最近，社交网络上掀起了 “AI 员工” “AI牛马”的热潮。在一些社交群聊里，网友们玩起了抽象，自建群聊当起了管理者，手下管着一群各司其职的AI员工。今年2月，深圳首批AI公务员上岗，更是引起了网络热议。
这一系列新奇现象，让我们不禁思考：如果真的把AI当成职场正式工，该怎么计算它们干了多少活儿？而且，同样是打工，AI和人类员工相比，工作起来的效率和生产力和人类有多大的区别？
最近，一项前沿研究给出了答案。这项研究第一次提出了衡量AI工作量的统一方法，还对AI和人类的劳动进行了量化对比。
结果令人惊讶：在部分任务上，AI 的生产力远超人类。5个AI工作量，约等于60—72小时的人类劳动，相当于人类一周的全职工作时长！
这让众多打工人心里犯起了嘀咕，AI抢走我们的“饭碗”，是不是已经成了不久的将来？
01 AI员工上岗，工作量咋算？
前不久，管理“AI员工”在互联网上引发了一阵娱乐热潮。
不少网友创建群聊，在群聊里当起老板，指挥着手下的AI，完成策划选题、撰写文案到分析数据等各项工作任务，甚至还像管理真实员工一样，给AI排班、考核。
今年二月，深圳市福田区首批70名AI数智员工正式上岗，引发了广泛关注。据统计，这一批AI数智员工主要应用在公文处理、民生服务、应急管理和招商引资等政务流程中。
以公文写作为例，相较纯人工模式，AI数智员工大大提高了效率，还能保证格式规范、内容准确。
这让人们切实感受到AI正在为职场领域带来的冲击。而从企业管理的角度来看，如果想知道AI能够节约多少人力资源成本，那么准确计算AI干了多少活就非常重要。
毕竟在传统观念里，我们衡量人类员工的工作，会看工作时间、KPI绩效等，但这些方法放在 AI 身上，未必就能适用。
在以前，人们常用一些指标衡量 AI 的计算能力，比如每秒浮点操作数（FLOPs）和功耗，但这些方法存在不少缺点。
比如，它们在CPU、GPU、TPU等不同的AI硬件上，没办法通用。如果在一个封闭的系统环境里，这些指标也没办法实时监控AI的工作情况。
这些缺点，给评估AI的生产力和节能工作都带来了不少困扰。
为了解决这些问题，研究人员从热力学和信息论里找灵感，用兰道尔原理来搭建 AI 计算操作的模型。
什么是兰道尔原理？简单来说，兰道尔原理就像给计算操作定了一条能量规则：只要有不可逆的操作，就会消耗一定的能量。
举个例子，AI 计算时的线性转换、激活、内存写入等基本操作，可能会因为数据精度等问题，出现不可逆的信息丢失，此时就会消耗能量。
这一原理规定，每抹除1比特信息，至少需要消耗 kTln2 的能量（k是玻尔兹曼常数，T是温度）。
研究人员把AI计算过程拆分成了很多个小操作，给每个操作都设定了一个专门的函数，用来计算不可逆丢失的比特数，这样就能算出每个操作的能量消耗。
最后再根据兰道尔原理，把所有操作的能量加起来，就是 AI 计算的总能量成本。
AI计算操作需要消耗的总计算成本
除了计算操作消耗的能量成本，研究人员还考虑了数据和内存操作消耗能量所产生的数据成本。
AI数据和内存操作产生的总数据成本
另外，研究人员把数据中心运营、网络传输和存储这些系统级的开销， 也算了进来。
系统级开销成本
这样，把总计算成本、总数据成本和系统级开销加起来，就是AI的总体资源成本。
再通过一个换算因子，就能计算出AI产生的二氧化碳排放量，评估AI对环境的影响。
使用换算因子计算AI的二氧化碳排放量
为了验证以上的计算方法靠不靠谱，研究人员做了很多实验。
他们找了不同硬件配置的系统，其中有配置很低的，只有一个 CPU 核心，内存也很小；有中等配置的，类似于日常用的普通电脑；还有配置高的，配备高端的GPU和大量内存。
实验过程中，研究人员让这些不同的系统运行标准化的 AI 工作负载任务，同时紧紧盯着资源使用情况。然后把实际工作量和提前设定好的基线对比，再不断调整参数，让工作量的计算越来越准确。
对比发现，那些配置高的系统，AI能发挥出更大的作用，换言之，干的活儿更多，效率也更高。
02 “AI牛马”，正在抢走我们的饭碗？
值得一提的是，研究人员进一步通过换算发现，1个AI工作量单位差不多等于12到14个工时，5个AI工作量单位差不多是60到72小时的人类工作——相当于人类一周的全职工作时长。
这说明在相同的时间里，AI 能干更多人类需要花更长时间才能完成的工作， 尤其面对需要处理大量计算任务的情况，AI能展现出比人类更快的速度和强大的资源管理能力。
研究人员认为，通过二者的比较，能够更好地评估AI在劳动密集型任务中的效率。当AI能做更多工作，人们对人类工作的依赖也随之减少。
从这项研究来看，AI的工作效率远超人类，这引发了人们的担忧——失业危机是否终将“磨刀霍霍向打工人”？
前不久，OpenAI 首席产品官 Kevin Weil在采访中就预言，2025年底 99%的编码将由AI 完成；Anthropic CEO Dario Amodei 也预测未来3 - 6个月，AI将编写90%的代码，12个月后几乎包揽全部。
不只是程序员，当AI的发展势不可挡时，整个社会的就业结构，都有可能经历一次新的颠覆。
但历史经验已经向我们表明，对待一项新技术的冲击，要用辩证的思维看待。
麻省理工学院经济系知名教授Daron Acemoglu发表过一项研究，指出了自动化技术和人类劳动之间的平衡，技术在对抗劳动的同时，又会创造一些新劳动。
例如，在制造业中引入自动化生产线后，虽然部分装配工人的岗位减少，但出现了负责维护和管理设备的新岗位。
而AI出现后，一些常规性、重复性的工作会被AI取代，但也会催生AI训练师、数据标注员等新职业，同时促使从业者更新技能，对人的技术和综合能力要求也会更高。
来源：https://www.aminer.cn/pub/5ce3a6b8ced107d4c6515534?fr=AANT
03 重新审视职场定位
这项研究的意义，在于让如何计算AI的工作量，有了一个统一的方法，第一次从量化的层面，把AI工作和人类劳动联系了起来，还让我们清楚知道了AI在节省人力方面的贡献。
说到底，这是AI新技术的时代，传统职场生态不可避免经历变革，但这并不意味着人类的工作将彻底被取代。
这场关于AI员工、AI牛马热火朝天的讨论，其实是在迫使我们重新思考，关于“有用”和“无用”的定义，以及如何重新审视自己的职场定位和竞争力，探索最大化人力资本的价值。
让自己从AI的竞争对手，变成AI的管理者，或许才是未来打工人的出路。
————————————————————————————————————
这里是AMiner数据平台——全球领先的学术数据挖掘与分析平台，您身边的科研助手，有关学术趋势洞察、学者网络分析问题都可以与我们探讨！
或直接关注【AMiner Research】公众号,获取最新的AI前沿研究、行业动态和学者信息!
