你有没有想过，软件行业真正追逐的目标是什么？不是更多的用户，不是更高的市场份额，而是整个劳动力市场。这听起来像是天方夜谭，但当你看到数字时就会明白：全球 SaaS（软件即服务）市场规模约为 3000 亿美元，而仅美国的劳动力市场就高达 13 万亿美元。这个巨大的差距正在被 AI 技术快速缩小。我最近看了 a16z 合伙人 Alex Rampell 在他们 2025 年 LP 峰会上的演讲，他用一个非常独特的视角解释了这场正在发生的变革：软件不再只是记录信息的工具，而是开始真正执行劳动本身。这个观点让我思考了很久，因为它触及了软件行业一个根本性的转变，而大多数人还没有真正意识到这意味着什么。
我觉得 Alex 的演讲最精彩的地方在于，他没有从 AI 技术本身谈起，而是从软件发展的历史说起。他认为过去 70 年里，几乎所有软件公司做的事情都是把文件柜变成数据库。这个观察太精准了。想想看，从航空订票系统到 CRM，从 ERP 到电子健康记录，本质上都是把纸质文件数字化。但关键问题是，虽然介质变了，但操作流程并没有本质改变。过去看纸质文件的人，现在看电脑屏幕，仅此而已。效率提升有限，因为最终还是需要人来读取、理解和操作这些信息。而现在，AI 正在改变这个游戏规则。软件不再只是存储和展示信息，而是开始理解信息并采取行动。这是一个质的飞跃，而不是量的改进。
从文件柜到数据库的演变史
Alex 在演讲中花了很长时间讲软件行业的历史，我认为这部分特别重要，因为理解过去才能真正看清未来。他举的第一个例子是 Sabre Systems，这是美国航空和 IBM 在 1959 年共同开发的航空订票系统。在那之前，航空公司是怎么管理订票的？想象一下，有无数个文件柜，里面塞满了表格。Betty Owens 打电话来说她想要 4A 座位，工作人员在纸上写下来。然后她又改主意说要取消，工作人员擦掉。她再改口说要 2C 座位，工作人员又擦掉重写。这个过程效率极低，而且信息无法在不同办公室之间共享，因为所有数据都锁在一个物理的文件柜里。Sabre 把这一切搬到了 IBM 大型机上，通过分布在全球各地的终端，旅行社可以访问同一个系统。这彻底改变了旅游行业的运作方式。
同样的故事在各个行业重复上演。销售领域，Alex 提到了电影《拜金一族》里那些业务员为了获得好的客户名单而拼命竞争，那些名单就是一张张纸。1980 年代出现了 ACT Systems，1990 年有 GoldMine，1993 年 Tom Siebel 创立了 Siebel Systems，这些都是 CRM（客户关系管理）系统的先驱。然后 Salesforce 在 1999 年把这一切搬到了云端。但本质上，1950 年代电影里那个翻查纸质文件的销售人员，和 2010 年打开 Salesforce 记录的销售人员，做的是同样的事情，只是介质从纸变成了屏幕。
制造业和库存管理也是如此。作为产品制造商，你需要知道自己有多少库存，销售情况如何。IBM 再次走在前沿，但其他公司也跟进了，比如 1972 年成立的 SAP，还有 Baan、JD Edwards、Epicor、Sage 等等。这些都是把老式纸质记录数字化的公司。我特别喜欢 Alex 举的一个例子：图书馆卡片目录。图书馆存在了很长时间，从亚历山大图书馆时代就有了。杜威十进制分类法出现后，我记得小时候去图书馆，都是在卡片目录柜里按字母顺序查找书籍。后来有公司专门做这个生意，比如 OCLC，他们把这些卡片目录数字化，让你可以在图书馆的电脑终端上查询，而不是翻卡片。
法律行业也一样。Alex 说他在 1980 年代去律所的时候，发现大部分空间都被文件柜占据了。像 PC Law、LexisNexis 和 Reuters 这样的公司，很大一部分收入来自为律所提供数字化服务，把那些本来要占据昂贵办公空间的文件数字化。会计行业也是如此。我记得小时候去会计师办公室，到处都是文件柜，根本没有空间让一个 5 岁小孩跑来跑去。然后 Intuit 推出了 QuickBooks，把财务报表数字化了。还有 Peachtree、MYOB 等公司，都在做同样的事情。
医疗健康记录领域有一个特别有趣的故事。第一个电子健康记录公司叫 MUMPS，Alex 说这可能是软件历史上最糟糕的名字，听起来像是输给了疟疾或麻疹什么的。这是麻省总医院开发的，他们想要替换掉那些海量的纸质文件，于是创造了这个编程语言和数据库系统。现在最大的电子健康记录公司 Epic 成立于 1979 年，还有 Cerner，它们做的就是把医院系统和医生办公室里的海量文件数字化。人力资源和薪资管理也是类似的。ADP（自动数据处理公司）成立于 1949 年，甚至比 Sabre 还早。如何追踪考勤？如何计算税务扣缴？这些公司的发展轨迹都是从大型机开始，然后像 Workday 这样的公司（实际上是 PeopleSoft 的同一个团队）把它搬到了云端。但流程还是一样的，1940 年查看考勤卡的人和 2015 年查看 Workday 记录的人，做的是同一件事，只是介质不同而已。
我认为 Alex 花这么多时间讲历史是有深意的。他想说明一个关键点：尽管技术在进步，但效率提升其实很有限，因为文件柜是人在看，数字记录也还是人在看。那个坐在电脑前帮客户解决问题的客服人员，和以前翻纸质文件的客服人员，本质上没有区别。理解这一点非常重要，因为这解释了为什么整个软件行业的商业模式必须改变。
SaaS 定价模式的困境
Alex 用了一个非常形象的比喻来描述当前的 SaaS 定价模式，他称之为"星巴克模式"——Tall、Grande、Venti（小杯、中杯、大杯）。如果你去任何一家 SaaS 公司的网站，他们的定价页面可能都长这样。他举了 Zendesk 的例子，这是一家现在被私有化的公司，年收入 20 亿美元，销售的是座席数。他们最受欢迎的套餐是 Suite Professional，每月 115 美元。但问题来了：如果 AI 能够非常好地回答客户支持问题，那么当每个客服人员的生产力提高 9000 倍时，你还需要多少座席？
让我们看看具体的数字。假设一家公司有 1000 个客服人员在呼叫中心工作，每人全成本 7.5 万美元一年，那就是每年 7500 万美元的人力成本。软件成本是多少？1000 个座席乘以 115 美元再乘以 12 个月，大约是每年 140 万美元。人力成本远远高于软件成本。如果每个人工客服一年回答 2000 个问题，那么每个问题的成本大约是 37 美元的人力成本加上 69 美分的软件成本，总共约 38 美元。
现在 AI 可以回答所有问题，会发生什么？这可能朝两个方向发展。如果 AI 能处理一切，你需要多少座席？零。一个都不需要。AI 回答所有问题，而 Zendesk 按座席收费，那么他们的收入就会从 140 万美元降到零。这对 Zendesk 来说是灾难性的。但另一方面，看看这个数字游戏。也许 Zendesk 可以收费 500 万美元一年。他们可以对客户说：嘿，不要再花 7500 万美元在客服上了，改成花 500 万美元，全付给我们，不要再付 140 万，付我们 500 万，你省下了 7000 万。
Alex 说 Zendesk 现在真的处在一个十字路口：他们的收入可能归零，也可能增长三倍。他们自己也不知道答案会是什么。Alex 说他一直在和 Zendesk 的 CEO 交流，他们现在正在新西兰试点基于结果的定价模式。所以新西兰掌握着我们所有问题的答案，让我们拭目以待。
我觉得这个例子特别能说明问题，因为它揭示了传统 SaaS 模式的根本矛盾。当软件变得如此智能，能够完全替代人工时，按座席收费就变得不合理了。客户想要的不是座席，而是解决问题。如果 AI 能以更低的成本、更高的效率解决问题，为什么还要为人工座席付费？这就是为什么软件公司必须从卖座席转向卖结果。
劳动力市场才是真正的战场
Alex 给出了一个让人震撼的数据对比。他说仅看护士这一个职业，美国的注册护士每年收入总计约 6500 亿美元，大约有 450 万注册护士。这个单一职业的市场规模就比整个全球软件市场还大。当然这不意味着护理软件市场会有 6500 亿美元，但这说明软件真正竞争的池子有多大。
我认为 Alex 想表达的核心观点是：软件不再只是数字化文件柜，而是开始在文件柜上执行操作。这意味着什么？拿旅行订票来说，如果软件拥有了旅行数据，它可以帮你重新预订航班，或者当我需要为我儿子高中的 75 个孩子安排旅行时，我不需要和旅行代理沟通，我直接和美联航的 AI 对话，它帮我搞定一切。销售领域更明显，Salesforce 按座席收费，但它应该直接帮我销售。我不想付 1000 个座席的钱，我想为获得的客户付费。或者让它给我所有客户打 30 分钟电话，了解他们是否满意，是否会续约。
制造业也一样。假设我生产某种产品，现在有关税问题，我想知道我的关税风险敞口有多大。我应该能直接问我的 ERP（企业资源计划）系统，让它研究这个问题。或者让它给我的供应商打电话，确认他们是否还能按时发货。图书馆卡片目录系统也可以进化，当书籍逾期时，不应该是图书馆员打电话给我，而应该是图书馆软件公司打电话说："嘿，把书还回来。"或者当某本书很受欢迎时，系统应该自动订购更多副本。
法律文件系统也在转变。不再只是记录时间和出勤，而是"帮我起草一份合同"。这是真正的工作，可以按工作量收费。会计和簿记领域，有一个概念叫 AR aging summary（应收账款账龄分析），就是列出所有欠你钱的客户。1940 年，你看着打印出来的报表，然后打电话催款或者派人去讨债。2000 年，你看着 QuickBooks 的记录做同样的事。现在，软件公司可以直接打电话，QuickBooks 可以开始给欠款客户打电话说："嘿，你欠钱了，请还款，我现在就可以在电话里接受付款。"
医疗健康记录领域的潜力也很大。Alex 分享了一个个人经历，他三个月前做了跟腱修复手术。手术第二天，斯坦福医院打电话问他："Alex，疼痛程度从 1 到 10 是多少？"他说 11。对方说你很幽默。他说不，真的是 11。AI 护士当然不能做心肺复苏，不能处理枪伤患者，但 AI 护士完全可以给像他这样 40 多岁的患者打电话问："你感觉怎么样？有什么我们可以帮忙的吗？你发烧了吗？哦你发烧了？你应该马上去医院。"这些都是基于医疗记录可以执行的操作。可以为这个外呼电话收费 20 美元。
HR 和薪资系统也是如此。如何做背景调查？如何确认你简历上说的三家公司你真的工作过？Workday 应该给那三家公司打电话问："Alex 真的在那里工作过吗？"解释福利，帮助注册，Workday 如果开始做这些事情，收入可能会翻三倍，因为他们已经拥有了所有必要的数据。
我对这个转变的理解是，软件公司坐拥海量数据，但过去只是把数据展示给人类，让人类做决策和采取行动。现在软件可以直接理解数据并采取行动。这不仅仅是自动化，而是从"提供信息"到"完成工作"的根本转变。这就是为什么劳动力市场成为了软件的新战场。
Craigslist 上的工作机会
Alex 分享了一个特别有意思的案例。他说因为跟腱受伤，他不能跑步和骑自行车了，所以有大把时间，就开始在 Craigslist 上浏览招聘信息。当然不是为他自己找工作，而是观察市场。他找到了一个真实的招聘广告：Plaza Lane Optometry 在招聘前台接待员，这个职位已经挂了 6 个月了。加州现在要求公布薪资，这个职位年薪 4.5 万美元。
供需关系很明显。如果他们说年薪 10 万美元，这个职位早就填上了。但他们只能支付 4.5 万美元来维持成本模型。如果你看职位职责，第一条是开门关门上锁，AI 确实做不了这个。但其他很多职责 AI 完全可以做：和保险公司争论，在预约前一天给病人打电话防止爽约。如果有人爽约，对眼科医生来说是巨大的机会成本。
如果你从软件市场的角度看眼科诊所，你会断定这不是一个好的软件市场。Plaza Optometry 可能每年只花 500 美元在软件上，大概有一个 Microsoft Office 许可证，可能用 Squarespace 或 Wix 建了个网站，就这些。所以他们每年软件支出大概 500 美元。
但在这个新世界里，Alex 说他们看到很多公司在做这件事：浏览 Craigslist，寻找招聘信息，然后说："嘿，Plaza Lane Optometry，我想申请这个职位。"眼科医生会问："好啊，说说你的资质，你以前在哪工作？"AI 回答："听起来可能有点奇怪，但我是一家软件公司，我不能开门关门，但我可以做其他八件事。要不要看个演示？"一开始眼科医生可能会说不，但后来会说："好吧，我试试看。"而且价格是每年 2 万美元，远低于你招不到人的 4.5 万美元。
我觉得这个例子太精彩了，因为它完美展示了市场扩张的逻辑。对于这些小型企业，软件支出很小，但劳动力支出很高。当软件开始承担劳动力的工作时，它就进入了一个大得多的市场。这些以前被认为是"不够大"的行业，现在突然变得很有吸引力，因为软件不再只是卖给他们 500 美元的工具，而是卖给他们 2 万美元的劳动力替代方案。
AI 语音通话的实战案例
Alex 在演讲中播放了两段真实的 AI 语音通话录音，我觉得这是整个演讲中最震撼的部分，因为它让抽象的概念变成了具体的现实。第一个案例来自他们投资的公司 Happy Robot，服务于货运和卡车运输行业。录音中，AI 正在和一个潜在客户谈运费。
AI 说："这是从朱丽叶到伊利诺伊，今天早上 6 点到下午 2 点之间提货，周一早上 6 点到下午 4 点之间送达。我这边报价是 700 美元，要订这个货吗？"对方说："我需要 800 美元才行。"AI 说："我去确认一下。我们现在做不到 800，你能不能接近一点板上的报价？"对方说："我最低能做 775。"AI 说："理解，那你能不能再低一点，低于 775？"对方说："我能做 750 吗？"AI 说："让我看看，好的，我能给到你 735。"对方说："735，好的。"
交易完成。谁是机器人，谁是人类？这就是新的图灵测试。Alex 说让大家听完后自己猜测。我听了几遍，真的很难分辨。对话非常自然，有讨价还价，有妥协，完全不像是在和机器说话。
第二个案例来自一家叫 Salient 的公司，专门做催收业务。如果你是贷款机构，比如汽车贷款公司，你需要催收还款。Salient 为很多汽车贷款公司提供服务。录音中，AI 用西班牙语和一个客户通话："您的账户目前逾期 51 天，金额 825.35 美元。您今天能还款吗？"
Alex 特别指出，Salient 可以说几十种语言，包括他加禄语、越南语、普通话等等。这不仅仅是关于成本，很多人搞错了这一点。不是说 AI 要抢走所有工作因为人工太贵而 AI 便宜。AI 能做很多人类做不到或很难做到的事情。
我对这两个案例的思考是，它们展示了 AI 在真实商业场景中的实用性。这不是实验室里的演示，而是真实的客户对话，涉及真实的金钱交易。语音 AI 已经成熟到可以处理复杂的商业谈判和敏感的催收对话。这意味着很多以前必须由人类完成的工作，现在可以由 AI 来做，而且做得很好。
AI 的独特优势
Alex 详细解释了为什么这不仅仅是成本问题，而是 AI 具有人类无法比拟的独特优势。很多人错误地认为 AI 会取代工作只是因为它更便宜，但实际上 AI 解决了很多人类劳动力无法解决的结构性问题。
首先是间歇性需求。想象一下黑色星期五的零售商，销售额在黑色星期五期间会大幅增长，所以需要雇佣大量收银员，或者如果是在线零售商，需要雇佣大量客服人员来回答问题。但 1 月 1 日怎么办？把他们都解雇然后 11 月再重新雇佣吗？实际上应该 9 月就开始招聘因为需要培训。这很棘手。还有很多其他行业也有间歇性需求的问题。美联航如果芝加哥遇到恶劣天气，不可能一夜之间雇佣和培训 1 万人。但 AI 在这方面非常擅长。
其次是令人沮丧的工作。什么是令人沮丧的工作？催收就是一种，因为你打电话给别人说："嘿，你逾期了。"Alex 说他听过一些这样的电话，大约一半时间对方会爆粗口。"嘿，你欠钱。""去你的，别再打给我。"再打一次，"嘿，你欠钱。""去你的，别再打给我。"人类会对此感到疲惫，这不是一份愉快的工作。但 AI 不会被这些困扰。对于令人沮丧的工作，AI 非常非常适合。
第三是监管确定性。Alex 提到他联合创办过一家叫 Affirm 的公司，他们每个季度都要接受 UDAAP（不公平、欺骗性和滥用性行为）培训。有很多法律规定你可以对客户说什么、不能说什么。想象一下你打电话给客户说："嘿，你欠钱。"客户说："去你的。"然后你那天心情不太好，也回一句："你也去你的，客户。"这会让你陷入麻烦。当你可以编程让一个机器人从头到尾进行整个通话时，你会有更多确定性，远比人类可靠。
第四是语言能力。Alex 说他学过俄语、日语和一点西班牙语，花了太多时间学这些。但语言，语言，语言。如果我只说波斯语怎么办？斯坦福有会说波斯语的护士可以打电话问我疼痛程度吗？如果我只说蒙古语呢？现在他们有了。AI 护士、AI 催收员、AI 谈判员，所有这些都可以即时用几十种不同的语言完成。你不可能在爱荷华州找到一个会说塞尔维亚语的人，而且还能按需工作，做令人沮丧的工作，处理间歇性需求。AI 在这些方面都很出色。
我认为 Alex 这部分分析特别深刻，因为它超越了简单的成本比较，揭示了 AI 在结构性问题上的优势。这些不是通过提高人类效率就能解决的问题，而是人类劳动力固有的局限性。AI 不是在和人类竞争效率，而是在解决人类根本无法很好解决的问题。这就是为什么 AI 不仅仅是替代品，而是变革性的技术。
市场扩张与新商业模式
Alex 特别强调 AI 正在扩大市场，这也是为什么他要从文件柜的故事开始讲起。他说过去没有合规软件公司，因为根据美国劳工统计局的数据，美国增长最快的工作是美甲师美容师，AI 做不了这个。第二快的是合规官。合规官不需要软件，如果你是花旗银行，你需要的是更多的人。没有公司专门做合规软件，因为软件市场太小了，但人力市场很大。
现在你可以走进花旗银行说："嘿，我可以为你提供端到端的合规解决方案，每年付我 1000 万美元，我是你的软件产品，可以追踪一切。"因为以前他们只是多买一些 Microsoft Office 许可证。催收也是一样，没有催收软件公司，有的是催收公司和催收人员。现在你可以通过语音作为切入点进入市场，Alex 承认这会很快商品化，但你可以回填成为一个真正的软件公司，有真正的软件收入、软件利润率、软件留存率。
另一个有趣的观点是，因为 AI，很多过去不可行的非 AI 公司现在也可行了。Alex 因为受伤不能骑自行车，他的车库里有很多闲置的自行车。他问：为什么没有自行车的 Airbnb？没人做这个的原因很简单：这是个很糟糕的主意。为什么糟糕？因为一个核心原则，不管有没有 AI，即使在公元前 2000 年也适用：如果你的客户获取成本（CAC）加上销售成本（COGS）大于客户生命周期价值（LTV），就不要做。这不是生意。
但现在有了 AI，情况不同了。想象一下我要做自行车 Airbnb，我怎么找到那些车库里有闲置自行车的人？我要雇一群昂贵的斯坦福学生，给他们提供 20 种不同口味的椰子水，满足他们千禧一代的各种需求，让他们在帕洛阿尔托的销售运营团队工作吗？不，我会让 AI 销售代表给每个人打电话。AI 销售代表每年的成本是几百美元，不是 10 万美元，也不需要椰子水。如果有紧急情况怎么办？现在有 1-800 热线，是 AI 代表接听，可以做任何事情，报警或者其他。如何筛选这个人，做背景调查，自行车是不是好的，是不是偷来的，所有这些你需要做的事情，AI 都可以做。
所以你实际上有一整类业务，本来可行但就是客户获取成本或销售成本太高了。现在有了 AI，你可以用 vibe coding 的方式快速启动这些业务。这大大扩展了市场规模，非 AI 市场因为 AI 基础设施的存在而得以运作，因为 CAC 下降了，COGS 下降了。当然，每个公司最终都会开始使用这些工具，所以就像 Yogi Berra 的名言："太拥挤了，没人去那里了。"但现在很多公司正在尝试以前 5 年前根本行不通的老想法和新想法。
我认为这个市场扩张的逻辑特别重要。过去，很多商业模式在纸面上看起来很好，但因为单位经济效益不成立而无法实现。现在 AI 改变了这个等式。当你可以用 AI 大幅降低获客成本和运营成本时，突然之间很多以前不可行的生意变得可行了。这不仅仅是现有市场的效率提升，而是创造了全新的市场机会。
Alex 在演讲结尾指出，这是一个全球性机会。美国劳动力市场很大，13 万亿美元一年，但全球劳动力市场要大得多。作为风险投资人，他们代表投资人管理资本，他们的工作是找到最好的公司，让软件市场看起来很小。
我对这个结论的思考是，Alex 其实在描绘一个完整的转变图景。从文件柜到数据库，花了 70 年。这 70 年软件行业创造了 2.2 万亿美元的市场价值和每年 3000 亿美元的收入。但这只是数字化了记录，效率提升有限。现在 AI 让软件能够真正执行工作，这意味着软件行业可以触及的市场从 3000 亿美元扩大到 13 万亿美元甚至更多。这不是线性增长，而是指数级跃迁。
从全球视角看，这个机会更大。发展中国家的劳动力成本虽然较低，但仍然是软件成本的很多倍。而且很多发展中国家面临熟练劳动力短缺的问题。AI 可以提供一致的、高质量的服务，不受地理位置限制，不受语言障碍限制。这对全球经济发展的影响可能是革命性的。
我对这场变革的深度思考
听完 Alex 的演讲，我思考了很长时间。我认为他揭示了一个被大多数人忽视的根本转变：软件的角色从记录工具变成了劳动力本身。这个转变的深远影响还没有被充分理解。
从商业模式角度看，这意味着几乎所有 SaaS 公司都需要重新思考他们的定价策略。按座席收费在 AI 时代是行不通的，因为座席数会趋近于零。但按结果收费又带来新的挑战：如何定义结果？如何衡量价值？如何定价？一个帮你催收到 100 万美元的 AI 值多少钱？帮你获得 10 个新客户的 AI 值多少钱？这些都是需要重新思考的问题。
我认为我们会看到一种混合定价模式的出现。可能是基础订阅费加上基于结果的变动费用。比如 Zendesk 可能收取每月 1 万美元的基础费，加上每个成功解决的客户问题 5 美元。这样既保证了稳定的收入基础，又能分享 AI 带来的价值增长。但这需要整个行业在计量、追踪和验证方面建立新的标准。
从劳动力市场角度看，这场变革的影响是双重的。一方面，很多传统工作确实会被取代。客服、催收员、初级销售人员、前台接待，这些工作中的大部分任务可以由 AI 完成。但另一方面，这也会创造新的工作机会。需要有人训练 AI，监督 AI，处理 AI 无法处理的复杂情况。需要有人设计 AI 的对话流程，优化 AI 的表现，确保 AI 符合法规要求。这些都是新的工作类别。
我特别认同 Alex 关于 AI 独特优势的分析。很多人把 AI 看作是更便宜的劳动力，但这是肤浅的理解。AI 的真正价值在于它能解决人类劳动力结构性无法解决的问题：间歇性需求、令人沮丧的工作、监管确定性、多语言能力。这些不是效率问题，而是能力问题。AI 不是在和人类竞争，而是在补充人类的不足。
我也思考了这对创业公司的意义。Alex 提到的那些在 Craigslist 上找工作申请的软件公司，代表了一种全新的创业路径。你不需要构建一个庞大的平台，不需要获得海量用户。你只需要找到一个有明确劳动力需求的垂直行业，然后用 AI 提供一个更便宜、更可靠、更灵活的解决方案。这降低了创业的门槛，也让很多以前被认为"市场太小"的领域变得有吸引力。
眼科诊所只花 500 美元买软件，但愿意花 2 万美元雇前台。如果你能用 AI 以 2 万美元的价格提供前台服务，你就进入了一个比软件市场大 40 倍的市场。美国有数万家眼科诊所，每家都有类似需求。突然之间，这是一个价值数亿美元的市场。这就是为什么 Alex 说这会让软件市场看起来很小。
软件吞噬劳动力的终极意义
回到 Alex 演讲的标题："Software is Eating Labor"（软件正在吞噬劳动力）。这个标题呼应了 Marc Andreessen 十多年前的文章"Software is Eating the World"（软件正在吞噬世界）。劳动力市场确实是世界的一部分，所以这是一个自然的延续。但我认为这不仅仅是延续，而是一个质的飞跃。
过去的软件革命是关于信息的：如何更好地记录、存储、检索和展示信息。这创造了巨大的价值，但本质上软件还是一个工具，需要人来使用。现在的 AI 革命是关于行动的：软件不再只是提供信息，而是直接完成工作。这改变了软件的性质，从工具变成了劳动力。
我想起了 Alex 在演讲开头展示的那张卡尔·马克思的照片。他说如果你读过《资本论》，核心观点是资本和劳动是两个不同的东西，资本剥削劳动。但现在发生了什么？我们给公司投资资本，公司用这些资本买 GPU 或租用它们，雇工程师，买咖啡，把咖啡和 GPU 给工程师。然后产出的软件可以完成劳动的工作。这就像是新的 E=MC²。
这个化学方程式的比喻非常精准。我们正在见证一种根本性的转换：资本通过技术直接转化为劳动产出，而不需要传统的劳动力作为中介。这不是说劳动力消失了，而是说劳动力的形式发生了根本改变。软件成为了新型的劳动力。
我认为这场转变才刚刚开始。Alex 展示的案例主要集中在客服、催收、销售等相对标准化的工作。但随着 AI 能力的提升，会有越来越多类型的工作被纳入进来。现在 AI 可以接电话，将来 AI 可能可以做数据分析、写代码、进行医疗诊断、提供法律咨询。每一个需要认知能力但可以标准化的工作，都有可能被 AI 执行。
这意味着整个经济结构都会发生改变。过去，一个公司的价值很大程度上取决于它拥有多少优秀的员工。将来，一个公司的价值可能更多取决于它拥有什么数据、什么算法、什么客户关系。员工数量不再是衡量公司规模的主要指标，因为大部分工作可能由 AI 完成。我们可能会看到一些价值数十亿美元的公司只有几十个员工。
从投资角度看，这创造了巨大的机会。Alex 说他们的工作是找到能让软件市场看起来很小的公司。我理解这句话的深意：不要局限于传统的软件市场，而要看劳动力市场。一个看起来只有几百万软件市场的行业，可能有几十亿的劳动力市场。如果你能用软件捕获哪怕一小部分劳动力市场，就能建立一个巨大的业务。
我相信未来五到十年，我们会看到大量这样的公司涌现。它们不会称自己为软件公司，而是称自己为服务公司。它们不卖软件许可证，而是卖工作成果。它们的收入不按座席计算，而按完成的任务、解决的问题、创造的价值计算。这将是一个新的商业模式，一个新的行业类别。
这场变革对个人的启示也很明显。如果你的工作主要是处理标准化的任务，如果你的价值主要来自于执行既定流程，那么你需要思考如何转型。你需要培养那些 AI 还无法很好完成的能力：创造力、同理心、判断力、人际关系。你需要从执行者变成监督者、设计者、策略制定者。
最终，我认为 Alex 的演讲揭示了一个更深层的真理：技术进步的本质不是替代人类，而是重新定义人类的角色。蒸汽机没有消灭劳动，而是把人类从体力劳动中解放出来。电脑没有消灭思考，而是把人类从重复性计算中解放出来。现在 AI 不会消灭工作，而是把人类从标准化的认知任务中解放出来。
问题不是"AI 会不会取代我"，而是"我如何与 AI 协作来创造更大的价值"。那些能够有效利用 AI、驾驭 AI、与 AI 共同工作的人和公司，将在这个新时代获得巨大的优势。那些抗拒这场变革、试图维持现状的人和公司，将会被淘汰。
软件正在吞噬劳动力市场，这是不可阻挡的趋势。但这不是末日，而是新的开始。这是一个重新想象工作本质的机会，一个重新定义价值创造的机会，一个建立新型企业和新型经济的机会。对于那些准备好拥抱这场变革的人来说，前方有无限可能。
