AI 失業不需要 10%，半個百分點就能引爆政治
真正觸發政治危機的不是失業率數字，而是幾個高度本地化的裁員案例被講成 AI 故事。而所有精準打擊 AI 的稅，都會連帶打擊那些能緩解衝擊的增強型用途。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
三條線在同時發酵，未必匯成一條
Lecht 的判斷是現在不是一件事在變熱，而是三到五條趨勢同時疊加：聯邦政府部分部門開始意識到網絡攻防含義、中期選舉前兩翼民粹都在找可見的象徵物、AI 採用速度本身快到讓普通人真有體感。但他明確說還不確定這些會不會匯成「AI 是個大問題」這一條敘事，還是三個獨立故事各自死掉。這個不確定性本身就是判斷的一部分——不要預設它們必然合流。
— Anton Lecht最有用的勞動力數據鎖在實驗室裡
判斷 AI 對勞動力市場的影響，最關鍵的統計其實在實驗室手裡：它們清楚使用量、擴散速度，以及 augmentative 用途和 automation 用途之間的比例。這些數據對制定任何響應性政策都極有用，但政府拿不到。Anthropic 的 Economic Index 會自願披露一部分，也給內外部研究者分享，但那只是一家實驗室的數據，沒有和其他實驗室標準化，也無法知道 Anthropic 的用戶群是否偏向某個方向。政策困境因此變成一個條件判斷：如果當前工作負載以增強人為主，就該加速採用；如果已經帶來大量自動化替代，政策制定者反而有動機放慢——而這兩種情況哪個成立，現在沒有數據能回答。
— Anton Lecht不需要真的失業，只需要一個地方出事
Lecht 認為 AI 失業幾乎必然會成為高顯著度議題，因為政治激勵太充足：科技寡頭建數據中心取代工人尊嚴、沿海精英對內陸、科技 CEO 與政府結盟，這些敘事模板都已就位。而且已經出現把裁員歸因於 AI 的情況，哪怕實質上與 AI 無關——因為對公司來說這是個方便的故事。他判斷只需要幾個高度本地化的案例，就足以引爆，不需要等到宏觀失業率真的走高。
— Anton Lecht初級崗位是唯一可以提前動手的窄口子
Lecht 區分了兩類問題：全經濟範圍的失業率上升沒有外科手術式的解法，只能整體應對；但初級白領招聘的斷檔是一個窄而具體的失效模式——AI 恰好擅長這類重複性任務、企業恰好最容易整輪跳過初級招聘、後果恰好是這一代人失去人才養成通道。他提出用補貼壓低 22 到 27 歲僱員的成本，並承認這是「最不壞」的版本，因為任何工資補貼都有把當前經濟結構固化下來的風險。
— Anton Lecht德國是那個要避免的失敗案例
Lecht 用德國做反面教材：給所有人極強勞動保護，導致解僱門檻極高，於是招聘門檻也極高，新公司不敢招人，經濟裡幾乎所有重要企業都快一百歲，沒有新的進入者。這套結構在技術變化慢、只做邊際迭代（造車）時運轉良好，但技術斷裂一來——要轉電動車、要轉國防生產——人才無法重新配置，最後企業本身失去競爭力倒閉，保護也就失效了。
— Anton Lechttoken 稅懲罰最激進的採用者
針對 AI 的專項稅有個反直覺後果：它按 token 消耗量徵稅，於是最積極用 AI 增強員工的公司被罰得最重，幾乎不採用 AI 的老牌公司反而幾乎不受影響。而政策真正想阻止的是「裁掉人、把預算換成 token」，真正想鼓勵的是「人全留著、再加 token 把每個人增強」。只要稅基是 AI 支出總額，就等於同時懲罰了這兩種行為，把企業推向保護主義式的自保，或者乾脆拖到五年後因為失去競爭力而倒閉。作者由此得出一個統一規律：凡是想精準打擊 AI 的稅，都會連帶打擊那些可能緩解勞動力市場衝擊的增強型用途。
美國的 AI 治理過度押注在網絡安全上
當前美國的 AI 治理格局高度偏向 cyber 這一個威脅模型，原因是一次具體事件：Mythos 展現出的網絡能力成了整個討論的引爆點。於是「先給防禦方模型、讓他們補完代碼漏洞、再廣泛發布」這套邏輯被寫進了政策——它對 cyber 成立，對生物風險完全不成立：你沒法給防禦方 30 個月提前量去對「擅長找新病原體的 Biomythos」做加固，也不可能提前造好十萬種疫苗、各囤五億劑。作者還指出，1996 年的民主黨綱領對 2026 年的政策選項其實相當有預測力，但 Mythos 時刻說明先驗只解釋得了 20% 到 30%，剩下的是偶發事件。
10% 失業率觸發的是暫停部署，不是暫停研發
作者區分了兩件事：10% 失業率大概率帶來的是暫停 AI 部署，而不是暫停 AI 研發。到那時人們恐慌的不是「系統進步太快」，而是「系統突然無處不在」，經典政治反應是阻止它們無處不在、不讓它們再做推理。因此很難搭起一個從硬核安全派到就業、環保關切者的廣泛暫停聯盟——他們都不喜歡 AI，但想暫停的具體環節完全不同。擔心勞動力市場的人完全可以接受把開發全部轉向內部部署，只擋住系統擴散到社會；而實驗室可以安靜地在內部跑推理、把模型越做越好。作者還提醒：暫停之後不會解除暫停。
開源讓分類器路線徹底失效
當前政府願意接受危險能力留在模型裡的理由，是護欄和分類器：模型自己判斷這是危險請求就拒絕，或把 prompt 轉給一個更弱的模型，於是給不出網絡或生物方面的建議。這套東西對開源根本不成立——護欄和分類器可以被訓練掉。開源邏輯在軟件上確實管用：把危險能力同時給防禦方和攻擊方，賭防禦方修軟件比攻擊方攻擊軟件更快，這在 cyber 上效果尚可。但兩個問題懸而未決：它對生物這類風險向量是否成立並不清楚；以及「放出去看誰更快」這種本質上不可控、分布式的攻防邏輯，和想要控制一切的國家安全機構是正面衝突，作者看不到調和方式。
原話 · 已逐字校驗
I think it's still unclear whether this all sort of comes together into, like, one big AI is a big thing or whether these are actually three separate stories that will die three separate ways.
我覺得現在還不清楚，這些事究竟會匯成一個「AI 是件大事」的大敘事，還是其實是三個各自以不同方式死掉的獨立故事。
Anton Lecht1:07
it's not going to take 10% unemployment to freak people out. It will take like a half a percent or 1%.
不需要 10% 的失業率才能嚇到人。半個百分點，或者 1%，就夠了。
Anton Lecht11:41
there is a real concern that there's just, like, a sort of coordination failure across the economy where everyone has these short-term incentives to skip the junior hiring for one or two years.
有一個真實的擔憂：整個經濟會出現某種協調失敗——每個人都有短期激勵去跳過一兩年的初級招聘。
Anton Lecht16:55
whenever you try to specifically hit AI, it turns out you also specifically hit augmentative uses of AI that might be very valuable in staving off the sort of worst version of the labor market impacts
每當你想精準打擊 AI，結果你也會精準打擊到 AI 的增強型用途——而那些用途可能對避免勞動力市場最糟糕的版本非常有價值。
if you just like close your eyes to something that is like slowly happening and starting to happen more and more for long enough, then at some point you will overreact to like the first time that it really breaks through
如果你對一件緩慢發生、並且開始越來越頻繁發生的事閉眼足夠久，那麼總有一天，你會在它第一次真正突破時過度反應。
frontier AI development is like one of the few things that the US does extremely well in comparison to China right now
前沿 AI 研發是美國目前相對中國做得極好的少數幾件事之一。
the entire point about open source is, well, you can train out these guardrails, you can train out these classifiers
開源的關鍵就在於，你可以把這些護欄訓練掉，你可以把這些分類器訓練掉。
this is specifically the point in time where the open source story is the most compelling because it is so cyber focused where we have some precedent of open source working
這正是開源敘事最有說服力的時間點，因為風險如此集中在網絡攻擊上，而網絡攻擊上我們又有開源奏效的先例。
數字與實體
| Lecht 認為民主政體無法承受的失業率 | 10%–20% | 8:38 |
| 他建議補貼的初級白領年齡區間 | 22–27 歲 | 17:56 |
| 先驗對政策選項的解釋力 | 20% 到 30% | 41:14 |
| 觸發政治反應的關鍵失業率 | 10% | 45:30 |
| 政府持股 AI 的示例比例 | 5% | 35:58 |
術語
- augmentative vs automation增強型 vs 自動化
- AI 用途的兩種分類：增強人做事，或直接替代人做事。
- regulatory capture監管俘獲
- 監管機構被被監管行業利益綁架，政策偏向在位者。
- AI safety in parallel並行 AI 安全
- Matt Sheehan 提法：中美各自恐慌，共享最佳實踐而非大交易。
- MythosMythos
- 節目中指一個展現網絡攻擊能力的模型，成為美國 AI 治理討論的引爆點。
收聽指南
關心 AI 監管、勞動力市場政策與開源治理走向的創業者、投資人和政策研究者。
01:06:33 之後關於歐洲政治文化的討論，與 AI 主線關係較弱。