AI都能看片子了，放射科醫生為什么卻成了香餑餑？
在不少人看來，AI 不只是一次生產力革命，更是一場緩慢但深刻的社會變革。
當 AI 帶來效率大幅提升，一個老問題又重新被提起：人會不會因此被取代？如果 AI 能比人類做得更快、更準，那些工作崗位，是不是就沒有存在的必要了？
現實并不總是這么直接。
在所有 AI 的落地路徑中，醫療影像診斷是進展最明確的場景之一。早在 2017 年，斯坦福團隊推出的 CheXNet 就已在肺炎識別任務上超越專業醫生。到今天，已有超過 700 種放射學 AI 模型通過 FDA 批準，占到醫療 AI 器械的四分之三以上。
按理說，這樣的技術一出現，放射科醫生是不是就該“涼涼”了？
但現實卻完全相反。AI不僅沒有帶來“淘汰”，反而讓放射科醫生正變得越來越重要。
2025 年，美國放射科醫生平均年薪達到 52 萬美元，僅次于整形外科，成為收入第二高的醫學專科。同時，醫院對他們的需求也越來越大，職位數量和空缺率雙雙創新高。
背后的邏輯并不復雜：AI 讓影像診斷變得更高效，也更容易獲取，推高了整體檢查數量。而 AI 所能勝任的，仍然只是流程中的一部分，真正復雜或風險高的判斷，仍需人類醫生把關。
更重要的是，監管明確規定，最終報告必須由人類簽署。AI 無法獨立上崗，所有結果依然需要醫生確認。
結果是，醫生不僅沒有被替代，反而因為工作量上升，被推到了更加核心的位置。
這正是經濟學中的“杰文斯悖論”——當某項技術提高了效率，反而可能激發更大規模的消費需求，從而帶來更多工作，而不是更少。
生產力提升還會帶來一個更隱蔽的副作用：拉高其他行業的工資成本。經濟學中有一個概念叫“鮑莫爾效應”：當某些行業（比如 AI、芯片、數據中心）變得特別賺錢，其他行業即便沒有技術革新，也必須提高薪資，才能留住人。
結果是，一些與 AI 完全無關的服務，價格也在逐漸上漲。這種變化，不會集中爆發，而是悄然擴散到社會的每一個角落。
今天，我們不妨借用 A16Z 的視角，來重新審視一個老問題：當 AI 釋放出前所未有的生產力，社會將被推向怎樣的深水區？
/ 01 /
為什么AI不會減少工作，而是制造更多機會？
你很可能在某個時候見過類似的圖表：
這張圖表對不同的人來說意義各不相同：對一些人來說，它可能代表“哪些領域受到監管，哪些領域不受監管”；對另一些人來說，它可能代表“科技在哪些方面發揮著作用”。而如今，它備受關注，因為持續的通貨膨脹和人工智能投資超級周期都占據了人們的大量注意力。
要真正理解這一點，最好的切入點不是紅線，而是藍線：哪些地方的物價正在下降，從而創造更多就業機會、更多發展機遇和更多消費？
威廉·斯坦利·杰文于1865年首次提出的“杰文悖論”與煤炭生產有關。杰文觀察到，煤炭生產成本越低、速度越快，最終煤炭的使用量反而越大——需求遠遠超過了成本節約，煤炭市場隨著英國乃至全球第二次工業革命的推進而迅速增長。
如今，我們都知道摩爾定律，這是杰文斯悖論的最佳當代例證。
1965年，一個晶體管的成本約為1美元。如今，它的成本僅為百萬分之一美分。計算成本的驚人下降——十億倍的提升——并沒有導致計算機使用量的適度增長。
它引發了應用領域的爆炸式增長，而這些應用在之前的價格水平下是不可想象的。
每個晶體管1美元時，計算機適用于軍事計算和企業薪資管理。千分之一美分時，計算機適用于文字處理和數據庫。百萬分之一美分時，計算機適用于恒溫器和賀卡。十億分之一美分時，我們將其嵌入一次性運輸標簽中，這些標簽只需傳輸一次位置信息即可丟棄。
效率的提升并沒有減少我們的計算總量：它使計算變得如此便宜，以至于我們現在使用的計算量是以前的數萬億倍。
我們都押注代幣價格也會像計算成本一樣上漲，從而釋放出遠超現有投資所能滿足的需求。
前幾周，谷歌云人工智能與基礎設施總經理兼全球合伙人 Amin Vahdat 向我們分享了一個驚人的發現：
谷歌內部 7 年前的 TPU 仍然保持著 100% 的利用率。這正是杰文悖論的體現之一：生產性工作的機會呈爆炸式增長。人工智能技術正處于發展的關鍵階段，每天都有人發現新的應用，這意味著用戶會利用任何可用的芯片進行生產性開發。
杰文斯悖論（其實根本算不上悖論，它只是經濟學原理）揭示了需求創造的根源，以及新型高吸引力就業崗位的來源。而這大量新增的、切實可行的、富有成效的就業機會，正是我們理解經濟難題另一半——其他領域經濟運行規律——的起點。
/ 02 /
AI提升了效率，卻讓更多行業變得更貴了
阿加莎·克里斯蒂曾寫道，她從未想過自己會富裕到可以買車，也從未想過自己會貧窮到不需要傭人。然而，經過一個世紀的生產力提升，如今美國中產階級家庭平均每兩年就能輕松負擔一輛新車的租賃費用，卻需要與鄰居分攤一位保姆的費用。
這究竟是怎么回事？
在杰文斯發表關于煤炭的觀察報告一百年后，威廉·鮑莫爾發表了一篇短文，探討了為何如此多的管弦樂隊、劇院和歌劇公司面臨資金短缺的問題。
他曾提出一個頗具爭議的觀點：演奏弦樂四重奏的音樂家，雖然工作強度沒變，但從“經濟產出”的角度看，效率卻在下降，不是因為他們偷懶了，而是因為其他行業的效率提高了，比如制造業能用更少的人生產更多的產品。
這個概念確實不太好理解，也讓很多人難以接受。它的大意是這樣的：
從長遠看，不同行業的工作其實是在同一個勞動力市場上“搶人”。如果有個行業因為效率提高、利潤暴漲而開出更高工資，其他行業為了留住員工，也得跟著漲薪。否則，工人都會流向那些工資更高的行業。
以弦樂四重奏為例，聽起來可能有點奇怪。因為從某種角度看，音樂在過去一百年里其實變得更高效了：我們可以通過錄音和流媒體隨時隨地聽音樂，幾乎不需要成本。甚至你也可以說，像泰勒·斯威夫特這樣的流行歌手，更能滿足今天大眾的口味（盡管你可能不欣賞她的風格）。
但這并不影響鮑莫爾想表達的核心：當一些行業變得更有吸引力、回報更高時，其他沒有明顯效率提升的行業也會變得“更貴”。因為大家都在同一個勞動力市場里，如果你想留住人，就得付出更高的成本。這種“相對吸引力”的變化，是推動成本上漲的重要原因。
鮑莫爾成本病聽起來像是在抱怨：為什么有些行業（比如教育、醫療、藝術）總是越來越貴、效率卻沒變？但其實，它之所以會出現，有一個很關鍵、但經常被忽略的前提——整個社會的生產力和財富要持續增長。
換句話說，如果沒有整體經濟變得更富裕、更多人賺到更多錢，鮑莫爾效應根本不會成立。它之所以會發生，是因為一些行業效率提高、賺得多，拉高了工資水平；而其他行業為了留住人，也得跟著漲工資——盡管它們本身沒法像高科技、制造業那樣提高效率。
這就像是“杰文斯悖論”（Jevons Paradox）和“鮑莫爾成本病”是一對搭檔：前者講的是效率越高，反而可能消費得越多；后者講的是當一些行業越來越高效時，反而會讓其他沒那么高效的行業變得越來越貴。
我們很少把這兩者放在一起講，但其實它們密切相關。只有在整個社會變得更富有的時候，鮑莫爾效應才會全面顯現出來*當經濟蓬勃發展、大家消費更多、工作機會更多時，那些原本“沒效率提升空間”的行業，也會因為跟著漲工資而變得成本更高。
這不一定是壞事。從某種角度看，它其實是一種“水漲船高式”的財富分配機制。甚至可以開個玩笑說：鮑莫爾成本病，可能是現實世界里最溫和有效的“共產主義”模型，當一部分人變得更富有時，其他人也不得不被“帶富”一部分。
/ 03 /
AI 讓世界更高效，也讓遛狗更貴了
有一篇文章是這樣解釋的：現在因為數據中心越來越多，特別是AI的發展，需要大量的冷卻系統來保證機器正常運轉。這就讓暖通空調（HVAC）技術人員變得特別搶手，他們的工作機會幾乎是“無窮無盡”。
結果就是——他們的工資也漲了很多，即使他們的技術本身沒發生變化。
而當他們收費變貴，其他行業也會跟著受到影響：比如請他們修理辦公樓、商場，甚至修家用空調的費用也變高了，哪怕這些活兒跟AI一點關系都沒有。
但問題沒那么嚴重，因為從長遠來看，我們的社會整體上也更富裕了，這主要是因為技術帶來了更多效率和產出。所以盡管服務變貴了，大多數人還是“負擔得起”。
此外，下一代水管工學徒可能會選擇轉行從事暖通空調工作；因此，現在水管工的成本也更高了。諸如此類，不勝枚舉。
那我們不妨想一想，如果人工智能真的像大家預測的那樣，在各個行業廣泛落地，會發生什么？
首先，人工智能很可能會大幅提升服務行業的效率。這不是第一次有技術做到這一點：比如過去鐵路讓郵政速度快了好幾倍，互聯網讓訂機票、訂酒店變得又快又方便。
這次也是一樣。AI會讓一些服務變得更快、更便宜、可規模化。而且，有些服務還會進入類似“杰文斯效應”的狀態：效率越高，反而使用得越多。為什么？因為原來太貴、太慢、太麻煩的服務，突然變得“人人可用”。
比如，像法律服務，以前動不動就要花大價錢請律師，很多人都用不起。但如果 AI 能快速幫你寫合同、查資料、出法律建議，那可能原來只會找律師一次的人，現在會找十次，甚至一百次。
不過，并不是所有服務都能像法律或旅行那樣被 AI 大幅提升效率。有些工作因為本身的性質，根本無法被“AI化”，也沒辦法像其他服務那樣降價、擴展、自動化。
比如遛狗，AI 再厲害，也不能真的來接你家的狗出門散步。但隨著其他行業效率提升、工資上漲，連遛狗這類跟 AI 完全無關的服務，也會變得越來越貴。為什么？因為這些工作的人也生活在同一個社會里，房租、消費、工資水平都在漲，他自然也要多收點錢。
/ 04 /
當AI干完99%，那1%的人反而最值錢
當技術太快、太猛，社會還沒準備好時，政府往往會介入，用政策規定某些工作“必須由人來完成”。比如某項安全審核、某份檢查報告，哪怕AI已經能完成99%的任務，也得有人在最后簽個字。
這不是假設，而是很可能會發生的事情，而且會影響很多行業。比如放射科醫生，有人打了個比方，說他們的角色可能就像Waymo自動駕駛汽車前排的“安全員”，車已經能自己開了，但還是得有人坐在那，防止萬一出問題。
現在的Robotaxi也是這樣，看似自動駕駛，實際還是有個人坐在車里監控。這時候，那“最后1%的人類介入”就變得特別重*，因為它是整套系統能不能落地的關鍵。
如果這類工作（比如放射科醫生）真的是“AI干99%，人來兜底”，那這些“兜底人”的工資可能會變得特別高——因為他們的角色不可替代，是整套流程的瓶頸
這樣的故事正在發生。在AI的所有實際應用中，AI輔助醫療影像診斷是最明確的應用領域之一。目前，已有超過 700 種放射學模型獲得 FDA 批準，占所有醫療人工智能設備的四分之三以上。
但就在這樣一個AI滲透率更高的領域，對人力的需求卻比以往任何時候都高。
2025年，美國診斷放射學住院醫師培訓項目在所有放射學專科領域提供了創紀錄的1208個職位，比2024年增長了4%，而該領域的職位空缺率也達到了歷史最高水平。2025年，放射學成為美國收入第二高的醫學專科，平均年收入為52萬美元，比2015年的平均工資高出48%以上。
這背后凸顯了一個AI落地過程中的奇怪現象：當AI完成99%時，人的價值會暴漲；可一旦AI真能完成100%，這個崗位就可能“突然消失”。工資漲到頂點，然后歸零。你也許會在未來的某些崗位上看到這種非常奇怪的現象。
這其實也是鮑莫爾效應在進化的一種新形式——過去我們講的是“某些行業效率提不上去，所以成本變貴”；現在，我們可能看到的是，“AI 能力越強，人的價值越集中在最后那一點點‘無法取代’的部分上”。
比如，我們能在手機上跑大型AI模型，卻還是請不到足夠的老師來搞小班授課。這種錯位，聽起來就像是“科技飛速發展，但人的工作越來越古怪”。
也許有一天，我們真的會走到那一步：社會中到處是AI完成的自動化流程，而“真正值錢”的，是那些必須由人完成的1%瑣碎工作，可能是要遛狗、要簽字、要面對面說一句“我在這里”的角色。這些工作看似不起眼，卻變成了不可替代的“黃金任務”。
如果真是這樣，那我們未來的勞動力市場可能會出現一批很奇特的職業——看上去像遺留物，但它們卻扮演著關鍵角色。也可能因此誕生一些我們今天想都想不到的經濟現象和政治聯盟。
不過那一天還沒來，眼下我們該做的仍然是努力提高生產力。這才是讓社會變富的根本，哪怕它會帶來一些混亂、意想不到的副作用。
原文標題 : AI都能看片子了，放射科醫生為什么卻成了香餑餑？
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
