# AI替代人翻车：本周海外请回老师傅 **一句话信息差：** 过去两年所有老板都在拿"AI要替代你"压你的价；而本周海外社区三帖同时刷屏，戳穿了同一个反转——连福特这种巨头，都在花高价把被裁掉的退休老工程师请回来。AI这周同时撞上了三堵墙：**质量墙、成本墙、舆论墙**，而每堵墙的解药都指向同一句话：**AI喂不出来的隐性知识，才是现在最贵的东西。** --- ## 导语：三堵墙，同一个回响 我把2026年6月22日到27日这周Hacker News上评论数破200的AI帖全扒了一遍，发现最热的三帖，讲的是同一个故事的反面。第一帖：福特公开承认AI质检/设计工具拉胯，三年请回约350名"灰胡子"（gray beard）老工程师；第二帖：知名存储大佬David Rosenthal写了篇《AI的可负担性危机》，底下419条评论吵翻；第三帖：《经济学人》发了篇《AI的反噬才刚刚开始》。 三帖看似无关，内核是同一件事——**"AI全自动替代专家"的叙事，在这周被三个不同维度同时证伪了。** 下面逐堵墙拆给你看，每堵墙都附上原帖里支持、反对、中立的各方原话，你就能判断这到底是周期回调，还是真拐点。 --- ## 第一堵墙·质量墙：福特把退休工程师请回来了 **事件：** 2026年6月25日，Bloomberg报道，福特因为AI质检和设计工具"掉链子"，过去三年陆续重新雇佣了大约350名资深/退休工程师做质量检查。HN讨论热度：**600分、321条评论**。最扎心的是福特高管的原话—— > *"Mistakenly we thought that by just introducing artificial intelligence and ingesting the design requirements that we had, that that would produce a high-quality product."* > （"我们错误地以为，只要把设计需求喂给AI，它就能产出高质量产品。"） **这条墙的本质——显性知识 vs 隐性知识。** 原帖底下点赞很高的一条评论把这事说透了： > *"There are two kinds of knowledge. There is explicit knowledge which can be codified easily in markdown files or a wiki. Then there is tacit knowledge which is mostly encoded in the [experts'] heads."* 能写进wiki、喂给RAG的叫**显性知识**，AI能学；但老工程师摸一把零件就知道"这玩意儿不对劲"的直觉、三十年踩坑攒下的手感，是**隐性知识**，喂不进去。福特就是把这两种知识搞混了，以为把SOP文档化就等于把专家的能力固化了。 **各方观点（原帖直接引用）：** | 立场 | 原话 | |------|------| | 🟢 支持专家回归 | *"This is excellent news… AI will never replace an engineer with knowledge. AI is just a tool that needs guidance."* | | 🟡 中立/看穿 | *"He's saving face while almost certainly trying to figure out how to make the new systems work so that next time he won't need to rehire."*（迟早再裁一次） | | 🔴 反对捧杀 | *"350 of how many laid off? If 350 is a fraction… that's going to be counted as a win for AI."*（可能只是小回调） | 还有一条冷知识级别的评论值得记住：有人甩出**小米三年前就用全自动工厂把第一款车干下线了**——所以"自动化造车"这事不是做不到，而是福特的AI路线走偏了。这说明问题不在AI，而在**"用AI替代专家"这个用法本身**。 **对中国从业者的启示：** 别再信"老板用AI替代你"的叙事了。反过来，你要把自己打造成**"AI喂不出来的那部分知识的持有者"**——那些只在老师傅脑子里、没有文档化的判断力，现在反而成了议价筹码。 --- ## 第二堵墙·成本墙：推理经济账，真的算不平 **事件：** 2026年6月23日，长期写存储/硬件经济的David Rosenthal（业内人称"存储界活化石"）在博客发了《AI's Affordability Crisis》，HN热度**332分、419条评论**，是这周吵架最凶的技术帖之一。核心论点：前沿AI的**推理成本不降反升**，单位经济模型（unit economics）可能根本跑不正。 **但这帖最有信息差价值的，不是作者的观点，而是底下评论区的"打脸"。** 我把高赞评论整理出来，你品： > *"The article fails to mention DeepSeek, Alibaba, Qwen, Xiaomi, MiMo, z.ai, or GLM. It's hard to take such an article seriously. (Our monthly total spend is around $180 with [Chinese models].)"* **关键反转：** 一个海外团队，用国产模型（DeepSeek/通义Qwen/小米MiMo/z.ai/GLM）把全家桶月费压到了**约180美元**。而同一篇帖子里，Anthropic和OpenAI被指出**根本不在价格上竞争**—— > *"My take is that Anthropic and OpenAI simply are NOT competing on price. 2 big players are often not enough to create tension on price. Chinese models and open model providers are, indeed, competing on price."* **各方观点：** | 立场 | 原话 | |------|------| | 🟢 成本在降 | *"AI costs have gone down by 50x or more (api costs) since 3 years."* | | 🟡 真相是锁定 | *"Affordability is not the current goal. Vendor lock-in is the current goal."*（目标是绑定，不是降价） | | 🔴 等IPO财报 | *"We'll know more once Anthropic's IPO materials surface publicly."*（单位经济到底行不行，IPO招股书见分晓） | 还有人点出一个更阴的玩法：*"drug dealer analogy"*——**先用低价让你上瘾依赖，等离不开再涨价**。这跟另一帖《Why current LLM costs are not sustainable》（114分/191评）呼应：token按量计价让用户行为变得不可控，企业账单像滚雪球。 **对中国从业者的启示（这才是真信息差）：** 海外团队都在偷偷切国产/开源模型省成本了，你还在为某家闭源Pro会员每月付溢价？这周还有一条佐证——Reid Hoffman（LinkedIn创始人）公开评价xAI是 *"a complete train wreck"*（完全的灾难），行业大佬自己都不看好烧钱换市占的打法。**钱，正在从"迷信前沿模型"流向"混搭便宜的国产模型"。** --- ## 第三堵墙·舆论墙：反噬才刚开始，但反的是"炒作"不是"技术" **事件：** 2026年6月26日，《经济学人》发社论《The AI backlash is only getting started》，HN **264条评论**。但你要是以为这是"反AI"，那就错了——评论区分得清清楚楚： > *"People conflate 'AI is overhyped' with 'AI is useless' — neither is quite right. The backlash is mostly against the HYPE CYCLE not the tech itself."* 翻译过来：**大家反的不是AI没用，而是反"AI能替代一切"的吹牛。** 这跟第一堵墙的福特故事完美闭环——当Dario/Sam/Elon天天喊"AI要取代你了"，老百姓自然愤怒；而当福特用AI替代工人又灰溜溜请回来，这种"信任债"就全堆到整个行业头上。 还有个角度特别值得中国从业者警觉——**反噬的导火索是数据中心建到了别人家后院**： > *"If the labs weren't so aggressive with building datacenters in people's backyards, this could've been a different story."* 有人直接类比70年代核电被NIMBY（邻避效应）搞死：*"Remember how nuclear was stopped in the 70s because of NIMBYism?"*。**AI正面临"物理基础设施"层面的社会阻力**，这是比模型能力本身更硬的天花板。 **各方观点：** | 立场 | 原话 | |------|------| | 🟢 AI是工具 | *"The problem is not the technology but the size and dominance of the tech sector."*（问题是巨头垄断，不是技术） | | 🟡 大多数AI很meh | *"Most AI is pretty meh, only impressing enthusiasts; big delta between power users and everyone else."* | | 🔴 承诺空洞 | *"'AI will make the world better for everyone' reads like 'trust me, bro.'"* | **对中国从业者的启示：** 别被"AI要替代全行业"的恐慌叙事带节奏。社区共识正在收敛到一个清醒判断：**AI是power user的杠杆，不是普通人的替代品；中间那条"不熟练又不用AI"的带子，才是真正危险的位置。** --- ## 三堵墙怎么合到一起：一张图看懂 ```mermaid flowchart TB A["叙事幻觉
AI全自动替代专家"] --> B{"撞墙测试
本周海外三帖实证"} B --> C["🧱 质量墙
福特请回350名灰胡子
显性知识≠隐性知识"] B --> D["💰 成本墙
推理账算不平
海外团队切国产模型月省至$180"] B --> E["📢 舆论墙
反噬刚开始
反的是炒作 不是技术"] C --> F["共同解药"] D --> F E --> F F --> G["✅ 把AI当junior
自己做driver
隐性知识才是稀缺品"] style C fill:#ffe0e0,stroke:#c33 style D fill:#fff4e0,stroke:#e90 style E fill:#e0ecff,stroke:#36c style G fill:#e6ffe6,stroke:#3a3 ``` 三堵墙，三种症状，一个病根：**把AI当"自动替代人的机器"，而不是"放大专家能力的杠杆"。** 谁先想通这点，谁就在这轮回调里占便宜。 --- ## 信息差总结：你知道的 vs 别人不知道的 | 维度 | 大多数人以为的 | 本周海外社区吵出来的真相 | |------|--------------|----------------------| | AI替代专家 | "AI要取代所有知识工作者" | 福特花钱请回退休工程师，隐性知识AI喂不出来 | | AI成本趋势 | "越来越便宜是必然" | 前沿模型推理账可能跑不正，便宜的是国产/开源混搭 | | AI反噬 | "是AI没用所以被骂" | 反的是炒作周期，power user和普通人差距巨大 | | 个人定位 | "赶紧学AI防止被替代" | 更值钱的是"AI喂不出"的那部分专家直觉 | | 企业省钱 | "上最贵的前沿模型" | 海外团队用国产模型全家桶压到$180/月 | --- ## 行动指南：这周就能做的三件事 1. **把自己定位成"driver"而非"被替代者"。** 复盘你手头工作，列出哪些是**显性知识**（可写进文档/SOP，可交给AI），哪些是**隐性知识**（靠经验直觉、没文档化）。把显性部分大方交给AI提效，把隐性部分做成你的护城河——这正是福特老工程师被高价请回的原因。 2. **给AI账单做一次"混搭手术"。** 不要所有活都喂最贵的前沿模型。参照海外团队的做法：把对成本敏感的批量活（翻译、分类、摘要、代码补全）切到 DeepSeek/通义Qwen/GLM 这类国产或开源模型，只在最关键的决策环节用前沿模型。一家中型团队的月费从几千刀砍到一两百刀量级，是这周评论区实测过的数字。 3. **别被恐慌叙事绑架，但要警惕"中间地带"。** 本周共识很清楚——真正的风险不是"你用了AI所以被裁"，而是"你不熟练AI、又没有不可替代的专长"。给自己定个KPI：在AI辅助下，你的产出必须明显超过"裸奔的自己"，否则你就在那道最危险的中间地带上。 --- ## 延伸思考 这周三堵墙的同步出现，本身就是个信号：**AI行业正从"叙事驱动"切换到"经济驱动"。** 当叙事（"AGI马上来，谁不用谁死"）让位于经济（"这账到底算不算得平"），所有的决策逻辑都要重写——对个人如此，对企业更是如此。福特的故事最该记住的不是"AI失败了"，而是那句被评论区反复引用的话：**LLM在资深专家手里才最强，在菜鸟手里只会把错误放大十倍。** 这句话，适用于写代码，也适用于你整个职业生涯的AI策略。 --- ## 参考来源 1. **Ford AI Hiccups Push Carmaker to Rehire 'Gray Beard' Inspectors** — Bloomberg（2026-06-25），HN讨论：[news.ycombinator.com/item?id=48674446](https://news.ycombinator.com/item?id=48674446) 2. **AI's Affordability Crisis** — David Rosenthal / DSHR Blog（2026-06-23）：[blog.dshr.org/2026/06/ais-affordability-crisis.html](https://blog.dshr.org/2026/06/ais-affordability-crisis.html)，HN：[item?id=48646276](https://news.ycombinator.com/item?id=48646276) 3. **The AI backlash is only getting started** — The Economist（2026-06-25）：[economist.com/leaders/2026/06/25/the-ai-backlash-is-only-getting-started](https://www.economist.com/leaders/2026/06/25/the-ai-backlash-is-only-getting-started)，HN：[item?id=48686219](https://news.ycombinator.com/item?id=48686219) 4. **Why current LLM costs are not sustainable** — Aditya Patadia（2026-06-26），HN：[item?id=48683588](https://news.ycombinator.com/item?id=48683588) 5. **Reid Hoffman: xAI 'complete train wreck'** — Fortune（2026-06-24），HN：[item?id=48658647](https://news.ycombinator.com/item?id=48658647) --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。