一项被广泛转发的 MIT CSAIL 与 Sloan 关于计算机视觉自动化的研究再次出现在深夜 AI 信息流中，推动一种反主流的就业叙事：技术暴露并不等于经济替代。其主张并不是摄像头看不见，而是看见并不等于能够收回自身成本。对安装和运营成本进行建模的研究人员发现，目前看来具备自动化成本效益的、与视觉任务相关的美国工资仅约占 23%。一旦将摄像头、模型和维护纳入定价，大多数企业仍会选择人类。
这就是全部论点，但足以解释这篇论文为何再次流传。深夜 AI 信息流通常不会停留在成本模型上，而会停留在演示上。这项研究恰恰相反。它追问：当企业必须购买整套系统、让系统持续运行，同时仍需支付视觉技术未触及的劳动成本时，会发生什么？在 MIT CSAIL 和 Sloan 的核算中，答案是，与视觉工作相关的工资总额中，大多数在今天看起来都不像是值得交给机器的划算交易。
技术暴露不等于经济替代
拒绝通常捷径的就业故事
反主流的就业叙事毫不修饰地表述为：技术暴露并不等于经济替代。技术暴露是一张熟悉的地图。它询问某个系统能够执行哪些任务、哪些职业包含这些任务，以及哪些劳动者因此看起来面临暴露。经济替代则是另一张地图。它询问，在将安装和运营成本计入账目后，企业实际上会从人类手中夺走哪些任务。
关于计算机视觉自动化的 MIT CSAIL 与 Sloan 研究位于第二张地图上。计算机视觉是应用型 AI 中较为成熟的领域之一。相对于工厂而言，摄像头很便宜。模型可以进行分类、检测和检查。正是这种成熟度，使论文的发现呈现为一个反主流结果。如果有哪类任务理应已经跨过经济替代的门槛，视觉任务应该名列前茅。研究却表示并非如此——至少不是暴露地图所暗示的规模，也不是在今天。
导语中的广泛转发并非无关紧要。这项研究并没有被当作一条全新的泄露消息，而是被当作一个在就业争论升温时不断回归的发现。周六晚的深夜 AI 信息流有一种特定的传播方式：简短摘要、鲜明对比，以及一句可以四处流传的话。这里流传的句子拒绝了那条捷径：暴露不是替代，能力也不是采购订单。
这种拒绝关系到我们应如何解读其余数字。该研究没有声称计算机视觉自动化不可能，也没有声称 AI 永远不会替代劳动。它的主张是：当对安装和运营成本进行建模后，相关工资池中只有少数部分目前看起来具备自动化成本效益。其余工资仍然支付给人类，因为发票金额大于企业可以削减的工资支出。
目前看来具备成本效益的仅约 23%
成本模型下保留下来的工资份额
研究人员发现，与视觉任务相关的美国工资仅约占 23%，目前看来具备自动化成本效益。这个数字指的是工资的份额，不是企业的份额，也不是职业的份额。它代表美国工资总额中与视觉工作相关、在模型为系统计价后仍然算得过来的那一部分。**约 23%**不是一半，也不是大多数，而是与视觉相关的工资池中的少数部分。
在就业争论中，更有分量的是其余部分。如果只有约 23%在今天看来具备成本效益，那么大部分剩余部分就不具备。正是这一剩余部分解释了为什么大多数企业仍会选择人类。在这个框架中，选择并非出于情感，而是成本比较的结果。一家选择人类的企业，是在审视摄像头、模型和维护，加上安装和运营成本后，认定人类工资仍是完成这项工作的更便宜方式。
今天与约 23%同样重要。该研究并不是预测这一比例会固定不变，而是对当前价格下什么看起来具备成本效益的快照。作者随后指出，要改变计算结果，需要AI 即服务规模化或成本大幅下降。**约 23%**代表改变发生前的计算结果。它说明，计算机视觉自动化可以在技术上可用、在经济上却同时受到限制。
与视觉任务相关的美国工资也是一个有边界的对象。该研究并没有给全国每一份工作打分，而是在评估视觉系统理论上可以承担的工作的工资价值。即便在这个已经暴露出来的范围内，目前看来具备购买价值的也只有约 23%。这种反主流的就业叙事正是建立在这一差距之上：技术地图很宽，经济地图很窄，而成本模型位于两者之间。
将摄像头、模型和维护计入成本
为什么大多数企业仍会选择人类
一旦将摄像头、模型和维护计入成本，大多数企业仍会选择人类。这三个项目是该研究拒绝纯软件幻想的方式。视觉系统不只是一个模型，而是必须安装和瞄准的摄像头、必须训练、调优和更新的模型，以及在首次检查成功后仍不会消失的维护负担。
安装和运营成本是这套系统上的两只时钟。安装是前期支出：硬件、集成，以及让摄像头和模型首次适配生产线或商店。运营成本是持续支出：维护、更新、故障，以及让系统保持可靠运行的人员。研究人员对两者都进行了建模。当两项成本都被纳入价格，并且比较对象是工资而非演示视频时，就得出了选择人类的结果。
“计入成本”是保持论证诚实的关键表述。只计算模型时看起来便宜的系统，在摄像头和维护加入账本后可能显得昂贵。研究框架中的大多数企业并不是因为怀疑技术而拒绝或推迟计算机视觉自动化，而是因为完整价格无法击败已经完成这项工作的人员。这就是即便存在技术暴露，经济替代仍然失败。
同样的三个项目也解释了为什么低至约 23%的全国工资份额可以与视觉产品的泛滥并存。产品可以存在，供应商可以销售，试点可以运行。MIT CSAIL 与 Sloan 所提出的问题是：将摄像头、模型和维护在内的运营与安装账单，是否使与视觉任务相关的美国工资在大范围内实现今天具备成本效益的替代。对于大部分工资池，答案是否定的，而大多数企业仍会选择人类。
一个面包店案例，以及微小的劳动力份额
质量检查视觉很少能收回自身成本
一个面包店案例显示，质量检查视觉只占劳动力的一小部分，因此 AI 很少能收回自身成本。面包店不是一个比喻，而是同一成本模型在生产现场的具体示例。质量检查是典型的视觉任务。但在该案例中，它也只占劳动力的一小部分。如果 AI 能够看见的任务只占工资总额的一小部分，那么自动化这部分工作所节省的工资就不足以支付摄像头、模型和维护的成本。
这就是为什么在面包店场景中，AI 很少能收回自身成本。系统可以很准确，也可以成功安装，但在计入安装和运营成本后，它仍必须击败那一小部分劳动力的成本。微小的份额构成了一个严苛的分母。替代质量检查工作所能节省的金额很小，因为质量检查从来就不是面包店支付给员工的大部分工作。混合、搬运、包装、销售以及其他劳动仍然存在。视觉部分看起来可以自动化，但规模不足以承担整张账单。
因此，面包店代表了 MIT CSAIL 与 Sloan 研究中的一个更大模式。人们经常谈论计算机视觉自动化，仿佛可见的任务就是整个工作。质量检查视觉是可见的，但在该案例中规模很小。当研究人员将安装和运营成本与这个小额工资目标进行比较时，替代无法通过具备成本效益的检验。AI 很少能收回自身成本，并不是因为面包店不能使用摄像头，而是因为与一小部分劳动力相连的摄像头无法抹去足够多的工资支出。
该案例还让**约 23%**这一发现不再脱离工作场所而独自漂浮。与视觉任务相关的全国美国工资是一个总量，而面包店是一个具体场所。在那里，视觉工作是质量检查，劳动力份额很小，经济结果是 AI 很少能收回自身成本。如果把同样的结构推广到视觉只占工作一部分的企业，就更容易理解为什么即便技术有效，大多数企业仍会选择人类。
渐进式替代，以及改变计算结果所需的条件
AI 即服务规模化或成本大幅下降
作者认为，替代将是渐进式的，只有AI 即服务规模化或成本大幅下降才可能改变计算结果。渐进式是从今天仅有**23%**的份额，以及面包店中视觉只占劳动力一小部分这两点得出的就业结论。如果与视觉相关的工资中只有少数部分目前看来具备自动化成本效益，那么替代浪潮就不是一个开关，而是一个等待价格变化的过程。
AI 即服务规模化是改变价格的一种方式。与其让每家企业都购买摄像头、训练模型并承担维护，不如由一项服务将这些安装和运营成本分摊到众多客户身上。在这种叙述中，规模化并不意味着模型更大，而是以更低成本交付同样的计算机视觉自动化，使工资池中更多部分开始看起来具备自动化成本效益。在规模化到来之前，研究中的今天仍然成立。
成本大幅下降是另一条路径。如果摄像头、模型和维护变得便宜得多，那么更多与视觉任务相关的美国工资就会从“选择人类”跨过门槛，转向“自动化”。作者并未把这种下降视为已经发生，而是将其视为改变计算结果所需的条件。在没有AI 即服务规模化或成本大幅下降的情况下，约 23%仍是看起来值得购买的部分，而替代将是渐进式的。
渐进式替代也是对时间的表述。当新模型发布时，技术暴露可能迅速扩大；当安装和运营成本下降到足够程度，或者服务规模改变了成本承担者时，经济替代才会移动。MIT CSAIL 与 Sloan 的作者认为，决定就业的是第二只时钟。第一只时钟解释了为什么深夜 AI 信息流不断期待突然断裂，第二只时钟则解释了为什么该研究的反主流就业叙事认为，断裂并没有在今天发生。
政策与再培训时间
一张缓慢到来的发票留在日历上的时间
同一批作者表示，这条渐进式路径为政策和再培训留下时间。这句话是成本模型面向公众的后果。如果替代将是渐进式的，因为与视觉任务相关的**美国工资仅约占 23%**在今天看来具备自动化成本效益，那么政府和企业面对的就不是视觉相关工作一夜之间被抹去，而是一个窗口期。
政策与再培训时间并不是说政策已经被妥善运用，而是说，按照通过安装和运营成本建模的计算机视觉自动化经济学，大部分暴露工资池并不会被迫立即替代。将摄像头、模型和维护计入成本后，大多数企业仍会选择人类。面包店的质量检查视觉只占劳动力的一小部分，所以 AI 很少能收回自身成本。这些结果结合起来，就留下了时间。
政策的时间，是决定应如何对待一种技术上已经准备就绪、经济上却只具部分可行性的技术。再培训的时间，是在计算结果改变前帮助人们转型的时间。再次强调，改变结果并非假定必然发生，而取决于AI 即服务规模化或成本大幅下降。在其中一项到来之前，MIT CSAIL 与 Sloan 的研究表示，计算机视觉自动化对就业的影响仍比暴露地图所显示的范围更窄，而政策与再培训的日程仍然敞开。
这就是为什么一篇广泛转发的论文能够在没有新就业人数数据的情况下，以新闻形式重返深夜 AI 信息流。再次传播的是威胁的形状。突然替代的故事不留时间；一个以今天的**23%**发现和仍然偏向人类的成本为基础的渐进式 替代故事，则为政策和再培训留下时间。归根结底，这个反主流就业叙事讲的就是那段剩余时间。
对 x.com 来说，发票会先到
不言自明的结论
对 x.com 来说，结论不言自明：机器人正在到来，但发票会先到。这句话本身并不是研究发现，而是对研究发现进行适合信息流传播的压缩。机器人正在到来是技术暴露的一半：计算机视觉能够完成比过去更多的观察工作。发票会先到是经济替代的一半：安装和运营成本、摄像头、模型和维护会先于工资节省出现，而后者对大多数与视觉相关的劳动力而言还不足以证明替代值得进行。
这就是为什么该研究能够被广泛转发，同时仍让人觉得像一条深夜新闻。x.com不需要新数据集来制造这个结论，只需要这个对比：一套成熟的计算机视觉自动化系统、一份 MIT CSAIL 与 Sloan 的成本模型、目前看来具备自动化成本效益的约 23% 美国工资，以及大多数企业仍然会选择人类。再加上面包店案例——其中质量检查视觉只占劳动力的一小部分，AI 很少能收回自身成本——这句关于发票的玩笑就有了一个真实的工作场所。
这个结论也符合作者更长远的主张。如果除非AI 即服务规模化或成本大幅下降改变计算结果，否则替代将是渐进式的，那么机器人可以在技术意义上不断到来，而发票则在经济意义上不断先到。政策与再培训时间存在于这两次到来之间的间隙中。这个反主流就业叙事选择把这段间隙当作故事，而不是把暴露视为命运。
这一切并不需要臆造更广泛的崩溃或繁荣。关于计算机视觉自动化的 MIT CSAIL 与 Sloan 研究说的就是它所说的内容：技术暴露并不等于经济替代。相关美国工资中，目前看来具备自动化成本效益的仅有约 23%。一旦将摄像头、模型和维护计入成本，大多数企业仍会选择人类。一家面包店说明了为什么一小部分劳动力无法承担整套系统。作者认为，其余替代将是渐进式的，取决于规模化或成本大幅下降，而这段延迟为政策和再培训留下时间。对 x.com 来说，这已经是一条完整的帖子：机器人正在到来，但发票会先到。