人需要赚钱,赚钱需要人吗?

有一句话我想了很久: 人需要赚钱,但赚钱未必需要人。

这句话里有两个"人",但它们指的不是同一种人。第一个"人"是要养活自己、要有收入的你我;第二个"人",是被一家公司雇来生产东西的劳动力。 当 AI 让一家公司用极少的人就能赚很多钱,这两个"人"开始分家了。 这篇文章,就是顺着这条裂缝往下追到底。

上一篇讲了一个现象—— 脱钩 :产出和人头脱钩,一家公司的实力不再正比于它的人数。那是从资本市场的外部视角看。这一篇换一个视角:从第一性原理往里看。既然产出可以和人头脱钩,那么一个更狠的问题就压上来了—— 赚钱,到底还需不需要人?

一、被我们忘掉的那条工业公理

先把问题的根挖出来。

过去 200 年,有一条公理深到我们几乎察觉不到它的存在: 产出正比于人力。 要多种地就多雇农民,要多产钢就多招工人,要多卖软件就多招工程师和销售。 "做大生意"和"雇很多人"在我们的直觉里是同一件事。

正因为这条公理,"赚钱需要人"从来不是一个需要论证的命题,它是一个背景常数。一家伟大的公司,默认就该有成千上万的员工——人数本身就是实力的勋章。

上一篇文章里那组数字,第一次把这条公理戳出了一个洞:同样做到 300 亿美元收入,上一代公司要三万、八万人,这一代脱钩公司只要几千人。 当产出不再正比于人力,"赚钱需要人"就从公理,降级成了一条有边界条件的经验规律。 边界条件变了,规律就可能不再成立。

那它到底还成不成立?要回答这个,得先问一个更老的问题: 公司这个东西,当初为什么会存在?

二、科斯的边界:公司为什么存在,又为什么会缩小

1937 年,经济学家罗纳德·科斯(Ronald Coase)在《企业的性质》里问了一个当时没人觉得是问题的问题:既然市场这么高效,为什么不是每个人都作为独立个体在市场上交易,而要躲进"公司"这种东西里?

他的答案是: 因为用市场协调是有成本的。 每一次外包都要找人、谈判、签合同、防违约——这些 交易成本 累加起来,有时比"把人圈进一家公司、用管理指令来协调"更贵。所以公司存在的理由,是它在某些事情上 比市场更便宜 。而公司的边界(该多大、该雇多少人),就划在那条线上: 内部多协调一个人的成本 = 市场上多做一次交易的成本。

这条 1937 年的洞察,恰好是理解 AI 的最佳第一性原理工具。因为 AI 同时动了等式的两边,而且 动得极不对称 :

• 多用"一个 AI",协调成本趋近于零。 不用开会、不用对齐、不用 onboarding、不会摸鱼倦怠、可以瞬间复制一份。
• 多用"一个人",协调成本没变。 Fred Brooks 在 1975 年《人月神话》里就讲透了:往一个已经延期的项目里加人,只会让它更延期——因为人和人之间的沟通通道是按 n² 增长的,新人还有那几个月的负产出期。

结论是冷冰冰的数学: 当"多一个 AI"几乎零协调成本,而"多一个人"还是 n² 成本,科斯那条边界线必然向"更少人"移动。 这不是情绪,不是"AI 会抢工作"的恐慌,是公司最优规模在边界条件变化后的 重新求解 。

于是我们得到了全文的核心二分。一家脱钩公司里,人正在分裂成两种:

生产侧的人 :被雇来生产产品、提供服务的劳动力。AI 正在大规模替代这一侧。 需求侧的人 :有收入、有品味、有意义需求、需要被理解的那个人——是价值最终的去处。AI 替代不了这一侧。

"人需要赚钱,赚钱未必需要人"那句话里的两个"人",正是这两侧。 赚钱越来越不需要生产侧的人,却越来越离不开需求侧的人。

三、把"赚钱未必需要人"切成三刀

这个命题很锋利,但它在不同层面上对错不一样。我把它切成三刀,你会看到它哪里成立、哪里是陷阱、哪里藏着真正的问题。

第一刀,公司层——成立,但要说准确。 准确的说法不是"赚钱不需要人",而是" 赚钱需要的人更少,而且是另一种人 "。这是一次劳动向资本和算力的替代:瓶颈从"劳动力的数量"上移到了"判断力的质量 + 算力 + 分发"。脱钩公司不是"精简"——它们一年在算力上烧掉巨量的钱,它们只在 人头 这一项上极致精简。人没有被消灭,是被 浓缩 了:浓缩成少数被极度杠杆化的判断者。

第二刀,指标层——一个要警惕的陷阱。 "赚钱不需要人"这种爽感,有一半来自 优化错了指标 。人均收入(RPE)是个 比率 ,而一家公司的真实价值是它 绝对的、有护城河保护的现金流 。如果一个人加进来,带来的绝对价值大于他的成本,哪怕拉低了 RPE 这个比率,芒格也会告诉你 该加 。 别为了让比率好看,而不敢做那件能扩大绝对护城河的事。 把"人少"本身当信仰的公司,常常死在这一刀上——这也是里说的"人头是因变量"的另一面:因变量该大就得让它大。

第三刀,系统层——这才是真正的问题。 把镜头从一家公司拉到整个经济: 每一家公司单独裁掉生产侧的人、提高效率,都是微观理性的;但如果所有公司都这么做,谁还有收入来当你的客户? 这是经济学里的 合成谬误 (fallacy of composition):局部最优的加总,可能是整体的自我拆台。一百多年前亨利·福特做过一个被反复引用的相反动作——给工人开远高于市价的日薪,有一种广为流传的解读是: 得让工人买得起自己造的车 。无论福特的真实动机如何,那条经济逻辑是硬的: 生产侧的人,同时也是需求侧的人;你在一端把他裁掉,可能在另一端把自己的市场抽干。

注意:第三刀指出的是一个 真实的风险 ,不是一个 注定的结局 。承认它的存在,正是为了下一节能给出一个不廉价的乐观。

四、最强的反驳:Jevons 说,你想多了

到这里,经济学训练好的读者一定已经准备好了那个最有力的反驳—— Jevons 悖论 ,以及它的近亲 卢德谬误 。

1865 年,William Stanley Jevons 发现一件反直觉的事:蒸汽机效率提高、烧煤更省了, 煤的总消耗不降反升 ——因为更便宜让煤的用途爆炸式增长。推广到劳动上就是:历史上每一次自动化,都没有消灭就业,反而创造了当时无法想象的新工种(没有汽车,何来加油站、修理厂、物流业)。 效率提升,总需求和总就业反而扩大。 卢德分子砸织布机两百年了,人类的工作不但没消失,还更多了。

这个反驳很强,强到任何谈"AI 取代人"的文章不正面回应它就站不住。 所以我必须 take 一个明确的立场。

我的立场是: Jevons 这次依然成立——但它成立的方式,变了。

过去每一轮自动化,Jevons 的兑现路径都在 生产侧 :旧的生产岗位消失,新的生产岗位长出来,人换个地方继续"生产"。这条路径有一个隐含前提—— 总有一类"生产"是机器还干不了、只能留给人的 。从体力,到操作,到流程,到部分认知,人一直在往"机器还够不着"的那层生产活动上迁移。

而这一次被 AI 啃食的,恰恰是 "认知生产"本身 。当机器开始接管判断、写作、编码、分析这些最后的生产堡垒,Jevons 的老路径——"生产侧长出新工种"——第一次变得可疑: 如果新长出来的生产岗位,AI 同样能干,人往哪迁移?

这就是为什么我不走"生产侧创造新就业"的乐观老路。 我认为这次 Jevons 的兑现路径,从生产侧整体迁移到了需求侧。

五、谨慎的乐观:价值的重心,迁到了需求侧

把前四节接起来,会得到一个并不悲观、但也绝不廉价的结论。

当生产变得无限便宜,稀缺性不会消失,它会 搬家 。它从"谁能生产"那一侧,整体搬到了"什么值得被生产、为谁生产、生产得有没有意义"那一侧——也就是 需求侧 。

这意味着 Jevons 描述的"新价值爆发"会照样发生,只是 爆发点不在生产侧,在需求侧 :

需求侧的人,不是一个等着被满足的被动消费者,而是新价值的源头。 当人人都能让 AI 生产出无限的内容、代码、商品,真正稀缺的就变成了: 这个具体的人,到底想要什么、什么能打动他、他愿意信任谁。 围绕"理解一个具体的人"而展开的价值创造——个性化的健康、个性化的认知陪伴、对一个人长期意义的经营——是一个过去因为"生产太贵"而被压抑、如今因为"生产变便宜"才被解封的巨大空间。

这正是本系列那条最容易被低估的护城河—— 判断力与品味 ——在宏观层面的回声:AI 把"造"变便宜了, 却把"判断什么值得造、为谁造"变得空前值钱 。生产侧在通缩,需求侧在通胀。

所以回到那个最初的问题—— 赚钱,需要人吗?

需要。只是需要的那个"人",从"被雇来生产的人",变成了"被理解的人"。 赚钱越来越不需要生产侧的人,越来越依赖一件事:你能不能比别人更深地理解需求侧的那个具体的人,并为他创造出 AI 单独给不了的价值。

六、明天能做什么:站到需求侧去

如果接受"价值重心迁到需求侧"这个判断,那么无论你是个人、创业者还是投资人,行动的方向都收敛成同一句话—— 站到需求侧去。 具体可以自检三个问题:

• 我的价值,建立在"生产侧"还是"需求侧"? —— 如果你赖以谋生的是一种"生产动作"(写、画、算、码),而这个动作 AI 正在快速学会,你的护城河在融化;如果你赖以谋生的是"理解某一群具体的人、并判断什么对他们有意义",你站在通胀的一侧。
• 我在加深对"一个具体的人"的理解,还是在堆积通用产出? —— 通用产出正在被 AI 推向零价; 对具体的人的深度理解,是 AI 最难复制、最后值钱的私有资产 (本系列后续主题 B 会专门展开 Per-user Memory 这条护城河)。
• 我有没有在为合成谬误做点什么? —— 第三刀那个系统级风险是真实的。一个健康的生态,需要有人在"裁掉生产侧"的同时,主动去 做大需求侧的价值与购买力 ,而不是只顾自己那一格的效率最优。

这也正是 yuanai 这个生态的第一性原理,以及它为什么从第一天起就 围绕"人(Person)"而不是围绕"内容(Content)" 来设计:在一个生产无限便宜的世界里,内容是过剩的、会贬值的; 而"真正理解一个具体的人"——他的健康、他的认知、他的财富、他长期想成为谁——是 AI 唯一替不掉、也是最后值钱的东西。

人需要赚钱。而赚钱,终究还是需要人—— 只不过,是需求侧的那个人。

我不确定的地方

诚实声明本文的认知边界:

• "生产侧 / 需求侧"是一个简化的二分 —— 现实里很多角色横跨两侧,这个切法是为了讲清机制,不是严格的分类学。
• "这次 Jevons 兑现路径迁到需求侧"是一个判断,不是已被验证的事实 —— 也许生产侧依然会长出 AI 够不着的新工种,那样本文的核心立场就需要修正。
• 合成谬误这一刀,我只指出了风险,没有给出解法 —— "如何在系统层面做大需求侧购买力"(全民基本收入?新型分配机制?)远超本文能力,我没有答案。
• "需求侧通胀"在多长时间尺度上成立,我不知道 —— 迁移期可能伴随剧烈的阵痛和分配失衡,我的乐观是关于终局的,不是关于过程的。
• 本文作者在亲自下注"围绕 Person 创造价值"这条路径,对这个结论有明显的 self-confirming bias。

引用本文

yuanai. (2026). 《人需要赚钱,赚钱需要人吗?》.