别等了。普林斯顿的 Arvind Narayanan 在首尔 ICML 2026 的演讲台上，几乎是把“AGI 瞬间清场人类”的剧本撕碎了丢进垃圾桶。他抛出的第一个论点就直插心脏：AI 是一项正常技术。不是什么外来的硅基神祇，它会像历史上每一项关键技术一样，一寸一寸地重塑工作，而非一刀切地消灭工作。他把软件工程撕开给我们看——人人都在恐惧编码会消失，但真正被压缩的是执行层，那些写样板代码、搭标准管线的活计。可你有没有注意到，系统设计决策、交付之后的适配与扯皮、那些需要“拍板”和“擦屁股”的环节反而膨胀了？写代码从来不是瓶颈，复杂的组织现实才是。
Narayanan 的第二把刀更锋利：他承认递归自我改进值得认真对待，但实验室里没有任何一个里程碑，会像扳道岔一样让所有人明天就没了工位。这条路的坡度比想象中缓，也比你听过的任何恐慌故事都更乏味——而乏味正是我们可以介入的窗口。所以他的第三点根本不是安慰，而是战书：工作不会消失，但会变得面目全非，需要你主动长出新的肌肉。判断力，品味，那种在模糊地带嗅出对错的直觉，才是他最看重的互补技能。他管那个愿景叫“共超智能”——听着有点乌托邦，但内核清醒得很：别整天琢磨怎么被取代，去琢磨怎么让 AI 成为你判断力的延伸，而不是你双手的替代。
这一整套框架之所以掷地有声，不是因为它多深奥，而是因为它拒绝迎合两种廉价的情绪——既不打“人类必胜”的鸡血，也不贩卖“全民失业”的焦虑。它只是冷静地指出，可靠性研究和软件工程实践已经提供了足够多的案例：当自动化吃掉那些清晰的、中间的环节，两端那些模糊的、需要品味的、极度依赖上下文的工作反而会充血膨胀。你不必去学调参或者 prompt 工程学竞赛，那些很快会被吃掉。真正该训练的，是你说“这个方向不对劲”的勇气，和你对“好”的定义。
