WAIC观察笔记：AI不是先替代人，而是先拆开每一份工作

AI不是替代人，而是拆解工作

2026年的AI确实比2025年能打多了。机器人会踢球、叠衣服、整理客厅，也开始进工厂和药房；各种Agent也不再只是聊天，它们开始接过一整段工作。但AI不是先替代一个人，而是先拆开一份工作。这个判断在WAIC展会现场得到更清晰的体感，并显现出三个更大趋势。

AI正在变成共同基础设施

AI正在从一个行业，变成所有行业共同的基础设施。过去说起AI，想到的是大模型公司、算法公司、互联网大厂；但今年展会上出现了瑞幸、伊利、欧莱雅，以及国家电网、南方电网、气象局等机构。

瑞幸展示的不只是会聊天的点单助手，更是用AI从选豆到做新品、安排仓配、给门店订货；伊利给每头牛建数字身份证，记录吃喝睡产奶数据；南方电网让无人机和机器狗巡检管线，并在数字世界预演高风险操作。

它们当然不是突然变成AI公司，而是AI正在变成每家公司都要有的一层能力。这很像当年的互联网——银行、餐馆、工厂都被它重新做了一遍。如今，哪怕是夜市小摊也用微信和支付宝扫码支付。AI也在走这条路：再往后，AI将如Wi-Fi一样成为所有公司的基础设施，每家公司都是AI公司。

所以，普通人未必要辞掉现在的工作、扔掉过去十年的积累再去学算法。更现实的机会，很可能就藏在你原来的行业里。谁最了解真实业务，又最早学会把AI接进去，谁就可能成为那个行业的新物种。

行业评价AI的尺子变了

行业评价AI的尺子正在变，从“谁更聪明”，变成“谁能稳定把活干完”。前几年最常问的是模型多大、跑分多少、生成效果好不好；今年展馆和论坛反复出现的却是：能不能稳定运行，能不能进入生产系统，失败后能否自恢复，成本能不能算过来，有没有客户愿意付钱。

据得到大脑知识库对一千多家参展主体的梳理，大模型相关企业中，83家把Agent和智能应用当成主要方向，仅18家以基础大模型为核心。这说明行业已不约而同地把AI应用当成核心方向。

AI偶尔做出一张惊艳的90分图片，和每天稳定交付一百张能用的75分图片，不是同一个能力；机器人叠好一次衣服，和连续工作八小时、遇变化还能调整，也不是同一个能力。

聪明决定它能不能上桌、让我们看到它，但稳定决定我们敢不敢把事情交给它。

当AI从聊天框进入物理世界，难度陡增：文字写错可删重来；但生产线上机器人抓错零件，可能停整条产线；医疗AI写错病历，医生要担责；电网预测偏差，影响大片用户。因此，AI进入物理世界，光靠模型变聪明远远不够，还需传感器、真实数据、安全制度及明确责任归属。

AI进步得特别快，但现实世界改造得特别慢。正因为慢，机器人最先接手的不会是整个家庭，而是环境固定、动作重复、危险性高的工作，比如高压线上补插销、进火场探路——人少进去一次，就少冒一次险。

AI会把工作一块块接走

AI不会先消灭一个职业，而是会把一份工作拆成很多小块，然后一块一块接过去。

流水席直播中，新材料研发者提到：过去优化一个橡胶或聚氨酯配方需六七个工程师反复试验六十多天；现在AI从历史数据筛选配方，一个工程师两三天就能完成。工程师并未消失，只是不再耗大部分时间在重复试错上——他要告诉AI解决什么问题、哪些指标不能牺牲，再判断配方能否进真实工厂。

国际货代嘉宾表示：过去新人学两个月才能报价，一张单子查两小时；现在AI两分钟出报价。但货代并未没用，因为高货值货物出问题需专人负责；全球两百多个国家和地区间港口、船公司、本地代理的关系与信任，无法仅靠查资料自动建立。

医院场景同样如此：AI可听医生口述生成病历，并由另一模型核查错误，大量文书工作可交出；但真正诊疗决定仍由医生做出，责任也仍在医生身上。

AI先拿走的，是职业里那些能写成规则、能批量处理、能重复验收的部分。剩下来的，是提出问题、处理例外、判断结果、建立信任和承担责任——这些就是我们作为人的价值。

因此，每个人都要重新回答一个问题：在自己的工作里，我到底是执行动作的人，还是定义任务的人？

工作被拆开，也会长出新任务

工作被拆开，并不只是一些旧任务被AI拿走；一些以前没有的新任务也生长出来。

灵初智能在流水席直播中提到两个新岗位：数据采集师和数据审核师。有人戴着数据手套，一遍遍做抓取、叠衣服、插装，把手感教给机器人；再有人检查数据是否有效、动作是否标准。灵初智能嘉宾说，游戏打得好、手稳、操作灵活的人，反而可能特别适合这类工作。

最先进的机器人，背后仍需大量人一次次把动作做给它看。机器人不会凭空学会动作，都得有人在真实世界采集回来，再教给它。

AI跑得越快，那些真实数据、行业经验、现场手感，以及愿意下笨功夫的人，反而越值钱。

不过，这个趋势还有后半句：工作被重新拆分之后，工具越来越便宜，并不代表每个人都会得到同样的结果。联合国工业发展组织杰森·斯莱特在7月19日论坛中提出“能力鸿沟”概念：AI鸿沟已不只是能否接触技术，更是有无制度、技能、基础设施和专业知识去有效使用AI。

两个人都能打开同一个AI：一人偶尔让它改改文案、问几个问题；另一人则把自己的资料、经验、工作步骤和验收标准全接进去，让AI每天替自己完成一段工作。表面上都在用AI，实际形成的能力差距可能已不在同一量级。

笨功夫，是最重要的护城河

一份工作本来就是很多动作、判断和责任的组合。AI不会一夜之间替代一个职业，而是会一点一点拿走其中适合自动化的部分。

哪些事情是重复动作，可以直接交给AI？
哪些需要专业判断，可以让AI先做参考？
哪些涉及关系、信任和责任，必须掌握在自己手里？

AI当然会让一些旧工作消失，也会长出一些今天还叫不出名字的新工作。但我越来越相信，那些能提出好问题、能判断结果、懂真实世界、还愿意为结果负责的人，不会因为AI变得更便宜。

恰恰相反，AI跑得越快，我觉得咱们的笨功夫越贵。你对一个行业长期积累的理解，你在真实现场一点点摸出来的经验，你和客户建立起来的信任，你一次次失败后留下的复盘和判断——这些数据和洞察，AI从其他地方根本找不到。

这些活人感的笨功夫，可能就是我们在AI时代最重要的护城河。