硅谷观察｜AI"人的平替"生意：一道70美元对100美元的算术题

把笔者近期访谈的两场硅谷和中东企业家对话放在一起，这场AI技术革命一个藏在市值叙事之下的底层逻辑悄然浮出水面：AI替代劳动力不是一个技术问题，而是一道算术题——而这道题，目前只有两个国家解得出正数。

最近一个月笔者访谈了太平洋两岸的企业家，一场访谈的是硅谷NeoCognition联合创始人谷雨——这家今年4月才结束隐身模式的智能体实验室，获得包括英特尔（Intel）CEO陈立武、Databricks联合创始人的天使投资在内的4000万美元种子轮投资，专注Agent进入超长尾企业市场；另一场访谈的是一位年收入亿元、客户在中东的企业家星尘浩宇创始人、CEO张磊，正在专注AI Worker的替代方案。

虽然这两家公司暂居平行世界，一个是顶级实验室，在斯坦福旁边做自进化的技术路线图，一个在利雅得和迪拜沙漠扎根，但他们做的其实是同一门生意：卖"人的平替"。前者瞄准的是全世界最贵的劳动力——美国白领；后者已经在海湾国家批量交付劳动力平替智能体。

市场在哪？200个岗位被替代的算术题Agent替代劳动力，在哪里替代，是第一层次的问题。这是一道算术题。

张磊团队给一家海外银行客户部署智能体：该行约两万名员工，每天处理数十万份文档、近五万个标准化任务。而智能体上线后，单任务处理时间从人工的30到60分钟，一路压缩到今年的记录：8秒到16秒。就在智能体质量、速度、成本三条基线全面越过人类员工后，约200个外籍劳工岗位被直接降本。

但意外的是他算不到正数的那个市场。他的团队测算过：一位在欧洲受过高等教育、掌握四门语言的非洲尼日利亚归国青年，月薪约100美元；而完成同等工作量的算力成本，约为每月70美元。

"月薪太低了，目前这个场景我们干不了。"他表示，因为30美元的价差，覆盖不了部署、运维和失败风险。

以此类推，他的结论干脆利落：目前全球真正成立的AI劳动力替换市场只有两个，一个是劳动力长期短缺且昂贵的美国，一个是急于用技术置换外籍劳工的海湾国家。

这个判断有美国市场的宏观数据作证。2026年开年以来，全球科技行业持续裁员，规模数以万计，且高度集中在美国：甲骨文（Oracle）减员逾两万，并在监管文件中承认，AI的部署"已经导致并且可能继续导致员工人数减少"；亚马逊（Amazon）裁撤的白领岗位数以万计。而在美国劳动力市场，经验丰富的卡车司机在东西海岸大都市圈和长途运输领域年薪可达六位数。

AI和机器人在美国替代的是全球最贵的劳动力，投资回报周期以月计。特斯拉（Tesla）本月在弗里蒙特工厂旧Model S/X产线原址上启动Optimus人形机器人产线，供应链的量产红线直指年产十万套——马斯克为什么提速？因为在美国，这道算术题的答案是一个巨大的正数。

而中国市场的算术题，解法完全不同。国内市场人才又多又好用还便宜，传统意义上"工资驱动的劳动力替换"窗口期尚未到来。但这不意味着中国没有AI劳动力替代的机会——只是替代的场景、动力和商业模式与美国截然不同。

在制造业，AI质检、预测性维护、供应链优化正在发生；在服务业，智能客服、内容审核、数据标注的AI化率快速提升。这些替代的驱动力不是"工资太贵"，而是"规模太大、质量要求高、人力不稳定"。一家头部电商平台的客服AI系统，日处理咨询量已达数百万次，人类客服覆盖这个量级的成本远高于AI。

怎么替代？从算术题到工程问题

如果说海湾市场的对话回答了"在哪里替代"，硅谷市场的对话回答的是"还差什么"——而这个"差什么"，恰恰解释了为什么美国的算术题虽然算得通，但交付却需要天价工程师。

谷雨的导师即NeoCognition创始人、俄亥俄州立大学教授苏煜给出的答案很坦诚，今天的智能体还不配叫"worker"。当一个智能体第一次进入企业的CRM系统，前十分钟做什么？第一个小时做什么？谷雨在回答笔者问题时，给出了两条真实的入职路径。

一条是"观察式"：如果甲方愿意让智能体直接进场，那么前几天甚至前两周，它都以观察为主，之后才渐渐开始接管。另一条是"热身式"：多数企业不会让一个什么都不会的智能体直接接入系统，而是先提供沙盒环境或内部工作的录屏数据，让智能体在"入职"之前就完成一定程度的自我改进（self-improve），到岗即可上手，上岗之后继续提升。

这套流程与人类新员工的试用期几乎逐字对应——先看、再学、后接管，没有一家公司会让新人入职第一天就独立签单。而这家公司的自我定位也颇为反直觉：本质上是一个research lab，核心资源投在研究团队，商业化反而是次要的。

更有意思的是它的竞争哲学，谷雨称之为"正交"：不碰ToC产品，因为那是OpenAI的地盘，不碰通用大模型，因为太烧钱，只做超长尾的专业化智能与自我改进能力——在他看来，长尾专业化是客观存在的问题，本就不该由基础模型公司来解决；通用模型越强，NeoCognition的自我改进反而越好用。这不是挑战巨头的故事，是给巨头修最后一英里的故事。

这家公司技术栈的路径和大多数硅谷创业公司类似：主力调用Claude（Anthropic旗下大模型）的API，部分场景则用开源模型做后训练小模型——其中以通义千问（阿里云）为主。一个硅谷实验室，做着平替美国劳动力的生意，身体里同时流着美国闭源模型和中国开源模型的血，这大概是2026年AI产业全球分工最生动的切片。

谁来替代？前沿部署工程师的悖论

而"最后一英里"本身，正在成为硅谷今年最贵的一门生意——这恰恰是70美元算术题的反转：要让算术题落地，必须先付出比被替代者更高的成本。

谷雨的判断是，FDE（前线部署工程师）市场是万亿级别的——连OpenAI都为此专门成立了部署公司。这不是孤证：OpenAI今年将FDE业务独立为The Deployment Company，初始投入超40亿美元，并收购英国Tomoro获得150名资深工程师；Anthropic组建Applied AI团队派工程师进驻大企业。

笔者最近访谈的美股上市公司AvePoint的亚太市场销售负责人Harley Shang正是在新加坡、韩国、菲律宾和港台开拓FDE业务，他对笔者表示，客户对于Agent的应用存在千差万别的需求，有的客户能混用大模型非常高效，但多数客户需要信任的工程师在场指导协助，特别在海外营销数据分析上，FDE会帮助客户有较快的增收效应。

AvePoint的技术专家刘俊哲对笔者表示，大模型正在平庸化，AI是概率工具，而制造要求确定性，一旦错误，影响生产。市场专家Jenny对笔者表示，在亚洲企业的海外营销上，同样一批数据在提高Agent效率的前提下，就能带来更多倍的营销增长。

据笔者访谈的AvePoint及多位行业人士透露，前沿实验室和大型科技公司的资深部署工程师年薪远超行业平均水平，体现了这一岗位的稀缺性和战略价值。

于是这门生意露出了它的"悖论"：要平替昂贵的人，得先雇佣更贵的人。一边是智能体8秒钟干完人类30分钟的活，一边是把智能体融入到企业流程的工程师，拿着远超行业平均水平的年薪。

张磊也印证了同一件事：他在中东驻场团队的薪酬，比硅谷还要高三成。替代者的工资单，眼下正是全行业最陡峭的那一张。

这就是硅谷此刻的在地体感：这里没有人再辩论"AI会不会替代人"，风险资本押注的是可靠性、一致性、可交接性这些听起来毫不性感的工程问题——因为谁先把智能体的可靠性做到企业级标准，谁就拿到了通往全球最贵劳动力市场的钥匙。

一个15人、多数是博士的团队能在种子轮拿到4000万美元，芯片巨头的CEO个人掏钱跟投，定价的不是技术，是这张工资单能替代的那张更大的工资单的贴现值。

工资单，而不是市值

把三场对话叠在一起，会发现AI技术革命首先改变的生产要素，不是生产资料，而是劳动力。

其一，AI是一场革命，但它首先是一场发生在高工资经济体的革命。英伟达（Nvidia）4.7万亿美元市值的最终来源，不但包括GPU订单本身，而且是美国和海湾国家的工资结构重构。判断这轮资本开支是否可持续，与其盯着算力采购，不如盯着企业财报里的人力成本科目——甲骨文的财报文件指引，比任何路演PPT都更接近真相。

其二，中国暂时不在这道算术题的解集里，但中国人在。无论企业家在中东交付，还是顶级实验室团队在硅谷攻坚，都有中国面孔分别站在这门生意的场景端和技术端。而中国市场自身的算术题，正在制造业质检、客服、内容审核等场景中以不同的逻辑展开——驱动力不是工资成本，而是规模、质量和稳定性。中国在AI产业链中的机会则在零部件、开源模型、端侧部署——那是另一道题的解。

一家硅谷初创企业PressClub的创始人谭炜达表示，没有千问的高性价比token，很多硅谷初创企业就干不下去了。包括最近发布的Kimi模型已经在LMSYS Chatbot Arena测评中居于多项第一名。

其三，替代的顺序由工资单从上往下排——而替代的红利，暂时归于工资单最顶端的人。尼日利亚的100美元月薪暂时安全，美国高薪白领首当其冲，高薪FDE则是这场迁徙的摆渡人。

这意味着AI冲击将以一种与历次技术革命相反的路径展开：先富国、后穷国，先白领、后蓝领，先英语世界、后其他语言。这对全球劳动力市场、移民流向乃至各国的AI政策优先级，都是一个尚未被充分定价的变量。

衡量这场革命进度的最好指标，从来不是模型跑分，也不是芯片市值——是工资单的重构，这就是劳动力要素的悄然改变。

（作者系硅谷远眺CoremiAI创始人）