Mark Cuban：AI将成为有效市场，不会导致大规模失业
亿万富翁投资人Mark Cuban在X平台发布长帖，系统阐述为何他"不是末日论者"、不认为AI会导致大规模失业。他的核心论点围绕三个层次展开。第一，员工不会完整或准确地向AI系统分享自己的"企业知识"——这些知识大多未被文档化，是员工的"优势"，"他们绝不会把这些分享给任何他们认为会威胁自己工作的系统。人类知道自己有'保质期'，AI不认为自己会过期。"第二，递归式AI系统（recursive AI）虽被一些人视为圣杯，但它在战略层面是问题而非优势——"即使所有公司使用不同的数据，递归系统的输出将趋于高度相似，消解任何竞争优势。"第三，AI本质上是一种"蛙跳式业务"，类似早期软件行业：早期采用者获得暂时优势，但随着工具趋同，"所有人最终到达90%相同的位置，剩下10%的差异才是客户选择的理由"（Mark Cuban/X）。
Cuban以Dallas Mavericks的NBA数据分析经历作为类比。当Mavericks是第一支全面使用数据分析的球队时，"我们有巨大的优势——可以诱使对手打出他们自己都不知道的最差阵容。"但如今，NBA的数据分析已成为"有效市场"：每支球队的产出和每种投篮类型的价值评估几乎相同。然而球员——就像企业中的员工——学会了在这些指标之上进行差异化：学会制造更多犯规，学会中距离命中率的提升，因为他们知道防守会放空这些位置。Cuban由此推断：未来五年内所有公司将拥有相同的AI工具和信息，差异只在边际。"唯一的裁员触发因素将是原生型新公司替代老牌企业——或者更可能的是，被老牌企业收购。"他同时指出，AI领域每天都有新功能涌现，但最终"所有人都能获得同样的东西，最早采用、迭代和执行得最好的人是赢家"。这一观点与他此前的系列表态一致：AI agent成本高昂（每天300美元以上）、缺乏判断力、行为像"宿醉的大学实习生"——短期内替代人类的经济学并不成立（Benzinga、Fortune）。
来源：公开信息
ABAB AI Insight
Cuban这篇帖子最有思想密度的部分是他关于"递归系统消解竞争优势"的判断。这个论点的底层逻辑是信息经济学中的"竞争趋同"（competitive convergence）：当所有参与者使用相同的优化工具、基于相同的目标函数做决策时，系统的输出必然收敛。这不是猜测，而是已经在多个领域被验证的现象——量化交易中，当越来越多的基金使用相似的因子模型和机器学习策略后，alpha衰减速度加快；搜索引擎优化领域，当所有网站都按照同一套SEO工具的建议优化后，排名差异来自Google算法的随机性而非策略差异。Cuban的NBA类比精确地捕捉了这一动态：数据分析从独家优势变成了行业基础设施，真正的差异化回归到了人类的创造性适应——球员学会在算法留下的缝隙中寻找优势。
但Cuban的"不会大规模失业"结论隐含了一个未经检验的假设：AI趋同化的速度和就业替代的速度是匹配的。现实中可能存在一个危险的时间差窗口——在AI工具尚未完全趋同、仍在快速迭代的阶段，率先部署AI的公司确实会大规模裁员来获取成本优势（Meta、Block、Atlassian正在做的事），但市场还没有产生足够的"原生型新公司"来吸纳被裁掉的劳动力。Goldman Sachs的数据显示，明确将AI与招聘策略挂钩的公司在过去一年将职位空缺削减了12%。这意味着即使Cuban关于长期均衡的判断是对的——所有公司最终到达"90%相同的位置"——过渡期的摩擦性失业仍可能是剧烈且持续数年的。
关于"员工不会分享企业知识"这一点，Cuban捕捉到了一个被AI部署叙事严重低估的组织行为学现实。隐性知识（tacit knowledge）——经验判断、客户关系、对内部政治的理解、未成文的流程和变通方案——在任何组织中都占据知识总量的绝大部分，且天然抗拒数字化。当员工意识到AI系统正在学习他们的工作方式时，理性的自利行为是选择性地隐藏信息，保留自己不可替代的部分。这构成了一种博弈论意义上的"策略性模糊"——员工的知识贡献程度与他们对job security的感知呈负相关。这意味着AI系统在企业中能捕获的知识存在一个结构性上限，而这个上限恰恰被企业自身裁员的威胁所压低——裁员越积极，员工分享知识的意愿越低，AI系统的训练数据质量越差。这是一个AI替代论中极少被讨论的负反馈回路。