2026年5月20日
600 条评论、Pew 数据和东西方 AI 差距对经营者意味着什么
人们为何抵触 AI
人们抵触 AI，大多不是因为讨厌技术。他们抵触的是这样一种感受：AI 正由他们不信任的机构强加给他们，用的是他们并未同意交出的劳动和资源，而且这种方式威胁到手艺、真实、地方自主权和经济尊严。
这些评论真正在说什么
“讨厌 AI”的说法太单薄了。
这种愤怒并不是一个清晰的论点，而是一连串较小的反对意见叠加在一起：同意、工作、垃圾内容、基础设施、信任、控制权，以及对人类付出正被悄悄重新定价的担忧。
一句话总结
人们抵触 AI，大多不是因为讨厌技术。他们抵触的是这样一种感受：AI 正由他们不信任的机构强加给他们，用的是他们并未同意交出的劳动和资源，而且这种方式威胁到手艺、真实、地方自主权和经济尊严。
我们研究了什么
共收集了 600 条公开评论。剔除链接、频道推广、极短回复和明显的低信号反应等噪音后，保留了 410 条。
如何解读
这是一份面向经营者的实用解读，而不是学术民调。它的价值在于呈现反对意见的轮廓，以及当 AI 让人感觉被强行塞进日常生活时，人们反复使用的语言。
22
94
80
69
82
63
六类反对意见
愤怒层层叠加，不会只停留在一条赛道上。
规模最大的几类与工作和信任有关。按原始计数，“同意”出现得较少，但一旦出现，往往是最尖锐的反对意见之一。
条形图百分比以 410 条筛选后的评论为分母。各主题存在重叠：一条评论可能表达多种反对意见，因此合计超过 100%。
占总提及次数的比例
人们反复说了什么
反复出现的语言指向了真正的产品问题。
工作、手艺与贬值
声音最大的一类，不只是对失业的恐惧，而是担心技能、时间、品味和作者身份正被变成廉价的原料。
- “取代艺术家” （译文引语）
- “学习的时间” （译文引语）
- “真实的内容” （译文引语）
信任崩塌与 AI 垃圾内容
评论者反复描述一个正在退化的互联网：假频道、机器人评论、低价值的上传内容，以及真正的作品越来越难被辨认出来的信息流。
- “AI 垃圾内容” （译文引语）
- “机器人” （译文引语）
- “真假难辨” （译文引语）
人的意义与能力的丧失
相当多的评论把 AI 视为对人类表达、学习、判断力以及亲手创造的自豪感的威胁。
- “没有灵魂” （译文引语）
- “人类” （译文引语）
- “学习” （译文引语）
企业控制与被迫采用
人们对模型本身的愤怒，远不及对平台替他们做出默认选择的愤怒：被修改的视频、算法推送，以及没有明确的退出选项。
- “选择退出” （译文引语）
- “不告诉我们” （译文引语）
- “垃圾场” （译文引语）
同意与攫取
提到同意的评论都很具体：许可、补偿、版权，以及训练数据取自从未同意过的人的感受。
- “未经许可” （译文引语）
- “偷了我的作品” （译文引语）
- “补偿” （译文引语）
隐藏的内容审核与平台决策
一个规模较小但很重要的类别聚焦于不透明的规则：AI 标签、推荐系统、政策执行和信息披露。
- “推荐” （译文引语）
- “标签” （译文引语）
- “政策” （译文引语）
YouTube 之外
同样的抵触出现在不同的公共场合。
YouTube 评论让第一种模式显现出来。Reddit 讨论帖、毕业典礼上的反对声和地方数据中心之争则表明，同一个信任问题会随着场景不同而换一种说法。
Reddit 与开放论坛
在抽样的公开讨论帖中，一些年轻员工的说法是：AI 在他们拥有议价能力之前就到来了。
这种焦虑与其说是“我拒绝学习工具”，不如说是“我还没踏上第一级台阶，梯子就被抽走了”。本次扫描中可见的 Gen Z 讨论帖反复回到裁员、薪酬，以及生产力提升的收益落到谁手里。
毕业典礼上的反对声
精英演讲者对 AI 的乐观论调，被听成了不合时宜的职业建议。
Eric Schmidt 在亚利桑那大学被喝倒彩，不只是一则校园轶事。从分析角度看，它表明信任鸿沟已经蔓延到公共仪式中：毕业生期待的是认可，而不是又一次关于“大势所趋”的宣讲。
地方基础设施之争
数据中心把 AI 从软件之争变成了土地、电力、水和治理之争。
犹他州 Box Elder 县的 Stratos 之争表明，当可见的对象是数据中心、燃气发电、水权、税收权限或一份长达 50 年的地方协议时，对 AI 的抵触会如何改变形态。
影响力行动风险
有证据表明，境外行为者利用 AI 和网络平台放大美国的分裂性议题，但本次扫描并没有证据证明他们资助了针对 Stratos 的反对浪潮。
经营者应区分两个事实：地方的担忧本身可能是正当的；而围绕战略性基础设施的混乱网络冲突，很容易成为外部力量放大的目标。
Gen Z、Schmidt 与 Stratos
对超级智能的抵触，正在演变为一场关于劳动、地位和基础设施的较量。
最强烈的公众反对意见并不都与模型质量有关，而是关乎谁获得筹码、谁被取代，以及谁来承担 AI 扩建的实体成本。
对 AI 的焦虑不等于拒绝 AI。
部分 Gen Z 的抵触关乎第一级台阶。
来源背景：Reddit 公开讨论帖
这个抽样的公开讨论帖并没有呈现简单的反 AI 立场。它呈现的是人们的担忧：入门级工作、培训时间和职业阶梯，在他们获得筹码之前就被拿走了。如果组织不同时说明初级员工今后如何仍能成长为有价值的人，“学习 AI”听起来就只是一句口号。
“不可避免”不是一种信任策略。
Schmidt 被喝倒彩，是一次没读懂现场的失败。
来源背景：AP + University of Arizona
在亚利桑那大学的毕业典礼上，现场观众的反应让一段支持 AI 的发言变成了精英疏离感的象征。传播分析师 Lulu Changy 的解读很直接：显而易见的做法是让毕业生成为主角。结果，他们却被描述成 AI 进步的陪衬。即将进入疲软就业市场的人，不希望在自己的筹码尚不明朗时，听到有人把颠覆说成命中注定。
AI 如今有了实体足迹。
O'Leary 的案例发生在犹他州 Box Elder 县。
来源背景：Box Elder County, KUER, KPCW, KSL
Box Elder 县的 Stratos 项目被定位为服务于 AI、云计算和国防业务的能源与数据园区。当地的反对意见涉及程序、电力、水、空气、土地、税收和控制权。把这称为“反科技”，就错过了真正的采用难题。
不要把不确定变成指控。
境外放大是一种风险，而不是事情的全貌。
来源背景：OpenAI 影响力行动报告 + 公开记录
有据可查的境外和商业影响力行动会利用 AI，围绕分裂性政治议题生成帖子、评论和虚假互动。公开记录显示，有与境外相关的人士出现在美国的 AI 暂停活动中。正确的商业解读是：监测叙事操纵，同时不忽视社区真实的担忧。
放大效应问题
最响亮的反对声音，在结构上比它的实际数量更响亮。
媒体的激励机制、政治上的武器化以及行业内的末日叙事，让对 AI 的抵触在公开数据中显得比实际更大。恐惧是真实的，但它正被那些从维持恐惧中获益的系统所放大。
担忧多于兴奋
担忧与兴奋并存
兴奋多于担忧
Pew Research Center，2025 年 6 月；2021 年感到担忧的比例为 37%。在接受调查的其他 24 个国家，担忧程度更低。
Pew Research Center，2025 年 6 月
50% 的美国人对 AI 进入日常生活感到担忧多于兴奋，只有 10% 感到兴奋多于担忧。
自 2021 年以来，担忧持续上升：当年有 37% 的人担忧多于兴奋，到 2025 年 6 月，这一数字达到 50%。这种差距并非均匀分布：在 Pew 调查过的其他 24 个国家，担忧程度更低。美国面临的是一种特有的 AI 焦虑问题，而不是人类对这项技术的普遍反应。另有 38% 的人担忧与兴奋并存，这一群体在公共讨论中几乎隐形，但对于沟通清晰的经营者来说是可以触达的。
媒体与平台的激励机制
社交媒体和新闻为恐惧与愤怒而优化，对 AI 的抵触因此获得了结构性放大，其声量超出了实际分布。
Facebook、YouTube 和新闻媒体会用更多的互动时长和广告收入来奖励激起强烈情绪的内容。这意味着反 AI 内容在算法信息流中出现的比例过高。构建者应把评论区和新闻周期中可见的反对强度视为被放大的样本，而不是有代表性的基准。行为科学的一项发现是：人们感知到的损失，分量大约是同等收益的两倍，这就是为什么“失业”的叙事比“生产力提升”的叙事传播得更远。
政治极化与境外影响
AI 已成为党派身份的标志。AOC 和 Bernie Sanders 呼吁全面暂停 AI，Trump 政府则与 Anthropic 全面开战。
当一项技术成为党派信号，公共争论就会从“我们该如何使用它”转向“你站在哪一边”。公开记录显示，有与境外相关的人士出现在美国的 AI 暂停倡导活动中。这并不意味着所有主张暂停的论点都是错的，但它让这场讨论更难就事论事。结果是非此即彼：要么支持 AI，要么反对 AI。这让温和的中间派从可见的讨论中消失，也让经营者更难向持怀疑态度的利益相关方传达审慎的采用方案。
被当作政治妖魔的超级智能
AI 是格外有效的政治燃料，因为它把失业、监控、企业控制和人类自主权的丧失捆绑成单一的威胁，在分析开始之前就激活了“战斗或逃跑”反应。
以 AI 危险为竞选议题的政治人物，对风险的判断未必有错，但他们有结构性的动机让恐惧持续下去，而不是把它化解。恐惧和愤怒是现代政治中最有效的两种动员信号。一个被化解的 AI 担忧只能换来一个新闻周期；一个持续存在的 AI 妖魔却能带来源源不断的捐款、投票率和媒体报道。让人类善于躲避捕食者的那种“杏仁核优先”的威胁反应，也让大众不善于评估缓慢演进的技术利弊。对经营者而言，这意味着关于 AI 的公共讨论将比采用数据所显示的更响亮、更惊恐，而且不是暂时的，而是结构性的。这不是政治体系的缺陷，而是利用它的人眼中的一项功能。
Karpathy 信号
Andrei Karpathy 加入 Anthropic，被关注 AI 的公众视为这个领域最可信的技术教育者为“安全优先”的末日叙事背书。
Karpathy 曾被普遍视为乐观派：一个能向普通人讲解 AI 而不渲染灾难的人。当他加入 Anthropic 这家公开警告存在性风险以及 AI 将引发“白领大屠杀”的实验室时，这释放出一个信号：连教育者都认为它是危险的。这种来自业内的背书，为公众的恐惧加上了技术层面的联署。对于想在不引发恐惧的前提下引入 AI 的经营者来说，来自行业顶层的信息正在让这项工作变得更难。
UBI 陷阱与富足叙事的错位
Elon Musk 和 Tesla 描绘了一个由 AI 驱动的富足未来：生产力高到足以让全民基本收入（UBI）变得可行。而身处工作转型边缘的劳动者，看法却不同。
富足叙事假定生产力提升的收益会被共享，而且政策基础设施能够足够快地跟上。可身处岗位被取代边缘的劳动者实际看到的是：自己的技能被重新定价，筹码消失，而获取 AI 产出的人并不是他们自己。对于一个收入可能在未来 18 个月内消失、而政策辩论仍在进行中的人来说，“UBI 会照顾你”并不是一个有说服力的回答。“长期富足”的叙事与“近期被取代”的现实之间的落差，正是大部分公众愤怒的所在。
东方与西方
西方还在争论超级智能，东方已经在部署它。
西方的抵触叙事并不代表世界其他地方的走向。当美国和欧洲部分地区还在争论 AI 是否应该存在时，亚洲的大片地区已经把它当作基础设施，并据此推进部署。
西方：作为政治引爆点的超级智能
在美国，AI 已成为一种党派身份。政治人物把它当作竞选燃料，媒体透过恐惧的滤镜报道它，雇主则面对把这项技术与被取代联系在一起的员工的抵触。公共讨论被最坏情况的叙事所主导。结果是，在企业层面，AI 的采用受到了可衡量的寒蝉效应，即便是那些能直接从这些工具中获益的经营者也不例外。
东方：作为国家基础设施的超级智能
中国的政府机关组织了公开培训活动，让公务员在工作时间免费下载和学习 AI 工具，其中包括中国领先的开放权重模型 DeepSeek。官方的定位是能力建设：AI 帮助国家参与竞争，帮助劳动者做得更多，帮助企业开拓新市场。中国的机器人战略是制造廉价、搭载 AI 的硬件，用于国内部署，并出口到东南亚和中亚的周边市场。这里的叙事不是“AI 取代你”，而是“AI 为你所用”。
经营者可以做什么
只要懂得如何解读，这些噪音就是有用的。
解释抵触情绪的同一批数据，也揭示了 AI 采用中哪些地方服务不足。对于灵活的个人或微型经营者来说，关于 AI 的公共争论大多是噪音，但如果你懂得如何解读，这些噪音就是有用的。
掌握“翻译层”。
你的大多数潜在客户都属于那 38% 担忧与兴奋并存的人：他们在等待一个值得信赖的人，用不带术语、不渲染灾难、不炒作的方式，向他们展示 AI 能为他们的具体业务做些什么。这样的“翻译者”比兜售抽象能力的公司拥有结构性优势。
以人为先，而不是以工具为先。
Schmidt 的教训同样适用于销售通话。开场先讲客户将能做到什么，而不是 AI 能做什么。“你一个上午就能审完 200 张承包商发票，而不是花两天”，与“我们的 AI 能大规模分析文档”给人的感受完全不同。每一次都让客户成为主角。
恐惧差距就是分布差距。
Pew 的数据显示 50% 的人感到担忧，但还有 38% 的人担忧与兴奋并存。后一群体可以触达，且尚未得到充分服务。网上声音最大的是纯粹抵触的阵营，而温和的多数人正在默默寻找足够值得信赖、可以合作的人。
不要把极化带进你的推介。
一旦 AI 在你的潜在客户眼中变成政治问题，你就输了。避免触发党派框架。把 AI 定位为运营工具，而不是意识形态立场。AOC、Bernie 与美国国防部之间的争斗，与一家正在决定是否将客户接收流程自动化的微型企业毫无关系。
中美之间的行动差距是一扇会关上的窗口。
中国的经营者正在通过培训掌握这些工具，而许多美国竞争对手还在争论要不要用。在未来 18 到 24 个月里，构建出可运行系统的经营者，将比等待共识的人领先两到三轮迭代。这个差距终会缩小，但还不是现在。
同意与透明是竞争优势，而不是合规负担。
声音最大的几类反对意见（同意、手艺、信任）直接指向大型平台未能提供的东西。一个小型经营者如果能说出“这是我使用的内容、为什么获得了许可、由谁审核、哪些部分我没有自动化”，就拥有了企业级 AI 部署难以复制的可信度。
如果你要把超级智能引入一家企业
想要推动采用，就要减少被强加的感觉。
无论你是开发 AI 产品、把 AI 整合进客户的运营，还是把 AI 交付给自己的团队，这九条原则都适用。品牌和受众会变，信任的机制不会变。
不要先卖“取代”。
以所有权、杠杆和更强的运营能力为先。“取代”的说法会激活最强烈的那一类恐惧。
展示同意的路径。
如果某个工作流使用了外部数据，要说明用了什么、为什么允许使用，以及边界在哪里。
让人的控制权清晰可见。
控制项、审核检查点、退出选项、来源追溯以及可见的交接节点，比又一个模型基准测试更重要。
不要助长垃圾内容经济。
市场已经厌倦了没有品味的海量内容。AI 系统需要编辑判断，而不只是更廉价的产出。
把超级智能定位为基础设施。
对 Ottomato 而言，更有力的承诺不是神奇的内容，而是学会业务层如何运作，让企业主更不容易被套牢。
尊重实体足迹。
AI 已不再只是一个关于应用的决定。数据中心、能源、水、劳动力和地方治理，共同决定了公众把 AI 视为有用的基础设施，还是一种攫取。
给初级员工一条路。
对于有年轻员工的团队，AI 的采用必须包括培训、作者署名和清晰可见的职业晋升路径。否则，AI 就会被理解为管理层的武器。
既要考虑反对意见，也要考虑放大效应。
评论区和新闻周期中最响亮的抵触声音，被平台的激励机制结构性地放大了。这并不意味着这些反对意见是假的，但它说明可见的强度夸大了实际分布。制定采用策略时，要面向沉默的大多数，而不只是面向发声的反对者。
让人成为主角，而不是技术。
Eric Schmidt 在一场毕业典礼上被喝倒彩，因为他把毕业生描述成 AI 进步的陪衬。正确的叙事应以人为先：他们将能做到什么，他们仍将掌控什么，以及为什么他们的判断依然无可替代。
经营者的行动
对企业主来说，AI 的采用必须让人感到是受治理的。
运营层面的答案不是拖慢 AI 的推进，而是让部署过程足够清晰，让员工、顾客和当地利益相关方都能看到判断、同意和问责仍然落在何处。
采用首先是正当性问题，其次才是能力问题。
单靠能力，无法把 AI 带进一家企业。客户、员工和顾客需要看到谁会受益、谁来审核工作、数据归谁所有，以及原本做这项工作的人会怎样。能回答这些问题的经营者，就能赢得人心。
下一代经营者将是翻译者，而不是工具收藏家。
市场上不缺能列出一堆 AI 工具的人，缺的是能把模型能力与损益表（P&L）上的某一项、客户入职流程或经常性收入模式连接起来的人。这个缺口，就是你的机会。
先守护信任，再追求速度。
一个人们能理解的小而透明的工作流，会胜过一个引发恐惧、困惑或暗中抵制的大型自动化方案。稳步推进并真正落地，胜过快速推进却破坏关系。
方法、注意事项与来源说明
这是一个有用的信号，而不是普遍性的结论。
本报告的依据来自四类公开证据：（1）使用 yt-dlp 收集的无需登录即可查看的 YouTube 公开评论，已剔除链接、推广帖、空回复和极短的反应；（2）Reddit 上关于 AI 带来的职场焦虑与 AI 采用的公开讨论帖；（3）关于毕业典礼上的反对声、数据中心反对运动以及有关 AI 的政治表态的新闻报道和公开活动记录；（4）Pew Research Center 的调查数据，以及 AI 实验室、企业高管和民选官员的公开声明。为便于追溯，文中列出了来源说明。本报告未使用任何私人账户、付费墙内容或专有数据集。
这是一份指示方向的资料，而不是具有统计代表性的调查。
各主题的计数存在重叠，因为一条评论可能表达不止一种反对意见。
未使用任何私人评论、Cookie、账户或有年龄限制的视频。
引用的简短片段是匿名化的评论用语，不代表认可。
关于境外影响的部分是一种风险框架，并不主张任何具名的地方运动接受了境外资助。
关于放大效应的部分以及政治与文化分析，依据的是新闻报道、公开调查数据和开放网络观察。这些是方向性的解读，并非独立核实。
AI commencement backlash, including Eric Schmidt at University of Arizona
Official 2026 commencement speaker page
Stratos project FAQ and local process notes
Stratos Project Area FAQ
Local coverage of the May 4, 2026 Box Elder County meeting
O'Leary and MIDA announcement of the Stratos project area
Local coverage of O'Leary's claims about foreign-linked opposition
Covert influence operations using AI-generated content and synthetic engagement
Open thread on Gen Z worker anxiety and AI rollouts
Americans continue to be wary of AI in daily life — 50% more concerned than excited (June 2025), up from 37% in 2021; lower in 24 other countries polled
Karpathy announcement of joining Anthropic — widely covered as an endorsement of safety-first framing from a major AI educator
Public statements on AI-driven abundance and UBI as the long-run labor adjustment
结论
超级智能的采用首先是正当性问题，其次才是能力问题。
能够讲清同意边界、让人始终清晰可见地掌握控制权、并尊重这项技术实体足迹的经营者，会比只兜售“取代”和速度的经营者更快赢得信任。西方的恐惧噪音是结构性的，不会很快消退。要在其中构建。