当前位置：主页 > 我的网站国内 >

达芬奇的恶魔

斯坦福研究：22~25 岁职场新人受 AI 冲击最大，高等教育可缓冲影响_我的网站

时间都去哪了

A | 48小时。一家中国公司的模型发布。

B | 全球AI股票集体下跌。 8 月 26 日消息，斯坦福数字经济实验室于 8 月 12 日更新论文，依托薪资服务商 ADP 覆盖数百万美国劳动者的高频薪资数据，揭示生成式 AI 普及后劳动力市场的真实变化，报告提示，应届与初入职场的年轻人正承受 AI 带来的最直接冲击。研究报告指出从整体来看，并未发现全美范围大规模岗位被 AI 替代的证据，严重冲击了年轻人的“第一梯级”就业。

C | 英伟达跌，半导体跌......全球市值蒸发万亿美元。

D | 该报告指出在软件开发和客服等高影响职业中，相比较受人工智能影响较小的领域，22-25 岁年轻人的就业率落后约 19%，而 2025 年差距仅为 13%。高盛合伙人在客户电话会里直接抛出一句：算力扩张时代，可能到头了。

E | 与之对比，同一岗位的资深从业者没有出现同等就业缺口，就业保持平稳甚至有所上升。该研究认为入门级员工更容易受到冲击的部分原因，在于这些岗位依赖大量“编码化知识”。摩根大通给客户发的备忘录，称之为DeepSeek 2.0。所有人都在问同一个问题：Kimi K3真有那么厉害？说实话，我觉得没有。编码化知识指能够通过教育、教材或书面流程传授的正式、标准化、文档化知识。这类知识通常有明确规则，人工智能更容易参与或替代相关工作。 Kimi是个好模型。但它还不足以撼动全球资本市场。对于 22 至 25 岁的年轻人来说，可以通过人工智能“自动化”的职业，其入门级就业率正大幅下降。对于人工智能仅起到“辅助”作用的工作岗位，入门级就业形势则要复杂得多。真正被震动的，也不是英伟达，是华尔街过去三年一直相信的那套故事。

F | 与之相对，默会知识（Tacit Knowledge）主要通过实践、导师指导以及反复接触真实场景获得。 Kimi只是推倒多米诺骨牌的那只手。研究人员认为，人工智能在这类工作中更可能辅助经验丰富的员工，无法直接取代其经验判断。研究还显示，高等教育可以缓冲人工智能对就业的影响。一、华尔街到底怕什么要看懂这场恐慌，先得看清过去三年华尔街到底在信什么。本质上，他们相信的是一条大模型定律。模型越强，参数就越大，训练就越贵，需要的GPU就越多，资本开支就越高，英伟达就越值钱。附上参考地址广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，包含外链的文章均包含本声明。

G | 这也是整个AI时代最大的金融叙事。

H | 2023年ChatGPT火了之后，这条公式一路跑到2026年中。英伟达市值从1万亿美元冲到5万亿美元。微软、Meta、Alphabet、亚马逊，每次财报电话会都在重复同一句：我们继续加大AI基础设施投入。

I | 估值逻辑只有一个假设，做AI就得烧钱。烧得越多，护城河越深。三年，这条公式没被证伪过一次。直到DeepSeek出现。 2025年1月，DeepSeek-R1用远低于预期的成本，跑出了接近GPT-4的推理水平。英伟达那天蒸发了5890亿美元，创下美股历史纪录。结果呢？半年之后，微软继续投。Meta加预算20%。CoreWeave上市股价翻倍。所有人继续下注。

J | 华尔街松了一口气，DeepSeek被当成一次虚惊。然后Kimi K3来了。

K | 这次的数据更刺眼。LMArena前端代码榜以1679分登顶，超过Claude Fable 5。综合排名从上一代的第18名直接跳到第1。

L | 前端7个细分方向，拿下6个第一。7月27日开放权重发布，成本据说只有美国顶级模型的六成。

M | 高盛在内部备忘录里写了这样一句反问：一家买不到最大规模算力的中国实验室，靠着架构创新、合成数据、强化学习、后训练，凭什么把差距缩得这么快？这个问题一问出来，华尔街的信仰就出问题了。以前所有人默认，Scale就是GPU。今天Scale变成了GPU加算法加数据加后训练加RL的合力。算力不再是唯一的答案，这才是华尔街真正怕的东西。华尔街怕的不是Kimi，是英伟达。准确说，是AI资本开支永远在扩张这个定价逻辑。

N | 硅谷巨头们预计2026年资本开支达到7000亿美元，台积电刚宣布2026年资本开支640亿美元，超市场预期。这些钱要变成芯片、变成数据中心、变成英伟达的订单。前提是，大模型必须继续变大、继续烧钱。 Kimi K3出来后发现，未必如此。如果越来越多公司都能用更少GPU、更低成本，做出同等水平的模型，那全球GPU采购量还需要那么大吗？台积电640亿美元的回报率会不会打折？英伟达的远期收入预期要不要下调？这下好了，过去三年所有算力扩张的估值模型，都得重新计算。 Kimi只是让所有人第一次真正开始问一个问题：GPU还能卖这么多吗？只要华尔街开始思考这个问题，股价就必然晃动。二、为什么偏偏又是中国？还有一层更深的东西，很多人不敢明说。为什么又是中国？ DeepSeek第一次让华尔街意识到，中国能追。Kimi第二次告诉华尔街，中国还在追，而且没停。

o | 一次可以叫偶然，可以归给几个天才或者运气。两次在不同节点、不同方法上都发生了低成本逆袭，资本就必须重新算概率。这个概率一改，事情就变了。美国巨头信的是大力出奇迹。钱多、卡多，工程上有瑕疵就用更多算力去盖过去。这种打法效率其实不高，但在充裕环境里没人在意。中国头部公司从第一天起，环境就完全反过来。买不到十万卡集群，融资也没那么阔绰，只能把手里的算力压榨到极致。被逼出来两个能力。

p | 一是合成数据。用最少的高质量样本，卷出最高的逻辑上限。二是后训练加强化学习。

q | 用工程微调和策略优化，去补底层预训练的不足。这两个能力，恰好是算力信仰最不重视的地方。

r | 结果就是，当追赶者能用40%甚至更低的成本做出顶级性能，美国巨头堆起来的十万卡壁垒，反而变成成本累赘。这才是华尔街真正的系统性恐惧。

s | 不是一家中国公司做出了一个好模型，是这条低成本路径被走通了两次。第三次、第四次，可能已经在路上。

t | 三、但华尔街可能又看错了就在华尔街砸盘、讨论算力时代是否终结的时候，现实给了一个反转。昨晚，Kimi官方公告，K3发布后请求量远超预期，集群逼近承载极限。即日起暂停C端新用户订阅，全速扩容。为了匹配算力，还得把耗能最猛的Kimi Code从主权益里拆出来单独卖。这条消息，狠狠打了华尔街一记耳光。它把一个反复被验证的技术产业规律，直接摆到了台面上。成本下降，从来不会减少需求，只会让需求爆炸。这样的例子也比比皆是。

u | 计算机便宜了，电脑数量翻倍。互联网便宜了，网站数量爆炸。云计算便宜了，全球服务器比以前多得多。现在模型便宜了会发生什么？ Agent变多，AI应用调用量变大，推理需求飙升，Kimi自己都撑不住了。这套现象在经济学上叫杰文斯悖论。19 世纪英国经济学家发现，蒸汽机效率提升后全国煤炭总消耗反而上涨，效率降低了使用门槛，大量产业开始普及蒸汽机，整体需求扩张抵消了单台设备的能耗节约。今天的GPU，就是19世纪的煤炭。GPU需求不会消失，变的是身份。以前GPU的主要买家是训练。几万张卡集中封闭训几个月，训完之后其实很多时候是间歇性闲置的。以后主要买家是推理。7×24小时的Agent服务。

v | 每台手机、每辆车、每个机器人上的本地模型，视频生成，百万token窗口的持续计算。算力消耗的模式，正在从低频、巨量、集中，变成高频、海量、泛在。总量可能不降，甚至可能更高。但谁受益、怎么受益，会重新排队。高盛说算力扩张时代接近尾声，至少在两年维度里，这个判断大概率是错的。

w | 更准确的说法应该是，算力扩张的逻辑变了。主导权从训练移交到推理。

x | 英伟达不会因此崩盘。但过去三年那种闭着眼买英伟达的日子，可能真的过去了。

y | 四、Kimi只是那面镜子回头看这次抛售，Kimi K3的角色其实很清楚。它是导火索，不是原因。看几个数据你就明白了。

z | 费城半导体指数今年还在涨68%。涨了这么多，一次深回调本来就是必然。标普500等权重指数同一天创了历史新高。钱没走，只是从科技股挪到了别的板块。 EPFR的数据显示，美国企业内部人士上半年抛股票776亿美元，20年来第二高。

| 聪明钱早就在撤。台积电Q2净利润同比涨77%，营收预期上调。但资本开支640亿美元超预期，反而让市场焦虑。 Alphabet的Gemini 3.5 Pro延期好几个月，AI产品落地节奏跟不上预期。这些东西堆在一起，市场早就绷得紧了，缺一个理由释放压力。 Kimi K3刚好递上了这个理由，给了华尔街一块砖砸自己的脚。严格来说，这次抛售更像是拥挤交易的松动，不是AI逻辑的突然崩塌，是过去三年集中抱团在英伟达身上的钱，开始往别处走了。 Kimi不是改变了AI，Kimi改变了资本理解AI的方式。五、旧地图，新大陆站在今天的位置来看，AI产业的竞争逻辑，正在快速变道。

| 第一阶段从2023年到2025年，核心是算力储备。GPU多、能训更大模型的一方就是赢家。这一阶段的赢家是英伟达、台积电，加上少数几家能扛百亿美元训练预算的巨头。第二阶段从2025年底开始，核心变成效率。谁能用更少资源做同等水平的模型，更快把模型变成产品，在推理成本上建立优势，谁就在下一轮拿主动权。华尔街的问题，从来不是不聪明，是太喜欢用一个简单故事，去解释一个复杂时代。