a16z合伙人最新放话：下一代软件瞄准的不是千亿IT预算，而是13万亿美元的全球劳动力成本。我们拆解了这份26页内部Slide，发现“数字员工”正从三条战线同时登陆：AI客服吃掉30%外包呼叫中心、低代码RPA替掉50%运营文员、垂直Agent直接把律师助理、理财顾问打包上云。更震撼的是，他们预测2030年“人力即服务（HaaS）”市场规模将超6万亿，毛利率却高达80%。

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AlexRampell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。PS：我自己也正在做一个Vibecoding的项目，目前已经完成一轮融资，也聊了100位真实的海外用户，初步验证了PMF。我们从一个细分点切入，愿景是做下一代的软件，目前正在招募技术开发和产品的同学（可以到合伙人级别），全职或者实习都可以，欢迎有想法的朋友联系我。

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SabreSystems，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。BettyOwens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ACTSystems，1990年有GoldMine，1993年TomSiebel创立了SiebelSystems，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、JDEdwards、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PCLaw、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SuiteProfessional，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ARagingsummary（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：PlazaLaneOptometry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。PlazaOptometry可能每年只花500美元在软件上，大概有一个MicrosoftOffice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，PlazaLaneOptometry，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HappyRobot，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MicrosoftOffice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vibecoding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YogiBerra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：”SoftwareisEatingLabor”（软件正在吞噬劳动力）。这个标题呼应了MarcAndreessen十多年前的文章”SoftwareisEatingtheWorld”（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。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。‍