科技巨头裁员引发AI脑炸与效率幻觉

科技巨头裁员引发AI脑炸与效率幻觉 大企业激进裁员并斥巨资投入AI并未带来预期的宏观生产力提升，反而因频繁切换工具和调试错误代码导致员工深度过劳与实际工作效率下降。 视频深入探讨了2026年第一季度科技行业在AI浪潮下的剧烈震荡：一方面是全球科技巨头借AI概念大举裁员，但另一方面非代码类AI岗位却涌现出巨大缺口与高达56%的薪资溢价。《哈佛商业评论》等最新研究戳破了效率神话，揭示了留任员工因高频切换和监督AI而陷入“AI脑炸”与精神透支的隐形残酷真相。尽管宏观生产力红利仍需时间显现，但激进用AI替代人工的企业已开始面临质量下滑的反思，未来职场的关键在于正确利用单一工具减负并转型为懂行业又懂AI的复合型人才。 2026年第一季度科技行业裁员超5.5万人，Meta等巨头被指借“AI洗绿”掩盖业务调整并将资金转投AI基建，与此同时AI也催生了约130万个全新岗位。 (0:00) 当前掌握AI技能者的薪资平均溢价达56%，甚至超过硕士学位，催生出AI伦理官、AI产品经理等高薪非代码岗位，全球人才缺口高达600万至800万个。 (1:49) 哈佛与BCG研究指出，高频切换与监督AI工具引发了超出认知负荷的“AI脑炸”现象，83%的受访员工经历过劳，适应并证明使用AI已演变为沉重的第二份工作。 (10:27) 严格实验显示使用AI辅助编程的实际完成速度比不用慢了19%，且超80%的企业高管反映AI对过去三年生产力无衡量影响，再次呈现早期的“索洛悖论”。 (17:26) 随着盲目裁员后遗症显现，90%的雇主开始转向劳动力重新配置而非单纯替代人工，IBM等大厂也反向加倍招聘年轻员工以防止未来管理层出现人才断档。 (23:14)

博主Alan Chen指出，2026年科技行业呈现出裁员与AI新岗位激增并存的矛盾景象；然而，哈佛商业评论与多项调研揭示，留下来使用AI的员工正陷入“AI脑炸”与生产力幻觉的困境，企业与劳动力正处于痛苦的技术磨合期。 裁员潮下的“AI洗绿”与薪资溢价 (0:00) 2026年第一季度全球166家科技公司裁员逾5.5万人，Meta、Block、Atlassian等巨头削减大量岗位。博主指出这背后存在“AI洗绿”现象，部分企业借AI叙事掩盖业务不佳并拉抬股价，省下的人力成本转而投向巨额AI基建。与此同时，领英报告显示AI创造了130万个新岗位及逾60万个数据中心岗位，全球AI相关岗位缺口达600万至800万个。 高薪AI岗位不再局限于程序员，AI伦理官年薪达9.5万至22.5万美元，AI产品经理等非代码岗位同样紧俏。普华永道数据显示，同等条件下具备AI技能者的薪资平均高出56%；世界经济论坛也发现AI技能带来的溢价达23%，超过硕士学位的13%。然而，全球仅5%的劳动力达到AI熟练水平，且企业AI培训预算不增反降18%。 哈佛研究揭穿神话：过载与“AI脑炸” (10:27) 加州大学伯克利分校研究员在《哈佛商业评论》发表的一项为期8个月的追踪研究显示，员工初期使用AI工作确实体验到产出膨胀的快感，但到第6个月便出现大面积疲惫、焦虑和决策瘫痪。AI抹去了工作的停顿边界，使人陷入持续待命状态。 波士顿咨询将这种超出大脑认知承受极限的精神疲劳定义为“AI Brain Fry（AI脑炸）”，其根源在于构思、校验输出对错以及在人机之间高频切换认知。DHR Global数据显示，52%的员工因透支而削弱工作投入度，83%经历过过劳。此外，管理层期待随工具产出速度而水涨船高，部分企业如埃森哲甚至监控AI登录频次，迫使员工承担学习和演示AI的“第二份隐形工作”。 主观快感掩盖下的“生产力幻觉” (17:26) METR的一项随机对照实验表明，经验丰富的程序员在使用AI后主观认为自己快了20%，但客观测试却比不用AI慢了19%。这种近40个百分点的鸿沟，源于程序员将大量隐形时间消耗在调试提示词、审查逻辑及修复“差一点就对了”的代码上。Stack Overflow调查指出，45%的程序员认为调试AI代码极度耗时，仅3%高度信任其输出。 宏观层面同样显现出“索洛悖论”。NBER调查显示，超80%的受访企业CEO认为过去三年AI对生产力无任何可衡量的影响。阿波罗资产管理经济学家表示宏观数据尚未体现AI红利。前期激进用AI替代人工的企业也出现反弹，如Klarna在裁掉700名客服后因质量下滑重新招人，调研显示55%用AI替代人工的公司最终感到后悔。 磨合期生存策略与人才结构修正 (23:14) 博主认为当前行业类似1973至1995年计算机普及初期的漫长磨合期，2.5万亿美元的AI支出仍处于铺路阶段。要在周期中规避内耗，波士顿咨询建议职场人避免同时监控多个AI工具，应专注使用单一工具处理重复机械的初稿与摘要，并将节省的时间留给深度思考和休息。 企业端对全盘AI化的盲目推进也在调整。IBM逆势将年轻员工招聘数量增加两倍，其管理层指出砍掉入门级岗位将导致未来中高层管理人才断档。万宝盛华调查表明，90%的雇主引入AI旨在重新配置岗位而非单纯消灭人头，未来市场稀缺的将是深耕业务并能有效驾驭AI的复合型人才。 博主总结认为，AI革命正处于生产力红利显现前的阵痛颠簸期；技术本身不会直接消灭人类岗位，但未能适应新工作模式与合理管控认知负荷的个人和企业，将面临被洗牌的风险。

[0:00] 扎克伯格（Mark Zuckerberg）: 以前需要一个团队的项目，现在一个非常优秀的人就够了。 [1:49] 杰克·多西（Jack Dorsey）: 智能工具改变了建设和运营一家公司的含义 [1:49] 有AI技能的人比没有AI技能的人，薪资平均高出56% [10:27] 一位咨询策略师: 通常在全天使用AI之后，到了某个时候，我会感到一种精疲力竭，这种精疲力竭是我在AI出现之前的普通工作日里从来没有体验过的。 [10:27] 埃森哲员工: Broken Slop Generator（垃圾生成器） [17:26] 阿波罗资产管理（Apollo）首席经济学家: AI无处不在，除了在宏观经济数据里。 [23:14] 波士顿咨询（BCG）: 一只手同时拿5把刀 [23:14] IBM首席人力官: 如果你把入门级岗位全砍了，5年之后就没有中层管理者，10年之后就没有高层候选人了。

[0:00] 2026年第一季度 [0:01] 美国五万五千个科技岗位失业了 [0:03] 上周五的消息啊 [0:04] Meta刚裁员2万人 [0:06] block之前裁了40% [0:08] Atlanssia一夜之间裁掉了1,600人 [0:10] 连CTO都走了 [0:12] 扎克伯格说了一句话 [0:13] 这句话你一定要听清楚 [0:14] 他说以前需要一个团队的项目 [0:17] 现在一个非常优秀的人就够了 [0:19] 你听到这句话是什么感觉 [0:21] 一定很慌 [0:21] 对吧但是今天呢 [0:23] 我肯定不是来贩卖焦虑的 [0:25] 因为 [0:25] 我去LinkedIn上翻了一份最新的报告 [0:27] 上面写着另外一个数字130万 [0:30] 这是AI在同一时期创造的新岗位数量 [0:34] AI工程师数据标注师前线部署工程师 [0:37] 全是三年前不存在的工种 [0:40] 55,000和130万 [0:42] 这两个数字同时存在 [0:44] 今天这期视频 [0:45] 我要告诉你的 [0:45] 不是被裁的人有多惨 [0:47] 或者是新岗位很多 [0:49] 这种你已经听了100遍的东西了 [0:51] 我要给你看第三组数据 [0:53] 这组数据呢 [0:54] 是来自哈佛商业评论 [0:55] 上个月刚发的一项新研究 [0:57] 几乎没有中文媒体报道过 [0:59] 它讲的是留下来的那些人 [1:01] 那些没有被裁 [1:02] 正在用AI工作的人 [1:04] 他们怎么样了 [1:05] 答案呢可能让你不舒服 [1:07] 因为我自己也是其中之一 [1:09] 我每天都在用AI做内容 [1:11] 做研究做分析 [1:12] 按道理来说 [1:13] 我的效率应该越来越高 [1:14] 我应该越来越轻松才对 [1:16] 但事实恰恰相反 [1:18] 我每天都觉得时间不够用 [1:20] 我比不用AI的时候更焦虑 [1:22] 更忙更累 [1:23] 我一直以为是我自己的问题啊 [1:25] 直到我看到这个研究 [1:27] 才发现这不是我一个人的感受 [1:29] 上期视频呢 [1:30] 我们聊过 [1:30] GDP被下修到0.7% [1:32] 非农呢 -9.2万人 [1:34] 经济在收缩 [1:35] 公司在裁人 [1:36] 但是今天我要告诉你 [1:38] 这个故事还有更深的一层 [1:39] 不只是失去工作的人在痛苦 [1:41] 留住工作的人 [1:42] 正在经历一种全新的看不见的折磨 [1:46] 大家坐稳扶好 [1:47] 先赞后看 [1:48] 好运不断 [1:49] 我们先看残酷的第一面啊 [1:51] 2026年第一季度 [1:52] 全球166家科技公司裁员超过了55,000人 [1:56] 其中大约呢20%裁员呢 [1:58] 在报告里面写的非常的明确 [1:59] 四个字因为AI [2:01] 最大那一刀呢 [2:02] 是来自Meta [2:03] 也就是上周末刚出的消息 [2:05] 3月13号 路透社报道 [2:07] 扎克伯格计划裁掉至少20%的员工 [2:10] 差不多15,800人 [2:12] 注意啊Meta可不是亏损啊 [2:14] 今年股价呢 [2:15] 还这个打仗之前还是涨的呢 [2:17] 他在赚钱 [2:18] 但呢他还是要裁人 [2:20] 原因就是 [2:21] 他要把钱砸到AI数据中心里去 [2:23] 总预算6,000亿美元 [2:25] 裁人不是因为养不起 [2:26] 是因为他要把养人的钱拿去养AI [2:30] 小扎那句话我再念一遍啊 [2:31] 以前需要一个大团队的项目 [2:33] 现在一个非常优秀的人就能完成 [2:36] 你仔细品品这句话 [2:38] 他不是在畅想未来 [2:39] 他是在描述此时此刻正在发生的事情 [2:42] 而且在他的眼里呢 [2:43] 这件事情已经发生了 [2:45] block的Jack Dorsey更直白 [2:47] 他把公司从1万人砍到不剩6,000 [2:49] 接近40%没了 [2:51] 这句话呢 [2:51] 是迄今为止所有科技公司CEO里面 [2:54] 说的最不遮蔽的 [2:55] 他说智能工具 [2:57] 改变了建设和运营一家公司的含义 [2:59] 他连AI两个字都懒得用 [3:01] 直接用的是智能工具 [3:03] 意思是这 [3:04] 不是什么前沿科技的讨论 [3:05] 是工具已经到手了 [3:07] 我用了人少了 [3:09] 就这么简单 [3:10] Adler一个做JIRA和conference的那家公司啊 [3:12] 可能有些做程序员开发的朋友 [3:14] 每天都在用它 [3:15] 一次性裁了1,600人 [3:17] 10%的员工 [3:18] CEO说的是 [3:19] AI从根本上 [3:20] 改变了我们需要的技能组合 [3:23] 然后呢CTO也走了 [3:24] 重组费用2.36亿美元 [3:27] 想象一下这个画面啊 [3:28] 一家做项目管理工具的公司 [3:31] 用AI管理自己公司的人头预算 [3:33] 结论是砍掉1/10 [3:36] 这还只是裁员比较大的公司啊 [3:38] 亚马逊1月份裁了16,000人 [3:39] Pinterest裁了700人 [3:40] 占15% 总数加起来 [3:42] 166家公司 [3:44] 55,000人 [3:45] 这几万几万的不只是数字 [3:47] 是周一早上去到办公室 [3:48] 发现门禁卡刷不了的那种感觉 [3:51] 是打开公司邮箱 [3:52] 第一封邮件 [3:53] 就是HR发的重组通知的那种感觉 [3:56] 你前一天还在和同事开会 [3:57] 讨论项目进度 [3:58] 第二天那个同事就不在了的那种感觉 [4:01] 之前呢我做过一期视频 [4:02] 专门聊这个事儿 [4:03] 叫AI洗绿 [4:04] 对吧AI washing [4:06] 什么意思呢 [4:06] 就是公司本来就要裁员 [4:08] 可能是因为业务不好 [4:09] 可能是管理层决策失误 [4:11] 但是裁员公告一出来 [4:12] 统一口径就是因为AI [4:14] AI成了一块遮羞布 [4:16] 因为只要说AI [4:18] 股价就涨 [4:19] 华尔街呢 [4:19] 就鼓掌 [4:20] 但是这55,000人里面 [4:21] 有多少是被AI替代的 [4:23] 有多少是被AI洗绿的 [4:25] 谁也说不清 [4:26] 但是结论是一样的 [4:28] 人走了更讽刺的是 [4:30] Meta在裁了15,800人的时候 [4:33] 同时收购了一家叫Moltbook的 [4:35] AI社交网络初创 [4:36] 公司之前我们视频也讲过啊 [4:38] 一手裁员 [4:39] 一手买AI [4:40] 钱呢并不是没有 [4:42] 只是不再花在人身上了 [4:43] 2月份美国非农就业呢 [4:45] 是负的9.2万 [4:46] 联邦政府自去年1月以来 [4:48] 已经减少了32.7万个岗位 [4:51] 上个季度呢 [4:52] GDP被下修到0.7% [4:54] 高盛呢已经把衰退的概率上调到了25% [4:57] 宏观在收缩 [4:58] 公司在裁人 [4:59] 就业市场在冷却 [5:01] 就这三件事同时发生 [5:03] 是 [5:03] 如果你只看到这个数字就关掉视频 [5:05] 你会错过一个很重要的另一面 [5:07] 因为在同一时期呢 [5:08] 另一件事情也在同时发生 [5:10] 只不过它没有裁员那么刺激 [5:12] 所以没有多少人在讲 [5:13] 领英今年1月 [5:14] 和世界经济论坛联合发了一篇报告 [5:17] 显示啊AI已经直接创造了 [5:19] 超过130万个全新的岗位 [5:22] 什么AI工程师前线部署工程师 [5:25] 数据标注师 [5:26] 这些岗位三年前呢 [5:27] 是根本不存在的 [5:28] 另外还有超过60万个 [5:30] 和AI相关的数据中心岗位被创造出来 [5:33] 加在一起呢 [5:34] 差不多200万个 [5:36] 这里面呢 [5:36] 有一个认知误区需要被打破 [5:38] 很多人一听AI岗位 [5:40] 就觉得那是程序员的事 [5:42] 跟自己没啥关系 [5:43] 但实际上 [5:44] 2026年AI招聘里面 [5:45] 有很大一块是不需要你会写代码的 [5:48] AI伦理官 [5:49] 负责确保AI系统的公平性和合规性 [5:52] 年薪9.5万到22.5万美元 [5:55] AI产品经理 [5:56] 负责把AI能力翻译成产品功能 [5:59] 不需要自己写算法 [6:00] AI培训师教AI理解人类意图 [6:04] 本质上是在做沟通和质量控制 [6:06] 这些岗位需要的是思考能力 [6:08] 沟通能力和对AI [6:10] 基本的理解 [6:11] 不是写Python [6:13] AI工程师这个头衔 [6:14] 在领英上的三年增长率呢 [6:15] 是143% prompt engineer增长了136% [6:20] AI内容创作者增长了135% [6:23] 这三个 [6:23] 都是全平台增长最快的岗位类型之一 [6:27] 全球AI相关岗位的缺口有多大呢 [6:30] 有行业估算说 [6:31] 大约是600-800万个需求 [6:34] 是供给的将近10倍 [6:35] 这是一个巨大的空窗 [6:38] 但更关键的数字呢 [6:39] 不是岗位数 [6:40] 是薪资 [6:41] Pwc去年做了一个大规模的分析 [6:43] 样本是来自六大洲 [6:44] 将近10亿条招聘广告 [6:47] 他们发现了一个惊人的数据 [6:48] 同一个岗位 [6:49] 有AI技能的人比没有AI技能的人 [6:52] 薪资平均高56% [6:55] 注意啊 [6:55] 这56%不是说AI岗位比非AI岗位高 [6:59] 而是你和另外一个做完全一样工作 [7:02] 职位一样 [7:03] 行业一样 [7:03] 公司也一样 [7:04] 唯一区别就是 [7:06] 他有AI技能 [7:07] 你没有他的薪资就比你高56% [7:10] 而且这个数字呢 [7:11] 在加速前年呢 [7:12] 只是25% 一年翻了一倍多 [7:15] Google今年2月份做了一个联合调研啊 [7:17] 他们发现 [7:18] 在AI工具达到熟练水平的人 [7:21] 获得加薪的概率 [7:22] 是不熟练的人的4.5倍 [7:24] 获得升职的概率呢 [7:25] 是4倍 [7:26] 世界经济论坛的研究 [7:27] 甚至发现了一个更令人吃惊的事情 [7:30] 就是AI技能带来的薪资溢价 [7:32] 已经超过了硕士学位 [7:34] AI技能溢价是23% [7:35] 硕士学费是13% [7:37] 换句话说 [7:38] 你花两年读一个硕士 [7:40] 带来的加薪幅度 [7:41] 不如你花两个月学会用AI [7:44] 而且这里面还有一个细节 [7:45] 很多人没注意到啊 [7:46] AI技能甚至可以抵消年龄 [7:48] 和学历的劣势 [7:50] 有AI技能 [7:51] 年龄呢偏大的求职者 [7:53] 简历回调率显著提升 [7:55] 没有大学学位但有AI证书的人 [7:57] 面试机会呢 [7:58] 也明显增加 [7:59] 市场现在看的不是你的简历有多漂亮 [8:02] 是你能不能用AI把活干了 [8:04] 这里还有一个数字很关键啊 [8:05] 达到AI熟练水平的人 [8:08] 在全球劳动力占比是多少呢 5% [8:11] 在过去12个月里 [8:13] 接受过雇主提供的AI培训的人呢 14% [8:17] 而且这个比例还在下降 [8:18] 去年 [8:19] 是35%的公司提出正式的AI培训项目 [8:22] 今年呢掉到了26% [8:24] 公司在AI工具上花的钱呢 [8:26] 涨了23% 花在培训人用AI上的钱降了18% [8:31] 56%的薪资差距 [8:33] 但只有5%的人拿到了 [8:35] 剩下95%的人 [8:37] 不是因为学不会 [8:38] 是因为没有人教他们该学什么 [8:41] 你有没有觉得 [8:41] 这里面有个很荒谬的矛盾啊 [8:43] 就是公司一边裁人说AI可以替代你 [8:46] 一边呢不花钱教你怎么用AI [8:49] 一边要求你用AI提高产出 [8:51] 一边呢削减AI培训的预算 [8:54] 你自己想学呢 [8:55] Linkdin上的课程多到你选择困难 [8:57] 但是你不知道哪些是有用的 [8:59] 哪些是在贩卖焦虑 [9:01] 世界经济论坛估计啊 [9:02] 全球有1.2亿人 [9:04] 在未来几年内面临被淘汰的风险 [9:06] 原因不是他们不想学新技能 [9:08] 而是他们不太可能获得他们需要的 [9:11] 再培训需求在这里 [9:13] 意愿在这里 [9:14] 但是通道没有建好 [9:16] 这就是为什么 [9:17] 那5%的人拿走了不成比例的回报 [9:20] 不是因为他们更聪明 [9:21] 是因为 [9:22] 他们在一个95%还没有上车的市场里 [9:25] 任何早到的 [9:26] 人都会被高价争抢 [9:28] 说到这5%呢 [9:29] 我想起一件事啊 [9:30] 就是今年年初 [9:31] 我在好几期视频里都在说 [9:33] 赶紧去学AI啊 [9:35] 不用等其实也没有年初啊 [9:36] 就是一两个月前啊 [9:38] 当时有些观众觉得我在贩卖焦虑 [9:40] 也有人真的听了进去 [9:41] 开始每天花一两个小时 [9:43] 练习用AI做自己的工作 [9:46] 现在一个月半个月过去了啊 [9:48] 当时听了的人呢 [9:49] 现在应该多多少少 [9:50] 都感受到一些变化了 [9:52] 哪怕只是哦 [9:53] 原来这个是AI也能帮我做的 [9:55] 这种小小的体感 [9:56] 我之前还做过一视频啊 [9:58] 让大家给未来的自己写一封信 [10:00] 如果你当时真的写了 [10:01] 现在呢就可以拿出来看一看 [10:03] 才过去一个多月啊 [10:04] 你再读那封信的时候 [10:05] 心境可能已经不一样了 [10:08] 那时候写的是焦虑和决心 [10:10] 现在再看呢 [10:11] 可能发现有些事你确实做到了 [10:13] 有些事情呢 [10:13] 你还没做到 [10:15] 这个就对了 [10:15] 因为这不是一次性的事 [10:17] 这是一个持续的过程 [10:18] 50%的溢价不是一天就能学出来的 [10:21] 但是如果你每天都不学 [10:24] 你和那5%的距离呢 [10:25] 就更远一点 [10:27] 如果你觉得故事到这里就讲完了 [10:28] 坏消息是裁员 [10:29] 好消息是机会 [10:31] 然后结论是赶紧学AI [10:32] 那你只是肤浅了啊 [10:34] 只看到了故事的前两面 [10:36] 还有第三面 [10:37] 这一面呢 [10:37] 比裁员更安静 [10:38] 比涨薪更隐蔽 [10:40] 但是 [10:40] 它正在发生每一个留下来的人身上 [10:43] 包括我自己 [10:44] 上个月UC Berkeley的两位研究员 [10:46] 在哈佛商业评论里发了一份研究啊 [10:49] 他们花了8个月的时间 [10:50] 驻扎在一家200人的美国科技公 [10:53] 司里每周去两天 [10:54] 读他们的内部slack频道 [10:56] 做了超过40场深度访谈 [10:58] 覆盖了工程产品设计研究运营 [11:00] 各个部门 [11:01] 这家公司呢 [11:02] 给员工提供了AI工具 [11:03] 但没有强制使用 [11:04] 没有KPI考核 [11:06] 没有管理层的指令 [11:07] 没有你必须写AI生成代码这种要求 [11:10] 纯自愿研究者想看到是 [11:12] 当人自愿拥抱AI之后 [11:14] 到底会发生什么 [11:16] 前几个月的结果呢 [11:17] 都是所有人的预期那样 [11:18] 员工觉得特别爽 [11:20] 他们开始用AI做以前做不了的事 [11:23] 产品经理开始自己写代码 [11:24] 设计师呢 [11:25] 开始自己做数据分析 [11:27] 有人用AI呢 [11:28] 把本来要外包的工作呢 [11:29] 自己给干了 [11:30] 每个人的工作范围都在膨胀 [11:32] 产出在增加 [11:33] 公司呢也表扬他们 [11:35] 一切看起来都非常的美好 [11:37] 但是从第6个月开始 [11:38] 这个画风就变了 [11:40] 疲惫焦虑决策瘫痪的报告开始堆积 [11:43] 有人说自己明明产出更多了 [11:45] 但状态越来越差 [11:47] 有人说 [11:47] 工作和生活的边界越来越模糊 [11:50] 因为打开AI就可以继续干活 [11:52] 所以吃饭前呢 [11:53] 会习惯性的发一条PROMPT [11:55] 让AI先跑着 [11:56] 然后吃完饭回来再继续 [11:58] AI降低了开始工作的门槛 [12:00] 但也消灭了停下来的边界 [12:03] 一位工程师说一句话 [12:04] 我觉得讲出了很多人的心声啊 [12:06] 他说你原本以为用AI提高效率 [12:09] 就可以少干点活 [12:10] 但实际上 [12:11] 你没有少干 [12:12] 你干了一样多 [12:13] 甚至更多 [12:15] 一位每天用AI [12:16] 构建自动化系统的策略师 [12:17] 咨询师说的非 [12:18] 常直白啊 [12:19] 他说通常在全天使用AI之后 [12:22] 到了某个时候 [12:23] 我会感到一种精疲力竭 [12:24] 这种精疲力竭 [12:25] 是我在AI出现之前的普通工作日里 [12:29] 从来没有体验过的 [12:31] 有人总结过这件事背后的机制啊 [12:33] 它不是体力上的累 [12:34] 它是认知上的碎片化 [12:37] 你在和AI协作的时候 [12:38] 大脑在做三件事 [12:39] 一个是构思你想让AI做什么 [12:42] 第二个是评估AI做出来的东西对不对 [12:44] 第三个是 [12:45] 不断地在自己做和让AI做之间 [12:48] 做切换抉择 [12:49] 每一次切换呢 [12:50] 都消耗一点认知资源 [12:52] 一天下来 [12:52] 你可能切换了上百次 [12:54] 每一次都很小 [12:55] 但累积起来呢 [12:56] 就是一种前所未有的精神消耗 [12:59] 一位科技博主 [13:00] 把这个状态总结成一句话 [13:01] 就是你拥有的能力越多 [13:03] 你就越觉得必须使用它 [13:05] 然后你越使用它呢 [13:06] 你的注意力就越碎片化 [13:08] 注意力越碎片化 [13:09] 你真正完成的东西就越少 [13:12] 评论区留言啊 [13:13] 多少人有这种感觉啊 [13:15] 这是一个自我强化的循环 [13:17] 而且最麻烦的是 [13:18] 他感觉不像在恶化 [13:20] 他感觉你是在进步 [13:23] Hackernews上 [13:23] 一位程序员的评论 [13:24] 和这个简直一模一样 [13:25] 他说 [13:26] 自从团队全面转向了AI工作方式之后 [13:29] 期望值翻了3倍 [13:30] 压力翻了三倍 [13:31] 实际生产力呢 [13:32] 可能只涨了10% [13:34] 感觉领导层在拼命证明 [13:36] 他们投AI的钱花对了 [13:38] 而我们所有人都在努力配合这个表演 [13:40] 结果就是每天的工作时间更长 [13:43] 波士顿咨询团队呢 [13:44] 给这个现象起了个名字 [13:46] 叫AI brain Fry [13:47] 就是AI脑 [13:49] 炸 [13:49] 他们调查了将近1,500名美国全职员工 [13:52] 定义很精确AI工具的过度使用或监督 [13:56] 超出了你大脑的认知承受能力 [13:59] 而导致的精神疲劳 [14:01] 简单就是说 [14:02] AI给你超能力 [14:03] 但你的大脑还是昨天那个大脑 [14:05] 工具升级了 [14:06] c p u没升级 [14:08] 你以为装了涡轮增压就能飞 [14:10] 但发动机还是那台发动机 [14:12] 转速拉太高呢 [14:13] 还是会爆缸 [14:15] 你以为用了AI之后就可以准时下班 [14:17] 不当你可以在几秒钟内 [14:19] 生成一份初稿的时候 [14:20] 你的老板期待的不再是一份初稿 [14:22] 而是5份 [14:24] 当你可以更快的分析数据的时候 [14:26] 你的老板给你的不是更少的数据 [14:28] 而是更多的数据 [14:29] 当你可以用AI [14:30] 同时推进三个项目的时候 [14:32] 你的老板给你的不是更多的休息时间 [14:34] 而是第四个项目 [14:36] 一家媒体做了一个很精辟的总结啊 [14:38] 一个以前管3个项目的营销人员 [14:41] 现在管7个 [14:42] 一个以前专注一个功能的程序员 [14:44] 现在被要求同时推进多个功能 [14:47] 一个以前 [14:47] 一周发一到两篇内容的创作者 [14:49] 现在变日更了 [14:51] 比如说我活儿确实做完了 [14:53] 但是做活儿的人快被烧干了 [14:56] DHR global今年的劳动力趋势报告 [14:59] 给了一个宏观数据 [15:00] 52%的员工说 [15:02] Burnout正在削弱他们的工作投入度 [15:06] 去年这个数字是34% [15:08] 一年涨了接近20个百分点 [15:10] 83%的人说 [15:12] 自己至少经历某种程度的burnout [15:15] 就是透支烧干啊 [15:16] 排名第一的原因呢 [15:17] 就是工作量太大 [15:18] 排名第二的原因呢 [15:19] 就是工作时间太长 [15:21] AI本来不是用 [15:22] 来解决这两个问题的吗 [15:24] 怎么会让这两个问题变得更严重了呢 [15:27] 而且这件事最诡异的地方在于 [15:29] 它不像传统的过劳啊 [15:31] 传统的过劳 [15:31] 你知道自己在加班 [15:33] 你可能感知到我很累 [15:35] 但是这个AI Brain 呢 [15:36] 伪装成了一个成就感 [15:38] 你在用AI的时候 [15:40] 感觉自己很强大 [15:41] 感觉自己在进步 [15:42] 你不觉得自己在燃烧 [15:44] 你觉得自己在发光 [15:45] 直到有一天呢 [15:46] 这个灯啊 [15:47] 亮不起来了 [15:48] UC [15:49] Berkeley那项研究的原话是这么说的 [15:51] 这种循环呢 [15:52] 把自己伪装成进步 [15:54] 你突然能做以前做不到的事情了 [15:56] 你产出更多了 [15:57] 你被表扬了 [15:58] 他感觉不像过载 [16:00] 他感觉像赋能 [16:01] 直到他翻车 [16:03] 有个程序员在medium上写了一篇文章 [16:05] 管AI叫吸血鬼 [16:07] 它引用了一部美剧里的角色 [16:08] 啊这是一种能量吸血鬼 [16:10] 它不吸你的血 [16:11] 它吸你的精力 [16:13] AI呢就是这种吸血鬼 [16:14] 它不会让你流血 [16:16] 它会让你精疲力竭 [16:17] 而你在整个过程中 [16:19] 都以为自己在做有意义的事儿 [16:21] 另一个极端的例子呢 [16:22] 是艾森哲 [16:23] 这家将近80万人的咨询巨头 [16:26] 今年2月份开始 [16:27] 追踪高层员工每周登录AI工具的次数 [16:31] 并且呢 [16:31] 把它作为升职的考核指标之一 [16:34] 员工在内部 [16:35] 是怎么评价这些AI工具的呢 [16:37] 有人说那是broken slop generator [16:40] 垃圾生成器 [16:41] 但你不用不行 [16:42] 不用就升不了职 [16:44] 所以你看到两个极端啊 [16:45] Berkeley那家公司是完全自愿 [16:47] 结果呢人自己把自己用到burn out [16:50] 埃森哲呢 [16:51] 是强制推行 [16:52] 结果人被迫使用 [16:53] 垃圾工具 [16:54] 还要假装很有用 [16:55] 两种路径 [16:56] 同一个终点 [16:57] 都是精神疲劳 [16:59] 领英今年的一项研究呢 [17:01] 也说了同样的事儿 [17:02] 超过一半的职场人 [17:03] 觉得学习AI就要像第二份工作 [17:06] 不是因为AI难学 [17:07] 是因为你在正常工作之外 [17:09] 还要花时间研究AI [17:11] 适应AI向你的老板证明你在用AI [17:14] 这本身就是一种隐形的工作量 [17:17] 如果你觉得这期视频信息量很大 [17:18] 帮我点赞收藏 [17:19] 后面还有一组更炸的数据 [17:22] 你以为AI让你更快乐 [17:23] 但数据不是这么说的 [17:26] burn on还不是最讽刺的部分 [17:27] 最讽刺的部分就是 [17:28] 连效率提高这个前提都可能是假的 [17:32] 去年7月呢 [17:33] 有一个研究叫metr [17:34] 这不是问卷调查 [17:36] 不是你觉得AI有没有帮到你 [17:38] 这是一个严格的随机对照实验 [17:41] 他们找了16个有经验的开源程序员 [17:43] 让他们在自己熟悉的 [17:45] 自己维护了好几年的代码库上 [17:47] 做真实的任务 [17:48] 每个人的任务被随机分成两组 [17:51] 一半时间可以用AI工具 [17:53] 一半时间不能用 [17:54] 他们的预期啊 [17:55] 跟我们一样 [17:56] 就是结果是AI会用更快 [17:58] 毕竟呢你在自己最熟悉的项目上 [18:00] 加上AI辅助 [18:01] 应该如虎添翼 [18:03] 实际结果呢 [18:03] 是用了AI工具 [18:04] 那组呢完成速度呢 [18:06] 慢了19% 不是快了19% [18:09] 是慢了但你猜怎么着 [18:11] 这些程序员在实验开始之前 [18:12] 预测AI会比他们快24% [18:16] 实验结束之后回头评估 [18:17] 他们依然觉得自己快了20% [18:20] 感觉是快了两成 [18:21] 现实是慢了两成 [18:23] 这个现实和认知之间 [18:25] 差了接近40个百分点 [18:27] 有人分析为什么会这样 [18:28] AI在帮你写代码的时候 [18:30] 确实减少了那些枯燥的重复劳动 [18:32] 你打字少了 [18:33] 等待少了 [18:34] 主观体验变好了 [18:35] 感觉很流畅 [18:37] 但你同时花了大量的时间 [18:38] 在做另外一件事情 [18:40] 检查AI写的代码对不对 [18:42] 调整prompt [18:43] 处理那些差一点就对了 [18:44] 但又不完全对的输出 [18:47] 这些时间你自己感觉不到 [18:48] 因为你的大脑把和AI互动 [18:50] 归类为有趣的工作 [18:51] 而不是额外的负担 [18:53] 所以你越用越开心 [18:54] 实际上呢 [18:55] 越用越慢 [18:57] 有人总结得好啊 [18:57] 是AI给你的不是生产力的提升 [19:00] 是生产力的幻觉 [19:02] 它给你一种 [19:02] 是我在高效工作的多巴胺奖励 [19:05] 但实际输出并没有变快 [19:07] 就像刷社交媒体一样啊 [19:08] 你觉得自己在获取信息 [19:10] 实际上你在消耗时间 [19:12] AI给了你同样的快感 [19:14] 陷阱 [19:15] 只不过穿了一身生产力工具的衣服 [19:18] Stackoverflow去年底调查了将近5万名程序员 [19:21] 45%都说调试AI生成的代码非常耗时间 [19:25] 只有3%的人说自己高度信任AI的输出 [19:29] 你看到矛盾了吗 [19:30] 69%的人说AI提高了生产力 [19:33] 45%的人说调试AI代码很耗时 [19:36] 这两个数字不可能同时是真的 [19:38] 除非是提高生产力是一种感觉 [19:41] 而调试耗时是一个事实 [19:44] 而且有人指出一个更细微的问题啊 [19:46] 就是AI写出来代码 [19:47] 最可怕的不是完全错误 [19:49] 完全错误的代码 [19:50] 你跑一下就知道是错的 [19:51] 马上就能修 [19:52] 最可怕的就是差一点就对了 [19:55] 看起来对跑 [19:56] 测试也过了 [19:57] 但是部署到 [19:58] 真实环境里呢 [19:59] 突然崩了 [20:00] 66%的程序员说 [20:01] 他们最大的frustration就是这种almost right [20:05] but not quite的输出 [20:06] 就是那种感觉差不多就对了 [20:08] 但是就差那么一点点 [20:10] 这比自己从头写还浪费时间 [20:12] 因为你要先读懂AI写的逻辑 [20:14] 然后找出那个隐藏的bug在哪 [20:16] 然后在修复它的时候 [20:17] 还不能破坏AI写的其他部分 [20:19] 整个过程可能比自己写还慢 [20:22] 这个问题呢 [20:23] 不止发生在个人层面 [20:24] 宏观上也一样 [20:26] 今年2月 [20:26] 美国国家经济研究局 [20:28] 调查了将近6,000名CEO [20:30] 来自美国英国德国和澳大利亚 [20:32] 结论是超过80%的公司说 [20:35] 过去三年里 [20:36] AI对他们的生产力 [20:37] 没有任何可衡量的影响 [20:40] 0 预期未来三年的改善呢 [20:42] 只有1.4% [20:44] 阿波罗资产管理的首席经济学家 [20:46] 说了一句话 [20:46] AI无处不在 [20:48] 除了在宏观经济数据里 [20:50] 这句话呢 [20:51] 其实不新鲜啊 [20:52] 1987年 [20:53] 有一个诺贝尔经济学家叫罗伯特 [20:55] 他说过一句后来被引用过无数次的话 [20:58] 你到处能看见计算机时代 [21:01] 除了在生产力统计数据里 [21:04] 那个是1987年啊 [21:05] 当时所有的公司都在买电脑 [21:07] IBM和微软的股票在狂飙 [21:10] 但在整个经济的生产力增速呢 [21:12] 反而从2.9%降到了1.1% [21:16] 电脑热潮持续了将近十年 [21:17] 生产力统计呢 [21:18] 硬是没动弹 [21:20] 这听着是不是很耳熟啊 [21:21] 今天AI呢 [21:22] 好像也是同样的剧本啊 [21:24] 全球2026年AI支出预计2.5万亿美元 [21:28] 2.5万亿啊 [21:30] 但90%的公司 [21:31] 指不出任何一个 [21:32] 因为AI而真正改变的生产力指标 [21:36] 摩根大通算了 [21:37] 一笔账 [21:37] 按照现在AI基础设施投资的规模 [21:40] 要获得哪怕10%的投资回报 [21:42] 每年需要产生6,500亿美元的新增收入 [21:46] 他们直接把这个和90年代的光纤泡沫 [21:48] 相提并论啊 [21:49] 那一次也是基建砸了几千亿美元 [21:52] 收入呢从来没追上过 [21:54] 最后投资者呢 [21:54] 被清洗的干干净净 [21:57] 还记得前两年 [21:57] 被当做AI裁员标杆的那家公司吗 [22:00] 瑞典的Klarner [22:01] 2024年 他们用了一个AI客服机器人 [22:04] 踢掉了700名人工 [22:06] 客服CEO到处吹嘘 [22:09] 到了2025年中 [22:10] 他们悄悄开始重新招人了 [22:12] 因为客户满意度崩了 [22:14] 质量暴跌 [22:15] CEO后来自己承认我们走太远了 [22:18] 但是这些新闻你是不是第一次听过呢 [22:21] 有调查研究机构做了一个统计 [22:23] 55%的裁掉员工换AI的公司 [22:27] 后来都后悔了 [22:29] 如果AI真的像我们想象中的那么好用 [22:31] 为什么他们会后悔呢 [22:33] Pwc今年的全球CEO调查 [22:36] 覆盖了95个国家和4,454名CEO [22:40] 56%的CEO说 [22:41] 他们从AI投资里什么都没得到 [22:43] 这个不是小公司在抱怨啊 [22:45] 这是全球最大 [22:46] 那些公司的掌舵人说 [22:47] 我花了钱 [22:48] 买了工具 [22:49] 培训了人 [22:50] 然后呢然后什么都没变 [22:52] 所以我们现在面对的局面是这样的 [22:54] 宏观层面 [22:54] 经济在收缩 [22:55] GDP被下修 [22:57] 就业在恶化 [22:58] 公司层面呢 [22:59] 裁员在加速 [23:00] 但是AI没有带来预期的生产力回报 [23:03] 个人层面 [23:03] 留下的人更忙更焦虑更累 [23:06] 而且他们以为自己更快了 [23:08] 但其实更慢了 [23:09] 三层挤压同时发生 [23:11] 这就是2026年春天的真实写照 [23:14] 如果你觉得上面的信息量很大呢 [23:16] 帮我转发给你身边 [23:17] 那个正在焦虑AI的朋友啊 [23:19] 不只是给他一种安慰啊 [23:20] 是给他完整的数据 [23:22] 但是我要很明确的说 [23:23] 我不是在说AI没用啊 [23:25] 我是在说 [23:26] 我们正在一个非常特殊的位置 [23:28] 就像电脑在70年代进入企业的时候 [23:31] 那个时候所有人也在会说 [23:32] 电脑会改变一切 [23:34] 电脑确实改变了一切 [23:36] 但不是在70年代 [23:37] 是在90年代中期 [23:39] 中间花了将近20年 [23:41] 从1973年到1995年 [23:42] 美国的生产力增速一直在低位趴着 [23:45] 1.1%左右怎么都起不来 [23:48] 所有人都觉得电脑是泡沫 [23:50] 然后呢 1995年开始了突然爆发 [23:53] 生产力增速一下子跳到了2.5% [23:56] 整个信息技术的红利 [23:57] 集中在那十年里兑现了 [24:00] AI很有可能在走同样的路 [24:02] 现在的2.5万亿美元呢 [24:03] 不是浪费 [24:04] 它是在铺路 [24:05] 但是路铺好了 [24:07] 不等于车就能跑 [24:08] 中间还有一段颠簸的磨合期 [24:11] 技术在成熟 [24:12] 人在适应 [24:13] 公司在搞清楚怎么用 [24:14] 我们现在就在这段路上 [24:17] 脚底下的石子呢 [24:18] 很硌脚但是方向应该是没错的 [24:21] 而且呢已经有一些数据在暗示 [24:23] 拐点可能比我们想象的更近 [24:25] 斯坦福大学的数字经济实验室主任 [24:28] 注意到一个信号 [24:29] 去年美国GDP年化增速一度跑到3.7% [24:33] 但同时新增就业只有18.1万人 [24:36] GDP在涨人在减少 [24:38] 这说明每一个工人的产出在增加 [24:41] 他认为这可能就是AI生产力红利 [24:43] 刚刚冒头的迹象 [24:45] 就像90年代中期 [24:46] 你在宏观数据里 [24:47] 第一次看到那根线往上拐的时 [24:49] 候大多数人还不相信 [24:52] 所以问题不是AI有没有未来 [24:54] 问题是你能不能撑到拐点 [24:56] 好消息是 [24:58] 前面说的130万个新增的岗位是真的 [25:01] 56%的溢价薪资呢 [25:03] 也是真的 [25:04] 这些不是预测 [25:05] 是已经发生的现实 [25:07] 但同时brain fry也是真的 [25:09] 19%更慢的也是真的 [25:12] 52%的这个burn out也是真的 [25:15] 这些数据呢 [25:15] 同时存在 [25:16] 它们不矛盾 [25:18] 它们描述的是同一个现实的不同侧面 [25:21] 波士顿咨询的研究有一个发现 [25:23] 我觉得特别值得注意啊 [25:24] AI造成burn脑 [25:25] 不是因为你用了AI [25:26] 是你用AI的方式不对 [25:28] 当你专注地用一个AI工具 [25:30] 帮你分担重复劳动力的时候 [25:33] 比如让他帮你写初稿整理数据做摘要 [25:36] 你的压力真的是会下降的 [25:38] 当你同时开着四五个AI工具来回切换 [25:41] 不断地监控每一个输出 [25:42] 试图什么都让AI做的时候 [25:44] 你比不用AI的时候还累 [25:46] 换句话说 [25:47] AI是一把好刀 [25:49] 但是你不能一只手拿5把刀 [25:52] 那些拿到56%的薪资溢价的人 [25:54] 在做什么呢 [25:55] 他们没有转行当程序员啊 [25:57] 他们在自己的本行里 [25:58] 增加了一层AI的能力 [26:00] 一个会用AI的律师比不会的律师值钱 [26:03] 一个会用AI的设计师 [26:04] 比不会的设计师值钱 [26:06] 一个会用AI数据分析的营销人员 [26:08] 比不会的更值钱 [26:09] 稀缺的呢 [26:10] 不是AI本身 [26:11] 稀缺的是懂你的行业同时懂AI的人 [26:14] 这种人全球只有5% [26:17] 但公司愿意为他们多付56%的薪资 [26:21] 这个窗口呢 [26:22] 不会永远开着当 [26:23] 50%的人都学会AI的时候 [26:25] 溢价就会下来了 [26:26] 现在是5% [26:27] 这个就是窗口 [26:29] 还有个信号 [26:30] 我觉得很有意思 [26:30] 就是IBM上周宣布 [26:32] 要把年轻人招聘数量增加两倍 [26:34] 你没听错 [26:35] IBM一家最激进对AI的公司之一啊 [26:39] 在反过来招人 [26:40] 他们的首席人力官解释说 [26:42] 如果你把入门级岗位全砍了 [26:45] 5年之后呢 [26:45] 你就没有中层管理者了 [26:47] 10年之后 [26:47] 你就没有高层候选人了 [26:49] AI可以代替任务 [26:50] 但你代替不了人的成长路径 [26:53] 人力资源公司Manpower group [26:55] 调查了最近14,000名员工后 [26:57] 发现 [26:58] 只有10%的雇主真的在用AI代替人头 [27:01] 90%做的事情都是重新配置 [27:03] 不是替换 [27:04] 换句话说 [27:05] 大多数公司裁的 [27:06] 不是因为AI不需要你了 [27:09] 而是需要你做的事变了 [27:11] 这两个数据加在一起 [27:12] 告诉你一件事儿 [27:13] AI时代不是人类被淘汰的时代 [27:16] 是不适应的人被淘汰的时代 [27:18] 这个区别是很大的 [27:20] 被淘汰是被动的 [27:21] 不适应呢 [27:22] 是可以主动改变的 [27:23] 55,000人失业了 [27:25] 130万个新岗位诞生了 [27:27] 留下来的人里面呢 [27:28] 52%人说自己正在burnout [27:31] 用AI的人觉得自己快了20% [27:33] 实际上卖了19% [27:35] 全球砸了2.5万亿在AI上 [27:37] 90%的公司说看不到效果 [27:40] 这五个数字同时存在于2026年的春天 [27:44] 每一个单独呢 [27:45] 都能拿来讲一个故事 [27:47] 恐惧的故事 [27:47] 希望的故事 [27:48] 或者嘲讽的故事 [27:50] 但你当把5个数字放在一起看的时候 [27:53] 你会发现 [27:53] 事情的本质不是AI好不好 [27:55] 是我们还不会用它 [27:58] 就像1987年的电脑一样开头 [28:00] 我说过了 [28:01] 我自己就是这个状态 [28:02] 用了AI之后 [28:03] 感觉更忙了 [28:04] 更焦虑更累 [28:05] 看完这些数据之后 [28:07] 我终于能理解为什么了 [28:08] 不是AI不好用 [28:10] 是你的大脑会把自动省下来的时间 [28:12] 做数据的填充 [28:14] 你本来以为能早收工 [28:15] 结果呢 [28:16] 你用省下来的时间又开了3个选题 [28:18] 又多做了两组数据分析 [28:20] 又多剪了一版视频 [28:22] 然后到了天黑才发现 [28:23] 你今天比昨天多了一倍的事儿 [28:26] 但你比昨天更累了 [28:28] 以前没有AI的时候 [28:29] 一个选题从研究到写稿可能要两三天 [28:31] 现在有了AI [28:32] 可能半天一天就能出稿 [28:34] 但你以为你会用剩下的一天半 [28:36] 去休息吗 [28:37] 不会的你会开始做第二个选题 [28:39] 然后第三个 [28:40] 你的产出可能变了3倍 [28:42] 你的收入可能有变化 [28:44] 但你的精力也被榨干了3倍 [28:46] 这个就是那个工程师说的 [28:47] 你没有少干 [28:48] 你干得更多 [28:50] 所以AI到底是在解放我们 [28:52] 还是在用另一种方式让我们更累 [28:55] 也许两个都是啊 [28:56] 就像电一样 [28:57] 它解放了人体的体力劳动 [28:59] 也催生了流水线和996 [29:01] 每一次技术革命都有两面 [29:03] 让你自由的东西也可能让你上瘾 [29:05] 真正决定你站在哪一边的 [29:07] 不是技术本身 [29:08] 是你怎么用它 [29:10] 你可以选择像之前的工程师那样啊 [29:11] 干了一样甚至更多的活 [29:13] 把省下来的每一秒都填满新的任务 [29:16] 直到烧干 [29:17] 你也可以选择 [29:17] 像波士顿咨询建议的那样 [29:19] 用对一把刀 [29:20] 而不是同时握5把 [29:22] 我不想给你什么标准答案 [29:23] 因为这件事 [29:24] 本来就没有标准答案 [29:25] 它取决于你在什么行业 [29:27] 什么岗位 [29:27] 什么阶段 [29:28] 但有一件事我能确定 [29:30] 如果你能今天看到完整的数据 [29:33] 而不是只听到AI要取代你 [29:35] 或者AI让你更强的单面叙事 [29:38] 你做决定的质量就会比99%的人更高 [29:42] 这就是为什么这么优秀的你 [29:43] 还在关注我的频道 [29:45] 信息不对称是最大的不公平 [29:48] 今天这期视频呢 [29:49] 给的不是安慰 [29:50] 也不是焦虑 [29:51] 是数据拿着数据做自己的判断 [29:54] 正所谓五万人去百万来 [29:57] 五成burnout [29:58] 谁能猜工具升级人未变 [30:01] 偏是人心算不开 [30:03] 评论区告诉我 [30:04] 你是那55,000被裁的人之一 [30:06] 还是正在经历brain fry的52% [30:09] 或者呢 [30:09] 你已经是拿到那56%溢价的5%的少数人 [30:14] 如果你想在这场AI变革里 [30:15] 看到完整的数据 [30:16] 不被单一的叙事忽悠 [30:18] 一定要关注我 [30:19] 下期视频 [30:19] 我正在准备两个选集 [30:21] 一个是Peter Thiel [30:22] Paypal创始人 [30:23] 硅谷关系网最深的人 [30:25] 刚刚清空了所有股票 [30:27] 全面转现金 [30:28] 他到底看到了什么 [30:30] 另一个呢 [30:30] 是Ray Dalio桥水基金创始人 [30:32] 他研究了500年的历史周期后 [30:34] 发出警告说 [30:36] 我们正在进入最危险的阶段 [30:38] 评论区告诉我 [30:38] 你更想看哪个 [30:39] 票多的我先做 [30:41] 我是Alan [30:41] 看完再赞 [30:42] 腰缠万贯 [30:42] 我们下期视频再见