Andrew Yang 说的那个“煤矿工人不会变成程序员”的预言

很多人在讨论 AI 会不会取代人类时，总是盯着那些写代码的、画图的，觉得只要掌握了提示词（Prompt）或者学会了用几个 AI Agent 就能立于不败之地。但 Andrew Yang 最近抛出的观点极其扎心，他直接撕开了技术乐观主义的遮羞布：AI 带来的大规模失业，本质上不是技术问题，而是社会再培训能力的彻底失效。

他举了一个极其残酷的例子：当年的煤矿工人并没有因为产业转型就变成程序员。这个逻辑放在现在的 AI 浪潮里同样适用。我们现在总是在吹捧“技能重塑”，但现实是，让一个处理了二十年报表的会计去学习如何构建复杂的 AI 工作流，或者让一个物流调度员去理解大模型的逻辑，这中间的鸿沟远比大家想象的要深。

我研究过很多关于职业转型的数据，发现其中的逻辑断层在于：

• 认知成本的非线性增长： 技能升级不是简单的工具替换。从手动挡到自动挡是习惯问题，但从体力劳动到理解算法逻辑，是底层思维模式的重构，这种重构对大多数人来说是极其痛苦且低效的。
• 再培训机制的滞后： 现有的教育体系和企业培训方案，在应对这种“指数级”的技术迭代时，反应速度简直慢得离谱。等一套保姆级的转岗教程出来，那个岗位可能已经被更高效的端到端模型直接抹平了。
• 社会结构的刚性： 产业转移往往伴随着地理和阶层的固化，单纯靠“学习新技术”这种鸡汤式的建议，根本无法解决大规模人口失去生产力的结构性危机。

说白了，如果社会无法建立一套能让普通劳动者快速、低门槛地与 AI 协作的机制，那么技术进步带来的红利可能只会向极少数掌握底层逻辑的人集中。我们现在讨论怎么写更好的 Prompt，讨论怎么部署更强的模型，却很少有人真正去思考，当那几百万个原本依赖特定技能生存的人被“技术优化”掉之后，社会该如何承接这股巨大的冲击。