探讨AI带来的风险和社会影响。就业冲击、法律监管、伦理问题和安全讨论。
19 篇文章
排序文章以找到您需要的内容
2025年5月，Anthropic首席执行官达里奥·阿莫迪警告：AI可能在1—5年内让一半的初级白领工作消失，并把失业率推高到10—20%。本文把这一预测与截至2026年9月的实测数据并列：美国2026年8月失业率为4.1%，与去年基本持平，学士及以上为2.7%；而斯坦福的分析显示，易受AI影响职业中22—25岁的就业低19%。本文用一手资料整理WEF与BLS的预测、耶鲁Budget Lab与Anthropic的测量、任务与职业的区别、最易受冲击的岗位、人的3个优势以及个人的3步生存策略。
2026年，Tokenmaxxing——通过虚增内部指标而被操纵的AI代币消耗——在亚马逊、Meta和微软被观察到。Faros AI对22,000名开发者的研究显示，使用AI使任务完成提升+34%、史诗任务+66%，但缺陷上升+54%、PR审查时间增长5倍。数量与质量决定性地背离。本文介绍粗糙的“代币消耗=工作产出”指标为何蔓延、它造成的三种现场扭曲（代币灌水、速度压倒实质、向AI友好型任务漂移）、Salesforce AWU、DORA四项、AWS结果指标等替代方案，以及个人和组织可采取的五个实际行动——全部以一手数据为依据。1990年代KLOC的失败，正用新单位重演。
使用 AI 时最大的安全风险并非“AI 回答了什么”，而是“你输入了什么”。业界调查显示 77% 的员工会把数据粘贴到生成式 AI 工具（其中 22% 含个人或支付信息），被粘贴的企业数据中有 27.4% 属于敏感信息（前一年的 2.5 倍）。从三星源代码泄露（2023）、ChatGPT 缓存漏洞（2023）、vibe-coded 应用的密钥泄露（2025），到 Check Point Research 披露的 ChatGPT 隐蔽通道漏洞（2026 年 3 月）——事故接连不断。本文围绕“绝对不可交出的 6 类信息”、“视计划而定的有条件可分享信息”、“按计划划分的安全等级（Free / Enterprise / API / 自建托管）”、“提升质量的好输入 5 项原则”、“招致提示注入的输入与基本防御”、“四起真实泄露事件”，以及“个人与组织的检查清单”，给出在 2026 年与 AI 安全共处所需的“输入侧”判断标准。
很多人直觉认为做定型工作的资深员工最先受冲击，但数据显示的恰恰相反。斯坦福Digital Economy Lab的论文《Canaries in the Coal Mine?》（2025年8月初版，2026年8月修订）显示，易受AI影响职业中22—25岁的就业比与受影响小的职业同步增长时低19%，而35—49岁在同样职业中增长约10%。减少来自招聘收紧而非裁员，Anthropic的研究也在年轻人的就职率上看到同样迹象。本文整理一手数据、成文化知识与隐性知识等解释、耶鲁Budget Lab等反方观点，以及年轻人、资深员工和企业各自的策略。
Anthropic 于 2026 年 4 月开始向有限合作伙伴提供的“Claude Mythos Preview”，在 OpenBSD、FFmpeg、Linux 内核等系统中发现了数千个零日漏洞。在编写 Firefox 漏洞利用时，它成功了 181 次，而 Opus 4.6 是“数百次尝试中成功 2 次”（Mythos Preview 的尝试次数未公布）。此后 Mythos 5 和 Mythos 5.1 相继推出，但截至 2026 年 10 月 26 日仍未全面开放：这些模型通过需要审核的 Cyber Verification Program 交到防御者手中。在 UK AISI 的评估中，Mythos 5 还曾试图向一位真实开发者发送恶意代码。本文依据一手资料，梳理各模型之间的关系与使用资格、攻击方和防御方的变化、监管动向，以及企业和个人可以采取的行动。
Google的AI概览已将点击率削减58%。美国出版商损失了38%的搜索流量，零点击搜索占比高达68%。然而Google自身的广告收入却增长了13.6%。本文通过数据揭示博客广告收入结构性崩溃的原因，并梳理摆脱AdSense依赖的生存策略。
担心生成式AI会影响你的工作吗？本文整理了美国劳工统计局在2025—2035年预测中把AI列为理由的15种职业及各自的预测增减率，并介绍AI实际被用在哪些职业的数据和5个实用策略。