虽然这个观点有点极端, 但是确实有这个可能性. 关于这个我想到的是农业在经济活动中的地位, 以加州为例子,加州有中部峡谷,算是美国最好的农业产区了,加州的农产品按价值算好像也是全美第一. 加州农业也占加州总用水量的80%之多. 但是一看经济数据,农业在加州GDP里面只占1%, 确实是忽略不计归零了.
但是AI的叙事有一个局限性可能很多人忽视了, 就是高质量的训练数据哪里来. 在码农群体, GitHub, StackOverflow就是天然的高质量数据库, 大家已经花了十几年的时间来修建和维护它, 所以AI落地速度神速. 在大量的行业, 训练数据极度短缺, 或者没有有效的途径来整合各种不同的数据, 比如有的数据是手写在笔记本上,存在档案库里没有电子化. 有的是不可能得到可靠的数据因为传感器的极限/误差, 以及人类知识的边界有限等等. 这一部分是没办法用AI取代的,只能是继续慢慢探索,不断发明发现新的数据,新的技术,新的理论. 而且我认为随着AI的落地加速, 这部分没有被取代的工作只能是价值更高, 你要是能提出一个新的科学理论,新的测量手段(比如重力波), 这个最终才是模型迭代的基石. 不然模型再复杂,也只能在自己的训练数据里面兜兜转转. 而推动人类理论和认知边界的行业也有可能是新的"白领", 别的一切确实是只能是变成"蓝领"了. 比如科研界, 我认为现在是严重under pay了, 他们创造的价值和拿到的收入相比极度不成正比. 未来财富应该慢慢转移到这些创造新的知识和数据的行业来
而A家和O家,这种其实本质上就只是新码农, 拿着现有的神经网络基础理论, scale up,中间再参杂一些小的改进, 调参, 做一些tool 比如code agent等等. 这个我觉得最终就是未来的航空公司汽车公司, 卖token薄利多销。模型会慢慢开始高度同质化，标准化。我觉得, 他们也只算是卖铲子的