当我在手机上能轻松控制 20 个 Claude Code Agent 之后，我对未来做了一个推演

作者：Sebastilan & Claude（AI 协作）

---

一、从 1 个到 20 个：体验了什么

一个 Claude Code（CC）就能让一个想法落地。你说"帮我写一个 XX"，它写代码、跑测试、部署上线，你几乎不用碰键盘。这已经很厉害了，但这不是关键。

关键是 20 个。

2026 年 3 月，我用自研的 MCC（多 AI 代理调度系统，尚未公开）在手机上同时调度 20 个 CC 终端。5 条主线并行推进，每条主线下多个子任务同时协作。有的主线完全自主运行，长期推进，中间不需要我介入。

20 个终端——意味着能做复杂的事，而且多个复杂的事可以同时做。

轻松——我只负责和顶层调度者协商方案，具体的任务拆分、执行监督都由 CC 自行完成。一个多步骤的任务可以长时间自主推进，中间不需要我处理。

手机——我基本脱离了电脑，也就是脱离了传统办公环境。办公可以无处不在。在手机上我可以逐行审批方案、审批代码、审批 PPT、审批网页——这些过去必须坐在电脑前做的事，现在在手机上都能完成。

1 个 CC 是"我有了一个助手"。20 个 CC 是"我有了一个团队"。差别不是 20 倍，是质变——因为你可以同时做多件复杂的事，而且每件事内部也是多个 AI 并行协作。一个人的产出上限被彻底改写了。

那一个人的产出到底取决于什么？就两件事：

产出 = 想法数量 × 每个想法的落地时间
                  ↑
          落地时间取决于：AI 能力 × 并行拆解度（子任务能拆多细、同时跑多少）

阶段	模式	并行能力	单个想法落地时间	瓶颈
无 AI	手动执行	1 条线	数周到数月	时间和技能
有 CC	人指挥 AI（1对1）	3-5 条简单任务，或 1-2 条复杂任务	数天	人的注意力
有 MCC	人调度 AI 集群	3-5 条复杂任务并行，简单任务几乎无限叠加——只需简单交代就能长期自主完成	持续缩短中	只剩想法本身

看瓶颈那一列。从"技能"到"注意力"到"想法本身"——每一次跃迁，都是一个约束被彻底消除。Token 花钱就有，AI 能力在飞速提升。当所有执行层面的约束都消失后，唯一剩下的瓶颈是：你脑子里有什么。

大多数不超出人类现有知识体系的任务——写工具、做分析、搞设计、建网站——都可以快速落地。当然，做一个浏览器或操作系统这种超大工程仍然很难，但日常工作中90%以上的需求，AI已经能胜任。

而且这套模式可以快速复制。有 CC 使用基础的人，一两个小时就能上手 MCC，一两天就完全熟练。不需要编程基础，不是少数极客的玩具，是所有人都能获得的生产力。

那么问题来了：当大部分人都能指挥大量 AI 工作，这个世界会如何发展？

---

二、一个人顶一个团队，团队里的其他人去哪

行业逐个崩塌

第一步是生产力大爆发，不是裁员。从大厂和少数有嗅觉的小厂开始，全员配上 AI，产出翻倍、翻十倍。这个阶段所有人都受益。

但接下来会发生什么？

人 + AI 的产力很快会远超市场需求。 产品做得更快、更多、更好，但市场的胃口没有同比增长。供给爆发，需求没跟上。

然后一个更根本的变化出现了：顶尖的人 + AI，即使只是一个小公司，也可以和大公司掰手腕——而且成本低得多。

大公司之所以大，是因为过去需要大量人手来执行。但现在执行可以交给 AI。那什么决定产品的上限？是顶尖的人。之前顶尖的人虽然看得到方向，但受制于产量不足——需要大量人工配合才能把想法铺开。现在不同了：

顶尖的人 + 可复制的模式 + 大量 AI
= 过去一个大团队的产出
= 其他人加了 AI 也没什么用了——因为方向是顶尖的人定的，执行是 AI 做的

演化路径：

阶段一（正在发生）：全员提效，产出爆发
  → 大厂和敏锐的小厂率先受益

阶段二（1-3 年）：供给过剩，竞争加剧
  → 顶尖人才 + AI 的小团队开始碾压臃肿的大团队
  → 大公司发现人多不再是优势，反而是成本负担

阶段三：人员精简成为必然
  → 不是因为冷血，是因为市场只奖励产品质量，不奖励团队规模
  → 软件行业先行，白领行业跟进，服务业连锁收缩

软件行业是引爆点——这帮人自己就是 AI 工具的用户和传播者，换工具可能一周的事。扩散速度是指数的：一家公司里有一个人开始用 AI，其他人的产出对比立刻暴露——要么全员跟上，要么被替代。黄仁勋已经为英伟达每个员工配了 AI API 额度，他说：如果你的额度用不完，说明你可能不是一个合格的员工。

AI 大佬们说"AI 会创造更多就业"，用的是历史类比：蒸汽机淘汰马车夫，创造了铁路工人。这次不同。蒸汽机替代体力，人还有脑力；电脑替代计算，人还有创造力；AI 替代的是"学习和适应"本身——人还剩什么？剩下的是人类某些 AI 目前无法替代的直觉——对物理世界的感知、对人心的理解、对"不对劲"的嗅觉。但这些能撑起多少就业岗位，是个未知数。企业的逻辑很简单：人除非有存在的必要，否则不会多雇。每一个 AI 用户的本能行为就是消灭自己流程中的人工环节——不是冷血，是自动化确实更高效。

城市经济模型瓦解

少数赢家离开城市（不需要坐班，去让自己状态最好的地方）
→ 城市失去高消费人群
→ 服务业失去客户 → 裁员
→ 商业地产空置 → 房价锚被拔
→ 地方税收减少 → 城市维护成本不变
→ 城市财政模型不成立

城市房价的底层锚是就业集聚效应。锚被拔掉后，不是"跌多少"的问题，是价值基础还在不在的问题。

AI 时代的顶尖生产者需要的不是办公室，而是最佳状态。旧模式：产出 = 工时 × 效率，需要协作管理监督，需要办公室。新模式：产出 = 思考深度 × AI 放大倍数，需要清醒、专注、灵感，需要最佳状态。最佳状态天然是个性化的——有人是山里，有人是海边，有人是老家的院子。走的那 1-2 成人会分散而不是再聚集——因为聚集的理由消失了。

被替代的人怎么办？这取决于一个关键问题：AI 到底有没有天花板。

---

三、AI 的天花板：会堆叠，不会穿透

AI 有一个我在实战中反复验证过的天花板。

场景反复出现：

你让 AI 处理一个问题
AI 给你 200 行方案，覆盖 15 种边界情况
看透本质的人 10 行解决——因为 15 种边界情况是同一个规律的不同表现

AI 做加法：堆叠更多条件、更多分支、更多覆盖。人做减法：看穿本质、砍掉多余、找到那根线把所有珠子串起来。AI 擅长铺开，不擅长穿透。

但说实话，大部分人也不会穿透。穿透是少数人的能力。那大部分人能做什么？为 AI 的不足打补丁——做 AI 做不好的那些"最后一公里"的事：现场判断、人情沟通、物理世界的操作、快速识别验证码之类的碎片任务。随着 AI 越来越强，这些补丁会越来越少。当然，AI 大爆发也可能催生出大量我们现在想不到的新型补丁需求——但这是未知数。

为什么 AI 只会堆叠不会穿透？因为它的知识来源决定了它的能力边界——AI 学的是互联网上的文字和图片（统计相关性），人学的是活过的经验（因果理解）。前者能告诉你"A 和 B 经常一起出现"，后者能告诉你"A 导致了 B"。

LeCun（杨立昆，Meta 首席 AI 科学家，图灵奖得主）一直在说：当前的 LLM 路线可能走不到 AGI——没有世界模型、没有因果推理、没有真正的规划能力。LLM 在做的是极其精密的模式匹配，不是"理解"。

对面是 Scaling Law 派（Sutskever、Amodei）：模型继续变大就能涌现出通用智能。AI 界自己没有共识。当前证据略倾向 LeCun——GPT-4 到 GPT-5 提升放缓，幻觉未根本解决，在需要深度理解的任务上反复碰壁。2025 年发布的 Humanity's Last Exam（HLE）是一个由 3000 多名专家出题的超级难测试集——最初发布时，最强的 AI（GPT-4o）正确率只有 2.7%。虽然后来的模型提升到了 30-40%，但在真正需要深度理解的问题上，AI 仍然大量碰壁，而且它错的时候往往还非常自信。但不排除新架构突破天花板。

两条路径下的推演分叉：

路径	就业影响	终局含义
AGI 实现	就业被消灭，人退无可退	社会分裂为极少数"AI增强人"和大多数"被AI喂养的人"，两极对立
AI 有天花板	就业重组不是消灭，穿透力仍有价值	社会分层但中间层始终存在，不至于走向极端

不管最终走向哪种路径，目前都存在一个中间过程——在这个过程中，执行层被大规模替代，但穿透层仍然需要人。人做减法看到本质，AI 做加法铺开规模。

如果人能看到更本质的东西，这种能力仍然有价值，那社会会变成什么结构？

---

四、穿透者、执行者、出局者——社会分成三层

认知深度决定你在哪一层。这里的认知深度不是泛泛的"聪明"，而是具体到某一行、某一个领域——你对这个领域的理解有多深，能不能看到别人看不到的本质。

第一层：穿透者 × AI = 指数级价值创造
  看到本质 → 做减法 → AI 沿正确方向铺开
  门槛是认知深度

第二层：执行者 × AI = 有价值的协作
  做 AI 辅助、现场判断、人类直觉补充
  门槛随 AI 进化不断升高

第三层：出局者
  既不思考也不行动 → 依赖社会兜底
  不是"懒"，是默认路径就通向这里

认知深度与回报的关系从线性变成指数：

认知深度 1 → 回报 1
认知深度 2 → 回报 10
认知深度 3 → 回报 100

这不是 AI 制造的不公平。对世界认识更深的人获得更多回报——一直如此。AI 只是放大了倍数。过去，一个深刻的洞察可能需要一个团队花半年去执行；现在，同样的洞察加上 AI，一个人一天就能落地。洞察的回报率被放大了几个数量级。

出局者为什么难以避免

穿透者获得指数级回报，执行者维持协作价值——但为什么第三层的门会越来越宽？不只是主观放弃，还有客观拉力。AI 放大的不只是生产力：

AI 放大生产力 → 科研突破、医疗进步
AI 放大贪婪 → 更精准的成瘾产品、更高效的剥削
AI 放大军事 → 武器迭代远超外交谈判速度
AI 放大差距 → 领先者指数级拉开，落后者永远追不上

企业的目的是盈利。当 AI 让企业更高效地"理解人性"：现在的抖音算法猜你喜欢什么，AI 增强版精确知道你此刻的情绪弱点，实时生成你无法抗拒的内容。游戏、短剧同理——为每个用户定制专属成瘾路径。这不是"可能"，是盈利驱动下的必然：生产力必然被用于针对人性弱点攫取金钱。

数字鸦片比清朝鸦片更可怕：零成本、无限量、精准定制、主动推送。你不需要"主动选择堕落"——只需要不主动抵抗，默认路径就是沉沦。尤其是低精力、没有兴趣爱好的人，几乎无力抵挡。

三层不是静态的

穿透者 + AI 的成果训练出更好的 AI → AI 能做的事多一层 → 执行层门槛升高 → 跟不上的人掉到第三层。这是一个持续运转的筛选机器。三层是过渡态，终态趋向两极。过渡期有多长很难预测——可能比想象中快，也可能比想象中慢，取决于 AI 进化的速度和社会适应的能力。这个窗口期给了社会调整和适应的机会。

财富重分配是慢变量

现在很多对某个领域有深刻理解的人——顶级的工程师、研究员、手艺人——收入比一般员工高，但远不及老板。AI 时代这个关系会反转：真正懂行的人 + AI，产出可以碾压整个公司；而只靠资本和人头堆出来的老板，优势会逐渐消失。存量财富（房产/企业/基金）是缓慢融化的冰山——5 年看不出，20 年见分晓。不是被抢走，是新财富的创造者变了。类比：农业时代的大地主 → 工业革命后地不值钱了，不是地被抢了，是价值尺度变了。

个人分三层。那国家呢？

---

五、国家也分层：谁先稳住谁就赢

大格局：谁在第一梯队

旧：人口 × 资源 × 军事 × 经济体量（各因子可互补）
新：AI 能力 × 能源 × 数据治理
  = (芯片 + 算法 + 人才) × (电力 + 算力) × (数据规模 × 制度弹性)

国家	AI 能力	能源	数据治理	综合判断
美国	★★★★★ 全栈，全球虹吸人才	★★★★	★★★★	第一梯队，社会撕裂是隐患
中国	★★★★ 追赶快，应用强，芯片受限	★★★★	★★★★	第一梯队，基础教育是隐藏优势
欧洲	★★ 无世界级大模型	★★★	★★ GDPR 锁死数据	AI 时代加速边缘化
俄罗斯	★★ 有人才无生态	★★★★	★★	资源丰富但无 AI 未来

10-20 年格局：美中第一梯队，欧洲日本下沉，俄罗斯加速衰落。AI 可能正在接近一个大爆发的临界点——不是像现在这样一点一点推开，而是像核裂变一样突然炸开。一旦爆发，落后几个月就可能是量级的差距，量级的差距就是永远追不上。

中国为什么有机会

杨振宁说过：大部分人都适合中国的教育环境，只有少部分天才更适合美国的教育环境。这句话在 AI 时代有了新的含义——中国教育的优势恰恰是"大部分人"：它给了 5-8 亿人足够的数理素养，这个均值比美国高得多。美国精英极强，底层连基本数学都吃力。中国有效 AI 人才池可能是美国的 3-5 倍。AI 正在改变那"少部分天才"的处境。

AI 时代，托住底线可能比培养顶尖更重要——因为 AI 冲击下最大的风险是社会动荡：大量人失业、没有收入、没有出路。谁能稳住这些人，谁就不会崩。村村通电通路通网——贵州山村有 5G 有智能手机，能接触 AI，就有机会。而美国密西西比等地的农村，网络、公共服务、教育资源仍停留在上世纪水平。基础设施的本质不是经济投资，是社会保险。

就像今天的直播生态——你只要能创造一定的情绪价值，就有观众、就有收益。未来的 AI 创业也一样：你只要在某个行业能觉察到摩擦点，用 AI 解决它，提供行业价值，就会获得收益。门槛极低，关键是你有没有对某个领域的感知力。中国政府在维护社会稳定方面有强大的动力和执行力，基本生存保障不会缺位。AI 普及提高信息透明度，腐败成本急剧上升——不需要体制改革就能实现一定程度的资源再分配。

美国 AI 公司华人工程师占 30-40%。中美对抗越激烈，这些人回流中国的可能性越大。竞争结局不取决于谁技术更强，取决于谁犯的错更少——人才政策上的失误可能比技术落后更致命。

中国大量父母拥有较高的文化水平，他们的下一代——00后、10后——从小接触 AI。00后10后用豆包做作业、用作业帮答疑、用 AI 画画写故事——他们从小就把 AI 当工具，而不是像上一代一样把 AI 当新鲜事物。AI 打破了知识的地理垄断和制度垄断：旧时代天才需要好大学、好导师、好实验室才能出成果，现在一台电脑 + AI 就够了。这种原生的 AI 素养，可能会催生出我们这一代无法想象的创新。

如果存在中间层，中国比美国有更大的机会容纳更多人。

那把时间再拉长，20 年、30 年之后，这些力量叠加，世界走向哪里？

---

六、终局：中间层压缩，走向两极

个人层面：三层 → 压缩 → 两极

短期（5 年）： 三层分化刚开始，大部分人没感觉。财富重分配是慢变量——冰山在融但站上面的人感觉不到。争论还在"AI 会不会取代人"，而不是"已经取代了多少"。

中期（10-20 年）： 中间层门槛不断升高、被压缩。AI 每进化一轮，能做的事多一层，跟不上的人从第二层掉到第三层。社会开始适应或动荡——过渡期短（美国模式）→ 撕裂；过渡期长（中国模式）→ 更多人有时间适应。

长期（30 年+）： 中间层不断被压缩，两极逐渐清晰。一种人借助 AI 在数字世界接近无所不能——操控网络、调度资源、创造产品；随着机器人和 IoT 的发展，这种能力会逐步映射到物理世界。这就是我们想象中的"神"。另一种人被 AI 生成的内容完全俘获，精力耗尽——没有社交、没有伴侣、没有结婚、没有子嗣，不是被杀死，是自然地不再繁衍，走向消亡。而且随着 AI 快速进步，第一种人中也会有越来越多的人掉队，滑向第二种。

关键不确定性

AGI 能否实现决定终局的极端程度。AI 有天花板 → 中间层永远存在，社会分层但不至于走向极端。AI 持续进化 → 两极化不可避免。而人类直觉能否催生新的大量就业，是这个推演中最大的变量。

这篇文章不下定论。推演到这里，每个人可以做自己的判断。

---

完整推演链

起点：1 个 AI 助手 → 20 个并行团队，瓶颈从技能变成想法（事实）
→ 一个人顶一个团队，执行类工作消失，城市模型瓦解（冲击）
→ 但 AI 有天花板：会堆不会穿透，人做减法仍有价值（限度）
→ 三层分化：穿透者/执行者/出局者，AI放大贪婪让第三层的门越来越宽（新秩序）
→ 国家也分层：AI×能源×数据，先稳住的赢（大格局）
→ 长期趋向两极：神 vs 消亡者，过渡期给社会留出窗口（终局）

每一步都是上一步的自然推论。起点是 2026 年 3 月，一个人在手机上调度 20 个 AI 的真实体验。

---

一起交流

如果你觉得有帮助，欢迎：

• 📌 订阅本专栏，跟进后续更新
• 💬 评论区留言，交流你的想法
• ⭐ 点赞收藏，让更多朋友看到

---

— Sebastilan & Claude