清华大学文科资深教授柳冠中的一声追问，把“无人时代”问到了痛处：无人驾驶、无人酒店、餐厅机器人越来越多，可人到底去哪了？

真正让人担心的，不是机器会干活，而是智能科技似乎挑错了优先级——救火、排雷、高楼清洗这些能救命的“硬骨头”还等着人去啃，资本却先去抢快递员、服务员的饭碗！

想想看，为什么科技公司总爱扎堆做无人化生意？说穿了，场景好复制、回款速度快，商业账最好算。

一台送餐机器人进饭店，地面平整，路线固定，桌号提前录入，出了故障还能让服务员接手。酒店配送、仓库搬运、园区送货也是同一个道理：环境越标准，算法越容易训练；任务越高频，设备成本越容易摊薄。

可消防现场完全不是这回事。浓烟会遮挡视觉，热浪会破坏传感器，坍塌会让地图瞬间失效；排爆容不得一次误判，高楼外墙还要面对横风、雨水、复杂幕墙和突发开窗。餐厅机器人停摆，最多耽误一盘菜；救援机器人出错，可能耽误一条命。

所以危险岗位不是没人想做，而是技术门槛更高、测试周期更长、事故责任更重。资本天然喜欢“短平快”，救命设备却偏偏属于投入大、回报慢、不能拿用户当小白鼠的“慢生意”。

问题就在这里：市场能回答什么产品更赚钱，却不会自动回答什么技术对社会最急迫。

为什么这句话能戳中这么多人？因为被机器首先盯上的，往往正是普通人最容易够到的岗位。

我国新就业形态劳动者已达8400万人，快递员、外卖骑手、网约车司机等，是城市运转的重要一环，也是不少农民工、大龄劳动者和技能转型者的就业缓冲带。

对企业来说，少一个岗位是一笔成本优化；对一个家庭来说，那可能是房租、学费和老人医药费的来源。技术报告里轻飘飘的“替代率”，落到生活里，就是一个人下个月还有没有收入。

但话也要说回来，不能因为担心失业，就把机器人赶出饭店、把无人驾驶锁进实验室。

餐饮业确实存在招工难，送餐机器人也能承担搬运、夜班和重复劳动；自动驾驶若足够安全，也可能降低疲劳驾驶风险。技术替代某些任务，是生产率进步，不等于天然站在劳动者对立面。

真正要追问的，是机器替人之后，省下的成本去了哪里，新创造的岗位谁能进去。

企业会说，机器人也创造算法工程师、运维员、数据标注员和智能设备调试员。这是真的，可一个45岁的服务员，不会因为餐厅买了机器人，第二天就自动变成运维工程师。

新岗位需要另一套学历和技能，旧岗位却可能在一夜之间消失。技术转得快，人的转型慢，这段时间差才是就业焦虑最真实的来源。

更接近现实的情况，是人工智能先改变一份工作里的部分任务，而非瞬间抹掉整个职业。

政策要做的，不是和机器死磕，而是尽量让机器先接走危险、重复、伤身体的环节，让人保留判断、沟通、照护和处置例外的部分。

更重要的是，救火、排爆、高空清洗并非完全没有机器人。消防侦察、灭火、排烟、矿山抢险和无人机搜救已经投入训练或应用；南京等地也出现无人机与壁面机器人协同清洗高楼的案例。

只是这些设备离“把人彻底撤出危险区”还有距离，很多时候仍是机器探路、人来收尾。

这恰恰说明，方向不是从零开始，而是资源分配还可以更有力度。

国家层面的安排已经把“劳动力紧缺、环境高危”列为人工智能优先应用方向，同时要求评估就业风险、减少就业冲击。接下来最关键的，是把这句话变成采购、补贴和考核中的真金白银。

公共资金可以更多支持消防、矿山、危化、带电作业、深水和高空场景，建设真实测试场，而不是只奖励会跳舞、会端盘子、适合展会拍视频的机器。

政府和大型企业采购设备，也应把“减少多少高危暴露”“替代多少重体力环节”放进评分，而不只看外形和演示效果。

面对吸纳就业量大的行业，则要给转型留出缓冲。企业上自动化项目时，可以同步拿出岗位调整方案、在岗培训和转岗通道；把一部分效率红利用于缩短工时、提高劳动保护，而不是简单裁掉人。

职业培训也不能只教人人去学算法，而要提供设备操作、维护、调度、安全监督这些普通劳动者够得着的阶梯。

说到底，大家反感的从来不是科技进步，而是科技把最容易被替代的人先推到门外，却把最危险、最肮脏、最可能夺命的活继续留给他们。

真正先进的无人化，不该只是让饭店少一个服务员、让酒店少一个前台，而应该让消防员少进一次火场，让排爆人员少靠近一次炸弹，让“蜘蛛人”少吊在百米高空一天。

技术有没有走对方向，不能只看融资额、出货量和省了多少工资。先替人挡危险，再帮人提效率；机器拿走的是风险和劳累，人得到的是尊严、时间和更安全的工作——这才是智能科技最该有的样子。