Yann LeCun 在兩天內連發兩條推文：先說 Dario Amodei 的「50% 白領消失論」是「destructive and dangerous」，後針對 Geoffrey Hinton 說「他比 Dario 更不懂勞動市場」——最特別的是，LeCun 把自己也否定進去，讓外界不要聽任何 AI 科學家的，去聽 Acemoglu、Autor、Brynjolfsson 等研究就業的經濟學家。
目錄+
一個 Turing 得主說「這件事不要聽我的」——這句話本身，比他評論的任何人都罕見。
4/18：從嗆 Dario 開始
2026-04-18，Meta 首席 AI 科學家 Yann LeCun 在 X 上發了一段語氣很重的話：
Dario is wrong. He knows absolutely nothing about the effects of technological revolutions on the labor market. Don't listen to him, Sam, Yoshua, Geoff, or me on this topic. Listen to economists who have spent their career studying this, like Philippe Aghion and Erik Brynjolfsson.
表面上這是同行互嗆，LeCun 點名 Anthropic 執行長 Dario Amodei，說他談勞動市場時「一無所知」。但細看這段話，真正有趣的不是他挑戰 Dario，而是他連自己一起否定進去——「don't listen to me on this topic」。在一個人人搶奪 AI 話語權的時代，一個 Turing 得主明確說「這件事我沒有資格評論」，這才是整段話最值得停下來想的部分。
Dario 的論點來自哪裡
Dario Amodei 過去一年在多個場合（Axios 2025-05、Davos 2026-01、Fox News、60 Minutes）反覆強調同一個預測：未來 1 到 5 年內，AI 可能消滅 50% 的入門級白領工作（entry-level white-collar jobs），失業率可能短期衝到 10% 到 20%。他的論點大致是：
- LLM 的能力曲線還在陡升，編碼、客服、初級法律、初級行政、初級分析這些工作會先被吃掉
- 入門級白領職位是組織金字塔的底層，一旦這層消失，整代年輕人失去爬升的起點
- 他認為 AI 不只是「替換某個工作」，而是「人類勞動的通用替代品」——這次與過去的自動化浪潮不同，因為認知廣度讓工人無法像以前那樣換跑道
這個論述在 Anthropic 的產品定位上有內在一致性——他們的主力是 Claude Code 和企業自動化，本來就瞄準白領的重複性任務。也正因為這樣，LeCun 的反駁才有火藥味：作為 AI 公司 CEO，當你預測自己產品會取代一半白領時，你同時在做兩件事——發出警告，也在做行銷。當有網友提醒他 Amodei 那段訪談是六個月前的舊片時，LeCun 的回覆更直接：「It's still wrong, destructive, and dangerous.」
4/20：再嗆 Hinton，順便嗆自己
兩天後，Geoffrey Hinton 加入辯論，論點是：過去的技術革命的確創造新工作，但 AI 可能打破這個模式，因為它同時取代體力與腦力勞動。
LeCun 針對 Hinton 的這段話回應，說出 4/20 那條推文——「我很喜歡 Geoff。但他對科技革命影響勞動市場的理解，甚至比 Dario 還少。」
Hinton 近一年來的就業警告有幾個具體說法（CNN State of the Union 2025-12-31、FT 2025-09、Fortune/Georgetown 2025-12）：
- 「AI 將有能力替換非常多、非常多的工作……已經在替換話務中心的工作，接下來將能替換許多其他工作。」
- 「大約每七個月，AI 能完成原來需要兩倍時間的任務。」
- 「這將造成大量失業和利潤暴增，讓少數人更富有，讓大多數人更貧窮。」
LeCun 的完整 4/20 推文是：「再說一次：對於勞動經濟學問題，不要聽 AI 科學家的，不管他們多麼傑出；更不要聽 AI CEO 的，不管他們多麼成功。要聽研究過這些問題的有信譽的經濟學家的。」
LeCun 推薦聽誰的
LeCun 在兩條推文裡共列出五位他認為值得信任的勞動經濟學家，全部都是花了整個職涯在實證研究技術變遷對就業影響的人：
Philippe Aghion（Collège de France）是增長理論專家，長期研究創造性破壞（creative destruction）與熊彼得式成長。他的核心論點是：技術革命確實消滅某些職位，但在歷史數據上長期創造的新職位多於消滅的舊職位，前提是制度與再訓練機制跟上。他近年對 AI 的研究傾向認為，AI 會加速生產力重分配，但「50% 工作消失」不是任何歷史案例支持的數字。
Daron Acemoglu（MIT，2024 諾貝爾經濟學獎得主之一）：他的任務型宏觀模型計算，AI 在 10 年內提升全要素生產力（TFP）不超過 0.66%。他強調「研究焦點仍然過度集中在自動化應用，而非補充人類能力的應用」。和 Simon Johnson 合著的《Power and Progress》（2023）論證，技術進步的勞工紅利需要制度設計，不會自動出現。
Erik Brynjolfsson（Stanford Digital Economy Lab 主任，《The Second Machine Age》共同作者）：他 2025 年在 Quarterly Journal of Economics 發表的「Generative AI at Work」call center 實驗顯示，生成式 AI 讓員工生產力提升 14%，但分佈不均——新進員工收益最大，資深員工幾乎沒有增益。他把工作拆成「任務」，主張大多數職位不是被 AI 整個取代，而是裡面的部分任務被自動化，工作內容會重組。
Andrew McAfee：和 Brynjolfsson 立場相近，相信「擴增而非替代」（augmentation not automation）是更好的技術框架，但承認分配後果依賴制度設計。
David Autor（MIT）：提出「任務替代框架」——自動化替換的是任務，不是整個工作。他的 2024 年 NBER 研究《Applying AI to Rebuild Middle Class Jobs》認為，AI 可以被引導去重建中產階級工作，不是必然摧毀它們。他也記錄了 AI 對年輕工作者和入門職位的現實壓力。
這五位的共識大致是：技術能力確實在進步，但歷史上每一次「這次會造成大量失業」的恐慌，最後都因為新任務創造而被吸收——但這個過程是痛苦的、不均等的、需要幾十年，而且受損最深的往往是最脆弱的工作者。
LeCun 的論點站得住腳嗎
LeCun 的核心主張是：AI 科學家和 CEO 不具備預測就業市場的專業知識，應該把問題交還給勞動經濟學家。這個主張有道理，但也有它的限制。
站得住腳的部分：Hinton 和 Amodei 的預測方法確實有問題——他們從技術能力曲線直接跳到就業結果，跳過了「能力到採用」、「採用到任務替代」、「任務替代到就業量淨變化」這三個完全不同的環節，每一個環節都有大量不確定性。截至 2025-2026 年，大型管理數據集（美國 BLS、Humlum & Vestergaard 等研究）找不到「全面性就業下降」的證據。雖然自 ChatGPT 發布以來白領入門職位招聘下降約 30%、AI 被引用為 2025 年美國約 55,000 起裁員的原因，但「AI 能做 X% 的工作」和「就業量因此下降 X%」是兩個完全不同的問題。
限制在哪裡：勞動經濟學家之間對 AI 衝擊的看法也不統一。Acemoglu 和 Autor 的研究有時得出不同的政策含義。更重要的是，他們研究的資料大多來自 AI 滲透率還低的時期——2022-2025 年是 AI 能力加速最快的時期，現有學術研究的滯後性可能讓它們低估了當前的壓力速度。把「聽經濟學家」當成單一答案，其實是把分歧推到另一個學科。
最微妙的地方：LeCun 自己也是 AI 科學家，而且是一個對 AGI 持懷疑論的人。他點名 Hinton 和 Amodei，不只是在做學術分辨——他和他們在技術路線上也有長期分歧（Hinton 力挺 scaling 路線，LeCun 認為 LLM 有根本性限制）。這個背景讓他的「別聽 AI 科學家」論點帶有額外的紋理：他說的「AI 科學家」在某種程度上是指那些和他立場不同的人。
這是一個真實的未知，不是一個已解決的問題。Acemoglu 和 Autor 自己也在說：這一次，要謹慎樂觀，不要假設歷史的緩衝機制一定會重演。
對獨立開發者和工作者最實用的讀法是把 Brynjolfsson 的任務拆解框架帶著走：不要問「我的職位會不會消失」，要問「我職位裡的哪些任務會被自動化、哪些不會」。這個層次的思考，比訂閱任何 CEO 的末日預測或 AI 科學家的樂觀敘事，都要務實得多。相關的生產力工具，Typeless 這類 AI 語音轉錄工具，可以示範「任務重組」而非「工作消失」的實際樣貌——把語音輸入轉換為文字草稿，是任務層面的 AI 增益，而非職位層面的替代。
LeCun 這次最值得記下的不是嗆 Hinton 那句話，而是他的立論框架：區分「對技術的權威」和「對技術社會後果的權威」。這副眼鏡，不管最後誰的預測更準，都會是未來十年判讀 AI 言論時最值得帶著的工具。
利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。