AI无法替代的五类人才，企业稳居第二更明智

“烧多少Token”这件事，正成为观察AI应用深度的新焦点。

普通用户月消耗量通常在数百万Token级别，而像“小龙虾”创始人在OpenAI的月用量已达6000亿。即便在同一组织内部，不同角色间的Token消耗差距也可能跨越数个数量级。Token消耗量，正在成为衡量AI时代实际应用能力的新标尺。

面对这种差距，是否感到焦虑？

在2026中国AIGC产业峰会上，昆仑万维董事长兼CEO方汉给出了不同的视角：不必过度焦虑。

这位经历了完整互联网周期的从业者，并未迎合普遍的焦虑情绪，而是提出了一个关键判断：单纯依赖经验已不足以构建护城河。那些流程闭环、允许试错的岗位正被AI快速接手，唯有依赖高判断力、低容错率的工作，才能获得更长的生命周期。

他同时分享了几个直接的观点：Token正在成为“AI时代的电力”；AI将加速员工能力分化，未来可能呈现“小白”与“大神”的两极状态；所有正在融资或已上市的公司所宣称的“AGI即将到来”，其叙事需要理性看待。

以及一个贯穿始终的提醒：未来最大的魅力，恰恰在于它的不可预测性。

为清晰呈现方汉的思考脉络，下文在保持原意的基础上，对演讲内容进行了编辑整理。

2026中国AIGC产业峰会是由量子位主办的行业峰会，汇聚了近20位产业代表。线下参会观众超千人，线上直播观看量近400万，获得了主流媒体的广泛关注。

核心观点摘要

当一个行业或技能是闭环且可容错的，它就非常容易被AI替代。但若你拥有判断力和品味，则能获得更长期的发展。

Token消耗量级差异巨大。普通员工月耗数百万至数千万，AI编程与技术人员可达数亿到数十亿，重度Agent使用者月耗百亿已成常态。Token俨然成为AI时代的“电力消耗”。

AI介入后，个人成长的阶梯被压缩。过去的员工成长路径清晰有序，如今却可能只剩下“小白”和“大神”两种状态，中间态难以存续。中间几级“台阶”的消失，将如何影响职业发展路径，是一个值得观察的现象。

有五类人或许是AI难以替代的：讲故事的人、创造想法的人、定义美的人、构建系统的人，以及重塑范式的人。

对于绝大多数行业而言，AI落地的最佳策略是争做第二名。第一名需承担极高的试错与探索成本；第三名则可能错失行业红利。然而在IT赛道，规则异常残酷——只能争夺第一名。

但AI也带来了一个公平的契机：它把所有人拉回到了同一起跑线。

以下为方汉演讲全文：

Token消耗量正拉开巨大差距

各位来宾，媒体朋友们，大家好。

首先感谢量子位的邀请，让我有机会分享近期的一些观察。

最近我接受了一次采访，其中提到一位CTO朋友每月消耗600亿Token，这个数字在社交媒体上引发了一些讨论。有趣的是，就在昨天，我看到一则新闻：“小龙虾”的创始人Peter Steinberger在OpenAI的月度Token用量大约是6000亿。可见，Token消耗量已经将人与人之间的应用差距拉得非常开。

刚才主持人提到，现在很多人都有FOMO（错失恐惧症）焦虑，觉得现在不学AI就晚了。其实，个人认为大可不必。原因何在？下面分享几点感受。

首先，本次是AIGC产业峰会。AIGC带来的最深刻变化之一，是将AI的应用成本降低到了一个可量化、可承受的水平。

举个例子。以往公司制作游戏时，采购一首歌曲的成本大约在10万元——需要找作曲、作词、录音室演奏演唱，最后混音。如今，用我们自己的音乐大模型Mureka Agent制作一首歌，对外售价约一块钱，成本则更低。

结果就是，所有人创作内容的门槛和成本都得到了极大降低。

以短剧为例。一部真人短剧成本约100万，而目前AI短剧的“抽卡”成本加上人工，大约在10万左右，成本降低了10倍。并且可以预见，这10万成本明年可能降至1万，后年或许只需1000。这是相当切实的趋势。随之而来的，是AI短剧团队数量会急剧增加，而真人短剧的开拍量则会下降，于是便有了“演员失业”的讨论。

与此同时，亚马逊、微软等巨头近期都有大幅裁员。这些裁员是否直接源于AI效率提升？看法是，不一定。它们往往是为了优化结构，腾出资源投向算力等更关键的领域。

有一句话说得在理：经验不再是护城河。许多人认为在AI时代，经验可用于为AI兜底。但另一方面，对某个产业的深厚经验，有时反而会让人更抗拒拥抱AI。现在既有知识蒸馏技术，也有反蒸馏技术。反蒸馏本质上是试图以个人力量对抗AI，从长远看，其意义可能有限。

能够观察到的是，只要一个行业的技能是闭环且可容错的——比如美术、编程、白领中层、初级学徒——就非常容易被替代。反之，那些不可容错的工作，例如外科手术、线下施工、蓝领技工等依赖高判断、高责任的岗位，反而难以被替代。

Andrej Karpathy的观点颇为准确：未来80%的工作交给AI，20%留给人。留给人的正是判断和把关。现在的AI编程，关键不在于用了多少AI，而在于你是否能判断它“该做什么”，而不是“具体怎么做”。

值得警惕的是：如果你的岗位是闭环且可容错的，那么被替代的风险就很高。但只要你能贡献判断力和品味，就能长期立足。

以AI短剧为例，选择什么样的剧本是决定其能否爆火的关键，最终的“抽卡”验收也决定了作品能否出圈。近期一个出圈的案例是MX-Shell制作的机器人僵尸视频《Zombie Scavenger》。

短期别高估，长期别低估，理性看待焦虑

不过，也无需过度担忧。回顾完整的互联网和移动互联网周期，每次新技术涌现，总有人预言旧行业将死。例如1995年互联网兴起时，报纸、出版业被宣判死刑，但整个内容产业实际上急剧膨胀，报纸和出版业又经历了二十多年才进入明显下行期。

对绝大多数劳动者而言，差距并没有想象中那么大。

当前AI的发展，是典型的短期被高估，长期被低估。无论是AI Agent还是其他应用，落地时的演示往往令人惊艳，但融入实际生产力环节仍存在诸多问题。例如有统计显示，使用AI编程后，如果项目需求和结果非常明确，效率确实提升；但如果需求本身模糊，效率提升并不明显。

长期来看，所有人可能都会低估AI对人类社会生活和工作的深远影响。唯一的建议或许是：未来本就难以预测。

那些关于公司形态、AI对人类影响的种种预测，包括Anthropic的CEO所称“全球最终只有1000万人能享受AI红利”，其实意义不大。未来最大的魅力，恰恰在于其不可预测性。

说到这里，希望大家不要被某些声音吓住。国内自媒体惯于贩卖焦虑继而推销课程，国外意见领袖的言论也未必可信——他们往往服务于市值或估值。

马斯克声称AGI即将到来，很大程度上是为了支撑SpaceX的估值。如果统计所有名人预测的AGI到来时间，会发现那些需要融资或提振估值的，预测时间都特别近。唯一预测较晚的是DeepMind的哈萨比斯，他提到的是2034年。可以说，凡是正在融资或已上市的公司，其宣称的AGI到来时间大多不足为信，核心目的还是服务于自身市值。

Token消耗量决定AI实力，中间层成长阶梯被压缩

如前所述，每月烧多少Token，正成为一个有趣的观察维度。

普通员工月耗在几百万到几千万Token；AI编程用户和技术员工，每月可达几亿到几十亿；重度Agent和基础设施用户，月耗百亿已成为现实。“小龙虾”作者月耗6000亿，Meta内部竞赛中，最高记录的工程师花费了2180亿Token。同一家公司内，几百万与几千亿的消耗可以共存。

Token确实成了AI时代的电力消耗。评估一个国家工业实力，看其电力消耗便知。中国为何能成为世界工厂？年耗电量约10万亿度，美国约4万亿度，印度约2万亿度，这是铁打的工业实力对比。可以预见，未来国家的Token消耗量，也将成为其AI实力的重要指标。

这带来了一个明显的问题。在公司内部广泛应用AI后，一个感受是：过去一名普通员工从新人成长为骨干，再晋升为高级管理者，路径清晰有序。但AI介入后，中间层的成长阶梯似乎被撕裂了，员工状态要么是“小白”，要么是“大神”，中间态很难存活。这显得颇为诡异。

目前尚不清楚，抽走中间状态后，新员工是能顺利成长为大神，还是会永远停留在小白阶段。普通人的成长之路将如何演进，仍然值得深入观察。

五类人AI难以替代，企业落地策略求稳为上

我们相信，有五类人是AI难以替代的。

第一种是讲故事的人。以往在中国影视行业，编剧往往较为被动，导演、明星都可能要求修改剧本。但在AIGC和短剧时代，最有话语权的将回归编剧，因为故事本身决定了剧集能否爆火，核心不再是演员或导演。

第二种是创意提出者。经常浏览GitHub会发现，新项目的涌现速度远超AI时代之前。甚至有好莱坞知名女演员亲自下场，从事Agent记忆相关的项目。有想法的人不再必须拥有编程能力，只要借助AI就能将想法实现。过去“万事俱备，只欠一个CTO”的困境将成为历史，只要你有创意，AI就能助你将其变为现实。

第三种是美的定义者。当前所有AIGC本质上都是在缝合人类历史上已创造的美，问题在于它能否创造全新的美。而定义新的美，仍然需要人类。在美学领域，如何雇佣大量新画家、艺术家去创造新形态的美，尚是一片蓝海。长期来看，坚持原创、坚持定义新美，将变得越来越重要。

第四种是系统构建者。GitHub上项目众多，但为何“小龙虾”能先火起来？其创始人是连续创业者，程序员出身，最早靠做PDF工具获得第一桶金，后又因代码能力问题，其创意被Hermes Agent借鉴。

第五种是像爱因斯坦、牛顿那样的范式制定者，这类人才依然极为稀缺。总而言之，站在工作流两端的人——即创意发起者和系统整合/把关者——将始终被需要。

关于企业的Token用量，可以分享一些数字：安克创新每月约2亿，58同城约6亿，Meta约7亿（均为公开数据），且这个数字还在持续上涨。与许多企业家交流时，常提到三种企业对应三种策略：传统企业需先补课，直接上AI可能无法增效；数据密集型行业通过AI降本增效，路径则非常明确。

当前共识是，在新的AI形态下，企业必须在组织架构上具备优势才能胜出。像推特前创始人Jack Dorsey那样，用AI彻底重构组织，干掉所有中间层，方式过于激进，其效果有待观察。而中国的安克创新则更为务实，由业务需求驱动AI应用。

我们公司的做法更接近安克，非常务实。从2024年起全员使用AI辅助编程，现在每月为每位员工提供700元Token补贴，这笔投入的性价比极高。所有研发负责人还需通过一项主要考察Agent应用能力的考试。在飞书等协作平台中，也大量引入AI员工以提升组织效率。这代表了绝大多数中国企业相对务实的落地路径。

给企业家朋友的建议是：在绝大多数行业进行AI落地时，应力争第二名，而非第一名，因为第一名的探索成本实在太高。像Jack Dorsey那种激进的改革方式，大多数企业无法承受。但也不要沦为第三名，到那时行业红利已尽，反而会被同行抛弃。然而，在IT赛道，规则截然不同——只能争夺第一名，这是一个非常残酷的现实。

AI带来的最大好处之一是，它把所有人拉回了同一起跑线。常说年轻人躺平是因为上升空间有限。但现在可以对公司的年轻人说，躺平是不明智的，因为天花板已被打破。这个时代对所有人而言都是巨大的风口，关键在于能否成为在风口上获得红利的人。这，就看各自的努力了。

谢谢大家。