8月31日凌晨，Vercel创始人兼CEO吉列尔莫·劳赫（Guillermo Rauch）在社交媒体上回复称，2026年人们将用尽“但它还做不到另一件事”的借口，意指那些质疑AI能力的人很快将无话可说。马斯克随即跟进表态：到2027年底，人工智能将能以超人类水平完成任何数字任务，但涉及“塑造原子”的任务除外。

马斯克的言论为AI能力设定了明确的时间节点，并划出了一条“数字任务”与“原子任务”的边界。所谓“数字任务”，涵盖写代码、数据分析、绘图、报告撰写、表格处理、信息整理、方案制定、提供建议等大量知识型工作。这意味着，依赖这些技能谋生的智力工作者，其职业内容几乎完全落入AI可覆盖的范畴。

这一表态并非孤立事件。就在2026年7月，OpenAI将GPT-5.6 Luna的API价格大幅下调80%，输入价格降至每百万token 0.20美元，输出价格降至1.20美元；而数月前的旗舰模型GPT-5.4定价仍为2.50美元和15美元。据独立评测机构Artificial Analysis的数据，Luna xhigh的智能指数为50，GPT-5.4 xhigh为53，两者仅差3分，但价格相差12.5倍。此外，OpenAI披露，GPT-5.6 Sol已参与分析生产流量、优化负载均衡，并自主改写GPU生产内核，使端到端服务成本再降20%。

这些细节揭示了一个趋势：机器自身正在参与压低机器智能的价格。智能正从“石油”式的稀缺资源，转变为“电力”式的普及品。历史上有过类似案例：19世纪末，智利控制全球天然硝石贸易，占全球固定氮生产的三分之二；1913年巴斯夫在德国启动工业化合成氨工厂后，到1936年智利份额跌至7.6%。新技术一旦能合成过去稀缺的资产，旧资产的稀缺性便被永久拆除。

对智力工作者而言，这构成双重打击：一是智力被超越，二是智力资产被重新定价。技能依然有用，但溢价可能消失。作者“不懂经也叔的Rust”在文章中提出“对冲”概念，认为个人应避免对单一技能、单一平台、单一雇主、单一模型的排他性依赖，并建议将收入向“塑造原子、承担责任、真实在场”的环节转移。文章还引用《外交政策》关于“对冲霸权秩序”的讨论，以及哈里·马科维茨的现代投资组合理论，强调组合风险取决于资产的相关性，而非数量。

文章进一步提出“杠铃策略”：一端持有AI难以替代的资产（低固定成本、身体、现场关系、长期信用、可带走的客户），另一端积极使用最强模型追求机会，而中间看似稳定的“稳定工作”反而风险最高。作者认为，“会用AI”将像“会用电脑”一样普遍，提示词、工作流等技能难以构成护城河；真正稀缺的是定义问题、承担责任、形成“坏品味”的能力。

马斯克的言论为这场讨论增添了紧迫感。他给出的截止日期是2027年底，而AI价格曲线已先行下跌。对投资者而言，这意味着AI应用成本下降可能加速各行业智能化渗透，同时也加剧对知识型岗位的替代担忧。市场需关注AI能力提升与成本下降对劳动力市场、企业盈利模式及个人职业规划的深远影响。