原始标题: #201: Anthropic vs. Pentagon Round 2, AI Job Impact Study, Services as the New Software & GPT-5.4

发布日期: 2026-03-10 | 来源频道: @ai-show

📝 深度摘要

1. 播客背景与宏观基调

  • 集数与主题：第 201 期——Anthropic 与五角大楼第二轮博弈、AI 就业影响研究、“服务即软件"新范式与 GPT-5.4 发布
  • 核心情绪/基调：对 AI 替代白领岗位的极度紧迫感 + 对大厂间政治与算力博弈的高度警惕。Paul 直言：“这些事情正在变得非常好、非常快，而且它不仅会在今年发生在程序员身上，它将开始发生在所有人身上。”
  • AI Pulse 民意调查：本期听众调查共 91 人响应。问题一：Anthropic 与五角大楼在 AI 安全红线上的争议，62% 认为 Anthropetic 正确坚守自主武器和大规模监控底线，即使以失去政府合约为代价；18% 认为红线合理但应更安静地谈判；16.5% 认为这主要是政治权力博弈而非真正的安全辩论。问题二：Block 近半数员工裁员并归因 AI，44% 认为裁员真实但速度会比标题慢；29% 认为主要是疫情过度招聘的纠正，AI 是便利的叙事；25% 认为这是 AI 驱动裁员浪潮的开始。合并 44% + 25% = 69%，显示听众倾向于认为"这是真的，正在发生”。

2. 核心洞察与高管摘要 (Executive Matrix)

维度 核心动态 / 关键节点 商业与行业颠覆性意义
底层模型/基建 GPT-5.4 发布（2026年3月5日），含标准版、思考版（Reasoning）和专业版（Pro）；首个在 OSWorld Verified 基准上原生超越人类表现的通用 AI 模型，得分 75%（人类基准 72.4%）；GPT-5.2 得分仅 47.3% 百万 token 上下文窗口 + 工具搜索功能（token 消耗降低 47%）；意味着企业级 AI 部署从"辅助"转向"自主执行"；模型能力跃迁进入新阶段
行业/宏观经济 Anthropic 就业影响研究：AI 理论上可覆盖知识工作者 94% 的任务，但实际 Claude 仅覆盖 33%；最高暴露岗位从业者收入比平均工人高 47%；Gen Z（22-25岁）进入暴露岗位的求职率较 2022 年下降 14% 白领岗位而非蓝领将首先被颠覆；传统 SaaS 正在被"服务即软件"取代；知识工作劳动力市场是美国软件收入的 10 倍（4-5 万亿 vs. 3000-5000 亿）
硬核指标/数据 Sequoia 合伙人 Julian Beck 预测：保险经纪 1400-2000 亿美元年薪池；会计 500-800 亿美元；医疗收入周期 500-800 亿美元；招聘 2000+ 亿美元；管理咨询 3000-4000 亿美元；金融与保险职位空缺降至 1.9%，为本世纪最低 软件 1 美元对应服务 6 美元的市场结构；下一个万亿级公司将是"伪装成服务公司的软件公司"；金融业职位空缺较 2022 年峰值下降 75%

3. 深度话题解析 (Main Topics Deep Dive)

📌 议题一：Anthropic 与五角大楼的第二轮博弈——AI 安全护栏与国家机器的冲突

  • 底层矛盾与背景：2026 年 3 月 4 日，美国国防部正式将 Anthropic 列为"供应链风险"（Supply Chain Risk），这是首次有美国公司获得通常仅针对外国对手的标签。起因是 Anthropic 创始人 Dario Amodei 拒绝将 Claude 用于大规模国内监控或完全自主武器。国防部长 Pete Hegseth 曾发出最后通牒。财政部、国务院、卫生与公众服务部（HHS）相继宣布停止使用 Anthropic 产品。但荒谬的是，美国军方仍在实战中使用 Claude——Palantir 的 Maven 智能系统依赖 Claude 在伊朗行动的前 24 小时内识别了超过 1000 个目标，甚至可能参与了一次导致 150 名儿童死亡的目标选择。

  • 利益链与逻辑推演：

    • 资本政治维度：Amodei 在被泄露的内部备忘录中指控 OpenAI 与五角大楼的交易是"80% 的安全 theater"，指责 OpenAI 对特朗普总统进行"独裁式赞美"。Amodei 指出 Anthropic 未向特朗普捐款，而 OpenAI 总裁 Greg Brockman 及其妻子 Anna 是共和党超级 PAC 的主要捐助者。政治献金差异是此次冲突的深层原因之一。
    • 技术依赖困境：五角大楼副部长 Emil Michael 在 All-In 播客中透露，在 1 月份捕获委内瑞拉独裁者马杜罗的军事行动后，Anthropic 询问 Palantir 该行动是否使用了 Claude，这让五角大楼意识到他们完全依赖单一 AI 提供商——如果因安全护栏或伦理反对突然断供，作战人员将陷入困境。这一"Whac-A-Mole"时刻促使政府急于寻找替代方案。
    • 各方动态：OpenAI 因匆忙与五角大楼达成交易而失去员工——Caitlin Kalinowski（机器人负责人）公开辞职，理由是监控和致命自主权是需要更多 deliberation 的红线。Sam Altman 在全员会议上承认交易看起来"机会主义且草率"。Anthropic 仍表示愿在过渡期以名义成本继续向军方提供 Claude，以确保前线作战人员不被剥夺工具。

  • 对商业生态的影响：

    • 企业采购决策：AWS、Google Cloud、Microsoft 纷纷澄清，其云客户仍可访问 Claude，禁令仅限于政府特定用例。这一定义（窄化 vs. 宽化）将影响企业如何评估 AI 供应商风险。
    • 行业话语权：这是 AI 实验室首次在国家安全层面被"点名"，预示着未来 AI 公司可能面临更多类似的合规审查。
    • 公众情绪：NBC 新闻 poll 显示 AI sentiment（公众情绪）为 -20（负面高于正面 20 点），仅高于民主党（-22）和伊朗（-53），低于特朗普（-12）、共和党（-14）、ICE（-18）。这是政治人物首次将 AI 纳入选民情绪调查，反映出 AI 正在成为选举议题。

📌 议题二：AI 对白领工作的量化冲击——从理论到现实的巨大鸿沟

  • 核心痛点/趋势：Anthropic 发布研究报告，推出新指标"观察到的暴露"（Observed Exposure），将理论 LLM 能力与 Claude 实际使用数据对比。最大发现：理论 vs 现实存在巨大鸿沟——AI 理论上可处理 94% 的知识工作任务，但实际仅覆盖 33%。这一鸿沟正在缩小，而首当其冲的群体出人意料：不是体力劳动者，而是高学历、高收入人群。

  • 数据与事实支撑：

    • 人口统计学特征：最高暴露岗位从业者收入比平均工人高 47%；女性占比高 16 个百分点；拥有研究生学位的可能性是未暴露岗位的近 4 倍。
    • 职业暴露排名：计算机程序员（75% 任务被 AI 覆盖）排名第一，其次是客服代表和数据录入员。大约 30% 的工人（如厨师、机修工、救生员）零暴露。
    • 早期预警信号：自 2022 年 ChatGPT 发布以来，高暴露白领工人尚未出现系统性失业增加，但 Gen Z（22-25 岁）进入这些暴露岗位的求职率下降了约 14%——公司虽未大规模裁员，但已大幅放缓入门级招聘。
    • 历史对比：与 2023 年 OpenAI 的 GDP Val 基准（衡量模型在经济价值任务上的表现）一脉相承，Anthropic 此次研究将 ONET 数据库（800 个职业、每个职业分解为 20-25 个任务）作为分析框架，与 Paul 早期构建的 Jobs GPT 工具方法论一致。

  • 主播的独家洞察：

    • Paul 援引与 Andrew Yang 的对话，提出"社会契约"问题：如果 AI 打破"努力工作→获得工作→养家糊口"的传统契约，社会将如何应对？AI 带来的生产力收益应归谁？雇主使用 AI 替代人力的责任边界在哪里？一份 AI 时代的社会契约应包括：工人获得培训和适应机会；公司更广泛地分享生产力收益；AI 用于增强人类而非仅替代；影响生计的决策仍由人类负责；社会加强过渡期的安全网。
    • Paul 坦言：“我接触过很多高管、企业家、政府领导人。没有人想裁员。但有些 CEO 会被迫裁员。“他甚至提出一个激进想法：对自动化征"AI 税”——如果公司声称因 AI 裁员 4000 人，除失业金外还需支付 AI 税。

📌 议题三：服务即软件——下一个万亿公司的诞生范式

  • 核心痛点/趋势：Sequoia 合伙人 Julian Beck 预测：下一个价值万亿美元的公司不会是传统软件提供商，而是因 AI 赋能而"伪装成服务公司的软件公司”。过去 AI 公司做的是"副驾驶"（Copilot）——卖给专业人士一个工具与其协同工作；而现在模型足够聪明，可以作为"自动驾驶"（Autopilot）直接向买家出售最终工作成果。

  • 数据与事实支撑：

    • 市场数学：每在软件上花费 1 美元，就在服务上花费 6 美元。例如，公司可能在会计软件 QuickBooks 上花费 1 万美元，但支付 12 万美元给人类会计来使用它。下一个"传奇公司"将直接帮你结账。
    • 垂直领域 TAM：保险经纪（1400-2000 亿美元年薪）、会计（500-800 亿美元）、医疗收入周期（500-800 亿美元）、招聘（2000+ 亿美元）、管理咨询（3000-4000 亿美元）。
    • AI 代理部署现状：软件工程占所有 AI 工具使用量的 49.7%，遥遥领先；其次是后台自动化 9%、其他 7%；营销文案 4%、销售 CRM 4%、财务会计 4%、学术研究 2.8%。
    • “判断"将成为明天的"智能”：随着 AI 系统积累特定领域的专有数据，判断能力将从人类转移到 AI。现状是 copilot 阶段（人+AI 协作），未来是 autopilot 阶段（AI 自主完成）。
    • ** Outsourcing as Wedge（外包作为切入点）**：如果一项任务已被外包，说明公司已接受它可以外部完成、已有可替代的预算线、买家已在购买结果。替换外包合同是"供应商替换"（简单），替换人头是"组织重组"（复杂）。最佳策略是从已外包的智力密集型任务切入。

  • 主播的独家洞察：

    • Paul 指出：“软件行业年收入约 3000-5000 亿美元，知识工作者年薪 4-5 万亿美元——后者是前者的 10 倍。这是 VC 会投资的更大市场。”
    • 以会计为例：美国过去 5 年失去了约 34 万名会计师，75% 的 CPA 即将退休，起薪落后于科技和金融。这种结构性短缺正在推动该行业比几乎任何其他职业更快地接受 AI。
    • Cursor 的例子：用户最初将 AI 当作自动补全工具使用，如今由 AI agent 启动的任务多于人类。软件工程首先到达"自动驾驶"临界点，所有其他职业将随之而来。

4. 实操案例与工具箱 (AI in Action & Tools)

  • 核心工具链：

    • GPT-5.4（标准版/思考版/专业版）+ Claude 4.6 + Gemini——Paul 在高价值战略任务中通常同时测试至少三个模型，以 5.4 为例，他会测试 5.4 思考版和 5.4 专业版，并对比有无自定义 GPT。
    • Claude Co-Work——可在 20 分钟 demo 中展示其作为自主工作助手的能力。
    • Microsoft Copilot Co-Work（基于 workIQ 系统）——预计 2026 年 3 月底全面推出，可接管日历分类、邮件处理、生成客户会议简报等。

  • 实战工作流 (Workflow/SOP)：

    • 多模型交叉验证：Paul 在处理高价值任务时，会让多个模型交叉比对以建立"Success Score"。他建议：为每个新模型建立 3-5 个核心评估（eval）指标，定期测试。
    • Jobs GPT 工具：访问 smarterx.ai/jobs-gpt，输入任何工作标题，它会将该工作分解为任务，为每个任务分配暴露级别（基于 11 个要素的暴露密钥：语音能力、高级推理、说服力、数字世界行动、AI agent、物理世界行动等）。

  • 效率增益评估：

    • Paul 分享：他用 GPT-5.4 完成了一个通常需要外包数万美元的任务，在接孩子的 3 分钟内完成。虽然未与 Claude 4.6 对比，但"极其令人印象深刻"。

5. 快讯与散点观点 (Rapid Fire Intelligence)

  • GPT-5.4 基准炸裂：

    • 硬核事实：首个通用 AI 模型在 OSWorld Verified 上原生超越人类（75% vs 72.4%）；GDP Val 基准（44 个职业知识工作）中匹配或超越行业专业人员 83% 的时间；ARC AGI 2 抽象推理得分从 52.9% 跃升至 73.3%；首个在网络安全领域获得高能力的通用推理模型。
    • 商业启示：模型能力正在以"指数级"速度逼近人类专业水平，三年前 GPT-4 发布时这些基准甚至不存在。企业如果还在用"免费版 ChatGPT"，相当于在智能手机时代坚持用翻盖手机。

  • 数学家 Bartosz Naskarecki 的"个人奇点"：

    • 硬核事实：这位曾称 AI 为"高级计算器"的波兰数学家，如今称其"个人奇点已到来"。他设计的 Frontier Math 第四层问题（基于其 15-20 年研究、13 页解答）被 GPT-5.4 Pro 破解——AI 首次解决此类问题。他称解决方案"非常漂亮、干净，感觉几乎是人类的"，比作 AlphaGo 的第 37 手。2025 年中期仅 3 道第四层题被解决；如今 42% 被至少破解一次。
    • 商业启示：AI 开始展现"真正的创造性洞察"，而不仅是计算能力。这意味着科学发现、新知识创造可能正在加速。

  • Ethan Mollick 的"采用鸿沟"：

    • 硬核事实：Wharton 教授指出，同一行业的两家公司——一家已使用 AI 18 个月，另一家仍需委员会逐个审批用例。决定因素是高管是否愿意承担风险。“这是领导力问题。”
    • 商业启示：人类摩擦是企业采用 AI 的最大障碍——人们低估了企业内部推行 AI 的阻力。

  • OpenClaw 的爆发与争议：

    • 硬核事实：Jensen Huang 称其为"可能是历来最重要的软件发布"。发布后两周内获 145,000 GitHub stars，单周 200 万访问。由奥地利开发者 Peter Steinberger 一小时内原型化，已获 OpenAI 高薪 offer。但安全专家警告：“如果你不介意所有数据泄露到互联网，就用它。没有人认为自己的设置是 100% 安全的。”
    • 商业启示：Agent 工具的潜力巨大，但安全风险尚未解决。Paul 选择暂不使用：“我会等它安全后再尝试。”

  • AI 与新闻业的冲突：

    • 硬核事实：Associated Press 高级 AI 产品经理 Amy Reinhart 在内部Slack称"抵抗是徒劳的"，建议记者只负责收集报价，让 LLM 写故事。记者反击称这是"侮辱和令人厌恶的"。AP 官方与该言论划清界限。
    • 商业启示：新闻业对 AI 的抵触源于职业认同——记者从业是因为相信故事的力量，而非仅为了谋生。AI 正在剥夺这一核心意义。

  • AI 版权案件：

    • 硬核事实：美国最高法院拒绝审理 Steven Thaler 案——他试图为 AI 生成图像注册版权。版权办公室裁决"人类作者身份是版权的基本要求"，下级法院裁决维持。
    • 商业启示：纯 AI 生成内容无法获得版权，但人类参与创作的作品仍可保护。这一定位是行业的起点而非终点。

  • Meta Ray-Ban 智能眼镜隐私诉讼：

    • 硬核事实：Meta 去年售出超过 700 万副 Ray-Ban 智能眼镜，营销承诺"隐私设计"。瑞典媒体调查揭露：眼镜拍摄的画面被routine 送往肯尼亚外包公司进行人工审查，包括用户在浴室脱衣、性行为等高度敏感内容。用户无法选择退出这一数据管道。
    • 商业启示：AI 训练的现实是——人类必须审查内容。你在智能设备上的一切都可能被他人观看。

6. 给职场人与企业的行动指南 (Actionable SOPs & Strategy)

  • 🎯 高管/CXO 战略部署：

    • 设立"创新沙盒"：选择 1-2 个非敏感业务场景（如市场营销文案、内部知识库整理），授权团队在受控环境下快速测试 AI，绕过冗长的 IT/法务审批流程。用实际成果而非概念证明来推动组织变革。
    • 建立企业级评估（Eval）体系：定义 3-5 个核心业务指标，每次新模型发布时进行基准测试。例如：客户响应时间、内容生成准确率、代码缺陷率。Paul 强调：“知道你正在测试什么比测试本身更重要。”
    • 重新审视外包组合：盘点公司现有外包合同，将已可 AI 化的任务标记为优先替代目标。替换外包合同是"供应商替换"（简单），替换人头是"组织重组"（复杂）。

  • 🛠️ 一线负责人战术落地：

    • 用 AI 原生工具替代入门级重复任务：如用 Claude/GPT 处理数据清洗、会议纪要生成、基础文案撰写。将节省的时间重新分配给需要人类判断的高价值任务。
    • 建立内部 Prompt/技能文档库：将团队中有效的 Prompt 模式、失败教训整理成知识库。Paul 建议：记录每次模型更新的"语气变化"，及时微调。
    • 从 outsourced 任务切入：如果你的工作已被外包给第三方，那是 AI 替代的最佳起点——公司已有预算且接受外部执行。

  • 🧠 认知重塑：

    • 从"购买软件席位"转向"购买 Agent 产出"：传统 SaaS 按席位收费；未来按 AI 完成任务的结果付费。理解这一转变是制定下一代 AI 采购策略的关键。
    • 接受"AI 是协作者而非替代者"的过渡期现实：正如 Tesla 的 FSD 仍需人类在关键时刻接管，copilot 到 autopilot 的转变不是一蹴而就。今天的 copilot 明天的 autopilot——但转型期间，人类仍是"AI 调度枢纽"。
    • 理解"社会契约"正在被重新定义：AI 带来的生产力收益如何分配将成为企业和政策制定者的核心议题。提前思考你的组织在这一新契约中的位置。

7. 专家洞察与风险边界 (Insights & Boundaries)

  • 非共识结论：

    • 知识工作者不会马上被全盘替代：尽管 AI 能力快速提升，但企业内部的"人类摩擦"——IT/法务阻挠、员工抵触、流程惯性——是巨大的采用障碍。Wharton 教授 Ethan Mollick 指出，同一行业的公司可能一家已使用 AI 18 个月，另一家仍在组建委员会审批用例。差距不是技术，而是领导层的风险意愿。
    • AI 采用将是"不均匀分布"的：Paul 在 2023 年提出的"AI 不均匀分布定律"至今仍有效。AI 的影响和收益将因个人、公司和行业而不均匀分配——有时是你的选择，有时是制度设计的结果。

  • 局限性与风险预警：

    • Agent 工具的"脱轨"风险：OpenClaw 的安全争议表明，AI agent 可自主执行任务，但也可能自主泄露数据。Allie K. Miller 引述安全专家：“如果你不介意所有数据泄露到互联网，就用它。”
    • 幻觉与验证需求：即使是 GPT-5.4，仍需人类验证关键输出。Paul 建议对高价值任务使用多模型交叉验证。
    • 企业内部 AI 推广的人际摩擦：当 AI 威胁到员工的核心职业认同时（如记者被告知只需"收集报价"），抵制情绪会非常强烈。这可能导致核心人才流失。
    • 公众情绪的负面趋势：NBC 调查显示 AI sentiment 为 -20，且首次出现在政治民调中。如果 AI 负面情绪与失业担忧叠加，可能引发政策反弹。

8. 核心金句 (Golden Quotes)

  • “如果你还在用免费版 ChatGPT，就像在智能手机时代坚持使用翻盖手机评估科技发展。”
  • “模型不仅没有减轻工作量，反而加剧了工作强度，因为现在的知识工作者成了 AI 的调度枢纽。”
  • “这些 things are getting really good, really fast, and it’s not just going to be happening to computer programmers this year. It’s going to start happening to everybody else.”
  • “Looking backwards isn’t going to tell us anywhere about where we’re going. The data isn’t going to show the impact yet.”
  • “No one wants to fire people. But there are going to be CEOs forced to do it.”
  • “If AI creates enormous value, what do people owe one another so that progress benefits more than just a few?”
  • “Today’s judgment will become tomorrow’s intelligence. As AI systems accumulate proprietary data about what good judgment looks like in their domain, the frontier will shift.”

📺 播客地址

播客时长: 85分钟