微软的 18 个月最后通牒:白领流水线的工业化进程

Ai.com
Microsoft's 18-Month Ultimatum: The Industrialization of the White-Collar Pipeline
微软 AI 首席执行官 Mustafa Suleyman 预测,在未来 18 个月内,AI 将在所有专业任务中实现人类水平的表现,这将标志着全球劳动力市场发生重大的结构性变革。

在机械工程领域,我们经常谈论“节拍时间”(tact time)——即为满足客户需求,完成一件成品所需的速度。几十年来,这一指标仅限于工厂车间,由机械臂和同步传送带主导着行业的节奏。然而,微软人工智能(Microsoft AI)首席执行官 Mustafa Suleyman 表示,这种工业吞吐量的概念即将以前所未有的冲击力席卷办公室。Suleyman 给出了一个明确的时间表:18 个月。这是他认为人工智能在几乎所有电脑屏幕前的专业任务中达到“人类水平表现”的窗口期。

这并非硅谷高管为了博取头条而抛出的噱头。Suleyman 的预测植根于计算扩展的冷酷数学规律。他认为,计算能力的指数级增长——作为大语言模型背后的原始硅基与电力引擎——正达到一个临界点,使得“认知自动化”与人类产出变得难以区分。从会计、法律研究到营销策略和项目管理,“白领流水线”正被重新设计为自动化的序列。作为一名关注机器人技术与工业结合的记者,我认为这不仅仅是一次软件升级,而是工业革命的最后阶段:决策层本身的自动化。

这种转变的影响是惊人的。在 20 世纪的大部分时间里,MBA 和法律学位是抵御自动化的终极防线。尽管铁锈地带(Rust Belt)经历了制造业基础的数字化和外迁,但“知识工作者”仍是系统的架构师,在电子表格和案情摘要的抽象世界中安然无恙。Suleyman 的 18 个月倒计时表明,正是这种抽象性使这些岗位变得脆弱。如果一项任务涉及坐在电脑前、处理输入并生成输出,它在本质上就是一个数据路由问题。而在数据路由方面,硅基处理能力终将超越生物大脑。

硅基浪潮能否克服生产力悖论?

虽然等式中的硬件部分——微软预计在数据中心和 Azure 基础设施上投入 1900 亿美元——显示出势不可挡的动能,但这种自动化的“实现方式”仍充满技术摩擦。来自“实体经济”的最新数据展现出一幅比 18 个月最后通牒更为复杂的图景。非营利组织“模型评估与威胁研究”(METR)近期的一项研究分析了使用 AI 助手的软件开发人员。研究发现,涉及 AI 时,任务完成时间反而增加了 20%,而非实现无缝提效。这种“生产力悖论”在机器人领域是一个常见的障碍;将机器人引入人工流程往往会因周围基础设施未针对机器的特定约束进行优化,而导致初期的延迟增加。

在白领工作中,这种摩擦表现为“人在回路”(human-in-the-loop)的瓶颈。一名律师使用 Anthropic 新推出的“Claude Cowork”进行文档审查,可能在初步阅读上节省了时间,但随后的核查——检查即使是最先进模型也无法避免的“幻觉”——可能会抵消这些收益。为了让 AI 实现 Suleyman 的 18 个月目标,我们必须超越“聊天机器人”阶段,进入“智能体”(agentic)阶段。这需要模型不仅能提供文本建议,还能在无人监管的情况下,跨不同的软件环境执行多步骤工作流。我们实际上正从遥控机器人转向自主移动平台。

此外,Gartner 最近发布的一项研究显示,许多目前进行 AI 驱动裁员的企业并未看到相应的投资回报率(ROI)。机械层面的现实是,你不能简单地从业务流程中移除一个人力“组件”,并期望系统在没有完全重塑工作流的情况下保持相同产能。许多企业犯的错误是将 AI 视为人的替代品,而不是公司架构的根本转变。除非重构美国企业界的“中间件”——即连接 AI、数据库与客户的软件,否则 18 个月的目标可能会以技术上的成功收场,却在经济上令人失望。

为什么“中国冲击”是 AI 替代效应的最佳模型?

从系统工程的角度来看,这是一次从高成本、低容量的人力劳动向低成本、高容量的机器劳动的转型。律师事务所或营销代理机构的“产出”正在被代币化。当“思维单位”(代币)的成本趋近于零时,无论社会或组织摩擦如何,自动化的经济诱因都将变得不可抗拒。这解释了为什么像 Bill Ackman 这样的机构投资者一直在悄悄增持微软股票。Ackman 的潘兴广场(Pershing Square)在 2026 年初开始积极买入微软股票,押注市场对 Azure 巨额资本支出的担忧是错误的。在资本眼中,1900 亿美元的基础设施投入不是成本,而是进入有史以来最高效工厂的门票。

“中国冲击”的类比也凸显了一个严酷的现实:这种自动化的收益目前高度集中。Slok 的研究显示,虽然大型科技公司的利润率在 2025 年底增长了超过 20%,但彭博 500 指数中的其余公司几乎没有看到来自 AI 的利润率扩张。这表明,“工具制造商”是目前唯一成功获取 18 个月倒计时价值的群体。对于专业领域的其他人来说,接下来的 18 个月将是一场赛跑:在劳动力的商品价格跌破生存成本之前,将这些工具集成到各自的“生产线”中。

智能体系统的兴起与“任务”的终结

这种自动化的硬件实体究竟是什么?它不是坐在桌前的物理机器人,而是一个分布式的“智能体”系统。如果我们观察 Anthropic 和 OpenAI 等公司的轨迹,重心已从更好的对话转向更好的执行。为大型律师事务所发布的专用插件,表明了向高保真、领域特定自动化方向的转变。这些系统正在针对法律文件和审计追踪的特定“运动学”进行训练。它们正在学习环境规则,以便能以最小的误差在其中运行。

用机械术语来说,我们正在见证“精密认知工具”的发展。正如数控机床可以将零件加工到千分之一英寸的公差,这些专用 AI 模型正被调优,以人类疲惫的初级律师无法比拟的连贯性执行会计对账或合同审计。Suleyman 所讨论的 18 个月窗口期,很可能是这些模型达到标准办公室任务“六西格玛”(Six Sigma)可靠性的时间点。一旦流程达到这种稳定性,人的角色就从“操作员”转变为“系统维护员”——而维护员的需求量远小于操作员。

这就引出了 18 个月最后通牒的必然结论:入门级专业岗位的流失。Anthropic 首席执行官 Dario Amodei 此前曾警告称,一半的入门级白领工作可能被淘汰。虽然他后来调整了语调,引用了“杰文斯悖论”(Jevons Paradox)——即资源越高效,使用量反而会增加——但技术事实依然是:培养人类人才的成本正变得比部署硅基人才的成本更高。在工业环境中,如果一个机器人能以 1% 的成本实现 95% 准确率的工作,那么剩下 5% 的“人类价值”将成为极少数企业能在大规模经营中维持的奢侈品。

自动化办公的务实前景

随着我们临近这 18 个月的期限,讨论的重点必须从“是否会发生”转向“我们如何管理这一转型”。Suleyman 的时间表激进,甚至在企业采用速度方面过于乐观,但趋势不可逆转。我们正走向一个“白领”区分消失的世界。工作将分为两类:一类是在三维世界中需要物理参与的工作(熟练技工、复杂机器人维护、医疗保健),另一类是可以简化为一系列计算代币的工作。

对于我们这些通过机械和系统工程视角观察世界的人来说,这是一个终极优化问题。办公室是一台处理信息的机器,而微软正在构建该机器见过的最强大引擎。18 个月的倒计时不仅是对员工的警告,也是每一位企业领导人的截止日期:他们需要决定,是成为构建新型自动化流水线的引领者,还是成为在下一个生产周期中被淘汰的遗留组件。“美国世纪”由办公桌定义;而下个世纪将由服务器机架定义。

Noah Brooks

Noah Brooks

Mapping the interface of robotics and human industry.

Georgia Institute of Technology • Atlanta, GA

Readers

Readers Questions Answered

Q 穆斯塔法·苏莱曼(Mustafa Suleyman)关于人工智能的18个月时间表是什么?
A 微软AI首席执行官穆斯塔法·苏莱曼预计,在未来18个月内,人工智能将在几乎所有涉及计算机办公的专业任务中达到人类水平的表现。这一转变由计算能力的快速扩展和认知自动化推动,超越了简单的文本生成,转向复杂的工作流程。预计会计、法律和市场营销等领域的专业人士的角色将随着自动化智能成本的持续下降而发生根本性重塑。
Q 为什么一些研究表明使用当前的人工智能工具会导致生产力下降?
A 生产力悖论出现在将人工智能集成到专业工作流程的初期,因为这增加了完成任务所需的时间。非营利组织METR的一项研究发现,使用AI助手的软件开发人员由于技术摩擦和人工验证的需要,完成工作的时间反而延长了20%。这种延迟的产生是因为当前的企业基础设施尚未针对自主智能体进行优化,导致人类需要花费大量时间来检查“幻觉”现象。
Q 微软如何扩展其基础设施以支持专业自动化?
A 微软正投资约1900亿美元的资本支出,用于扩展其Azure基础设施和全球数据中心网络。这项巨额投资旨在建立广泛认知自动化和智能体AI系统所需的基础能力。从工业角度来看,这一基础设施代表了向高容量、低成本机器劳动力的转变,其中专业服务的产出被代币化,使公司能够作为计算能力的主要提供商获取价值。
Q 智能体(Agentic)AI系统与标准语言模型有何区别?
A 智能体AI系统代表了人工智能从简单的对话式聊天机器人向能够执行多步工作流程的自主平台的演进。与仅提供文本建议的传统模型不同,智能体系统可以在不同的软件环境中操作,并在无需持续人工监督的情况下完成复杂的序列。达到这种自主水平被认为是实现苏莱曼目标的必要条件,因为它消除了与手动数据路由和持续需要人工参与验证流程相关的瓶颈。
Q 谁目前正在从人工智能自动化的转变中获取经济价值?
A 人工智能自动化带来的财务收益目前高度集中在大型科技公司和工具制造商手中。尽管大型科技公司的利润率在2025年底增长了超过20%,但更广泛的市场几乎没有从这些技术中获得利润空间的扩大。这一趋势表明,尽管机构投资者正在重金押注人工智能基础设施,但大多数企业仍在努力重新设计内部工作流程,以从缩减人力中获得真正的投资回报。

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!