Palantir創始人Alex Karp：在人工智能時代，人文類工作註定要消失，AI將摧毀文科崗位，讓技術移民成為過去式

在 2026 年 1 月剛剛舉行的達沃斯世界經濟論壇年會上，Palantir 首席執行官 Alex Karp 與貝萊德CEO Larry Fink 進行了一場深度對話。

在對話的最開始，全球最大的資產管理巨頭貝萊德CEO勞倫斯·芬克（Larry Fink），以一種近乎於「舊時代守望者」的姿態，向坐在對面的Palantir CEO亞歷克斯·卡普（Alex Karp）表達了敬意。

芬克給出了一組足以令任何金融精英汗顏的數據：在他執掌貝萊德的漫長歲月中，年化複合回報率為21%，這已是傳統金融世界的巔峰；而自Palantir上市以來，卡普為投資者帶來的複合回報率卻高達驚人的73%。這52個百分點的差距，絕非僅僅是兩家公司財務報表的優劣對比，而是一份關於全球權力天平位移的證明，隱藏着AI從「增長潛力」向「實際行動能力」轉化的分水嶺。

世界已進入地緣博弈的深水區。過去那種靠温和的數字化轉型、買幾個SaaS軟件就宣稱進入「智能時代」的假象，正在迅速破滅。Palantir的成功就是最好的證明。正如亞歷克斯·卡普在其新書《科技共和國》中所説：若非先進的人工智能的崛起已經對全球秩序構成顛覆性的威脅，我們或許還會在渾渾噩噩中繼續蹉跎歲月，持久地迴避這些更為根本的問題。作為一個社會與文明，我們現在已經到了必須就「我們是誰」以及「我們希望成為什麼樣子」做出決策的關鍵時刻。

「PPT企業」的終結：戰場上的真實性測試

拉里·芬克：再度蒞臨此地，深感榮幸。在達沃斯舉行的世界經濟論壇上，我很榮幸向諸位介紹亞歷克斯·卡普。

請允許我先從我們之間一段更為個人的話題談起——雖然我為我在貝萊德集團所創下的成就感到自豪，但自我擔任首席執行官以來，總回報率的複合年化增長僅為21%。而自Alex帶領帕蘭提爾（Palantir）公司上市以來，其複合回報率高達73%。祝賀你，ALex。

更重要的是，我們正身處一場深刻的技術變革之中。我相信在座諸位對此皆有耳聞、有目共睹、身有所感。所有人都在追問：人工智能究竟能為個人帶來什麼？如何將其轉化為增長動力？它如何惠及勞動者？又將如何影響各國發展與國家安全？

我們正在探討的這項技術，有提升產能、推動產業現代化、拓展機遇的潛力，並將徹底重塑我們的工作模式、工作場所以及協作方式。關鍵在於：各國政府是否已為這場社會實質性轉型做好了準備？我們必須確保這項技術在部署過程中，能夠真正賦能於人、賦能於機構，從而構建更具韌性的全球經濟。

很少有領袖能真正立足於科技、國家安全與實體經濟的交匯處——我自認並非其中一員。但亞歷克斯·卡普正是站在這個交匯點上的典範。

作為帕蘭提爾公司的聯合創始人兼首席執行官，Alex長期與國防部門、政府機構及私營組織密切合作，致力於探索人工智能在諸多關鍵領域的應用，其意義至關重要。我必須坦言，過去一年與Alex的多次交談使我深受啓發。因此，我十分期待接下來的對話。

那麼，請允許我由此切入：主權國家往往是先進技術的早期採用者，這一點在美國的實踐中尤為顯著。但從您的視角出發，人工智能正如何支持國防與安全領域的決策過程？

亞力克斯·卡普：首先，非常高興來到這里。聽了您的介紹，我可能就該直接下臺了——感覺接下來很難超越啊。您還想多聊聊投資回報率嗎？我這邊沒問題。

的確，我認為討論這個問題時需要考慮到一個背景：無論是美國還是歐洲，歷史上工業發展與軍事技術始終緊密相連。雖然這是個概括性的説法，但多數情況下確實如此——你為軍方開發的產品往往具有雙重用途，最終提升了國民的生活水平。

然而由於諸多原因，我在此不詳細展開講述了，至少到目前的技術發展模式並非如此。儘管現在涌現了許多國防科技初創企業和先驅，但過去的情況是：你創造的產品必須在最嚴酷的條件下運行，其性能要顯著優於其他所有同類，以至於能在戰場上帶來壓倒性優勢——尤其是與本國作戰方式結合時。

這里可以引用一位著名的德國社會主義歷史學家的觀點：德國曾面臨的問題是戰爭機器過於精良，以致他們認為所有事情「直接在戰場上決出對錯即可」。這顯然導致了許多脱節和實際問題。而中美兩國在這方面相當成功。

我成年后大部分時間生活在歐洲，雖然堅定支持歐洲，但客觀地説，歐洲的發展並不十分順利。我們所打造的技術本為應對惡劣環境而生——那種惡劣、道德界限模糊的環境。那麼，如何調整道德準則以適應我們的作戰方式呢？

在西方社會，這同樣是一個重要方向。道德準則的確立本就艱難，技術應用環境又充滿挑戰——尤其在軟件領域，你往往無法直接接入網絡，作戰時面臨諸多限制條件，即便知道這並非最優的作戰方式，而且每個國家都有專有的戰鬥方式。但是積極的一面是你同時也在構建具有普適價值、能為普通民眾所用的技術方案。這也正是人工智能的獨特之處——它真正引人入勝的特質就在於此。

但如果你從一種慣常思維出發——我認為直到最近，所有廣義上的西方對手們還普遍認為，在基於軟件的國防建設上的投資，不過是美國人搞的一種瘋狂營銷把戲：創始人造富燒錢，公司倒閉，創始人跑到巴哈馬海灘逍遙，股東賺了錢就撤，最終留下一地雞毛。

你如何為主權政府構建系統，對他們而言本身也是他們學習的一個過程，關於如何採用這些技術。這不僅僅是技術問題，因為如果是建造坦克，從英國到法國再到德國，不斷優化坦克技術，其部署方式一目瞭然。但是你如何部署一個系統呢？我們當下的整個國防體系與軍備採購機制，仍停留在為廣袤戰場大規模兵團作戰輸送兵力的模式，但問題在於，這種戰爭可能再也不會出現。下一階段戰爭的勝負，將取決於軟件，其核心價值在於調度戰場上的零件。如果無法在戰場上看到這些組成部分，又怎能確認它是否有效果、能發揮多大作用、是否遠優於我們原有的系統、能否讓我們做到過去無法做到的事？

軟件人工智能有很多價值，其中還存在一個隱性特點——很多人總是想當然地認為其價值在於「從你本來所處的地方跨越到你希望去的地方「。但在世界上大多數主權國家中，我們處理各種形式被廣泛定義為「in it 」的事情。

實際上技術企業的嚴謹性有很大漏洞，就像我有閲讀障礙一樣，它也有閲讀障礙，企業里有許多部門僅存在於PPT演示文稿中，一旦投入實戰，你就會發現它們根本不存在。不管你在哪個國家，當你在戰場上時就會發現這一點。這也是某些國家的優勢之一，他們基本是白手起家，能夠「從零開始」構建能夠應對現實載荷的真實架構，不必在投入實戰后才重新認識到自己原有的體系行不通。

不管你信不信我是反對干涉的，我不是新保守主義者。但美國的巨大優勢之一在於，無論是好是壞，我們在戰場上有豐富的經驗，這樣你就可以看到什麼是有效的什麼是無效的。目前西方許多傳統巨頭正處於一種「由於擁有太多而變得脆弱」的窘境。帕蘭提爾在戰場上做過的最重要的事情之一就是能彌補齊一半的事實，而有的企業甚至不起作用，只是在實驗室里播放演示ppt。

拉里·芬克：不起作用的原因是因為機器還是人類？

亞力克斯·卡普：戰場上的環境是複雜多變的，把無人機從a點移動到b點有多難？實際上，首先，你需要知道你想把無人機部署到哪里。這將需要同步你所有的數據。你需要在做到這一點的同時，不將這些數據傳輸給你的對手，這意味着你必須知道經手這份數據的每一個人。你還必須對數據進行最終處理以掩蓋其真實意圖。

那它不去哪里呢？你會希望把無人機放在你的資產表上嗎？在戰場上可能只有2個人知道，一個是將軍一個是你的線人。你不能告訴別人那是你的資產。你要避免別人發現誰是你的線人。當戰爭開始后，過去我不知道為什麼俄羅斯人被低估了，在數據層面來看他們可能是世界第一。可能有些東西他們一開始沒有，他們可以在戰爭過程中拼湊出來，然后開始干擾電子設備信號。所以這要求你的企業必須同步發展，因為現在不是從A到B到問題了，而是如何穿過非常擁擠的環境的問題。當你在收集數據的時候並沒有可以鏈接的地方。在每次進入一個戰區之前，每件事情都是動態挑戰，並且事先沒有被預測到。

當然肯定有人喜歡我們的工作，有些人討厭，歡迎所有的意見交流。

某些國家的人其實是一個小團隊，他們的士兵非常勇敢，非常有技術性，他們也有很厲害的技術人員能力在我們之上，有自己產品的專有使用方式。在以色列，他們善用情報手段，而多數人則傾向於軍對軍的直接對抗。但在美國，你只有其他國家所沒有的巨大力量，但這個力量必須得到整合。所以企業軟件在戰場上的雙重作用是，一是確保所有底層的東西都能正常工作，二是將級別提高到世界頂尖水準。

AI升級：從戰場到社會民生

拉里·芬克：有非常多的技術源自國防領域，無論是互聯網還是GPS。你如何看待這項技術從國防和軍事領域轉化到公司、企業乃至社會？

亞力克斯·卡普：這樣一個本質上純粹原始、不加修飾的環境意味着，你實際上能夠了解什麼是真正可行的客觀事實，而不受企業主觀認知的侷限。總的來説，這種認知具有高度普適性，幾乎可以一對一地轉化應用。

而企業運行是不一樣的。並非所有企業都願意隨時間推移變得跟其他企業同質化。比如你拿出A、B、C五家企業，它們處於同一市場，其技術基礎設施正試圖將它們塑造成相似的企業。它們擁有相同的組織架構圖，大致相同的流程，但數據和基礎設施卻各不相同。

在戰場上我們學到的是，同質化並不具備特別價值，真正有價值的事情是企業能做到其他企業做不到的事情，這才應該是每個人的目標，也正是每個軍事情報機構追求的目標。

在進入商業領域時，如何擁有別人沒有的效率和知識是很重要的。比如在戰場上，最重要的問題之一就是你如何獲取數據信息並進行處理，然后把數據放入系統框架內將其進行真正的行動運行。企業到底在做什麼？其實歸根結底就是數據、信息，如何把普遍共享的知識轉化為你們的獨家優勢。

帕蘭提爾目前也為眾多醫院提供支持，這些醫院普遍面臨收治流程問題，醫護人力短缺，且在低利潤環境中運作。通過優化收治流程並接入企業系統，現在處理這些事務的速度比以往提升了10到15倍，不是通過讓醫生干更多的活，而是通過算法優化了資源分配的「承重能力」，拯救了更多生命。

在處理生命相關數據時，因為你在用本體論處理數據，你有一個結構化的框架。儘管人們可能不願相信，但這實際上增強了公民自由。因為現在你可以明確指出：簡單來説，某人的處理流程是基於經濟考量，還是基於其背景因素？

這類問題原本是無從查證的。這其實在公民自由方面帶來了巨大改進，但人們通常不相信我們會在乎這個——然而事實恰恰相反，我們確實在乎。要知道，展現即關懷。比如我們能夠細緻地展示：某人為何進入系統、為何被接收、為何被拒絕，而且我們可以用對企業本身有商業意義的方式來實現這一點，同時這還能帶來安全與效率的提升，並且還縮減了開支。

如果用更精簡的財務視角來説明：過去，想要實現我們如今在公開市場透明環境下所能達成的效果，企業往往需要先私有化，再剝離成本結構，很可能再轉手出售。而現在，你可以直接優化成本架構，讓一線工作者——而非臃腫的中層——發揮更關鍵作用，進而徹底改變他們面向市場的方式。

AI在這里不再是冰冷的算力堆砌，它通過建立公開的、真實的、可審計的流程，實現了效率、利潤與社會價值的某種奇蹟般的重疊。

AI泡沫？太多企業沉迷於「買現成模型」

拉里·芬克：那麼，阻礙人工智能應用普及的根本障礙是什麼？僅僅是遺留系統和歷史問題嗎？我們該如何加速其應用，以造福人類？

亞力克斯·卡普：目前AI的應用速度已經超過了我們自身的能力。所有人都在談論AI，所有人都在購買算力。而如果有些企業只是直接購買現成的大型語言模型，試圖用它來完成任何實際任務，那都是行不通的——大語言模型現在更像是一種通用商品，而且精度遠遠不夠。比如，你無法用它進行覈保，任何受監管的業務它都無法勝任。

説到普及，現在的問題在於，很多人嘗試了一些根本不可能成功的方法。比如，買一個大語言模型，把它往自己的技術棧上一放，然后納悶為什麼沒效果。尤其是在美國，你會看到人們開始嘗試像我們（帕蘭提爾）那樣，或許通過手工構建本體論的方式來解決問題。因為只有當你建立起一個軟件層，用一種企業能夠理解的語言來協調和管理這些大語言模型時，AI才能真正創造價值。

現在有很多討論，比如我們是否身處AI泡沫中。泡沫是什麼？我認為，如果説有什麼問題的話，我們現在是處於一個滯后階段。市面上有很多AI產品，其中一部分確實有效。就像回到戰場那個例子：全世界幾乎所有人都曾認為這行不通，但現在它確實行得通了。所以，現在的問題不再是「它是否有效」，而是「我們如何讓它為我的國家（或公司）所用」。這正是各個公司正在經歷的：「噢，那家公司成功了，我的怎麼不行？你到底做了什麼？」

舉個例子，就以我們帕蘭提爾來説，我們幾乎沒有銷售人員。實際上，我每次去看，銷售團隊規模似乎都在縮小。規模變小，並不是我們想節省單位經濟效益，而是因為在當前AI領域的低信任度環境下，大多數企業已經被各種無法落地的AI願景搞得筋疲力竭。如果你交付了真正有效的東西，為什麼還需要銷售人員呢？產品自己會説話。你只需要説：「嘿，別來找我們談。」這在商業和政府領域都是如此。目前我們很難擴張，主要是因為我們需要去培訓購買方的人員，而我們的資源是有限的。

在政府層面，每個國家顯然都有類似「安全許可」的制度。那麼，爲了將我們的軟件——比如構建像「項目專家」這樣的系統——集成到你的架構中，你將需要一位同時擁有最高級別安全許可和技術背景的人員。

而遺憾的是，大多數技術人員並不會去獲取最高級別的安全許可，所以這類人才非常稀缺。這種資源極為珍貴。接着，他們還需要接受培訓，這個過程可能需要相當長的時間。此外，和任何事情一樣，你必須真正相信這件事，認為它至關重要。要知道，並非所有人都符合這些條件。

拉里·芬克：那到底需要培訓多少人，如果在企業層面，是否必須從CEO開始自上而下推行？具體是如何運作的？如果以保險覈保為例。 

亞力克斯·卡普：以保險覈保為例吧。最理想的情況是——CEO最好具備數學思維。即便他可能對產品一無所知，但通過數據，他也能理解產品的運作邏輯。在這種情況下，初期我們可能需要培訓五、六個人。開始時，所有工作都由我們完成，然后我們會盡可能地將知識和能力轉移給他們。我們也在努力尋找能與我們共同完成這項工作的合作伙伴。總之，你需要的團隊規模不大，但我們目前的人手依然不足。

拉里·芬克：您之前反覆提到AI如何能加強經濟基礎，我們也在美國看到了這一點。AI能以多快的速度改變企業增長軌跡？因為您之前提到過它如何能改善經濟以及人們的福祉。

亞力克斯·卡普：對於企業而言，這里涉及到很多方面，其中有個「速度」問題。就我們合作的許多公司來看，在我們介入的領域，我們通常能削減高達百分之八十的成本，並顯著提升你們的營收。但這實際上取決於具體的應用場景和我們要解決的問題。然后就是速度函數的變化：在五年前，完成這樣的改造可能需要一年時間；但現在，它可能只需要一周。

當 AI 撕掉精英學位的遮羞布

拉里·芬克：我想接着追問這個問題——我確定這也是今天一些人心中所想的：從整體上看，人工智能是會創造就業，還是會摧毀就業？

亞力克斯·卡普：確實，我認為當前西方輿論中存在一個令人遺憾的論調，就是它（AI）將摧毀人類的工作——就像你知道的，如果你去了名校，學了哲學（以我自己為例）。那麼希望你還有些其他技能，因為僅有「精英學校的哲學學位」或通識性的精英教育背景將很難在市場上找到工作。

但職業技術人員卻越來越不可替代，比如我們在為一家電池公司製造電池，在美國做這項工作的人，其工作內容與日本工程師大致相同，而他們只上過高中。現在他們變得非常有價值，甚至幾乎是不可替代的，因為我們可以讓他們迅速轉型，勝任與之前不同的工作。這類崗位的價值將會越來越高。

而那些擁有高 IQ、來自耶魯等名校只具備「泛化知識」而無「特定技能」的人受到的衝擊最大。

如果一個國家能夠通過技術挖掘出本土公民中的這些「離羣天才」，將他們培養成駕馭AI系統的「高階技工」，那麼這個國家對大規模低端移民的需求將會大幅下降。我確實認為，這些趨勢讓人很難理解美國為何還需要大規模移民——除非你擁有非常特殊的專業技能。

拉里·芬克：關於歐美白領工作的基礎，歷來是通過大學教育建立的。我剛剛聽您説，我們將需要更多接受職業教育的男性和女性，您是否也在暗示，我們未來可能需要的白領崗位會減少？

亞力克斯·卡普：我認為，我們需要做的確實是減少對傳統白領的依賴，但關鍵在於，我們需要用不同的方式來測試和發現人的潛能。你知道嗎，有很多人在做X工作，但他們本應去做Y工作。

就像我們系統的一位管理者——在美國陸軍中管理我們Maven「專家」系統的，是一位前警官，他只上過社區大學，而他現在正在全球範圍內執行非常高端的、非常複雜的目標定位任務。這個人實際上是無法替代的。我認為，過去我們測試潛能的方式，可能無法完全發掘出他這種不可替代的才能。

如果他沒上過大學，他還會像現在這樣有才華嗎？會的。而且我認為，甚至在帕蘭提爾內部，如果你觀察我整天在做什麼，我就是到處走動，去發現誰有那種「異於常人的特質」，然后我把他們放到適合發揮這種特質的事情上，並努力讓他們專注於此，而不是分散到他們自認為擅長的其他五件事上。

傳統的大學學歷正在加速貶值，而具備實際技能的技工、職業技術人員，通過AI的加持，正在變得「不可替代」。

無論我走到世界哪個角落，過去十八年來，大家都曾覺得我們像個商業笑話，而現在很多商界人士都想來聽取我的建議。你知道嗎？在帕蘭提爾內部，唯一不想聽我給出商業建議的，恰恰是帕蘭提爾的工程師們。他們總是説：「嘿，亞歷克斯，我有個想法，能讓公司變得更好……」 那些點子通常都類似於「我們應該開成麥當勞那樣」，或者「你是某類人，你應該停止公開講話」之類的。當然，關於公開講話這點，有時候他們可能説得對，我承認。

AI像是一場國家級「滲透測試」

拉里·芬克：最后一個問題：AI的應用曲線在美國和其他發達經濟體中將會如何發展？發展中經濟體又該如何參與其中？我昨天讀到一份研究報告，指出AI的應用目前高度集中於高教育水平的社會或公司，並且已經出現了巨大的分化，這很大程度上取決於教育資源的應用方式。那麼，AI是否會在全球增長格局中造成更嚴重的不平衡？

亞力克斯·卡普：首先，最明顯的不平衡是：似乎只有美國和中國真正掌握瞭如何讓這項技術發揮作用。方式不同，但都成功了，而且是大規模的成功。這種領先並非僅僅體現在算力或數據量上，更體現在這兩個國家對AI與真實權力和生產力結合的深刻理解。

我認為，AI發展速度很可能會遠遠超出大多數人的想象——就像貼現率一樣，我認為從長遠看，人們對於它能達成什麼、將如何影響我們社會的方方面面，其預估是嚴重不足的。尤其是在軍事領域。

我傾向於做一個現實主義者。我認為，國與國之間巨大的發展差異，將使人們所期待的那種平等對話變得困難。可能還會有一個第三梯隊，比如俄羅斯，這個在許多西方人眼中已處於衰落邊緣的國家，但是俄羅斯在電子對抗和數學應用領域的韌性非常強，他們擁有在極端壓力下「拼湊」解決方案的數學天賦，這一點使得他們在現代戰場的某些維度上依然保持着極高的競爭力。

AI將以一種不可逆轉的方式，強行揭示出每一個個體、每一個微觀社區、每一個國家的真實市場價值。看待AI不公平性的一種方式是：它就像一次「壓力測試」，或者説是一種「承重測試」。能夠承受這種壓力的社會、組織和公司將獲得巨大的優勢。

問題在於，如果一直在假裝承受壓力，實際卻不能，那麼整個體系就會崩潰。無論我們是否喜歡，AI都將揭開所有人和所有國家的底牌。