名侦探的守则

马来西亚羽毛球大师赛：国羽收获2冠1亚_我的网站

百度网盘

一 |

中新社北京7月10日电 2022年马来西亚羽毛球大师赛10日结束了决赛比拼。中国羽毛球队在混双、女双、女单三个项目进入决赛，最终郑思维/黄雅琼、陈清晨/贾一凡分别夺得混双和女双冠军，奥运冠军陈雨菲职业生涯首次不敌韩国小将安洗莹，获得亚军。

新智元报道

AI 没有抢走任何人的工作。至少到目前为止没有。

二 | 在前不久进行的马来西亚羽毛球公开赛上，国羽仅在混双项目上获得金牌。留守再战大师赛，国羽同样在混双、女双、女单三个项目进入决赛，而男双和男单依然是中国队相对短板，男双组合梁伟铿/王昶以及男单陆光祖均止步半决赛。

三 | 这个结论来自 Anthropic 经济研究负责人 Peter McCrory 近日发布的一篇长文。郑思维/黄雅琼此次决赛中的对手是印尼组合里瓦尔迪/门塔里，这对组合堪称“黑马”，本次比赛一路过关斩将杀入决赛。但世界排名第一的郑思维/黄雅琼显然实力更胜一筹，没有让对手的“黑马”之路延续，仅用时32分钟，就以21:17、21:12连下两局击败对手。

https://x.com/PeterMcCrory/article/2079979321607745905经质量调整的 AI 产出在 2024 和 2025 年均增长超过 2000%，约五分之一的美国企业已在业务中使用 AI，但美国 6 月失业率仍然是 4.2%，恰好落在充分就业水平上。这是自今年4月以来，郑思维/黄雅琼连续获得的第30场胜利，共夺得了六站高级别赛事冠军。

女双组合陈清晨/贾一凡在马来西亚公开赛上早早出局止步八强，这一次两人一扫颓势，不仅再度杀入高级别赛事决赛，还以21:11、21:12轻松战胜了日本知名组合松山奈未/志田千阳，拿下了赛季的第四个冠军。McCrory 的核心判断是：AI 目前仍是一种「技能偏向型、劳动力增强型」技术，它在放大人的能力，而不是替代人。奥运冠军陈雨菲则在决赛中失手，以0：2不敌出生于2002年的韩国小将安洗莹，而在此前的六次交手中，陈雨菲保持全胜。

四 | 当天比赛陈雨菲首局进入状态较慢，中局阶段双方陷入拉锯战，尽管陈雨菲不断追分但还是没能顶住对手挑战，以17:21先丢一局；第二局陈雨菲状态明显下滑，开局就是1:12大比分落后，导致追分乏力，最终以5:21落败，整场比赛仅耗时38分钟。陈雨菲赛后在社交平台发文表示，自己并没有发挥失常，已经在目前的身体状况下进行了充分调动，只是身体疲劳不足以支撑一场比赛。他同时给这个判断标了有效期：12 个月。

五 |

数据不撒谎：

连 AI 高暴露岗位都没事McCrory 拉了一整条数据链来证明美国劳动力市场有多稳：失业率 4.2%，职位空缺与失业人数之比刚过 1，25 至 54 岁就业比例接近数十年高位，初请失业金人数连续四年低位运行。她还表示，本赛季已经打满了10站赛事，接下来会根据情况选择性参赛。

六 | 他认为，总体而言，美国就业形势稳中向好。总量数据只是起点，分组对照才见真章。男单方面，印尼选手瓦尔多约以22:20、21:15击败了中国香港的伍家朗获得冠军，男双冠军则被印尼组合阿尔菲安/阿迪安托摘得，他们以21:12、21:19击败了同胞阿山/塞提亚万。McCrory 与同事 Maxim Massenkoff 此前做过一项分析：把 Claude 被大量用来自动化的任务所对应的岗位单独拎出来，看它们的失业率是否比其他岗位恶化更快。(完)

。答案是没有。用最新的劳动统计局数据更新，结论不变。

七 | 软件工程类职位的招聘帖自 2025 年 5 月起反弹，涨幅甚至高于其他岗位的平均水平。唯一值得留意的是年轻劳动者。McCrory 承认，年轻人在 AI 高暴露岗位上求职确实变难了，斯坦福数字经济实验室的论文提供了类似证据。但他也指出一个容易被忽略的背景：2022 年至今，美国经历了有记录以来最大幅度的非衰退式劳动力市场降温，「低招聘、低裁员」格局本就最先挤压早期职业者。把这笔账全算到 AI 头上，证据不够。

为什么没抢走工作：

每个岗位都有 AI 搞不定的环节McCrory 的解释建立在 Anthropic 过去 18 个月多份研究报告的事实基础上，逻辑链条是这样的：第一层事实：在美国劳工部 O*NET 的全部职业分类中，没有任何一个岗位的所有关联任务被 Claude 系统性地完成。每个岗位都存在 AI 搞不定的环节：人际协调、面对面互动、与物理世界打交道。这些环节像木桶的短板，既限制了 AI 对整体生产力的提升幅度，也让能补上短板的人变得更值钱。第二层事实：AI 越强，对操控它的人的要求也越高。Anthropic 今年 1 月的 Economic Primitives 报告发现，Claude 产出越复杂，背后用户的输入专业度越高。模型做出复杂经济模型时，往往是一个能给出精准指令的专业用户在指挥。

https://www.anthropic.com/research/economic-index-primitives3 月的 Learning Curves 报告显示，用 Claude 六个月之后，用户更多地把它当思维伙伴来用，交互成功率更高。如果 AI 已经强到能独立完成工作，这种学习效应不该出现。

https://www.anthropic.com/research/economic-index-march-2026-report第三层事实：即便到了 Agent 时代，人的价值依然稳固。Anthropic 分析了 Claude Code 七个月的使用数据，发现任务价值在持续攀升，但人类专业能力的回报没有下降：用户负责规划，把实现委派给 Claude；专业能力更强的用户，任务成功率更高，Claude 犯错时恢复也更快。纯编程实现的溢价可能正在缩水，但规划、判断和纠错的价值反而上升了。一个有趣的佐证来自用户自己的感受。Anthropic 6 月的经济指数调查里，超过三分之一的受访者预期 AI 在 12 个月内能完成自己大部分工作，但预期自己因此失业的比例明显更低。用 AI 自动化程度更高的那批用户，对薪资和工作安全感反而更乐观。

https://www.anthropic.com/research/economic-index-june-2026-report

三种「奇点」和一道防线McCrory 对当下的判断是乐观的，但他没有回避三种可能打破现有格局的未来场景。它们在学术文献和行业讨论中分别被称为软件奇点、经济奇点和科斯奇点。

https://x.com/MTSlive/status/2090610614154764509软件奇点指的是 AI 自动化创新本身。过去的通用技术再强大，内燃机造不出新的交通方式；但 AI 被直接赋予了通用认知能力，理论上可以反过来加速自身迭代。

八 | McCrory 原文明确讨论了这一场景：递归自我改进（RSI）一旦成立，AI 能力的提升将脱离人类控制的节奏。

九 | 经济奇点是软件奇点的经济学后果。McCrory 援引 Aghion、Jones 和 Jones 2017 年的模型指出，如果创新过程本身被自动化，标准经济模型会预测出「有限时间内的无限增长」。这个结论听起来像科幻，但它是严格的数学推演。

十 | 科斯奇点则瞄准另一个维度。NBER 2025 年的一篇论文（Shahidi、Rusak、Manning 等人合著）提出，当 Agent 把搜索、谈判、签约和监督等交易成本压到接近零时，Ronald Coase 1937 年的经典问题就会被重新激活——市场协调的成本一旦消失，企业存在的理由也就动摇了。

https://www.nber.org/system/files/chapters/c15309/c15309.pdfMcCrory 讨论的 Agent 场景天然与这一框架对话：如果 Agent 不只改变生产方式，还改变组织形态，劳动力市场的影响将远不止「谁丢了工作」这么简单。面对三种奇点，McCrory 给出的防线是同一道：「弱环节」。

十一 | 这个概念来自 Aghion、Jones 和 Jones 的论文——经济增长的上限不由做得最好的环节决定，而由那些不可或缺却难以改进的环节决定。

https://www.nber.org/system/files/working_papers/w23928/w23928.pdf只要存在始终无法被自动化的关键任务，无论是技术瓶颈还是社会约束，劳动收入份额就不会崩塌，企业形态也不会彻底解体。编程 Agent 的现状已经在验证这条逻辑。McCrory 引用的数据显示，引入编程 Agent 后代码行数增长了 10 到 20 倍，但软件发布量只增加了 30%，应用实际使用量没有任何增长。代码只是软件生产的一环，测试、架构设计、产品判断这些环节仍然卡在人手上，它们就是当前的「弱环节」。McCrory 给出了明确的预测：一年后美国的失业率不会因为 AI 而明显上升。这个判断的有效期是 12 个月，验证信号也很清晰——观察 AI 高暴露岗位的失业率是否开始偏离其他岗位，以及 Agent 场景中人类专业能力的回报是否开始下降。两个指标同时转向的那天，他自己搭建的这套分析框架也需要被修正。