核心内容总结
这篇文章围绕“永久底层”这个概念展开：AI的发展可能让大多数人的劳动失去议价权，没有资本的人不仅会变穷，还会失去向上流动的通道（比如靠劳动攒钱买资产、通过工会谈判涨工资），成为“永远的底层”。面对普通17岁孩子的未来，AI研究员们答不上来——因为个人努力（学AI、买AI股权）解决不了根本问题，真正需要的是新的分配制度和谈判机制，但目前美国还没建立起来，中国有一些尝试，未来关键看能不能及时搭起这张“谈判桌”。
详细拆解解读
1. “永久底层”：不是穷，是连向上爬的梯子都没了
过去的底层虽然穷，但还有“梯子”：你可以卖力气换工资，攒钱读书、买房，慢慢往上走；工人还能通过工会跟老板谈判，让老板把 productivity（效率）提升的钱分一部分给员工。但AI不一样——如果AI能做大部分认知和体力劳动，老板就不需要那么多人了。工资在经济里的占比会越来越低，钱都流到有AI模型、算力、数据中心的富人手里。
这时候，普通人的“梯子”就没了：既没法靠劳动攒钱买资产（劳动不值钱），也没法通过罢工让老板分利润（老板根本不需要你）。斯坦福的数据已经证明：AI普及后，22-25岁年轻人在AI相关职业里就业下滑了16%，应届生失业率比三年前涨了1.6个百分点——就像电梯的一楼按钮被拆了，你想往上走都没地方按。
2. 研究员答不出17岁孩子的问题：因为个人方案解决不了系统问题
当被问到“普通17岁孩子该怎么准备未来”时，AI研究员们都说“不知道”。不是他们笨，而是他们清楚：个人能做的事都有局限。
- 学AI？你越会用AI提高效率，老板越不需要其他人，反而加速别人被淘汰（你暂时安全，但整体劳动价值下降更快）；
- 买AI公司股权？像OpenAI这种公司普通人根本买不到，只有员工和富人能拿到；就算拿到，未来AI如果能管理一切，现在的产权可能不被承认（比如未来的超级AI或国家为什么要认你过去买的股份？）。
真正的问题不是个人怎么选，而是社会需要一套新规则：让没被AI需要的人也能分到AI创造的财富。但这套规则还没影子，所以他们答不上来。
3. 越怕被AI淘汰，越多人跑去AI公司，形成“闭环陷阱”
那些知道未来危险的研究员，还是继续做AI；甚至很多学者、政策人才放弃原来的工作，加入AI实验室。为什么？因为他们想“占位置”——拿到股权，提前站到资本那边。
但这就形成了一个恶性循环：越多人相信劳动要贬值，越多人跑去拿股权，不再去建保护劳动者的“谈判桌”（比如工会、政策）；谈判桌越少，劳动的议价权就越弱，贬值得更快。比如伯克利的AI博士提前毕业，选容易进实验室的论文题目；政策人才跑去AI公司——这些本该搭建谈判桌的人都走了，劳动者更没保障。
4. 个人的“逃生路线”，其实都是坑
大家想出来的应对办法，比如“学AI”“买AI股权”“做物理现场工作”，其实都有问题：
- 学AI：你帮公司提高效率，公司裁更多人，你暂时安全，但加速整体劳动价值下降；
- 买AI股权：普通人买不到（OpenAI不是上市公司），而且未来产权可能无效；
- 做现场工作（比如电工、护理）：不是所有人都能做，而且这些工作也可能被AI辅助替代（比如AI诊断+护士执行）。
这些办法都只是“晚一点掉下去”，解决不了根本问题。
5. 破局关键：搭一张新的“谈判桌”
要解决“永久底层”，不能靠个人努力，得靠制度。比如：
- 法律：中国法院判决“AI替代岗位不能直接解雇”，国企承诺不用AI裁员；
- 工会：建新型工会，让员工参与AI部署的谈判（比如AI替代岗位时，公司要给补偿或转岗）；
- 税收/分红：让AI公司把利润通过税收或公共基金分给普通人。
美国现在制度真空，导致有人扔燃烧瓶、枪击议员（情绪没地方发泄）；中国有一些细碎的规则尝试。未来两年关键看美国能不能在选举前搭起这张谈判桌——不然愤怒可能会爆发。
最后，那个17岁的孩子真正需要的答案，不是“学AI”或“买股权”，而是：为什么一个人的生存，必须取决于他是否被资本需要？但研究员们答不上来——因为这个问题需要的是社会制度的改变，而不是个人规划。他们只能回去，继续为自己买“股权保险”。