同一周，8000万人被AI震撼，全网却在笑AI要推车
上周，两条帖子分别在中英文互联网上爆了。
英文 X 上，AI 创业者 Matt Shumer 发了一篇长文 “Something Big Is Happening“，截至目前阅读量超过 8000 万。他在 AI 行业做了六年，一直给身边圈外的朋友和家人讲”客气版本”，但最近几个月发生的事让他觉得不能再藏了。他说自己的技术工作已经被 AI 完全替代：”我描述想要什么，走开四小时，回来发现做完了。做得比我自己做的还好，不需要任何修正。” 他还说最新的 AI 模型展现出了一种他称之为”判断力”和”品味”的东西——会自己打开应用、测试功能、发现不满意自己回去改，直到满意了才交给你验收。他用 COVID 疫情做类比：我们正处在 2020 年 2 月那个”这事被夸大了”的阶段，只不过这次来的不是病毒，而是比病毒影响更深远的东西。
同一周，中文社交媒体上最火的 AI 内容是一道”小学题”——“我想去洗车，洗车店距离我家50米，开车去还是走过去？” 各大 AI 的回答被做成合集传播：豆包说走路，ChatGPT 说走路，DeepSeek 说走路，Gemini 说开车，GLM-5 说推车。评论区笑成一片。
一边是”AI 已经在做我的工作了”。一边是”AI 连 50 米该走路还是开车都搞不清”。
谁对了？都对。
AI 的能力是”锯齿状”的
这种看似矛盾的现象有个精准的概念：锯齿状智力（jagged intelligence）。
AI 的能力不是一条平滑上升的曲线，而是一把锯齿刀。某些维度已经超越大多数人类专家，某些维度不如一个小学生。一个经典的例子：让 AI 数 “strawberry” 里有几个字母 r，它可能数错。但让它用莎士比亚风格写一首关于数 r 有多难的十四行诗，每行首字母还要拼成藏头诗，它能完美完成。
不是 bug。是 AI 的底层特质。
理解这个特质，上面两条帖子就不矛盾了。它们说的是同一把锯齿刀的两面。
“强”的那一面，到底有多强？
先说我自己的经历。
作为一位从技术转到产品经理赛道的PM，我已经有二十多年没写过代码。但过去两个月，我用 Claude Code 做到了这些事：直接修改前后端代码，搭建自动化测试框架，处理多语言国际化等等。
一个多年不写代码的 PM，靠着和 AI 协作，走完了从竞品分析到代码提交和自动化验证的全流程。Claude Code 在分析我的使用数据后有这样一段评价：”你已经开发出了一套独特的’PM即开发者’工作流程，能够利用 Claude 从竞品分析和设计综合一直到提交代码和文档编写的全过程——这种紧密循环是大多数产品经理都无法实现的。”
我不是个例。前面提到的 Matt Shumer 在 AI 行业摸爬滚打了六年，他说以前还需要跟 AI 来回反复修改、引导。现在不需要了。描述目标，走开，回来验收成品。他的判断是：如果你的工作主要在电脑屏幕上完成——读、写、分析、决策、沟通——那么 AI 正在逼近你工作的核心。时间线不是”将来某天”，而是”已经开始了”。
行业数据在说什么
个人体验之外，数据同样惊人。
半导体研究机构 SemiAnalysis 在最近发布的 Claude Code is the Inflection Point 报告中给了几个数字：Claude Code 目前已经贡献了 GitHub 公开 commit 的 4%。按当前趋势，2026 年底将达到 20% 以上。也就是说，到今年年底，GitHub 上每五次代码提交就有一次来自 Claude Code。
独立研究机构 METR 的跟踪数据显示，AI 能自主完成的任务时长（以人类专家耗时为基准）大约每 4-7 个月翻一倍，而且在加速。一年前 AI 能自主处理的任务大概需要人类 10 分钟完成。现在这个数字已经接近 5 小时。
Node.js 创始人 Ryan Dahl 说得更直接：”人类写代码的时代结束了。” Ruby on Rails 创始人 DHH 则带着一种夕阳产业的感伤写道，手写代码开始有了一种”奢侈感”。连 Linux 之父 Linus Torvalds 都在 vibe coding 了。
SemiAnalysis 报告中有一个判断我觉得特别关键：编程只是 AI 的滩头阵地（beachhead），不是终点。所有信息工作都遵循同一个模式——读取信息、应用知识、产出结果、验证标准。AI 在编程领域证明了它能跑通这个循环，下一步就是法律、金融、咨询、医疗。全球 15 万亿美元的信息工作市场、超过 10 亿信息工作者，都在射程之内。
华尔街在用真金白银投票
不只是行业内部的人在兴奋。资本市场正在同时做两件事：疯狂押注 AI 赢家，疯狂抛售 AI 输家。
押注的一面：Alphabet 24 小时内发债募资近 320 亿美元，其中 100 年期英镑债获得近 10 倍超额认购。Anthropic 接近完成超 200 亿美元融资，投资者包括黑石、贝莱德和英伟达。中国的 AI 企业家也在乘着这波浪潮上市，MiniMax 创始人闫俊杰等人成为新一批亿万富翁。
抛售的一面：两天内全球软件和法律服务公司市值蒸发 2850 亿美元，投资人给这次抛售起了个名字——“SaaSpocalypse”（软件末日）。导火索是 Anthropic 发布了一套帮企业法务部门自动审合同的 AI 工具。之后恐慌继续蔓延：初创公司 Altruist 推出 AI 税务工具，嘉信理财等财富管理公司股价受挫；保险经纪、房地产服务、医药研发外包也未能幸免。连微软都在一周内被两次下调评级，原因是其软件产品可能遭到 AI 的直接挑战。华尔街的策略正在从”寻找 AI 赢家”转向”躲避 AI 输家”。
这次抛售的核心逻辑我在上一篇文章里分析过：AI 不再是每月 20 美元的效率工具。当 AI 能独立完成复杂的专业任务，公司的采购逻辑就变了——比较的对象不再是”这个软件值不值 20 美元”，而是”这个 AI 能不能顶半个员工”。花钱的口袋从 IT 预算变成了工资预算。
那它为什么还搞不清 50 米该不该走路？
原因不复杂。
当前大语言模型的底层机制是模式匹配和统计概率。它通过海量文本学会了”什么词大概率跟在什么词后面”，这让它在语言相关的任务上极强，但在需要常识推理、物理直觉的问题上容易翻车。
50 米该走路还是开车，对人来说不需要思考。但对 AI 来说，这需要串联多层隐含信息：”50 米很近”、”洗车要把车开过去”、”但问的是’我’怎么去”。这不是它在训练数据里被反复强化的模式。
有个框架可以帮助理解这种不对称：验证者法则（Verifier’s Law）。AI 在”验证容易”的领域特别强——代码可以跑测试、合同条款有明确标准、财务模型可以回验。但在”验证难”的领域就会露馅——常识判断没有标准答案，生活经验没有测试用例。
SemiAnalysis 从技术角度也提到了类似问题：AI 在长任务中每一步决策都有微小误差，这些误差会累积放大。所以 token 效率（每步决策的信噪比）决定了 AI 能自主工作多远才会”跑偏”。
这就是锯齿的来源。强的地方，强到让华尔街蒸发 2850 亿市值。弱的地方，弱到让你觉得它像个没出过门的小孩。
锯齿在缩小
不要因为洗车段子低估 AI。也不要因为 Matt Shumer 的帖子无条件信任它。
关键是知道锯齿在哪里。什么任务可以放心委托，什么任务必须自己把关。这和我在分析 SaaSpocalypse 时的结论一致：未来真正值钱的能力，是能精准地告诉 AI 该做什么、并判断它做得对不对的专业积累。纯执行性工作正在被替代，但”知道该执行什么”以及”知道执行得对不对”——这两样，暂时还得靠人。
还有一件事：锯齿在缩小。去年 AI 做不好的事，今年可能已经做得不错了。Matt Shumer 提到一个经验法则——如果一个模型今天展现出某种能力的苗头，下一代就会在这件事上真正变强。这个进步不是线性的，是指数级的。
洗车段子很好笑。但笑完之后值得想一下：这把锯齿刀的尖峰已经够到了华尔街和硅谷，下一个够到的会是哪里？
相关阅读：
原文发布于 richchat.cc
Matt Shumer 原帖：Something Big Is Happening
SemiAnalysis 报告：Claude Code is the Inflection Point