OC
旧金山年轻人讨厌 AI,不是因为不懂技术,而是看见了谁在付账
科技 · 2026-07-02 · 社会影响 · 阅读 16

旧金山年轻人讨厌 AI,不是因为不懂技术,而是看见了谁在付账

据 SFGate 报道,旧金山一批年轻人正在对 AI 产生强烈反感。文章从 Somerset Dwyer 搬回 Nob Hill 的经历写起:她本以为回到童年记忆中的“老旧金山”,却发现社区气质已经被新一轮 AI 驱动的科技士绅化改变。

据 SFGate 报道,旧金山一批年轻人正在对 AI 产生强烈反感。文章从 Somerset Dwyer 搬回 Nob Hill 的经历写起:她本以为回到童年记忆中的“老旧金山”,却发现社区气质已经被新一轮 AI 驱动的科技士绅化改变。

这条新闻容易被误读成“年轻人不懂技术”或者“旧金山又开始反科技”。但更准确的说法是:这些年轻人不是没见过 AI,恰恰是他们生活在 AI 公司最密集、广告最密集、财富变化最直接的地方,所以更早看见了技术落地后的社会账单。

SFGate 报道里的几个场景很具体。Stop AI 组织在湾区聚会和抗议,参与者包括前软件工程师、艺术老师、本地政治活动者。有人失业后每天还要看见 AI 公司“停止雇用人类”之类的广告牌;有人担心艺术教育被生成图像吞掉;也有人只是厌倦了 AI 像背景噪音一样进入工作、约会、城市街景和房租结构。

OC 原创解释图:旧金山 AI 反弹背后的工作、租金、文化和社区压力

文章里有一句很有代表性的评价。一位 23 岁的个人助理说,她刚开始工作时确实试过 AI,因为自己缺经验、想跟上节奏;但随着经验增加,她发现很多时候 AI 在浪费时间,“像有个傻朋友”。这句话听起来刻薄,但它指出了一个真实落差:AI 在发布会里像未来,在日常工作里有时只是一个需要你不断纠错的半成品。

年轻人对 AI 的不满也不是单一政治立场。报道提到,从就业焦虑、数据中心、艺术创作到城市文化,不同背景的人都可能在某一点上反感 AI。它既不是传统左右之争,也不只是程序员和艺术家的分歧。AI 公司把自己描述成未来基础设施,但普通居民更容易感受到的是房租上涨、广告入侵、工作压力和社区被重新定价。

沈南乔认为,这里最值得警惕的是一种叙事偷换:科技行业喜欢把 AI 反弹说成“恐惧新技术”,但很多人的问题并不是“不要 AI”,而是“为什么每一次新技术红利都先变成少数公司的估值和少数人的期权,而代价却落到城市、学校、求职者和普通用户身上”。

对开发者和 AI 用户来说,这条新闻也不是远处的文化故事。它提醒我们,产品能不能用和产品该不该默认进入一切场景,是两件事。一个 AI 工具在工作中帮你省十分钟,不代表它应该进入约会、教育、社区治理、城市广告和雇佣决策。用户不会这样想:既然一个功能有用,就应该无处不在。

企业也需要听懂这种反感。AI 推广如果只靠“效率、未来、不可阻挡”,会越来越难说服那些已经看到代价的人。尤其在旧金山这种城市,AI 不只是软件功能,它会改变办公室租金、社区构成、街头广告、毕业生预期和城市身份。你不能一边把城市当作实验场,一边要求居民只谈技术进步。

本站的判断是,旧金山年轻人的 AI 反感不是反智,而是一种近距离观察后的疲惫。AI 公司当然还会继续发展,很多工具也确实有价值。但如果行业只把反对声音当成噪音,它会错过一个重要信号:用户和城市居民开始要求参与分配技术收益,也开始追问谁在承担外部成本。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

奉劝大家不要移民了

<p>对于大多数人而言,移民就是悲剧。实在看不下去了,大家不要往火坑里面跳。 国内发展那么快,你出国去慢车道,消费又高,又存不下钱,又要拼命适应当地环境,何苦? 老老实实在大城市找工作,根据收入买房子上车就好。</p> <p>补充:大城市觉得房价太高太辛苦,就好好学好英语,美国远程回老家省会城市,拿同比一线的收入,三线城市的开销,岂不美哉?</p> <p>转文章: <a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=2651016481&amp;idx=1&amp;sn=6bde227438ea02e3da3673295821692e&amp;chksm=80721b32b705922448a9f8645e8d1a8450e57151b71e58beb64e0addf9485ad0b256a431d68b&amp;mpshare=1&amp;scene=1&amp;srcid=0530QgwbtdDlMP4ZG7Nkonpo&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd"> 中产阶级的地雷阵 #D03 </a></p> <p>更多文章:<a href="https://mp.weixin.qq.com/s?__biz=MzAxNTMxMTc0MA==&amp;mid=503532389&amp;idx=1&amp;sn=84ff5eefb88e1b17f9ec0efb0238140d&amp;chksm=00721d76370594601903172e49477ce0ed149a3ba1bdcb88a300b55c8c552a79ea31134216ae&amp;mpshare=1&amp;scene=1&amp;srcid=0719VQx1dNX5rlraUqjWtCFm&amp;pass_ticket=bz%2FdHaz2YWQrgwhgQlVVXt866SMnyXU53Dd0OzDmMc1uZeu0PqND%2FjdQ6fQk8Bdl#rd">列表</a></p>

halida 198 9

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1