编者按：硅谷的薪资神话正迎来新篇章——英伟达CEO黄仁勋近日抛出“AI代币薪酬”概念，工程师除基础年薪外，或将额外获得价值数十万美元的AI算力代币。这不仅是薪酬体系的颠覆性实验，更是未来工作范式的宣言：工程师将化身“AI舰队指挥官”，用代币驱动智能体完成复杂任务。当白领焦虑于AI取代人力时，科技巨头已开始用代币为生产力标价。这场变革背后，是软件需求爆发与人才悖论并存的混沌图景：一边是AI吞噬基础岗位的寒意，一边是懂AI者千金难求的炙热。历史告诉我们，技术革命总会碾碎旧岗位，却从裂缝中催生新世界。关键在于，我们能否在代币闪烁的代码洪流中，抓住属于自己的那块价值拼图？
硅谷工作的福利长期以来都包括高薪。如今，一些工程师可能会获得一项新的激励：人工智能代币。
英伟达CEO黄仁勋周一提出了一个新颖的薪酬模型，即在工程师的基本工资之外，给予他们一笔代币预算，这实际上是付钱让他们部署AI智能体作为生产力倍增器。
黄仁勋表示，代币，即AI系统使用的数据单位，可用于运行工具和自动化任务，并正成为“硅谷的招聘工具之一”。
“（工程师）年薪将达到几十万美元，这是他们的基本工资，”黄仁勋在这家芯片制造商的年度GPU技术大会上说。
“我可能会在此基础上再给他们大约一半价值的代币……因为每个拥有代币使用权的工程师都会更高效。”
这番提议揭示了黄仁勋对工作场所更广阔的愿景：工程师们将监督一支AI智能体舰队，这些智能体能够在用户输入最少的情况下，自主完成复杂的多步骤任务。
这是黄仁勋一直在公开构建的愿景。上个月，他告诉CNBC，英伟达的员工有一天将与数十万个AI智能体并肩工作。
他说：“我有4.2万名生物员工，而我将会拥有数十万名数字员工。”
这些言论发表之际，人们日益担忧AI智能体——能够独立执行复杂多步骤任务的软件系统——将掏空白领工作。
橡树资本管理公司创始人霍华德·马克斯在给投资者的备忘录中警告说，AI能力出现了“惊人的飞跃”，现在允许其“自主行动”——这是决定其替代人类劳动能力的一个关键区别点。
这位资深投资者表示：“正是这个区别，将500亿美元的市场与数万亿美元的市场区分开来。”
高盛估计，AI可能自动化美国多达25%工作时间的任务，这足以加剧人们对一些人悲观地称之为“就业末日”的恐惧。
该行预计AI将带来15%的生产力提升，这可能导致在技术采用期内6%到7%的工作岗位被取代。
高盛高级全球经济学家约瑟夫·布里格斯表示：“如果AI被证明比以往的技术更能取代劳动力，那么风险倾向于更大的岗位流失。”
布里格斯引用经济学家大卫·奥托的一项研究指出，如今约60%的工人从事的岗位在1940年并不存在，这表明AI将使某些角色过时，同时创造出尚不存在的其他岗位。
黄仁勋对AI智能体对软件行业的影响持乐观态度，并形容其“反直觉”。AI智能体非但不会减少对软件的需求，反而将成为其最贪婪的客户。
他的逻辑是：更多的AI智能体意味着对其运行的底层软件基础设施——驱动它们的程序、工具和计算资源——有更多需求。
他说：“我们使用的C语言编译器数量、Python程序数量、实例数量都在非常、非常快地增长——因为使用这些工具的智能体数量正在增加。”
信息技术公司CI&T的总裁兼创始人布鲁诺·吉卡迪将这一变化描述为不折不扣的范式转变。他说：“通过智能体，正在创建一个新的抽象层。”
“现在软件工程师可以‘告诉’计算机应该做什么，不是用编程语言，而是用简单的英语。过去需要几个月才能完成的工作现在只需要几天。而且我们预计这只会加速。”
即使企业难以找到熟练工人，由AI引发的对劳动力被取代的焦虑也难以遏制。
美世咨询亚洲区职业实践负责人刘易斯·加拉德表示，就业市场目前正经历一种“人才悖论”：98%的高管预计AI将在未来两年内导致裁员，而54%的高管则将人才短缺列为其首要的宏观挑战。
加拉德估计，约65%的高管预计到2026年，其11%至30%的员工将因AI而被重新部署或接受再培训。
加拉德补充说，入门级工作面临最大风险，因为AI消除了历史上用于培训新员工的“垫脚石”任务，而在对懂AI的工人需求加速增长之际，这进一步扩大了技能差距。
咨询公司Intelligence Briefing创始人、《人类代理AI优势》一书作者安德烈亚斯·韦尔施表示，涉及数据分析、文件处理、信息比较和起草初步报告等工作角色，可能“首当其冲”被取代。
高盛的布里格斯也承认，即使在最乐观的情况下，这种转型也不会一帆风顺，他预计随着就业市场过渡到新时代，总失业率峰值将上升约0.5个百分点。
但布里格斯强调，新的工作岗位将会出现，从长远来看，通过创造新职业，技术变革一直是就业增长的主要驱动力。
如今，数千万人受雇于计算、零工经济、电子商务、内容创作和视频游戏等行业——这些行业在一代人之前还是科幻小说里的概念。
尽管如此，将AI能力整合到现有的企业工作流程中，最终可能被证明比技术本身更难。Intelligence Briefing的韦尔施指出，自2018年以来，大约80%到85%的AI项目都失败了——对于一个充满热情的行业来说，这是一个发人深省的统计数据。
他说：“拥有数十万个制造的问题比解决的问题还多的智能体，这是不可取的。”
