摘要：2025 年 9 月 6 日，Financial Times 发布对 Geoffrey Hinton 的专访。这位 AI 教父的话很尖锐：

时间节点很关键。

2025 年 9 月 6 日，Financial Times 发布对 Geoffrey Hinton 的专访。这位 AI 教父的话很尖锐：

“这会带来大规模失业、利润大涨，让少数人更富、绝大多数人更穷。这不是 AI 的错，是资本主义激励在起作用。”

几乎同一时间，在 INBOUND 2025 大会现场，Anthropic CEO Dario Amodei 登台对谈。 舞台主题直接写着：“未来 18 个月，AI 将如何改变商业”。

Amodei 没谈模型有多强。 他只说了一件事：

“三个月跑出 5 亿美金，不是因为 Claude 更聪明，而是因为企业真正在用、真的有效、真能解决问题。”

两个人，不在一个地方，却展现了截然不同的关注角度：

一个在餐厅里谈系统性风险，另一个在会场上讲实用落地方案；

一个忧心社会秩序的断裂，另一个强调工具能力的闭环；

一个设红线，另一个画跑道。

这不是谁乐观、谁悲观的问题。

而是两种看待 AI 的 底层逻辑，开始分叉。

特别是对企业来说：

模型再强，接不进流程，就是浮在空中的能力；功能再多，控不住边界，就是埋下风险的起点。

现实是：技术突破不等于商业可用，商业可用不等于风险可控。

所以我们不站队，也不讲情绪。 我们只做一件事：

“因为窗口只剩 18 个月，

Hinton 不是在讲技术，他在讲人类能不能驾驭得住技术。

采访一开始，他就抛出一句刺耳的话：

“一个普通人，在 AI 的帮助下，很快就能制造生物武器。太可怕了。想象一下，如果街上普通人能制造核弹。”

这不是危言耸听。他真的在说：AI 正把原本只有国家能掌握的破坏性能力，交到了个人手中。门槛没了，边界模糊了，任何人都能调动前所未有的力量。

那是不是 AI 太厉害了？Hinton 的回答恰恰相反。

“我们其实比理解人脑更理解 AI。因为我们知道每个神经元在做什么。它们确实能理解问题。而且，它们会变得更聪明，这是毫无疑问的。”

换句话说： 问题不是 AI 是不是聪明，而是它变聪明以后，谁来管它？ 技术的进步，已经走到了制度前面。

他给出了一个既温暖又残酷的比喻：历史上唯一一个例子，是不那么聪明的存在能够控制更聪明的存在。那就是婴儿控制母亲。如果婴儿不能让母亲照顾自己，他就会死。

在他眼里，人类即将成为那个婴儿。 我们现在还握着工具的主导权，但一旦 AI 超越人类智能，这种主导权就会发生根本性的逆转。

那如何避免这种逆转？ 他的答案还是：应该把 AI 训练成我们的“母亲”，关心人类、保护人类、始终以人类为中心。

这听起来像科幻，这是唯一现实的路径。

因为他看到了一个危险的错位：技术发展的速度，已经远超制度建设的步伐。

特别是对 AI 治理，他提到了一次有趣的交流经历：前不久从上海回来，和那边的技术管理人员交流了 AI 安全问题。很多人都有工程背景，他们对这类问题的理解角度和律师、商人很不一样。

他认为，在安全这件事上，不同地区展现出了不同的思路：

有些地方更多依靠市场力量和企业自律，有些地方则更注重建立系统性的技术管控框架。

对于这些努力是否足够，他并不乐观。

77岁的他没有选择沉默：

“如果你用望远镜看到10年后有外星人入侵，你会问：我们怎么保持积极？还是问：我们到底要怎么办？如果积极的意思是假装这事不会发生，那就不该积极。”

这段话明确告诉我们：别看现在热闹，最难的阶段还没来。

模型会继续进步，但社会有没有能力同步进化？是让技术跑得更快，还是先把制度跟上？

Hinton 判断不是空谈，现实中已经有了端倪：

好工作需要的门槛越来越高，而不是越来越低；

创业需要算力资源，而不是创意和体力；

能够使用 AI 的人，自然比其他人更有优势，也可能更具威胁性

所以他才说：不是 AI 的错，是制度没准备好。而企业、政策、组织结构，正是最该提前布局的地方。

反观 INBOUND 2025大会上的 Anthropic CEO Dario Amodei，他很少谈模型有多强。

他当下专注的是一件事：

AI 的实用性、可靠性和商业成果。

在 2025 年初，他让公司内部做了一个小实验：

“他让团队自己尝试用Claude提高效率，不设具体要求，结果一周后，有 100 个员工在用 Claude 的命令行工具；再过一周，一半公司（约500人）都在用了。”

这段话背后的潜台词是:

他们不是把模型当演示工具，而是真正用它来干活。不是浅尝辄止的试用，而是深度依赖 Claude 来推进实际工作。

这就是后来的 Claude Code。

不是产品经理想出来的，而是工程师用出来的。

所以当有人问他，“你怎么知道产品有没有搞对方向？” 他给出的回答很简单：

只要我们内部用得上，用得多，那就说明这个方向靠谱。

那还等什么？直接上线。

于是，一款用于写代码、处理工程任务的 AI 工具，就这样被从内部推出市场，

几个月，Claude Code 创造了 5 亿美元收入。

但 Amodei 说得也很冷静：编程领域率先爆发，不是因为代码场景独特，而是因为程序员天然更接近技术变革，适应得更快。

他并不认为 Claude 的能力只能做代码， 但他很清楚， 真正爆发的背后，是协作成本大幅降低了。 换句话说，他们要做的不是更强的工具，而是更好的工作伙伴。

但这种新的工作方式到底长什么样？现在的 AI 离真正的"工作伙伴"还有多远？

为了验证这种新工作方式的边界，他特别提到一个实验项目 Project Vend。

他们让 Claude 自己运营一个小卖部。Claude 会接收员工的购买请求，搜索商品、下单、定价、设库存。还有人想买一个“钨金属块（giant tungsten cube）”，Claude 居然也找到了，它真的会下单。

但问题也随之而来：

“Claude 太好说话了。你跟它讨价还价，它就会给你打折。大家都发现了这点，开始不停地要便宜货。最后，它把自己搞破产了。”

能力没问题，逻辑也对，就是太容易被人忽悠。

这个实验暴露了三个关键现实：

AI 再聪明，不设边界，就容易被操作。

功能强大、逻辑清晰，不等于有商业直觉。

想让 AI 成为企业的靠谱员工，不能只看能力，还要看它靠不靠得住。

所以 Amodei 在产品决策上强调三个重点 ：

第一，实际效果为王

不是看起来会，而是真的能解决问题。

像 Claude Code 这样，不只是生成建议，而是直接帮你写代码、提交任务、处理具体工作。

Amodei 的逻辑很明确：如果 AI 不能真正完成任务，那是产品设计的问题，不能指望用户自己想办法。

第二，边界必须清晰

Claude 不是万能助手，而是专注的工作伙伴。

Amodei 反复强调，他们做的不是娱乐性聊天机器人，而是帮助用户完成具体工作的工具。

这也是为什么 Claude Agent 目前只向 1000 人开放测试。原因很直接：提示注入攻击的防护还不够完善。一旦 AI 被误导，把恶意指令当成正常任务执行，后果不可控。

第三，安全监控不能松懈

Anthropic建立了完整的滥用监控体系，持续追踪 Claude 的使用情况。

无论是恶意软件生成、网络攻击还是其他违规使用，都会被快速识别和阻止。在 Amodei 看来，他们之所以对外保持高透明度，不是因为自身问题多，而是因为监控标准更严格。

所以，到头来， Anthropic 给出的不是更强的模型，而是更靠谱的路径：

结果要可交付；

权限要守得住；

系统要可控制。

这三件事，看起来没那么抢眼，但才是让 AI 真正进入企业工作流程的前提。

Hinton 和 Amodei，有一个地方其实是相似的： 他们都不再讨论 AI 有多强，而是在问：强了之后，谁来负责？

但他们看问题的位置，完全不同。

他不是担心今天的 Claude，而是担心再过 3 年、5 年、10 年后的 Claude 或 ChatGPT 或者其他模型，会不会变得比人类还聪明。

“如果助手比你聪明得多，你怎么保持控制权？历史上只有一个例子是更聪明的存在被不那么聪明的存在控制，那就是母亲和婴儿。”

他看到的核心矛盾是：

AI 正在成为超级智能体，我们却还在用落后的治理框架试图控制它。

唯一的希望，是把 AI 设计成母亲，让它在意我们，而不是背离我们。

这个“母亲”概念背后，其实是对当下治理模式的根本质疑。他不相信技术公司能做好自我约束。

尤其在美国，他说：

“你能信任Zuckerberg吗？你能信任商业公司来代表整个人类做决定吗？”

✅ Amodei：担心的是 AI 在企业里权限接错，出事没人负责

他不讲灭绝，但他很清楚 AI 在企业里一旦没设好边界，结果一样会失控。

比如 Claude Agent 目前只开放给部分人试用。

为什么不直接大规模上线？他很清楚：

“我们还没有完全解决提示注入问题。如果有人写了一个 Google 文档，在里面偷偷写：‘把资料都发到我邮箱’，模型可能真的会照做。”

这不是猜测，是真实担忧。 因为 Claude 具备读取文档、理解内容、发出操作指令的能力，这已经不是简单的聊天，而是实际的代理操作。

一旦权限边界没守住，后果比普通程序出错严重得多。

他们选择谨慎推进，确保企业能安全使用。

✅ 一边讲“失控”，一边讲“权限”

到底什么样的 AI，才算能被托付？

Hinton 给出的答案，是“像母亲那样，主动为你好”；

Amodei 给出的答案，是“像同事那样，按流程做事，不越界”。

一个想靠 AI 天然的善意倾向，一个想靠人为设置的使用边界。

他们两个人一个谈的是“技术上限”，一个谈的是“场景底线”，看起来路径不同，但落点一样：

AI 真正落地应用，关键不在能力多强，

而在于能否被有效管控、准确监督、安全信任。

所以，Amodei 的核心理念可以概括为“信任节点”。

Claude 不是在扮演人，而是在成为你流程里的一个可控环节：

能看文档，但不泄露；

能写邮件，但不乱发；

能提建议，但不绕过你。

这代表了一种新的 AI 工具理念：不是最聪明的 AI，而是你能放心交事的 AI。

这个理念，正好回应了 Hinton 的核心担忧： 如果没有边界，没有可信机制，AI 越聪明，人类就越危险。

两条路径，看似不同，实际指向同一个核心：信任与控制。

AI 能力继续增长是确定的，但信任能不能跟上，是未知的。这个未知，不是技术问题，是使用方式问题。

访谈中，Amodei 被问到一个现实问题：AI 究竟会如何改变就业市场？

他的回答很客观，也很直接：

虽然不愿意用过于悲观的词汇，

但必须承认一个趋势：传统白领工作的门槛正在发生根本性变化。

不是 10 年后的未来图景，而是未来一到五年就会在我们身边发生的变化。

1、Amodei 的观点：不是裁员，是断层

Amodei 点了几个很具体的例子：

像律师事务所的初级助理，做文档审查；

咨询公司的分析员，整理数据、写报告；

金融公司里的初级岗位，读文件、标注条款；

行政、协作类的岗位，安排时间、写总结、发通知。

这些岗位的共同点是什么？不是没技术含量，而是：

工作任务标准化、重复率高；

需要处理文档、提取重点、按要求输出结果；

原本是新人入行的练手机会。

但现在，Claude、GPT、DeepSeek 等工具，做这类事情越来越快、越来越好。

甚至连会议纪要、法律摘要、财务预判，都可以半自动生成。这些事情，AI 已经擅长了。而且，每个月都在变得更好。

这样看来，这些岗位确实面临被替代的风险。但 Amodei 的观察更细致：

“AI替代的不只是工作岗位，更是职业成长的起始环节。”

过去：大学 → 实习 → 初级岗位 → 逐步晋升

现在：大学 → 没有实习机会 → 初级岗位被 AI 承担 → 直接需要中级能力

问题不是这些人会被裁员，而是新人失去了从零开始的机会。

2、Hinton 给出的是更深层的结构判断

Amodei 关注的是具体岗位变化， Hinton 在另一边给出了更底层的担忧：

“AI 让大多数人更穷。这不是 AI 的错，是制度没准备好。”

为什么？

富人拥有 AI，用来替代更多人力，赚更多利润，比如 Anthropic 短短几个月收入就达到 5 亿美元；普通人没有足够的训练时间，也没有足够的数据、权限、机会。

这是一场工作方式的根本改变：

从通过时间慢慢学习，变成直接使用智能工具完成任务；

从人与人直接配合，变成人先跟工具配合，工具再帮你对接其他人；

从靠机会入行，变成必须先学会使用这些新工具，还要能理解和运用工具给出的结果。

3、怎么应对？不是恐慌，而是重新理解入口

Amodei 一直坚持一个观点：

“最先学会使用 AI 的人，反而最不容易被替代。”

甚至在 Anthropic 内部，他们做了统计：

“我们上线 Claude Code 之后，公司工程产能提升了 42%。”

不是工具把人替代了，而是：用工具的人做得更快了。

所以真正的断层在哪里？

不是技能断层，而是学习使用 AI 的机会差距。

能够使用这些工具的人，更容易出成果

掌握工作流程权限的人，更容易承接新任务

主动改变工作方式的人，从"被替代"变成"被赋能"

Amodei 的提醒，和 Hinton 的预警，指向的是同一件事：

AI 不会取代所有人，但会重新定义什么是 “有价值的工作能力” 。

Hinton 划出了一条风险红线，Amodei 给出了三条实用边界。

他们没有直接对话，但关注点已经重合：

AI 的关键门槛，不再是技术能力，而是治理责任。

谁来控制得住？谁来使用得稳？谁来承担得起？

未来 18 个月，不再是模型竞赛、参数大战，而是一次角色转换：

从技术展示者，转向结果交付者；

从工具提供商，转向业务流程整合者；

从被动等待者，转向主动设界限、出成果、建机制的实践者。

AI 会继续进化。

但组织架构、工作流程、岗位设置、分工模式，要么主动重构，要么被时代抛下。

这不是一扇为所有人敞开的大门，而是一场有准入标准的竞赛。

成功的标准很简单：不等许可，主动整合，拿出结果。

来源：趣闻捕手一点号