这篇文章探讨了人工智能发展的几个关键方面。首先，2023年关于AI芯片瓶颈在于封装和内存的预测已得到证实，台积电的报告显示其先进封装产能已售罄至2026年。其次，科技巨头的裁员主要影响资深员工，而AI对劳动力市场的真实冲击体现在入门级岗位的减少，这种结构性变化在宏观数据上尚不明显。再者，虽然AI算力总成本在下降，但用于复杂任务的前沿模型价格却在上涨。最后，面对因通胀等问题导致的社会幸福感下降，文章建议通过宣传AI如何降低生活成本来改善公众情绪。
AI芯片的真正瓶颈：封装而非芯片本身
早在2023年11月就有人预测，AI芯片的瓶颈不在于GPU逻辑单元，而在于封装（CoWoS）和内存（HBM）。台积电最新的财报证实了这一观点。
- 产能售罄： 台积电的CoWoS先进封装产能已经完全售罄，订单已排到2026年。
- 需求旺盛： 仅英伟达一家就占据了超过60%的封装产线。
- 大规模扩张： 为应对需求，台积电计划在两年内将CoWoS晶圆月产量从35,000片提升至130,000片，增近四倍。资本支出中高达10-20%专门用于先进封装。
事实证明，“芯片”本身不是瓶颈，“封装”才是。这个关键限制从2023年开始，至今未变。
随着高性能计算（HPC）业务收入超过智能手机业务的两倍，AI已经成为半导体行业增长的核心驱动力。
劳动力市场的隐形变革
近期科技巨头的裁员新闻（如Meta和微软）引发了“AI正在取代工作”的讨论。然而，实际情况更为复杂。这些裁员更多是公司在疫情后过度招聘的修正，以及针对任职多年的资深员工的自愿退休计划，并非AI直接取代的结果。
真正的变化发生在劳动力市场的底层。
- 入门级岗位萎缩： 多个数据显示，自ChatGPT问世以来，面向22-25岁年轻人的AI相关岗位（如初级软件开发）正在减少。相比之下，30岁以上同类岗位的员工数量却在增加。
- 宏观数据滞后： 英国的宏观就业数据尚未显示出AI带来的大规模失业，甚至部分AI相关职业还在增长。这是因为AI对不同任务的影响不同：有些是增强（如帮助程序员调试），有些是替代（如客服脚本）。
- 从人力到算力： 大型科技公司正在将支出从人力成本转向算力资本，即从支付薪水转向购买AI模型的计算资源（Tokens）。
这种结构性转变是隐蔽的，因为你无法为一个从未被创造出来的工作岗位找到代言人。宏观数据在问题变得严重之前，可能看起来一切正常。
一个可能的三阶段模型预测了未来的趋势：
- 当前阶段： 算力支出增加，劳动力保持平稳，人均生产力提升。
- 替代阶段： 当AI在特定领域足够可靠时，该领域的劳动力将开始下降，资本投入激增。
- 普及阶段： 当AI的可靠性跨越更广泛的门槛时，替代效应将大规模显现。
前沿AI模型：更强也更贵
虽然整体AI算力成本在下降，但一个相反的趋势也值得注意：最先进、能力最强的AI模型正在变得越来越贵。
- 价格翻倍： OpenAI的GPT-5.5模型价格是六个月前GPT-5.4的两倍。
- 商品层与前沿层分化： 基础的、用于聊天等简单任务的AI模型（如GPT-4o Mini）价格在暴跌，但执行编程等复杂任务所需的前沿模型却在涨价。
- 任务成本高昂： 一个复杂的AI代理任务可能会消耗数万甚至数十万个Token，这使得实际使用成本依然很高。
不要指望所有AI服务都会在2027年变得几乎免费。对于真正能完成复杂工作的AI，你可能仍需支付高昂费用，只是你会使用比现在多得多的算力。
用AI的故事对抗社会焦虑
美国和其他英语国家的社会幸福感正处于历史低点，消费者信心疲软，对各类机构的信任度也在崩溃。主要原因被指向持续的通货膨胀，它让人们感到生活成本不断攀升。
人们的感受比经济数据更能驱动未来。通胀带来的痛苦是真实而普遍的。
在这种背景下，改变围绕AI的叙事方式或许能起到积极作用。与其聚焦于AI带来的威胁，不如强调它如何降低生活成本，讲述“通缩”的故事。
- 教育： 一小时私人辅导的费用可能高达80英镑，而AI家教Khanmigo每月只需4英镑。
- 法律： 律师一小时的咨询费可能超过200英镑，而AI现在就能免费回答80%的消费者法律问题。
- 医疗： AI聊天机器人可以提供初步的医疗分诊，帮助判断是否需要立即就医，从而节省时间和金钱。
通过展示AI如何让昂贵的服务变得普及和廉价，可以有效缓解公众对未来的焦虑。