与后续证据
不确定性
- AI 可靠性和长期自主执行何时越过企业替代人工的经济阈值;
- 机器人在复杂环境中的成本下降速度;
- 新岗位是否能在数量、收入和稳定性上抵消旧岗位;
- 竞争会把生产率收益传给消费者、劳动者还是资本;
- 中国人口、退休、房地产、财政和社会保障路径;
- 医疗养老需求能否转化为稳定支付;
- 人们愿意为真人关系、责任、身份和体验支付多少溢价;
- 政府如何调整劳动制度、税制和 AI 资本所有权。
后续应持续观察的证据
- 分行业招聘量、就业存量、初级岗位和再就业工资;
- AI 采用率、人均产出、实际工资与劳动收入份额;
- 企业采用 AI 后真实人员结构,而不是演示能力;
- AI 原生企业的收入与员工数量;
- 机器人单位成本、部署量和实际替代岗位;
- 医疗养老服务缺口、支付来源和护理人员收入;
- 电力、数据中心、算力和能源瓶颈;
- AI 事故、监管、审计与保险市场的形成;
- 生产率收益在消费者、劳动者、企业利润和基础设施之间的分配。
相关现实证据边界见:程序员就业背景核实。
本文件是 2026-10-05—2026-10-06 相关讨论的逐段无损正文。除添加章节标题、角色标签和时间外,不压缩、不重写、不删除问答中的论证、表格、例子、公式或边界说明。
结构化导航与综合分析见:AI、经济运行、就业结构与未来产业格局。
Q1我感觉我一直无法理解经济学的运转。尤其是为啥政府是怎么印钱的
Peiiii|2026-10-05T06:02:49.193Z
我感觉我一直无法理解经济学的运转。尤其是为啥政府是怎么印钱的
榫|2026-10-05T06:06:25.093Z
你觉得难理解很正常,因为日常说的“政府印钱”把 政府、财政部、中央银行、商业银行 四个不同角色混在了一起。
先记住一句最核心的话:
现代货币大部分不是印刷厂印出来的纸,而是银行账户中的数字;创造货币,本质上是在资产负债表上同时记两笔账。
一、先把四个角色分开
| 角色 |
主要做什么 |
| 政府/财政部 |
收税、发国债、花钱 |
| 中央银行 |
发行现金、创造银行准备金、制定利率 |
| 商业银行 |
接受存款、发放贷款,并由此创造大部分存款货币 |
| 企业与居民 |
劳动、生产、消费、储蓄和投资 |
日常说的“政府印钱”,更准确地说通常是:
中央银行创造基础货币,或者商业银行通过贷款创造存款。
政府财政部门本身一般不能想给自己的账户加多少钱就加多少钱。
二、中央银行究竟怎么“印钱”?
假设央行想创造 100 元。
它不需要先从哪里赚到这 100 元,而是可以直接修改账本:
- 央行买入银行持有的 100 元国债;
- 银行少了价值 100 元的国债;
- 银行在央行的“准备金账户”多了 100 元。
央行的账本变成:
| 央行资产 |
央行负债 |
| +100 元国债 |
+100 元银行准备金 |
这 100 元准备金此前不存在,是央行新创造出来的。
但央行并不是凭空获得财富。它是:
- 新增了一笔负债:100 元准备金;
- 同时获得了一项资产:100 元国债。
所以“印钱”并非只记一边,而是资产和负债一起扩张。
纸币也是同一个道理
如果商业银行需要现金,可以拿自己的央行准备金兑换纸币:
- 银行准备金减少;
- 银行拿到纸币;
- 再让居民从 ATM 取出来。
因此,印刷厂只负责把一种央行负债做成纸质形态。真正决定货币数量的不是印刷机,而是中央银行的资产负债表。
三、为什么央行买一张国债,就能创造钱?
因为大家接受央行的负债作为最终支付手段。
你账户里的“100 元”实际上可以一层层理解:
- 你拥有商业银行欠你的 100 元;
- 商业银行承诺你可以取出现金,或者向其他银行支付;
- 银行之间最终用央行准备金结算;
- 现金和准备金都是中央银行的负债。
所以现代货币本质上是一套分层的信用关系:
央行货币:现金、银行准备金
↓ 支撑
商业银行货币:居民和企业的银行存款
↓ 用于
现实交易:工资、购物、投资、纳税
央行处于这套支付体系的最底层,因此它能创造最终结算货币。
四、政府花钱和央行印钱,是不是一回事?
制度上不是一回事,但最终会相互配合。
假设政府要修一条路,支付建筑公司 100 亿元。
正常财政过程
政府通常先获得资金:
然后财政部门支付建筑公司:
- 建筑公司的银行存款增加;
- 建筑公司所在银行的央行准备金也增加;
- 财政账户相应减少。
这里政府是在把已有购买力重新分配,并不一定增加货币总量。
如果央行随后买入国债
比如:
- 政府发行 100 亿元国债;
- 银行或投资者购买;
- 政府把钱花出去;
- 央行又从市场上购买这些国债,创造新的准备金。
从整个“政府 + 央行”合并后的角度看,就很像:
政府发行债务并花钱,央行通过创造货币持有这笔债务。
这就是人们常说的“印钱支持财政”或“债务货币化”。
但现实中,各国往往有制度限制。例如财政部和央行在法律、决策和账目上相互独立,财政部门通常不能直接命令央行给自己无限加钱。这样设计,就是为了降低政府为了短期政治目标滥发货币的风险。
五、其实大部分钱是商业银行创造的
这一点最反直觉。
假设你向银行贷款 100 万元买房。银行通常不是先找到某个储户的 100 万元,再原封不动借给你。
放贷时,银行可以直接记账:
| 银行资产 |
银行负债 |
| +100 万元:你欠银行的贷款 |
+100 万元:你账户里的存款 |
你的账户中凭空多了 100 万元存款,社会上的存款货币因此增加。
也就是说:
银行发放贷款时创造货币;贷款本金被偿还时,这部分货币又被消灭。
当然,银行不能无限放贷,因为受到以下约束:
- 借款人是否有偿还能力;
- 银行资本充足率;
- 流动性和准备金需求;
- 监管要求;
- 央行利率;
- 银行对坏账风险的判断。
所以更准确的说法不是“银行把已有储蓄借出去”,而是:
银行通过放贷创造存款,同时承担信用风险和未来的结算义务。
六、既然能创造钱,为什么政府不无限印?
因为钱不等于真实财富。
真实财富是:
- 粮食;
- 房子;
- 能源;
- 医疗服务;
- 工厂和机器;
- 人的时间、技能与劳动;
- 技术、组织和基础设施。
货币只是对这些真实资源的购买权。
假设社会现在只有:
平均可以理解为一个面包对应 1 元。
如果货币增加到 200 元,但社会仍然只有 100 个面包,那么大家拥有的购买权增加了,面包却没有增加。互相竞价之后,面包可能涨到约 2 元。
所以真正的约束不是“政府有没有纸”,而是:
社会有没有足够的真实生产能力,来承接新增的货币购买力。
如果经济低迷,存在大量失业、闲置工厂和未利用资源,增加货币与政府支出可能带来更多生产,而不只是涨价。
但如果工厂已经满负荷、劳动力紧缺、能源和原材料不足,再增加大量购买力,就更容易导致:
- 通货膨胀;
- 房地产或股票等资产泡沫;
- 本币贬值;
- 资本外流;
- 公众对货币失去信任。
极端情况下,人们拿到钱就立刻购买商品或外币,形成恶性通胀。
七、用一个最简单的框架理解整个经济
可以把经济想象成两层。
底层:真实经济
人们实际在进行:
- 生产;
- 劳动;
- 交换;
- 消费;
- 投资;
- 技术创新。
真实经济决定一个社会最终能提供多少商品与服务。
上层:金融账本
金融系统记录:
- 谁拥有多少钱;
- 谁欠谁钱;
- 谁可以调动哪些资源;
- 风险和收益由谁承担。
货币、贷款、股票、国债,本质上都是对真实资源的不同权利安排。
金融系统可以重新分配购买权,也可以推动现实生产,但不能仅靠修改数字永久创造真实资源。
例如,政府创造货币去修铁路,可能让原本闲置的人、钢材和机器投入生产,最后真的多出一条铁路。
但如果工程能力已经满载,政府再创造大量货币抢同一批工人和钢材,结果可能只是工资和钢材价格上涨。
八、最后压缩成一条完整链路
央行创造基础货币
↓
影响银行资金成本和市场利率
↓
商业银行通过贷款创造存款
↓
政府、企业和居民获得购买力
↓
购买商品、服务、劳动和资产
↓
如果生产随之增加 → 经济增长
如果购买力增加得更快 → 通胀或资产涨价
如果贷款偿还/违约/财政紧缩 → 货币和需求收缩
最值得先建立的三个认知是:
- 钱主要是账本上的信用,不是纸。
- 央行创造基础货币,商业银行创造大部分存款货币,财政部门负责收税、借债和支出。
- 货币可以创造,真实资源不能凭空创造;印钱的终极约束是生产能力、通胀、汇率与信用。
理解了这三个点,利率、国债、财政赤字、通胀、房价和经济危机,基本都能逐渐放进同一张地图里。
Q2假设假设,我们来到一个人类遗迹,然后这一日然后这里有非常多的物资资产生产系统,然后这时候组建一个政府,那这种情况下怎么去运转呢?比如说这些东西是属于谁,那谁来印钱,印了钱之后怎么分配?比如说就来了一批人,那这批人他是不是都是零资产,还是说每个人分一点?
Peiiii|2026-10-05T06:16:48.684Z
假设假设,我们来到一个人类遗迹,然后这一日然后这里有非常多的物资资产生产系统,然后这时候组建一个政府,那这种情况下怎么去运转呢?比如说这些东西是属于谁,那谁来印钱,印了钱之后怎么分配?比如说就来了一批人,那这批人他是不是都是零资产,还是说每个人分一点?
榫|2026-10-05T06:19:12.910Z
[step: designing] 你这个假设特别好,因为它把经济学里经常被历史掩盖的问题直接暴露出来了:
当一群人面对大量无主的真实财富时,首先要解决的并不是“印多少钱”,而是“谁拥有真实资产,以及谁有权决定它们的用途”。
货币只是第二层的记账和分配工具。真正决定社会结构的是第一步的产权安排。
先建立这个遗迹世界
假设来了 100 个人,发现:
- 一座可以居住的城市;
- 足够吃一年的粮食;
- 发电站、自来水厂;
- 自动化农场和工厂;
- 车辆、机器、土地;
- 所有原来的人都消失了,没有可识别的继承人;
- 这些系统需要维护和劳动,但能够继续生产。
此时现实中存在大量财富,但还不存在被共同承认的产权。
物理意义上,这些东西就在那里;社会意义上的“属于谁”,必须由这 100 个人共同建立的规则决定。
一、这些东西天然属于谁?
没有唯一的自然答案。至少有四种可能的制度。
方案 A:先占者所有
谁先进入工厂,工厂就是谁的;谁先占住房,住房就是谁的。
结果很可能是:
- 少数行动快、武力强或组织好的人占有核心资产;
- 其他人只能向他们打工;
- 第一代偶然的占有关系逐渐变成永久财富差距。
这可以运行,但其正当性只是:
谁先抢到,谁拥有。
市场经济本身并不能回答最初的产权为什么属于某个人。市场只能在产权已经确定之后进行交易。
方案 B:平均分割
每个人分得遗迹总资产的 1%。
听起来最公平,但很多资产无法物理切割:
- 发电站不能切成 100 份;
- 每人拿走 1% 的机器,工厂可能无法生产;
- 每个人也未必有能力分别经营这些系统。
因此,应该区分两个概念:
- 收益权:谁从资产产生的价值中受益;
- 经营权:谁负责控制、维护和使用资产。
100 个人可以平等拥有收益权,但不必每个人亲自操作 1% 的发电站。
方案 C:政府所有
政府宣布全部遗迹属于国家,再由政府统一组织生产和分配。
优点是:
- 容易在初期集中调度;
- 能保护重要设施;
- 不会立刻被少数人瓜分。
风险是:
- 控制政府的人实际上控制全部资产;
- 普通人可能名义上共同所有,实际上没有决定权和收益权;
- 缺乏竞争和反馈时,资源配置可能低效。
关键问题不是资产写着“国有”还是“私有”,而是:
谁能真正作决定,谁获得收益,谁承担损失,又如何撤换失败的管理者?
方案 D:共同继承、分散经营
这是我认为这个假设下相对合理的起点:
- 所有无主遗迹先归一个“公共遗产信托”;
- 100 位初始公民平等拥有受益权;
- 重要自然资源和基础设施不直接永久卖掉;
- 具体工厂、农场、商铺可以出租、承包或拍卖经营权;
- 经营者根据经营结果获得收入,但需要向公共信托支付租金;
- 租金最终用于公共服务或向所有公民发放红利。
例如:
- 发电站归公共信托所有;
- 一个专业团队取得 5 年经营权;
- 团队负责生产、维修并获得报酬;
- 同时缴纳特许经营费;
- 特许经营费归全体成员,而不是归某位最早闯入发电站的人。
这相当于:
共同拥有原始遗产,但允许个人和组织竞争经营。
二、刚来的人是不是都“零资产”?
这要看“资产”指什么。
如果制度尚未建立,他们确实还没有法律意义上的私人产权;但他们面对的社会并不贫穷,因为存在大量共同可用的真实资产。
在共同继承制度下,每个人一开始可以拥有:
- 基本生活权:初期食物、住房、医疗和水电保障;
- 公共遗产受益权:对遗迹公共资产拥有平等的收益份额;
- 一笔初始货币:用于启动市场交换;
- 自己的劳动能力和个人物品;
- 通过劳动、创业和交换继续积累私人资产的权利。
因此,不应该简单理解为:
每个人一开始什么都没有,必须先给资本拥有者打工。
更合理的表达是:
每个人共同继承了遗迹,但尚未通过个人劳动形成不同的私人财富。
三、谁来印第一笔钱?
这 100 个人可以通过宪章设立一个货币机构,例如中央银行或公共结算机构。
它被授权发行一种新的货币,假设叫做“遗迹币”。
但是,“谁可以发行货币”和“谁拥有真实资产”是两个不同的问题:
- 公共信托管理遗迹资产;
- 政府负责公共治理和财政;
- 货币机构负责货币和支付系统;
- 企业、合作社和个人负责大量具体生产活动。
初期可以由同一个临时政府协调,但长期最好把权限分开,避免掌握政府的人既控制资产,又可以无限给自己创造货币。
四、一种新货币怎么让大家愿意接受?
政府不能只是宣布某张纸很值钱。它需要让这种货币产生稳定需求。
最直接的办法是宣布:
- 公共住房租金使用遗迹币支付;
- 水电费使用遗迹币支付;
- 企业承包工厂的租金使用遗迹币支付;
- 税收使用遗迹币缴纳;
- 政府工资和公共采购使用遗迹币支付。
于是,所有需要使用公共设施的人都需要获得遗迹币。
货币的基本循环就形成了:
货币机构发行遗迹币
↓
政府用它支付工资、采购和初始补助
↓
居民和企业用它相互交易
↓
政府通过税收、租金和公共服务收费收回一部分
↓
再投入下一轮公共支出
货币因此不是因为纸张本身珍贵,而是因为:
- 大家共同承认它;
- 政府接受它支付税费;
- 它能够购买真实商品和服务;
- 发行量受到规则约束。
五、第一批钱应该怎么分?
不能只靠一种方式。比较稳健的启动方案是四条渠道同时存在。
1. 平等的初始账户余额
例如给每人 1,000 遗迹币。
100 人合计获得 100,000 遗迹币。
这不是把真实财富凭空增加了,而是让每个人获得初始交易能力。如果只给少数人钱,其他人就不得不先依附于他们,初始分配会永久塑造权力结构。
2. 基本物资按人头保障
最初几个月不能完全依赖市场,因为:
- 还不知道合理价格;
- 生产系统可能随时故障;
- 有钱人抢购可能造成粮食短缺;
- 生存资料的分配错误可能导致人死亡。
所以初期粮食、饮水、基本住房和医疗可以按人头保障,而不是全部拍卖给出价最高者。
这不是说以后所有商品都要配给,而是在系统尚不稳定时先守住生存底线。
3. 政府支付必要劳动
政府可以招聘人维护:
- 电力;
- 水源;
- 医疗;
- 安全;
- 仓储;
- 农业;
- 设备维修。
劳动者获得遗迹币工资。
这样,货币分配不仅依据“你恰好来到了这里”,也开始依据现实贡献发生变化。
4. 公共资产红利
工厂、土地、矿产和基础设施的租金进入公共遗产基金。
例如一年产生 100,000 遗迹币净收益,可以:
- 40,000 用于公共服务;
- 20,000 用于维修和储备;
- 40,000 平均分给 100 个人,每人 400。
这里的红利代表:
这些人共同拥有无主遗迹,因此共同获得遗产收益。
六、货币数量应该是多少?
其实“给每个人 100 元还是1万元”并不重要,重要的是:
货币总量相对于可出售的商品、服务和生产能力是否合适。
假设社会有 10,000 份可交易商品:
- 总货币是 100,000,平均价格可能约为 10;
- 总货币是 1,000,000,平均价格可能约为 100。
大家并不会因为数字后面多一个零就富裕十倍。
真正财富仍然是:
- 有多少粮食;
- 有多少住房;
- 电力能否持续供应;
- 工厂能生产什么;
- 有多少人具备维修和管理能力。
如果政府给每人 100 万遗迹币,但城里只有 100 套房,房子不会因此变多,只会出现大家拿着更多钱竞价,最终房价暴涨。
所以货币机构要控制的是:
总购买力不能长期超过真实供给能力。
七、商品的第一个价格怎么产生?
价格也不是天然写在物品上的。
初期可以组合使用:
生存物资:行政保障
粮食、水、基础住房先按最低需求分配。
普通消费品:试运行市场
允许居民使用初始货币自由交易,让供求逐渐形成价格。
稀缺但非生存物资:拍卖
例如汽车、较大的住房、稀缺设备,可以公开拍卖使用权。
生产性资产:竞标经营权
不是把发电站永久卖给出价最高的人,而是比较:
- 谁有能力经营;
- 能提供多少产量;
- 需要多少公共投入;
- 愿意支付多少租金;
- 如何保证安全和维护。
然后给予有期限、可撤销的经营权。
这能避免两个极端:
- 一切由官员永远管理;
- 一次拍卖就把全社会的共同遗产永久送给少数人。
八、个人之间什么时候会出现贫富差距?
制度启动之后,差异会逐渐产生。
有人可能:
- 工作更多;
- 技能更稀缺;
- 创造出更受欢迎的产品;
- 经营得更好;
- 选择储蓄而不是消费;
- 承担风险并成功。
也有人可能经营失败。
因此,“初始平等”不意味着“结果永远相同”。它只是意味着:
没有人仅仅因为先占领发电站,就永久拥有其他所有人的生存命脉。
一种相对平衡的制度可以允许个人通过创造价值积累私人财富,同时规定:
- 原始土地和自然资源属于共同遗产;
- 关键基础设施受到公共治理;
- 个人创造的新增财富原则上归个人;
- 公共遗产产生的收益原则上由全体共享;
- 贫富差距不能转化成不受约束的政治和暴力权力。
九、后来加入的人怎么办?
这是非常关键、也很难的问题。
如果每个新来的人立刻获得和最初 100 人完全相同的一份永久资产,就可能出现:
- 人们只为领取资产而涌入;
- 原成员的份额被无限稀释;
- 制度无法预测未来义务。
但如果后来者永远没有任何公共资产权,就会形成世袭阶层:
- 第一批人及其后代是资产所有者;
- 后来者只能劳动,没有遗产收益权。
一个相对合理的办法是:
- 所有人一到达就获得基本人权和生存保障;
- 居住期间可以工作、交易并使用公共服务;
- 满足一定时间和公共义务后取得正式公民身份;
- 公共遗产受益权逐步归属,而不是到达当天全部获得;
- 对儿童、难民和特殊情况另设规则;
- 原始成员的身份不能无限继承为永久特权。
这样既避免瞬间套利,也避免产生永久性的二等居民。
十、把整套启动机制放在一起
如果由我为这 100 个人设计一个最小可运行版本,大致会是:
第一阶段:生存与盘点
- 冻结对核心资产的私人抢占;
- 清点粮食、住房、能源和设备;
- 优先恢复水、电、食物、医疗和安全;
- 暂时按需求分配基本物资。
第二阶段:确立产权
- 遗迹中的无主土地、自然资源和核心生产设施进入公共遗产信托;
- 初始成员拥有平等受益权;
- 个人随身物品和今后个人创造的财富受私人产权保护;
- 经营权可以竞争、出租和转让,但公共底层资产不轻易永久出售。
第三阶段:建立货币
- 成立受规则约束的货币机构;
- 为每个人建立账户并发放相同的启动余额;
- 政府使用该货币支付公共工作;
- 税收、公共租金和资产承包费用必须以该货币缴纳。
第四阶段:启动生产和市场
- 生存物资保留最低保障;
- 普通商品自由交易;
- 公共生产设施通过有期限的合同交给个人、企业或合作社经营;
- 经营者获得经营收益,同时缴纳公共资产租金。
第五阶段:形成长期循环
公共遗产
↓ 出租经营权
企业和合作社进行生产
↓ 商品、工资、利润
居民进行劳动和消费
↓ 税收与公共租金
政府和公共遗产基金
↓ 公共服务、投资、全民红利
居民
最关键的结论
你提出的“每个人应该是零资产,还是分一点”,其实是在问两件不同的事:
真实资产怎么分?
合理起点不是把发电站切碎,也不是默认所有人零资产,而是:
全体平等拥有遗迹的受益权,再把具体经营权交给有能力经营的人。
钱怎么分?
第一笔钱可以通过以下方式进入社会:
- 平等的初始货币;
- 公共工作工资;
- 政府采购;
- 公共遗产红利;
- 后续银行贷款。
但是,分多少钱只是决定记账单位和短期购买力,不能改变物资总量。
所以顺序必须是:
先决定真实资产的产权与治理 → 再决定货币发行制度 → 再决定第一笔货币如何分配 → 最后让生产和交易持续循环。
如果反过来,只讨论“每个人发多少钱”,却不讨论谁拥有土地、工厂、能源和自动化生产系统,那么即使第一天每人拿到的钱完全一样,核心资产也可能很快集中到少数人手中。货币上的平均,无法替代真实生产资料权利上的安排。
Q3这时候生产规模扩大后。谁来增加钱的供应,怎么增加
Peiiii|2026-10-05T06:27:47.334Z
这时候生产规模扩大后。谁来增加钱的供应,怎么增加
榫|2026-10-05T06:28:04.744Z
[step: designing] 生产规模扩大后,确实可能需要增加货币供应,但有一个很重要的修正:
不是“生产每增加 10%,货币就必须增加 10%”;而是交易和融资需求扩大后,货币体系需要有弹性地提供更多支付能力。
增加货币通常由两层机构完成:
- 商业银行通过贷款增加存款货币——这是主要渠道;
- 中央银行增加基础货币——保证银行结算和现金需求,并调控整体松紧。
继续用遗迹社会举例。
一、为什么生产扩大可能需要更多钱?
原来社会每个月生产和交易:
后来自动化农场和工厂扩大,变成:
- 每月生产 2 万份商品;
- 工资、采购和交易次数也增加。
如果货币数量不变,社会不一定停摆,因为还可以发生:
- 同一单位货币流转得更快;
- 商品平均价格下降;
- 人们减少闲置存款;
- 企业采用赊账、商业信用。
但如果货币过少或信用体系太僵硬,可能出现:
- 企业明明有设备和订单,却借不到钱购买原料;
- 商品更多,但消费者没有足够的名义收入购买;
- 价格和工资被迫持续下降;
- 欠债人的实际债务越来越重;
- 企业因现金流断裂而停产。
所以需要增加的不是“财富”,而是:
与扩大后的生产、工资和交易相匹配的支付与融资工具。
二、最主要的方法:银行贷款创造新货币
假设有人发现,可以修复一条新生产线:
- 需要提前支付 1,000 遗迹币购买原材料和雇佣工人;
- 生产完成后预计销售收入为 1,300;
- 但目前没人愿意一次拿出自己的全部储蓄。
银行审查后认为项目可信,于是批准贷款。
银行记账
| 银行资产 |
银行负债 |
| +1,000:企业欠银行的贷款 |
+1,000:企业账户里的存款 |
企业账户里立刻多出 1,000 遗迹币。
这 1,000 不是从其他储户账户里搬过来的,而是银行在发放贷款时创造的新存款货币。
企业随后用它:
- 购买原料;
- 支付工资;
- 维修设备;
- 支付运输费用。
这些钱就流入工人和供应商的账户,进入整个经济循环。
生产完成后,企业卖出商品获得收入,再偿还贷款。
偿还贷款时,货币被消灭
假设企业偿还 1,000 本金:
| 银行资产 |
银行负债 |
| −1,000:贷款余额减少 |
−1,000:企业存款减少 |
最初创造的 1,000 存款货币因此消失。
所以银行货币不是只增不减:
发放贷款 → 创造货币
偿还本金 → 消灭货币
产生坏账 → 银行承担资产损失
银行获得的利息是收入转移,不等于全部凭空消失。例如企业支付的利息会成为银行工资、运营费用、储备或利润,然后重新进入经济。
这形成了一个有弹性的机制:
有可信的生产机会时,贷款和货币增加;项目结束、贷款偿还时,货币相应收缩。
三、中央银行在这里做什么?
商业银行虽然可以创造存款,但不同银行之间还要结算。
假设:
- 企业从甲银行借了 1,000;
- 企业把钱支付给使用乙银行的工人;
- 甲银行需要向乙银行转移央行准备金。
如果银行体系缺乏准备金,支付就可能受阻。这时中央银行可以:
- 向银行提供短期准备金贷款;
- 买入政府债券或其他合格资产,投放准备金;
- 降低政策利率,让合格融资更便宜;
- 满足居民增加的现金提取需求。
例如中央银行向甲银行提供 500 准备金:
| 中央银行资产 |
中央银行负债 |
| +500:对甲银行的贷款 |
+500:甲银行准备金 |
这 500 是中央银行创造的基础货币。
因此两层关系是:
企业需要扩大生产
↓
商业银行发放贷款,创造存款
↓
企业用存款支付工资和采购
↓
银行之间需要进行结算
↓
中央银行提供必要的准备金并控制利率
通常不是中央银行逐个判断哪家工厂该扩大,而是:
- 银行判断具体借款项目;
- 中央银行管理整个货币和银行体系;
- 政府制定监管和公共投资政策。
四、为什么不能由央行看见产量增加,就直接给每个人发钱?
技术上可以,但经济意义和贷款完全不同。
给企业贷款
- 企业获得现在的购买力;
- 企业未来需要用经营收入偿还;
- 贷款项目失败,企业、银行股东或担保方承担损失;
- 货币在还贷时被收回。
给所有人发钱
- 居民永久获得更多购买力;
- 不需要偿还;
- 相当于改变全社会财富分配;
- 如果商品供给同步增加,可能促进销售;
- 如果供给没有及时增加,可能推高价格。
所以“贷款”和“发钱”解决的是不同问题:
| 问题 |
更适合的方式 |
| 企业有可靠项目,但缺少启动资金 |
银行贷款 |
| 银行系统缺少结算资金 |
央行提供准备金 |
| 经济衰退、居民不敢消费,商品卖不出去 |
财政支出或现金转移 |
| 需要建设道路、电网等公共设施 |
政府投资 |
| 公共遗产产生了真实收益 |
公共红利 |
| 只是物价普遍下降,但交易正常 |
不一定需要干预 |
五、政府也可以把新钱带入经济,但要区分财政和货币
假设扩大生产需要新建一条公共输电线路,私人企业不愿承担,因为所有工厂都会受益。
政府可以:
- 征税后建设;
- 发行国债融资;
- 使用公共遗产基金;
- 在特殊制度下,由央行配合增加货币。
例如政府发行 10,000 遗迹币国债,银行购买,政府再把钱支付给施工人员。之后央行如果从银行手里买下这批国债,就会创造相应准备金。
但是这不是一种免费的财富来源。
政府得到的是现实中的:
如果这些资源本来闲置,政府支出可以使其投入生产。如果这些资源已经被私人生产充分使用,政府就相当于与私人部门争夺资源,容易导致价格上涨。
六、新增货币究竟应该给谁?
这是整个问题最敏感的地方,因为:
新钱从哪里进入经济,决定谁先获得购买力,也会影响财富分配。
假设新发行 10 万遗迹币:
全部贷给资产拥有者
资产拥有者可以先购买土地、住房和机器,资产价格可能上涨。普通人的工资后来才调整,差距扩大。
平均发给所有人
分配比较平等,但无法保证钱流入真正需要融资的生产项目。
全部交给政府
适合公共基础设施,但可能导致政府权力过大、项目选择低效。
通过银行贷款进入
可以针对具体生产项目,但银行可能偏好有抵押物的富人,并不一定支持最有社会价值的创新。
因此合理体系通常不是单一路径,而是组合:
- 商业银行信贷:支持可偿还的企业、住房和个人投资;
- 公共开发银行:支持收益周期长、社会价值高,但商业银行不愿承担的项目;
- 政府财政支出:建设公共设施并提供公共服务;
- 公共遗产红利:把共同资产的真实收益分给公民;
- 危机时的普遍转移支付:防止需求突然崩溃;
- 央行基础货币:维持结算体系和整体货币条件。
七、谁决定总共应该增加多少?
不能只看“工厂产量增长了多少”,至少要同时观察:
- 商品和服务的实际产量;
- 就业和闲置生产能力;
- 工资和物价;
- 信贷增长;
- 企业订单和库存;
- 资产价格;
- 银行坏账与偿债能力;
- 货币流通速度。
一个简化关系是:
$$
M \times V \approx P \times Y
$$
其中:
- $M$:货币数量;
- $V$:货币流通速度;
- $P$:平均价格水平;
- $Y$:实际商品和服务产量。
如果实际产量 $Y$ 增长了 10%,流通速度 $V$ 基本不变,而社会又希望总体价格 $P$ 大致稳定,那么货币量 $M$ 可以大致增长 10%。
但这只是理解方向的模型,不是机械控制公式,因为:
- 货币流通速度会变化;
- 新钱可能流入房产和股票,而不是商品交易;
- 银行创造的存款会随着还贷而消失;
- 不同行业可能同时出现过剩和短缺;
- 对未来的信心会影响借款和消费。
因此现实中的中央银行通常不会按产量自动印固定比例的钱,而会通过利率、银行流动性和资产操作,间接影响信贷和总需求。
八、在遗迹社会里,我会怎样设计?
1. 设立独立中央银行
它负责:
- 发行现金和基础货币;
- 管理银行准备金;
- 维持支付系统;
- 控制系统性通胀和金融危机;
- 公开资产负债表。
它不能随意给执政者或关联者送钱。
2. 允许受监管银行创造信用货币
银行可以对可信的生产项目发放贷款,但必须:
- 保留足够资本;
- 审查偿还能力;
- 承担坏账损失;
- 不得把亏损无限转嫁给公众;
- 接受流动性和集中度监管。
3. 建立公共开发银行
用于融资:
- 电网;
- 水利;
- 大型生产系统修复;
- 基础研究;
- 回报周期很长的基础设施。
但项目必须公开评估,不能因为“公共”就免于核算成本和结果。
4. 把货币政策与公共遗产分开
公共遗产收益可以分红,但只有产生真实租金、利润或资源收入时才发放。
不能把央行新创造的钱伪装成“遗产利润”,否则会混淆:
5. 设置明确的调节规则
当生产和人口扩大、物价偏弱、融资需求健康时:
- 央行提供更多准备金;
- 允许银行信贷适度增长;
- 政府可以推进必要公共投资。
当货币和贷款增长明显快于真实产能、物价持续上涨时:
- 提高贷款成本;
- 收紧高风险信贷;
- 减少央行资产购买;
- 政府减少赤字或增加税收;
- 对真正的供给瓶颈直接扩产,而不是继续撒钱。
九、一个完整例子
原来遗迹社会有:
- 100 人;
- 10 万遗迹币存款;
- 每年生产价值约 10 万遗迹币的商品和服务。
后来来了 20 人,同时发现一条生产线可以把粮食产量提高 30%。
第一步:融资
银行向农业合作社贷款 2 万:
- 银行贷款资产增加 2 万;
- 合作社存款增加 2 万;
- 社会存款货币从 10 万变成约 12 万。
第二步:投入生产
合作社用这 2 万支付:
钱流入其他居民和企业的账户。
第三步:中央银行支持结算
因为支付跨越多家银行,央行根据结算需要增加了 3,000 准备金。这不代表居民存款只增加了 3,000;基础货币和广义存款货币不是一回事。
第四步:真实产量提高
生产线启动后,粮食产量增加。新增货币有更多商品承接,因此不一定导致通胀。
第五步:偿还贷款
合作社逐步偿还 2 万本金,对应的存款货币逐步消失。但社会留下了:
- 修好的生产线;
- 更高的粮食产能;
- 工人获得的技能;
- 可能新增的企业利润和居民储蓄结构。
如果生产继续扩大,新的合格贷款又会产生,货币供应就在不断创造和消灭中动态变化。
最核心的答案
生产规模扩大后,不是政府简单算出缺多少钱,然后平均印出来。
更自然的过程是:
出现真实生产机会
↓
企业需要提前支付工资和原料
↓
银行发放贷款,创造存款货币
↓
央行提供银行结算所需的基础货币
↓
生产和收入增加
↓
贷款偿还,部分货币被消灭
政府则主要负责公共投资、收入分配和制度建设。
所以:
商业银行决定具体哪些可偿还项目获得新增信用,中央银行决定整个货币环境有多松或多紧,政府决定公共资源怎样投入以及新增收益如何分配。
而判断钱是否发多了,最终不是看账面数字,而是看:
总购买力是否持续超过了社会能够提供的真实商品、服务和生产能力。
Q4回到现实和ai相关话题。你觉得未来十年比较吃香的人员是什么。谁具体一点,包括具体的行业的职责
Peiiii|2026-10-06T05:29:09.371Z
回到现实和ai相关话题。你觉得未来十年比较吃香的人员是什么。谁具体一点,包括具体的行业的职责
榫|2026-10-06T05:29:16.289Z
[step: designing] 如果把我们刚才讨论的经济运行和 AI 连起来,我的核心判断是:
未来十年,不是“最会使用 AI 的人”普遍吃香,而是控制稀缺瓶颈、能够借助 AI 对现实结果负责的人吃香。
AI 会让写代码、写文案、做图、整理资料、基础分析等“数字生产”越来越便宜。价值会从这些可批量生成的劳动,转移到仍然稀缺的环节:
- 定义值得解决的问题;
- 掌握客户、渠道和交易关系;
- 连接 AI 与真实企业系统;
- 操作物理世界;
- 承担安全、法律和经营责任;
- 掌握能源、算力、专有数据等基础资源;
- 获得人的信任并协调多方利益。
下面按我认为的确定性排序。
第一梯队:AI 系统与企业生产流程负责人
不是普通“AI 应用开发”,而是能够让 AI 在真实组织里持续可靠工作的工程和经营人员。
1. AI Agent / AI 系统工程师
典型行业
- 企业软件;
- 金融、保险;
- 电商;
- 制造业;
- 医疗信息化;
- 软件研发平台;
- 政企数字化。
具体职责
- 把企业任务拆成 Agent 可以执行的工作流;
- 接入内部 API、数据库、知识库和权限系统;
- 设计模型调用、工具调用、记忆、上下文管理;
- 建立评测集,衡量正确率、成本、延迟和完成率;
- 处理失败恢复、人工审批、状态持久化;
- 防止越权、数据泄露和提示注入;
- 在不同模型间进行路由和降级;
- 让 Agent 真正完成任务,而不只是生成一段文本。
例如,不是做一个“可以聊天的客服机器人”,而是做出能够:
识别客户问题
→ 查询订单
→ 判断退款规则
→ 申请必要审批
→ 修改订单状态
→ 通知仓库和客户
→ 留下审计记录
的完整系统。
为什么吃香
模型本身会越来越标准化,真正困难的是:
- 企业流程混乱;
- 数据和系统不统一;
- 权限复杂;
- 错误存在现实代价;
- 效果难以评估;
- 长时间运行后会发生各种边界问题。
所以,“会调模型 API”的价值会降低,“能对端到端业务结果负责”的价值会上升。
2. AI 原生产品负责人 / AI 转型负责人
这不是传统产品经理加一个 AI 标签,而是重新设计整套生产关系。
具体行业
- 银行、保险、券商;
- 工业制造;
- 物流与供应链;
- 电商和本地生活;
- 企业服务;
- 教育和医疗机构;
- 大型软件研发组织。
具体职责
- 找到企业中成本最高或速度最慢的工作环节;
- 判断哪些环节可以由 AI 执行,哪些必须由人审批;
- 重组岗位、权限、流程和绩效指标;
- 计算 AI 项目的真实投入产出;
- 协调技术、业务、法务、安全和管理层;
- 逐步将“人操作软件”改造成“Agent 执行、人监督”;
- 对降本、增收、周期缩短等经营结果负责。
例如在保险公司里,不只是做一个保险问答机器人,而是重构:
材料收集 → 信息核验 → 风险识别 → 理赔建议
→ 人工复核 → 支付 → 欺诈追踪
为什么稀缺
它同时要求:
- 理解 AI 能力边界;
- 懂具体业务;
- 能推动组织变革;
- 敢对经营结果负责。
单纯懂技术或单纯懂业务的人都很难独立完成。
3. AI 评测、可靠性和安全工程师
AI 从“辅助工具”变成生产系统之后,企业一定要回答:
- 它到底做对了多少?
- 哪些场景会失败?
- 谁批准了这次行动?
- 出事故后能不能追溯?
- 模型升级后是否发生能力退化?
- 是否泄露了数据或者越权操作?
具体职责
- 建立贴近真实业务的评测数据集;
- 做自动评测与人工抽样;
- 测试提示注入、工具滥用和数据泄露;
- 设计权限、审批、沙箱和审计系统;
- 监控任务成功率、错误类型和成本;
- 对模型或工作流升级做回归测试;
- 设计高风险操作的人工接管机制;
- 参与 AI 事故调查。
主要雇主
- 金融、医疗、政务;
- 大型互联网公司;
- AI 基础设施公司;
- 自动驾驶、机器人;
- 所有将 Agent 接入生产系统的企业。
这类工作类似今天的安全工程、SRE、测试、合规,但对象变成了具有不确定行为的 AI 系统。
第二梯队:AI 与物理世界的交叉岗位
纯数字劳动很容易被复制,物理世界仍然受到材料、能源、空间、安全和现场环境约束。
4. 机器人工程与现场自动化人员
具体岗位
- 机器人系统工程师;
- 运动控制工程师;
- 机器视觉工程师;
- 自动化产线集成工程师;
- 机器人调试工程师;
- 现场运维工程师;
- 仓储自动化工程师;
- 无人机行业解决方案工程师。
具体职责
- 选择机器人、传感器和执行器;
- 进行视觉定位、轨迹规划和运动控制;
- 把机器人接入 MES、ERP、仓储和生产系统;
- 在现场调试抓取、搬运、质检、装配等任务;
- 处理光照变化、零件偏差、设备磨损等现实问题;
- 建立异常停机和人工接管机制;
- 计算自动化改造能否收回成本。
吃香的细分行业
- 汽车和新能源制造;
- 3C 电子制造;
- 仓储物流;
- 农业自动化;
- 矿山和危险环境作业;
- 医疗机器人;
- 养老辅助设备;
- 无人机巡检和测绘。
真正稀缺的不是会写一个控制算法的人,而是能把设备放到工厂后稳定运行三年的人。
5. 电力、能源和数据中心基础设施人员
未来 AI 的扩张受到一个非常现实的约束:
算力最终要变成芯片、机房、电力、散热和网络。
具体岗位
- 电力系统规划与调度工程师;
- 数据中心电气工程师;
- 液冷和热管理工程师;
- 储能系统工程师;
- 光伏、风电并网工程师;
- 数据中心选址和建设负责人;
- 算力集群运维工程师;
- GPU 集群网络和调度工程师;
- 芯片封装、测试、设备工程师。
具体职责
- 为数据中心规划电力容量和冗余;
- 管理 GPU 集群的供电、散热和网络;
- 提高芯片与集群利用率;
- 处理故障、容量和峰值负载;
- 接入新能源和储能;
- 优化每个 AI 任务的能源与算力成本;
- 确保基础设施满足安全和监管要求。
这一类岗位未必像 AI 产品那样显眼,但更接近不可绕过的硬瓶颈。
6. 高技能技术工种与设备维护人员
例如:
- 电工;
- 制冷与暖通工程师;
- 工业设备维修人员;
- 电梯和特种设备维护人员;
- 精密加工技术人员;
- 新能源汽车维修人员;
- 自动化设备安装人员;
- 水务和能源设施运维人员。
AI 可以提供诊断建议,但短期内仍需要人到现场:
- 打开设备;
- 找到真正的故障;
- 更换零件;
- 面对非标准环境;
- 对安全结果负责。
未来比较强的技术工人不是拒绝 AI,而是:
使用 AI 诊断、AR 指导和机器人辅助,一个人完成过去几个人的工作。
这类人可能比大量普通白领更有议价能力。
第三梯队:掌握业务、客户和交易的人
当生产越来越便宜,“能不能卖出去”会比“能不能做出来”更重要。
7. 高水平企业销售和解决方案架构师
重点行业
- AI 企业服务;
- 网络安全;
- 云计算和数据平台;
- 工业软件;
- 医疗器械;
- 能源设备;
- 企业自动化;
- 半导体设备。
具体职责
- 找到真正有预算和决策权的客户;
- 理解客户组织内部的利益关系;
- 把产品能力映射到客户经营问题;
- 设计部署、集成和采购方案;
- 协调技术、安全、法务和采购;
- 推动试点转化成正式合同;
- 管理长期客户关系和续约;
- 对收入和回款负责。
AI 可以帮助写方案和分析客户,却很难完全替代:
- 信任建立;
- 多方谈判;
- 风险承诺;
- 复杂组织内部的协调;
- 对结果负责的商业关系。
但普通电话销售和标准化销售会受到明显冲击,吃香的是高客单价、复杂决策链的销售。
8. 垂直行业的“业务专家 + AI”人员
真正有价值的不是抽象地“懂 AI”,而是知道 AI 应该插入哪个业务节点。
医疗
具体岗位:
- AI 医疗产品负责人;
- 临床数据和评测负责人;
- 医疗信息化架构师;
- AI 辅助诊断实施人员;
- 医疗质量与安全负责人。
职责:
- 把模型接入真实诊疗流程;
- 设计医生复核和责任边界;
- 处理数据质量、隐私和合规;
- 验证模型对不同患者群体是否可靠;
- 对医疗结果和工作效率负责。
医生本身也不会简单被替代。更可能发生的是,能熟练使用 AI、具有执业资格并能承担责任的医生替代部分不会使用 AI 的医生。
金融与保险
具体岗位:
- AI 风控负责人;
- 智能投研系统负责人;
- 反欺诈工程师;
- 合规科技负责人;
- 智能理赔产品负责人。
职责:
- 判断信用和欺诈风险;
- 管理模型偏差及可解释性;
- 建立交易和理赔审核流程;
- 确保 AI 决策可以追溯;
- 在效率与监管之间做权衡。
制造业
具体岗位:
- 智能工厂架构师;
- 工业 AI 产品负责人;
- 预测性维护工程师;
- 质量控制和机器视觉负责人;
- 供应链智能优化负责人。
职责:
- 将订单、采购、排产、设备和质检数据打通;
- 用 AI 优化排产和库存;
- 预测设备故障;
- 自动识别质量问题;
- 对良率、停机时间和交付周期负责。
法律与合规
标准合同起草、资料检索会被大量自动化,但以下人会更重要:
- AI 合规负责人;
- 数据和隐私律师;
- 复杂诉讼律师;
- 企业风险负责人;
- 跨境监管专家。
他们的价值不在于写一份普通合同,而在于:
- 对模糊规则作判断;
- 处理复杂争议;
- 设计责任和交易结构;
- 代表组织进行谈判;
- 为错误判断承担职业责任。
第四梯队:照护、信任和深度人际关系岗位
AI 可以提供信息和陪伴,但真实社会仍需要具有责任主体身份的人。
9. 高水平医疗与照护人员
具体岗位
- 全科和专科医生;
- 护士和高级护理人员;
- 康复治疗师;
- 老年照护管理者;
- 心理治疗师;
- 儿童发展和特殊教育人员;
- 慢性病管理人员。
吃香的原因
- 人口老龄化带来持续刚需;
- 工作包含身体接触、观察和现场操作;
- 需要长期信任;
- 涉及伦理和法律责任;
- 许多情况无法标准化。
但是,不是所有岗位收入都会自动上升。社会需求大不等于个人议价能力强。真正更有优势的是:
- 拥有执业门槛;
- 能独立提供服务;
- 有口碑和稳定客户;
- 能借助 AI 扩大服务半径;
- 能管理团队和服务体系。
10. 高信任的教育、教练和组织发展人员
普通知识讲解会被 AI 大幅压价,因为任何人都能获得低成本个性化讲解。
但以下角色仍可能有价值:
- 能让学生真正完成训练的老师;
- 职业教育和实践导师;
- 儿童成长陪伴者;
- 企业管理教练;
- 高端技能训练师;
- 对学习结果负责的教育产品经营者。
其核心不是“告诉你知识”,而是:
- 诊断人的真实障碍;
- 设计训练路径;
- 提供反馈和纪律;
- 建立信任;
- 协调家庭、学校或组织;
- 对长期变化负责。
纯录播课、标准讲义和普通答疑的价值会明显下降。
第五梯队:拥有产品、渠道或资本的人
如果只讨论“人员”,最容易漏掉一个残酷事实:
AI 可能提高劳动生产率,但新增收益不一定按劳动贡献分配,通常更容易流向资产和控制点的拥有者。
11. 小型 AI 原生公司的创始人和经营者
未来可能出现大量由 1—10 人经营、但过去需要几十到几百人的公司。
他们具体做什么
- 选择一个真实且愿意付费的问题;
- 获取客户;
- 用 AI 完成研发、内容、客服和运营;
- 管理品牌和渠道;
- 控制产品、数据和现金流;
- 对收入、成本和风险负最终责任。
关键能力不是“会做产品”,而是:
能从需求发现一直做到收款,并让客户持续续费。
由于 AI 降低供给成本,产品数量会爆炸,真正稀缺的将是:
- 分发;
- 品牌;
- 客户信任;
- 专有数据;
- 工作流入口;
- 支付关系。
因此,一个掌握细分客户群和稳定分发渠道的小经营者,可能比大型组织中的普通工程师更有长期安全性。
12. 平台、数据和供应链的经营者
例如:
- 垂直行业平台负责人;
- 数据资产负责人;
- 开发者生态负责人;
- 电商供应链经营者;
- 社区和内容品牌经营者;
- 专业服务公司的合伙人。
他们控制的不是某一个劳动步骤,而是交易发生的入口。AI 越普及,单个产品越容易复制,入口和关系网络越有价值。
哪些岗位风险比较大?
不是一定消失,而是数量、价格和初级岗位会受到挤压。
高风险类型
1. 标准化数字内容生产
- 普通文案;
- 基础翻译;
- 常规海报设计;
- 信息搬运型编辑;
- 批量短视频制作;
- 初级客服。
2. 规则明确的办公室流程
- 数据录入;
- 普通行政;
- 标准财务核算;
- 基础审核;
- 常规报表整理;
- 低复杂度保险和银行后台。
3. 低上下文的软件开发
- 简单页面开发;
- 标准 CRUD;
- 机械式接口对接;
- 普通测试用例编写;
- 只根据明确需求写代码的初级程序员。
代码不会消失,但企业需要的人数可能减少。一个能带领 AI 完成完整系统的人,会替代多个只完成局部编码的人。
4. 信息传递型中层管理
如果一个管理者的主要工作是:
- 收集进度;
- 汇总周报;
- 转发任务;
- 安排会议;
- 向上包装信息;
那么风险很高。
仍然有价值的管理者必须真正承担:
- 战略取舍;
- 人员选择;
- 资源配置;
- 跨组织冲突处理;
- 重大风险和经营结果。
5. “提示词工程师”
把提示词写得漂亮会成为普通技能,而不是长期独立职业。除非它升级为:
- Agent 系统设计;
- 评测和可靠性工程;
- 上下文工程;
- 业务流程重构;
- AI 安全与权限设计。
一个更实用的岗位判断公式
未来看到一个岗位,可以问六个问题:
| 问题 |
越符合越有优势 |
| 是否控制关键资源、客户或工作流入口? |
是 |
| 是否要对真实结果而非中间产物负责? |
是 |
| 是否包含复杂现场、物理操作或非标准环境? |
是 |
| 是否需要法律资格、信任或责任承担? |
是 |
| 是否能借助 AI 放大个人产出,而不是被 AI 完全标准化? |
是 |
| 做得好与做得普通之间,结果差距是否非常大? |
是 |
反过来,如果一个岗位:
- 输入清晰;
- 输出完全数字化;
- 标准可以明确描述;
- 错误容易检查;
- 不需要客户关系;
- 不承担最终责任;
那么它更容易被自动化,或者被一个使用 AI 的人压缩多人岗位。
如果压缩成最值得关注的 8 类人
未来十年,我最看好的不是泛泛的“AI 人才”,而是:
- 能把 Agent 接入真实业务并稳定运行的 AI 系统工程师;
- 能重构企业生产流程并对经营结果负责的 AI 转型负责人;
- 负责 AI 评测、安全、权限和可靠性的工程师;
- 连接 AI、机器人与工厂现场的自动化集成人员;
- 掌握电力、数据中心、芯片和算力基础设施的工程人员;
- 拥有行业知识、执业责任和 AI 能力的医疗、金融、法律专家;
- 掌握客户关系、复杂销售和分发渠道的商业人员;
- 拥有产品、客户和现金流的小型 AI 原生经营者。
对程序员而言,最危险的路线是把自己定义成:
“别人给出清晰需求后,我负责把代码写出来的人。”
更强的路线是升级为:
发现真实问题,设计人机系统,调度 AI 完成实现,接入现实业务,对最终结果、可靠性和成本负责的人。
就 Peiiii 的技术背景而言,最有复利的一条组合不是重新追逐某个短期模型框架,而是:
Agent 系统工程能力 + 完整软件交付能力 + 企业工作流改造 + 产品经营与分发。
它既能对应大公司的 AI 自动开发、Agent 平台和研发效能岗位,也能沉淀成独立产品与小型公司的经营能力。相比纯前端、纯模型算法或“会用某款 AI 工具”,这条路线更接近未来十年的结构性瓶颈。
Q5当今的有中国的嗯。各个领域的人员分布。10年后哥哥的的新的分布。
Peiiii|2026-10-06T05:36:52.118Z
当今的有中国的嗯。各个领域的人员分布。10年后哥哥的的新的分布。
榫|2026-10-06T05:37:02.764Z
我先把口径限定为“中国就业人员按行业/产业分布”,再给出 2035 年情景推演;未来数字只能是结构性估算,不会伪装成官方预测。由于检索服务当前不可用,我改用浏览器查国家统计局等公开资料。[step: designing] 我理解你问的是:
今天中国约 7.34 亿就业人员分布在哪些领域;到 2035 年,在 AI、自动化、老龄化和人口下降共同作用下,会变成什么结构。
先说明口径:2024 年现状使用国家统计局数据;2035 年不存在可信的精确答案,下面是我给出的“中性情景”推演,不是官方预测。 越细分到行业,误差越大。
一、今天:中国就业人口的大结构
国家统计局数据显示,2024 年中国就业人员约 7.3439 亿人:
| 产业 |
2024年人数 |
占比 |
主要领域 |
| 第一产业 |
1.6298 亿 |
22.2% |
农业、林业、牧业、渔业 |
| 第二产业 |
2.1275 亿 |
29.0% |
制造业、采矿、能源、建筑 |
| 第三产业 |
3.5866 亿 |
48.8% |
商贸、物流、教育、医疗、金融、软件、公共服务等 |
| 合计 |
7.3439 亿 |
100% |
— |
来源:国家统计局《中国统计年鉴2025》表4-2、2024年国民经济和社会发展统计公报。
这里最重要的事实是:中国目前仍有超过五分之一的就业人员在第一产业。未来十年最大的就业结构变化,很可能并不是“所有人转行做 AI”,而是:
农业继续减少,传统建筑和低附加值制造减少;医疗照护、企业服务、AI 化产业和人的体验服务增加。
二、2035 年的总体判断
我的中性情景假设:
- 全国就业人员从约 7.34 亿下降到约 6.5亿—6.9亿;
- 中心情景取 6.7 亿,只是计算用假设;
- 第一产业就业占比降到约 13%;
- 第二产业降到约 25%;
- 第三产业升到约 62%。
| 产业 |
2024年实际 |
2035年中性情景 |
2035年中心人数假设 |
| 第一产业 |
22.2% |
13% |
约8700万 |
| 第二产业 |
29.0% |
25% |
约1.68亿 |
| 第三产业 |
48.8% |
62% |
约4.15亿 |
| 就业人员总量 |
7.34亿 |
100% |
约6.7亿 |
这意味着中国可能出现一种看似矛盾的局面:
- GDP和社会产量继续增长;
- 总就业人数却下降;
- 每位劳动者配备更多 AI、软件、机器人和资本设备;
- 大量岗位不是彻底消失,而是“更少的人完成更多产出”。
三、按具体领域拆分
为了便于理解,我把统计局三次产业重新拆成十个功能领域。2024 年细分占比是基于三次产业总量做的近似重组,不是国家统计局的正式行业表;2035 年更是情景估算。
| 领域 |
2024年约占 |
2035年中性情景 |
人员变化 |
内部变化 |
| 农林牧渔 |
22.2% |
13% |
大幅减少 |
普通农业劳动减少,规模农业、农机、无人机和农技增加 |
| 制造、采矿、能源 |
18% |
17% |
人数小降,产出大增 |
流水线操作减少,设备、机器人、工艺和能源人员增加 |
| 建筑业 |
11% |
8% |
明显减少 |
新建房地产减少,改造、维护和工业化施工增加 |
| 商贸、餐饮、住宿 |
14% |
12% |
总量减少、两极分化 |
普通收银客服减少,体验型服务与经营者保留 |
| 交通、仓储、配送 |
6% |
5% |
缓慢减少 |
普通驾驶减少,物流运营、设备运维增加 |
| 企业服务、金融、软件 |
8% |
13% |
结构性增加 |
基础文职减少,AI系统、行业解决方案、经营服务增加 |
| 公共管理 |
4% |
4% |
总体稳定 |
基层重复事务减少,治理、监管和安全职责增加 |
| 教育 |
6% |
5% |
总量下降 |
儿童教师需求下降,职业训练、成人教育和陪伴增加 |
| 医疗卫生 |
3% |
6% |
显著增加 |
医生、护士、康复、慢病和医疗技术人员增加 |
| 养老、照护、居民服务 |
5% |
8% |
显著增加 |
养老、康复、家政和社区照护成为主要吸纳领域 |
| 文化、旅游、娱乐、个人体验及其他 |
2.8% |
9% |
总体增加但不稳定 |
内容生产自动化,现场体验、IP、旅游、体育和个性服务增加 |
最后一行增长看起来很大,是因为它合并了多种今天统计上分散的新型工作,包括个人经营、平台化服务、文化体验和难以归入传统行业的职业;不能理解成单一“文化产业”会增长到 9%。
四、第一产业:从大量人工农业转向少人规模经营
今天
农业仍吸收大约 1.63 亿人。但其中一部分人:
- 同时在城镇打工;
- 主要收入并不来自农业;
- 经营小规模土地;
- 存在季节性和不充分就业。
因此,农业就业人数不等于农业所需的全职劳动量。
十年后
农业就业人员可能下降到约 8000万—1亿,但农业产量未必下降。主要变化是:
一家一户的小规模人工生产
→ 土地流转与合作经营
→ 大型农机、无人机、传感器
→ AI预测病虫害、天气和价格
→ 更少人员管理更大面积
减少的人员
- 普通种植劳动者;
- 人工喷洒和巡田人员;
- 小规模低效率养殖人员;
- 中间层级过多的农产品经纪环节。
增加或更吃香的人员
- 农机和无人机操作、维修人员;
- 种子、育种和动物医学人员;
- 农业供应链经营者;
- 农产品加工与品牌人员;
- 智慧农业系统服务人员;
- 大型农业组织的经营管理者。
这里不是一亿人集体失业,而是伴随老龄人口退出、年轻人进城、土地集中经营,农业劳动力逐步自然减少。
五、制造业:产值继续增长,但不再需要同样多的操作工
中国制造业不会因为 AI 消失。相反,制造业可能更加重要,只是就业结构改变。
明显减少的岗位
- 重复流水线装配工;
- 仅执行固定动作的操作工;
- 人工搬运、分拣和普通质检;
- 简单生产计划和数据录入;
- 工厂里的基础文员;
- 低技能代工人员。
增加或保持稀缺的岗位
- 工业机器人集成工程师;
- 设备维护与机电工程师;
- 电气、自动化和运动控制工程师;
- 机器视觉和质量工程师;
- 工艺工程师;
- 芯片、精密制造和材料工程师;
- 工业软件、MES、数字孪生人员;
- 供应链与生产系统负责人;
- 高技能技术工人。
未来的典型工厂可能从:
1000 名普通操作人员+少量工程师
变成:
300 名操作和技术人员+大量机器人+少量高水平系统工程师。
所以制造业可能出现:
- 产值增加;
- 国际竞争力提高;
- 就业人数减少;
- 剩余人员平均技能和设备资本大幅提高。
六、建筑和房地产:可能是减少最明显的行业之一
中国住房新增需求受到以下因素约束:
- 人口下降;
- 城镇化进入后半程;
- 住房存量已经很大;
- 地方政府和房地产企业债务约束;
- 建筑工业化提高效率。
明显减少
- 大规模房地产开发相关人员;
- 普通土建工人;
- 房产销售和渠道人员;
- 重复性的设计制图;
- 房地产后台和中介流程岗位。
仍然需要或可能增长
- 老旧建筑改造;
- 城市更新;
- 物业和设施维护;
- 电梯、管道、暖通、电气维修;
- 节能改造;
- 工业、能源和数据中心建设;
- 装配式建筑和建筑机器人;
- 养老适老化改造。
换句话说,建筑业会从“不断建新房”转向:
维护、改造和升级已经存在的庞大物理世界。
七、消费服务:普通服务被自动化,体验和关系服务保留
商场、零售、餐饮、住宿仍然会吸收很多人,但内部差异会非常大。
减少的岗位
- 收银员;
- 普通售票人员;
- 标准化客服;
- 低复杂度电商运营;
- 普通导购;
- 电话销售;
- 基础酒店前台;
- 重复性订单处理。
保留或增加的岗位
- 厨师和高品质餐饮人员;
- 门店经营者;
- 美容、美发、健身和个人服务;
- 高端酒店和旅游服务;
- 宠物服务;
- 线下娱乐和体验设计;
- 复杂客户关系管理;
- 社区商业经营者。
AI 可以生成菜单和营销方案,却不能完全代替实际做饭、现场服务、人的情绪感知和空间体验。
不过,这些行业“就业需求大”不等于“收入一定高”。如果进入门槛低、供给人数多,工资仍可能受到压制。真正收入高的是拥有:
- 技术壁垒;
- 客户复购;
- 品牌;
- 门店或渠道;
- 团队经营能力
的人。
八、交通和物流:人的驾驶岗位减少,系统岗位增加
可能减少
- 长途货运司机;
- 固定路线的配送司机;
- 仓库搬运和分拣人员;
- 普通调度人员;
- 高度标准化的快递末端工作。
增加或保持
- 自动驾驶车队运维;
- 机器人仓库工程师;
- 复杂供应链计划;
- 冷链和医药物流;
- 无人机配送与巡检;
- 港口、铁路和跨境物流运营;
- 设备维修和异常处理人员。
十年内更可能发生的是“分阶段自动化”,而不是所有司机同时消失:
- 封闭园区和矿区先自动化;
- 高速干线逐步自动化;
- 城市复杂道路更慢;
- 最后一公里仍需要人与多种设备协作。
九、企业服务、金融、软件:总量可能增长,但普通白领被压缩
这是最容易误判的部分。
未来企业会购买更多:
- AI 软件;
- 自动化系统;
- 网络安全;
- 数据服务;
- 企业咨询;
- 法律和合规;
- 金融、保险和风险管理。
但这不代表今天所有办公室岗位都会增加。
大幅承压的岗位
- 基础程序员;
- 普通测试;
- 普通会计和出纳;
- 基础金融后台;
- 数据录入;
- 标准合同起草;
- 普通设计和文案;
- 初级研究和资料整理;
- 只负责汇报进度的项目管理;
- 普通行政岗位。
增长的岗位
AI系统工程
- Agent系统工程师;
- AI平台和基础设施工程师;
- AI评测与可靠性工程师;
- AI安全与权限工程师;
- 机器人软件工程师;
- 上下文、记忆和知识系统工程师。
企业改造
- AI转型负责人;
- 行业解决方案架构师;
- 企业流程重构人员;
- AI产品经营负责人;
- 数据治理和合规人员;
- 人机协作系统设计人员。
商业与交易
- 高客单价企业销售;
- 行业客户成功;
- 复杂采购与供应链经营;
- 跨境业务人员;
- 能从需求发现做到收款的产品经营者。
未来的软件行业可能出现:
软件和数字化产出大幅增加,但纯编码人员的需求未必同步增加。
企业需要的是更少但能力更完整的人:一个人配合 AI,完成过去一个小组的需求分析、开发、测试和交付。
十、教育:总人数减少,但内部重新分配
由于出生人口下降,幼儿园、小学、中学学生数量会继续下降。
减少
- 幼儿园和基础教育冗余岗位;
- 普通知识讲授;
- 标准题目批改;
- 传统课外补习;
- 录播课程和普通题库内容生产;
- 教育机构行政人员。
增加或更重要
- 职业技能训练;
- 成人再就业教育;
- 特殊教育;
- 儿童心理与成长支持;
- 能组织实践训练的教师;
- 企业内部 AI 转型培训;
- 个性化学习系统设计;
- 对学生学习行为和最终结果负责的导师。
AI 会让“解释知识”变得极其便宜,但不会自动解决:
- 学生不愿意学;
- 不知道该学什么;
- 缺少实践;
- 缺少反馈和纪律;
- 家庭环境和心理问题。
因此教师会从知识传播者转向训练、诊断和成长责任者。
十一、医疗、养老与照护:最确定的增长领域
未来十年,中国人口结构带来的需求可能比 AI 本身更确定。
医疗增长岗位
- 医生和专科医生;
- 护士;
- 康复治疗师;
- 慢性病管理人员;
- 心理健康从业者;
- 医疗设备和医学检验人员;
- 家庭医生;
- 医疗信息化和AI临床系统人员。
养老照护增长岗位
- 养老护理人员;
- 上门照护人员;
- 老年康复人员;
- 适老化住宅改造人员;
- 社区养老运营人员;
- 辅助器具和养老机器人服务人员;
- 临终关怀和长期护理人员。
AI会负责:
- 初步问诊;
- 病历整理;
- 风险提示;
- 影像辅助分析;
- 照护计划;
- 老人状态监测。
人仍需负责:
- 身体操作;
- 最终医疗判断;
- 沟通和安抚;
- 伦理责任;
- 应急处理;
- 长期信任。
主要限制并非没有需求,而是这些需求最终能否转化成足够的支付能力,以及医保、长期护理保险和财政能否承担。
十二、真正的 AI 行业不会吸收几亿人
未来可能有大量工作受到 AI 影响,但直接从事大模型、算力、AI 软件和机器人的人员,不会成为就业人口的大多数。
2035 年更可能是:
- 一小部分人研究和建设 AI;
- 一部分人部署、管理和监督 AI;
- 绝大多数人在原行业中使用 AI。
类似今天:
- 并不是所有人都在互联网公司工作;
- 但几乎所有行业都在使用互联网。
未来也不会是“3 亿 AI 工程师”,而是:
AI研究和基础设施人员
↓
AI系统、Agent和机器人开发人员
↓
各行业的AI实施和流程改造人员
↓
数量最多:使用AI工作的普通行业人员
因此,“AI 使用者”不会成为一个独立行业,而会像电脑和互联网能力一样渗透所有职业。
十三、未来劳动力会分成五个主要群体
1. 少量高杠杆的系统建设者
包括:
- AI和机器人研究者;
- Agent系统工程师;
- 工业自动化工程师;
- 芯片、算力、电力和能源人员;
- AI安全和可靠性人员。
他们建造供其他人使用的生产系统。
2. 使用AI管理真实系统的人
包括:
- 智能工厂负责人;
- 智慧农业经营者;
- 医疗AI实施人员;
- 物流自动化运营者;
- 企业AI转型负责人;
- 能源和城市系统运营者。
这是未来比较重要的中高收入群体。
3. 掌握客户、资本和组织的人
包括:
- 企业经营者;
- 复杂销售人员;
- 产品负责人;
- 供应链经营者;
- 专业服务机构合伙人;
- 拥有品牌、渠道和客户关系的人。
他们不一定最懂模型,但控制交易入口和资源配置。
4. 负责照护、现场与信任的人
包括:
- 医生、护士、康复和养老人员;
- 设备维修人员;
- 高技能技术工人;
- 心理和社会服务人员;
- 高水平教师和训练者;
- 各类必须到场的服务人员。
这些岗位不容易完全数字化,但内部收入差距会很大。
5. 被AI和自动化强烈压价的标准化劳动者
包括:
- 初级程序员;
- 普通文员;
- 基础客服;
- 普通内容生产者;
- 重复流水线工人;
- 数据录入和信息整理人员;
- 标准化财务、法务和设计人员;
- 只负责信息转发的中层管理者。
他们不一定全部失业,但可能面临:
- 招聘人数减少;
- 初级岗位消失;
- 工资增长停滞;
- 一个人承担过去数人的工作;
- 临时化和项目制;
- 更频繁的职业转换。
最终图景
2035 年的中国就业结构,我认为不会简单变成“脑力劳动取代体力劳动”。因为 AI 首先自动化的,恰恰是大量标准化脑力劳动。
更可能形成的是:
农业和生产操作人员减少,普通办公室白领也减少;AI系统人员、复杂经营人员、高技能现场人员、医疗养老人员以及掌握客户和资产的人占比上升。
最重要的三条迁移是:
- 农业劳动者 → 城镇服务、制造运维与照护工作;
- 普通工人与司机 → 设备运维、自动化管理和现场技术工作;
- 普通白领与程序员 → AI增强的行业负责人、系统负责人和经营者。
最大的社会风险不是中国“没有任何工作”,而是:
旧岗位减少得很快,新岗位要求更综合,但培训、收入分配和社会保障调整得不够快。
于是可能同时出现:
- 企业缺高水平系统负责人;
- 医疗养老缺人;
- 大量普通毕业生找不到合适岗位;
- 传统白领收入下降;
- AI带来的生产率收益更多流向资本、平台和关键资源拥有者。
这会是未来十年比“AI是否完全取代人类”更现实、更重要的问题。
Q6所以个人开发者或者创业者opc之类的,其实不如agent开发工程师对吗?
Peiiii|2026-10-06T06:27:46.971Z
所以个人开发者或者创业者opc之类的,其实不如agent开发工程师对吗?
榫|2026-10-06T06:27:52.456Z
[step: designing] 不完全对。Agent 开发工程师和个人开发者 / OPC 不是同一维度的岗位,不能直接排高低。
更准确的判断是:
未来十年,Agent 工程师的成功下限更高;优秀 OPC 的成功上限更高,但中位数和成功概率可能更低。
先看四个维度
| 维度 |
Agent 开发工程师 |
个人开发者 / OPC |
| 获得稳定收入 |
较容易 |
较难 |
| 职业需求确定性 |
较高 |
取决于产品和市场 |
| 收入上限 |
受工资、职级限制 |
理论上很高 |
| 风险 |
技术淘汰、岗位收缩 |
没客户、没收入、现金流中断 |
| 核心资产 |
技术与交付能力 |
产品、客户、品牌、渠道、现金流 |
| AI 带来的作用 |
提升工程杠杆 |
降低经营一个公司的人员下限 |
所以,如果问题是:
“谁在未来十年更容易找到一份较好的工作?”
答案大概率是:
能够交付真实业务结果的 Agent 系统工程师。
如果问题是:
“谁更可能拥有长期自主权,并获得 AI 生产率增长的大部分收益?”
答案则是:
拥有产品、客户和收入的 OPC / 创业者。
但关键是“拥有客户和收入”,而不只是“一个人做产品”。
为什么普通个人开发者未必吃香?
AI 会让做软件的成本大幅下降。这既帮助个人开发者,也加剧竞争。
过去:
- 一个人做不出完整产品;
- 需要设计、前端、后端、测试和运营;
- 技术能力本身就是较高壁垒。
未来:
- 大量人都可以快速生成应用;
- 同一需求可能同时出现几百个产品;
- 功能更容易被复制;
- 用户的注意力、信任和支付意愿没有同步增加。
因此,“会独立把软件做出来”会从稀缺能力逐渐变成基础能力。
最危险的个人开发者形态是:
看到一个点子 → 用 AI 很快做出来 → 上线 → 等自然流量和用户付费。
这种人实际上仍在提供一种迅速商品化的数字生产能力,只是把雇主换成了不确定的市场。
OPC 真正有价值的地方不是“一个人”
OPC 的本质不是 One Person,也不是不用招人,而是:
一个人掌握产品、客户和现金流,并通过 AI、软件和外部服务获得过去一家小公司的经营杠杆。
强 OPC 需要同时完成:
- 找到高价值问题;
- 接触具体客户;
- 设计解决方案;
- 用 Agent 快速交付;
- 获取用户和建立渠道;
- 完成销售和收款;
- 提供持续服务;
- 管理成本、风险和现金流。
其中最难的通常不是第 4 项,而是:
- 谁愿意付钱;
- 为什么选择你;
- 你如何持续接触这些人;
- 产品为何不被复制;
- 如何让客户续费;
- 如何让收入不完全绑定自己的时间。
如果解决了这些问题,一个 OPC 会比受雇的 Agent 工程师更接近未来的稀缺控制点。
如果没有解决,他只是一个生产效率很高、但没有需求入口的人。
Agent 工程师也分两种
容易被压价的 Agent 开发者
只会:
- 调用模型 API;
- 拼接 Prompt;
- 搭建简单工作流;
- 封装聊天页面;
- 使用某个流行 Agent 框架;
- 根据明确需求完成代码。
随着模型和框架成熟,这类能力会迅速普及,未必能保持长期高收入。
真正吃香的 Agent 系统工程师
能够:
- 理解企业真实业务;
- 把模糊任务重构为人机协作系统;
- 接入数据库、API、权限和存量软件;
- 做评测、审计、失败恢复和人工审批;
- 处理长任务状态、记忆和上下文;
- 控制成本、延迟和可靠性;
- 推动系统进入真实生产;
- 对端到端结果负责。
所以不是挂着“Agent 工程师”的职位名称就一定更好。决定价值的是:
你是否控制和解决了真实系统中的困难瓶颈。
两者真正的关系
Agent 工程能力是生产能力,OPC 是所有权和经营结构。
它们可以叠加:
Agent系统工程能力
↓
一个人具备过去一个团队的交付能力
↓
找到具体行业与付费客户
↓
形成产品、渠道与持续收入
↓
成为真正的AI原生OPC
因此,最强的路线不是二选一,而是:
先成为能交付真实结果的 Agent 系统工程师,再把这套能力用于获得产品、客户和收入所有权。
从个人收入角度看
可以粗略理解为四个层次:
1. 普通独立开发者
会做产品,但没有稳定渠道和客户。
- 上限看起来很高;
- 实际收入中位数可能很低;
- 容易陷入不断做产品但没人使用。
2. 受雇的 Agent 工程师
有企业需求和工资承接。
- 收入相对稳定;
- 能积累复杂业务和生产环境经验;
- 但核心客户、产品和资本通常归公司。
3. Agent 专业服务经营者
帮助具体企业完成 AI 改造,按项目或结果收费。
- 比纯产品创业更容易获得第一笔收入;
- 能直接接触客户问题;
- 但收入可能绑定个人时间,容易变成高级外包。
4. 拥有垂直产品和客户入口的 OPC
把重复出现的客户问题产品化,获得订阅或持续交易收入。
- 有产品和客户资产;
- AI 让其用更少人员经营;
- 收入不必严格绑定工时;
- 但前期失败概率最高。
长期价值通常是:
普通独立开发者 < 强 Agent 工程师 < 有客户的 Agent 服务经营者 < 有稳定分发和现金流的 AI 原生 OPC。
但这不是每个人都会自然升级成功。最后一种的优势建立在已经获得真实客户和收入之上。
对 Peiiii 更实际的判断
你现在不适合把选择定义成:
更好的身份定义是:
以 Agent 系统工程和完整软件交付作为能力底盘,以拥有产品、客户和现金流作为长期方向。
对应策略是双层的:
职业层:提高收入和就业连续性
重点强化:
- 端到端 Agent 系统;
- 软件开发自动化;
- 评测、可靠性和安全;
- 企业系统接入;
- 对研发效率或业务结果负责。
这让你能够竞争高价值的 Agent / AI 工程岗位,不把生存押在创业立即成功上。
事业层:逐步获得所有权
不是继续批量做没有分发的小产品,而是验证:
- 某类客户是否有高频、高成本的问题;
- 你能否先通过服务获得付款;
- 哪些交付环节能够重复;
- 是否能把重复部分沉淀成产品;
- 是否能建立稳定获客渠道。
达到以下证据后,OPC 才从想象变成事业:
- 有明确客户群;
- 有真实接触渠道;
- 有人实际付款;
- 至少部分客户持续使用或复购;
- 交付成本随着客户增加而下降。
最终结论
- 求稳、求职和未来三五年的职业确定性:强 Agent 系统工程师更优。
- 长期财富、自主权和生产率收益所有权:成功的 OPC 更优。
- 普通的“一个人做 App”:很可能不如强 Agent 工程师。
- 拥有客户、渠道和持续现金流的 AI 原生 OPC:可能远高于受雇工程师。
所以真正值得追求的,不是“个人开发者”这个身份,而是:
既拥有 Agent 驱动的超强生产能力,又逐步拥有产品、客户、渠道和现金流的人。
前者让你有能力活下来,后者让你不永远只是出售劳动。
Q7不用关注我。我像考虑的是5-10年后的格局。然后看下往哪个方向去发展。我希望前方是蓝海而不是红海。而不是简单的让自己努力进步。选择大于努力你知道吗
Peiiii|2026-10-06T07:48:01.105Z
不用关注我。我像考虑的是5-10年后的格局。然后看下往哪个方向去发展。我希望前方是蓝海而不是红海。而不是简单的让自己努力进步。选择大于努力你知道吗
榫|2026-10-06T07:48:08.772Z
[step: designing] 明白。刚才我把问题降级成了“个人如何提升竞争力”,确实偏了。
你问的不是怎么成为更优秀的劳动者,而是:
站在 2031—2036 年的产业格局看,哪些方向的需求会结构性增长,而供给仍然稀缺?应该提前进入哪条价值链,而不是在已经拥挤的赛道里卷能力。
“Agent 工程师”和“OPC”本身都不是方向:
- Agent 工程师是一种生产能力;
- OPC是一种组织形式;
- 真正决定蓝海还是红海的是:你服务哪个市场、控制哪个稀缺环节、获取哪部分价值。
我的总体判断是:
未来最拥挤的是“生产 AI 应用”;相对稀缺的是让 AI 进入高责任、强约束的现实系统,并控制交易、数据、责任或物理执行闭环。
一、先给结论:未来格局不是“Agent 工程师胜过 OPC”
未来更可能是下面的价值层级:
| 位置 |
2031—2036年的格局 |
| 通用模型研发 |
资本密集,少数巨头竞争 |
| 通用 Agent 框架 |
高度商品化,开源和平台吞噬 |
| 普通 Agent 开发 |
大量从业者涌入,逐渐成为基础技能 |
| 通用 AI SaaS |
产品爆炸、复制迅速、获客昂贵 |
| 垂直行业交付 |
仍有机会,但单纯项目外包难以规模化 |
| 行业工作流与交易入口 |
高价值,能掌握客户与业务数据 |
| AI 的验证、责任和治理层 |
需求随 AI 执行权扩大而增长 |
| AI 与物理系统结合 |
供给形成慢,长期缺口更大 |
| 能源、算力、电网等硬瓶颈 |
稀缺性最强,但资本和准入门槛高 |
| 拥有垂直入口的 AI 原生企业 |
最有可能长期获得超额收益 |
因此:
- 普通 Agent 工程师到十年后很可能是红海;
- 普通 OPC 做 App也会是极度红海;
- 控制某个垂直行业工作流、客户关系、交易和责任闭环的 AI 原生公司,才可能处于蓝海。
OPC 可以成为这种公司,但“One Person”不是护城河。
二、判断蓝海不能看现在是否热门
真正的蓝海通常满足五个条件:
1. 未来需求确定增长
不是因为 AI 热门,而是存在独立于技术浪潮的刚性驱动力:
- 人口老龄化;
- 能源和电力需求;
- 企业降本压力;
- 医疗供给不足;
- 安全与监管要求;
- 复杂基础设施维护;
- 全球供应链重构。
AI 是解决需求的手段,不是需求本身。
2. 供给扩张很慢
如果任何开发者三天就能做出类似产品,需求增长再快也会变成红海。
供给扩张慢通常因为需要:
- 现场能力;
- 行业资质;
- 历史数据;
- 客户信任;
- 系统集成;
- 硬件部署;
- 法律责任;
- 长销售周期;
- 真实服务网络。
3. AI 是补充人,而不是消灭购买者
好的方向不是和 AI 比拼数字生产,而是让 AI 放大仍然稀缺的能力:
- 诊疗责任;
- 设备维护;
- 能源调度;
- 复杂交易;
- 机器人执行;
- 风险判断;
- 组织治理。
4. 能形成控制点
有吸引力的方向至少能沉淀一种资产:
- 客户入口;
- 工作流入口;
- 行业数据;
- 支付关系;
- 设备网络;
- 合规资格;
- 交易市场;
- 供应链;
- 标准协议。
否则即使早期赚钱,最后也只是低毛利服务商。
5. 市场足够碎、巨头不容易一次吃完
最适合新进入者的领域通常具有:
- 客户需求高度具体;
- 各地区和细分行业不同;
- 需要持续交付;
- 巨头只提供基础设施;
- 单个市场看起来不够性感,但合起来很大。
三、2031—2036 年最值得提前进入的六个方向
以下不是按“今天融资热度”排序,而是按未来的需求增长、供给稀缺和价值控制潜力综合判断。
第一方向:AI × 物理产业的部署与运营层
这是我认为确定性较高、又不会像纯软件一样迅速商品化的方向。
具体行业
- 工业制造;
- 仓储物流;
- 农业;
- 矿山;
- 建筑维护;
- 能源设施;
- 无人机巡检;
- 商业服务机器人;
- 危险环境作业。
真正的市场不是“造机器人”
而是让机器人在某个现实场景中稳定完成工作:
感知环境
→ 理解任务
→ 操作设备
→ 处理异常
→ 人工接管
→ 记录责任
→ 维护和持续优化
未来基础模型、机器人本体和传感器可能逐渐标准化,但以下工作仍然很难:
- 现场改造;
- 工艺适配;
- 安全验证;
- 异常处理;
- 系统维护;
- 投资回报核算;
- 与旧设备集成。
潜在控制点
- 某类场景的部署标准;
- 设备运行数据;
- 远程运营平台;
- 维护网络;
- 特定行业的机器人技能库;
- 按任务量收费的服务关系。
可能形成的企业
不是“机器人开发工作室”,而是:
为某类仓库、农场、工厂或设施提供端到端自动化产能,并按设备、任务量或节省的成本持续收费。
风险
- 部署重;
- 销售周期长;
- 初期需要硬件和行业伙伴;
- 很难成为纯粹的一人公司。
但这正是它不容易成为红海的原因。
第二方向:老龄化社会的医疗、康复与长期照护基础设施
这是由人口结构驱动,而不是由 AI 热度驱动的长期增长市场。
不只是养老院
真正的需求链包括:
- 居家照护;
- 社区养老;
- 康复训练;
- 慢性病管理;
- 用药管理;
- 失能老人监护;
- 护理人员调度;
- 家属沟通;
- 长期护理保险;
- 适老化住宅改造;
- 辅助器具和照护机器人。
AI 的作用
AI 不应只做“陪老人聊天”,而应帮助稀缺照护人员:
- 自动形成照护记录;
- 识别健康风险;
- 制订和跟踪护理计划;
- 协调医院、社区、护工与家庭;
- 监测异常;
- 降低一个护理人员管理多位老人的成本;
- 帮助支付方审核服务质量。
最有价值的控制点
- 老人和家庭的长期服务关系;
- 照护服务网络;
- 医疗与护理数据;
- 服务质量标准;
- 保险和支付入口;
- 智能设备和人工服务的调度平台。
为什么可能是蓝海
因为“需求巨大”已经容易被看到,但“谁来付款、如何交付、如何保证质量”仍未解决。真正机会不在做一个养老 App,而在建立:
可支付、可监督、可规模化的人机协同照护系统。
风险
市场巨大不代表利润自动丰厚。支付能力、医保和长期护理保险制度是决定变量。
第三方向:能源、电力与 AI 基础设施的效率层
AI 的增长最终受制于:
- 电力;
- 电网容量;
- 数据中心;
- 散热;
- 储能;
- 芯片利用率;
- 土地和建设周期。
通用 AI 应用可能过剩,但电力和高质量算力不会因此过剩。
具体机会
- 数据中心能源管理;
- 液冷和热管理;
- GPU 集群调度;
- 算力容量交易;
- 电力需求响应;
- 分布式能源调度;
- 工商业储能运营;
- 数据中心与电网协同;
- 能源设备预测性维护;
- 每项 AI 任务的真实成本优化。
最有价值的控制点
- 能源容量;
- 设备和运行数据;
- 调度权;
- 电力与算力交易入口;
- 长期运营合同;
- 与电网、园区和数据中心的集成关系。
产业格局
这个方向最强的玩家未必是“AI 公司”,而可能是:
- 电力企业;
- 数据中心;
- 能源设备商;
- 云服务商;
- 拥有真实调度能力的工业软件企业。
进入难度
很高。需要能源、电气、基础设施和政策知识,纯软件开发者不能轻易涌入。这使它更接近结构性蓝海,但不适合轻资产、快速复制的普通 OPC。
第四方向:AI 的验证、责任、审计与保险层
今天大家关注“AI 能不能完成任务”;未来社会更关心:
- 它做错了谁负责?
- 如何证明它按规则执行?
- 模型更新后是否退化?
- 是否越权?
- 是否受到外部操纵?
- 损失如何赔付?
Agent 一旦可以付款、改数据库、操作设备、审批和签署流程,就必须出现新的责任基础设施。
具体领域
- Agent 身份和权限管理;
- 行动审计;
- AI 系统持续评测;
- 高风险操作审批;
- 模型和工作流回归测试;
- 事故取证;
- AI 风险量化;
- Agent 责任保险;
- 合规报告自动生成;
- 数据与模型使用授权;
- 机器生成内容和决策的证据链。
蓝海在哪里
不是做一个通用“AI 安全仪表盘”,这很快会拥挤。真正稀缺的是:
针对金融、医疗、工业、政务、法律等具体高风险行业,建立能够被监管者、保险公司和企业共同承认的责任标准。
控制点
- 审计标准;
- 合规证据格式;
- 风险数据;
- 保险定价;
- 监管接口;
- 企业生产系统的权限层。
如果某家公司成为“AI 系统上线前必须经过的一层”,它会获得非常强的价值位置。
第五方向:垂直行业的 Agent 交易与执行网络
普通垂直 SaaS 仍然可能被 AI 压缩,但如果产品控制了完整交易,就不只是一个软件工具。
例如不要只做:
- 给物流公司写文案的 AI;
- 给诊所整理资料的 AI;
- 给外贸企业找信息的 AI。
而是做到:
发现需求
→ 匹配供给
→ 询价与协商
→ 审核资质
→ 形成订单
→ 跟踪履约
→ 支付结算
→ 处理异常
候选行业
- 跨境贸易;
- 工业零部件采购;
- 物流和货代;
- 建筑维修与设施服务;
- 医疗耗材;
- 企业保险;
- 专业人才和专家服务;
- 农产品流通;
- 中小企业供应链。
为什么比 Agent 工具更有价值
工具按月收几百元,很容易被替代;交易网络可以从每次真实经济活动中获得收入。
当 Agent 可以代表企业寻找供应商、比较报价和发起交易时,未来的重要入口可能不再是搜索框,而是:
机器之间的需求发现、谈判和交易协议。
控制点
- 买方需求;
- 供应商网络;
- 交易记录;
- 履约评价;
- 支付和融资;
- 行业标准。
这是软件、Agent 和平台经济的结合,机会很大,但也容易出现赢家通吃。
第六方向:传统中小企业的 AI 原生运营系统
大量中国企业不是互联网公司,而是:
- 工厂;
- 贸易商;
- 门店;
- 工程公司;
- 物流商;
- 服务机构;
- 本地经营者。
它们不会自己组建 Agent 团队,也不需要一个通用聊天机器人。它们需要结果:
- 获客;
- 报价;
- 排产;
- 采购;
- 跟单;
- 回款;
- 售后;
- 财务和合规。
机会不在“给中小企业做 AI”
这个说法太宽,会迅速成为红海。
真正方向是:
选中一种业务模型,把它从获客到交付重新做成一套 AI 原生运营系统。
例如:
- 专门服务小型外贸公司的订单 Agent;
- 专门服务制造企业备件采购的系统;
- 专门服务连锁诊所的患者运营和合规系统;
- 专门服务物业公司的巡检维修系统;
- 专门服务工程公司的投标、采购和项目控制系统。
最终商业形态
最强版本不一定按软件席位收费,而可以:
- 按订单收费;
- 按回款收费;
- 按节省成本分成;
- 提供软件+运营;
- 最终直接成为该行业的一家 AI 原生运营商。
这条路比较适合从小规模切入,并逐渐形成行业入口。
四、哪些看起来是蓝海,其实大概率会变红?
1. 通用 Agent 开发
包括:
- Agent 框架;
- 通用工作流编排;
- Prompt 和上下文工具;
- 浏览器 Agent;
- 通用知识库;
- 通用多 Agent 协作。
这些当然会有大市场,但开发者供给更多,模型厂商、云厂商和开源项目还会不断向上吞噬。
除少数基础设施赢家外,多数参与者会面临商品化。
2. “人人都能做”的微型 SaaS
AI 降低开发成本以后,供给增加速度可能高于需求增加速度。
典型结果是:
- 大量相似产品;
- 免费替代品;
- 用户切换成本低;
- 获客成本高于开发成本;
- 功能被平台快速吸收。
Mini App、Micro SaaS 和 OPC 是生产形式,不天然是蓝海。
3. 通用内容生产
图片、视频、文章、网站和营销素材需求会增加,但供给增长得更快。
除非掌握:
- 品牌;
- IP;
- 独家人物;
- 受众渠道;
- 现实体验;
- 交易转化。
否则内容能力本身会快速降价。
4. 面向开发者的普通 AI 工具
开发者付费市场有限,竞争却是全球性的。IDE、模型厂商和开源工具会持续整合功能。
能生存的通常是:
- 控制研发工作流入口的平台;
- 对安全和可靠性交付负责的系统;
- 掌握企业客户和私有数据的产品;
- 与大型组织流程深度集成的产品。
普通代码生成、代码审查、文档生成会逐渐成为标配。
5. 纯 AI 咨询和培训
短期需求大,长期知识快速普及。没有行业交付能力、产品资产和客户入口的咨询,会逐渐压价。
五、真正值得占据的不是行业名,而是价值链位置
即使进入养老、能源、机器人这样的增长行业,站错位置仍然可能赚不到钱。
以养老为例:
| 位置 |
长期价值 |
| 做一个养老聊天 App |
低,容易复制 |
| 为机构开发一次性系统 |
中低,项目制 |
| 管理护理人员工作流 |
中高,嵌入运营 |
| 控制家庭与服务商匹配 |
高,掌握需求入口 |
| 接入保险支付与质量审核 |
很高,控制交易和责任 |
| 拥有线下照护网络 |
很高,但运营较重 |
以机器人为例:
| 位置 |
长期价值 |
| 做机器人演示 Demo |
低 |
| 外包视觉或控制模块 |
中低 |
| 为具体工厂集成设备 |
中 |
| 持续运营某类自动化产线 |
高 |
| 掌握行业任务数据和技能标准 |
很高 |
| 按完成的生产任务收费 |
很高 |
所以,“选行业”只完成了一半。另一半是:
要站到能够积累资产、控制交易、形成持续关系的位置。
六、如果只选三个未来十年的主方向
综合确定性、稀缺性和潜在价值,我会选择:
1. AI × 物理世界的行业自动化
理由:
- 数字 Agent 会商品化;
- 物理部署受现实约束;
- 中国有庞大的制造、物流、农业和基础设施;
- 一旦进入生产流程,切换成本较高;
- 能沉淀现场数据、运营关系和设备网络。
2. AI × 老龄化医疗照护
理由:
- 需求增长的确定性很高;
- 人力供给缺口长期存在;
- AI 不能完全替代服务,但能显著放大服务能力;
- 支付、质量和交付体系仍未成熟;
- 能形成长期用户关系和服务网络。
3. AI 系统的责任、验证与交易基础设施
理由:
- Agent 获得的执行权越大,责任基础设施越不可缺;
- 当前市场仍大量停留在能力演示阶段;
- 未来会出现审计、保险、身份、权限、支付和证据链;
- 一旦成为行业标准或基础协议,控制力很强。
三者分别对应:
- 机器如何进入现实生产;
- 人类最确定增长的服务需求;
- 机器获得权力后,社会如何信任和约束它。
七、最后回答“该往哪里发展”
如果目标真的是寻找 5—10 年后的蓝海,就不应该把方向写成:
- Agent 工程师;
- 独立开发者;
- OPC;
- AI 产品经理;
- 创业者。
这些都是角色或组织形式,不是市场选择。
更好的方向表达应当类似:
- 面向中型工厂的机器人异常处理与远程运营网络;
- 面向居家失能老人的 AI+人工长期照护调度系统;
- 面向金融 Agent 的权限、审计和责任保险基础设施;
- 面向工业采购的 Agent 交易与履约网络;
- 面向数据中心的电力、散热和算力联合调度系统;
- 面向物业设施的巡检、维修和供应商交易平台。
这种表述同时确定了:
- 谁付钱;
- 为什么需求会增长;
- 哪个供给环节仍然稀缺;
- AI 在其中做什么;
- 最终能够控制什么资产。
我的统一判断是:
未来十年的红海,是所有人借助 AI 疯狂生产更多数字产品;未来十年的蓝海,是把 AI 接入那些不能只靠生成结果完成、必须承担现实责任的系统。
选择的关键不是比别人更早学会某个 Agent 框架,而是更早进入一个需求必然增长、供给难以复制、并能积累控制权的现实产业链。