回答一个问题：AI 让你效率提升五倍，你要减少 80% 成本，还是做五倍的事？

当 AI 把一个团队的生产力放大五倍，你可以减少八成人力，维持原本产出；也可以维持人人数，做五倍的事。这个选择，正在全球企业的会议室里同时发生，而且没有标准答案。

2025 年 7 月，黄仁勳在 CNN 专访中被问到 AI 是否会造成白领失业时，给出一个极为直接的回应：如果世界没有新的创意，AI 带来的生产力提升最终只会转化为失业。问题不在 AI，而在于决策者是否具备想象力。如果世界没有新的创意，AI 带来的生产力提升最终只会转化为失业。

而历史早就证明，效率提升从来不会让需求减少。19 世纪提出的杰文斯悖论指出，当技术提升效率、降低成本，需求不但不会下降，反而会成长。这条规律，在每一次技术革命中都重复出现。

杰文斯悖论：效率提升不会让需求变少，反而增加需求

直觉上，效率提升会让需求变少，就像 Google 推出 TurboQuant 演算法，将大型语言模型的内存占用压缩至少 6 倍，同时在不牺牲模型准确率的前提下，将推理运算速度提升最高达 8 倍。市场迅速将这项技术解读为“需求侧破坏”，但历史从来不是这样运作。

(Google 新技术吓坏市场，AI 内存需求少六倍！SK 海力士、美光同步下杀)

在 a16z Podcast 中，BOX 共同创办人 Aaron Levie 指出，当前市场最大的误判，是用旧世界的方式去理解 AI：“现在最大的问题是，所有人都在试图计算经济模型，但他们对机会的规模至少低估了一个数量级。”

这种错误其实发生过很多次。PC 时代，人们以为算力是一个有限市场；云端时代，人们以为只是把既有服务器搬到别人的数据中心。但真正发生的是：没人想到，人们会使用一千倍的资源。

这就是杰文斯悖论在现代的版本：当成本下降，需求不是减少，而是爆炸。

Excel 的案例：低阶执行被压缩，高阶决策被放大

AI 也是一样。当模型变便宜、变快，市场第一时间会以为需求缩水，但真正发生的是使用场景爆炸。而这种爆炸，会直接改变人类的工作方式。

技术革命从来不会直接取代人，而是把人往更高层的抽象移动。他用试算表的例子说明这个过程：一位刚进银行工作的 MBA，最初并不会用试算表，因此需要一整群实习生替她操作。但几年后，她与同侪全部变成能操作试算表的人，原本那一层工作直接消失，整个抽象层往上移了。

AI 正在复制这个过程。低阶执行会被压缩，高阶决策与系统整合会被放大。

如果没有创意，AI 带来的生产力才会转化为失业

这种变化已经不再是理论，他提到一个案例：一名 Anthropic 的营销人员，利用 AI 工具完成了过去需要五到十人团队才能完成的工作。甚至可以说是一个人，用 Claude Code 自动化了原本五到十个人的工作。

但这个案例的关键在于能力。Levie 指出：“你必须是一名系统思考者，才有办法做到这件事。”AI 并没有让每个人变强，而是让懂得拆解系统的人，获得极大的杠杆。工作本身没有消失，而是被重新定义。

这也回扣到去年黄仁勳被问到 AI 是否会造成白领失业时，给出的回应。大家都说 AI 导致失业潮，但工具只是让生产力翻倍，没本事拿去增加产出是任何的根本问题。

如果世界没有新的创意，AI 带来的生产力提升最终只会转化为失业。问题不在 AI，而在于决策者是否具备想象力。

Aaron Levie：未来一间公司的 agent 数量可能是员工的千倍

当这种模式扩展到企业层级，组织形态也会随之改变。

Levie 在 Podcast 中提出一个关键预言：未来一间公司的 agent 数量，可能会是员工的 100 到 1000 倍。而如果你的 agent 比人多一百到一千倍，你的软件就必须为 agent 而建。

这意味着企业竞争力的来源正在转移，你的企业表现，会取决于你的 agent 能多有效地获取信息并完成任务。”因此，软件产业的问题也被重新定义。API 是否开放、权限与身份如何管理、数据如何被调用，这些都成了核心能力。在这个架构下，员工不再是唯一的生产单位，agent 变成主要执行者，而人类转向设计与协调。

从 Levie 的观点来看，之前报道的 Paperclip 可能是相当前瞻的 AI 工作场景。

如果 OpenClaw 是一名 AI 员工，那 Paperclip 就是整间公司的管理系统。使用者可以设置公司目标、建立组织架构、招募不同类型的 AI agents (比如 OpenClaw、Cursor、Codex)，并让它们像公司团队一样分工协作。人类在这个系统中的角色更接近董事会，只需要设置策略、批准重大决策与监控预算，其余工作则由 agents 自动完成。

(一人公司算什么？爆红开源 AI 专案 Paperclip 让你打造“零人力公司”)

你不可能 vibe coding 出 SAP

但这场转变不会一夜完成。Levie 也明确提醒：“AI 能力的扩散会比硅谷想象的更慢。”原因在于企业并非从零开始，大量知识分散在流程、系统与组织中，而不是单纯的资料层。他更直言你不可能靠 vibe coding 做出 SAP。

更现实的问题在于，大多数人甚至无法清楚描述自己的工作流程，更不用说将其转化为可以被 agent 执行的系统。这也是为什么，目前要建立完整的 agent 系统，仍然需要高度技术能力。不过这个门槛正在快速下降，。

回到最初的问题。历史上，每一次技术革命，都有企业选择缩减成本，也有企业选择扩张能力。前者优化效率，后者创造市场。最终定义时代的，往往是后者。

AI 也是如此。问题从来不是它会不会取代人，而是你会不会用它去做更多的事。

这篇文章 回答一个问题：AI 让你效率提升五倍，你要减少 80% 成本，还是做五倍的事？ 最早出现于 链新闻 ABMedia。