年初的时候，ARK Invest发表了年度旗舰报告《Big Ideas 2026》。这是一份来自于今年年初对于2026年发展的预测，半年过去，回头再看，其中很多预测已经被验证。

预测一年内的东西，对于很多领域而言毫无难度，比如通信行业就可以很容易的预测五年之后会发生什么。但是人工智能领域遵循完全不同的逻辑，六个月过去，已经是两代产品，无论是人工智能的硬件、大模型与智能体的能力、商业模式的构建、市场的接受程度，现在与半年前相比，就好像是两个时代的事情。

比如年初谁能想到算力中心的大基建竟然导致内存价格的飙升呢。

回到技术本身，既然人工智能以如此之快的速度发展，那么一个必然的问题就是，它发展的边界在哪里。

它会替代很多工作，但是不会替代所有工作，那么哪些是最可能被替代的呢？

我个人的理解是，如果一个工作做起来很困难，做出来之后确认是否正确与有效相对简单，那么它就是容易被替代的。如果一个工作确认是否正确有效不比做出来容易，甚至更困难，那么它就是不容易被替代的。

前者的典型是编程，后者的典型是基建。

这背后有个责任的问题，当前人类社会运行的一个基本规则是，任何一件事情，谁做出来怎么做出来固然重要，为此承担责任其实更重要。各种不同层级的审批，并不是审批的人一定更加有能力，而是他们有承担更大责任的授权。

比如编程，开发者固然需要承担责任，但是他们只需要确保程序能够正常运行通过所有检测达到所有预期目标就可以，无论过程多困难多复杂，一旦结果出来，验证其好坏变得相对容易，尤其是在现在人工智能辅助的开发体系已经非常成熟的情况下。类似的还有合成生物学与新材料科学的很多领域，其特征都是，找到一条正确的技术路线非常困难，一旦有一个明确方向，验证其是否有效正确相对容易。这就意味着，在这些领域中，原本投身于大量基础重复性工作的人，不那么重要了。

而在另外一个领域，比如修建一座大桥，以人工智能现在或者不远将来的能力，直接提供一份详细的设计方案与设计图纸并非不可能，最大的问题在于，最后在图纸上签字的需要是人，而那个签字的人，怎么确认手里拿到的这份图纸没问题呢？

他们需要倒推与确认每一个细节，而这个过程，一点也不比正推的设计简单，可能还更加困难。于是最简单合理的方式，就是将一个复杂任务拆解为若干简单任务，每个简单任务安排一个承担责任的人，在这个过程中，人工智能就好像当年的制图软件一样可以成为强有力的辅助工具，但是人这个环节绝对不能少，因为人工智能无法担责。

因此从另外一个维度而言，衡量未来职业选择与职业安全性的尺度，就是自己承担的责任，能不能被人工智能或者依靠人工智能的其他更加有能力更加资深的人替代。