第 364 期

汽车取代马匹的20年里,蹄铁匠经历了什么

130年前的报纸记录与如今的AI数据并排读来,别有一番滋味

商业汽车取代马匹的20年里,蹄铁匠经历了什么

1899年,《纽约时报》在使用“汽车”这个词时犹豫不决

读者,不,读者,您是否曾在同一天里,听到有人说AI不过是玩具,又听到有人说它将改变世界,还听到有人说它会抢走所有人的工作?有时候,这些话甚至出自同一个人之口。

一篇以开发者为读者的英文随笔,用一份相当古老的记录梳理了这种混乱。标题是《How to be a Good Farrier》,意为《如何成为一名优秀的蹄铁匠1》。作者找出了上一次技术进入日常生活、人们曾大为恐慌的案例——也就是汽车取代马匹的那个时期——的报纸来阅读。这篇文章的出发点在于,当年人们所说的话,和如今人们谈论AI时所说的话,竟以惊人相似的顺序出现。

让我们从一个场景说起。1899年1月3日,《纽约时报》的一篇社论写道,这种新出现的交通工具无一例外地丑陋至极,甚至连一个像样的名字都没有。文章还提到,法国人发明的“automobile”一词,一半是希腊语,一半是拉丁语,几乎到了粗俗的地步,因此报纸是“犹豫着将其付印的”。可以说,报纸在版面上刊出一个词的同时,还要向读者致歉。

随笔的作者在这里让我们联想到如今对“agentic”这个词感到不耐烦的人们。我认为,这个场景浓缩了整篇文章的核心——人们在第一次遇到新技术时,往往先对它的名字感到不适,然后才轮到技术本身。

马匹驱动城市运转的时代,汽车是富人的玩物

根据这篇文章收集的记录,1900 年仅曼哈顿就有大约 13 万匹马在工作。1880 年纽约市清理的死马近 1.5 万匹,相当于每天 41 匹。1900 年美国人口普查统计了铁匠 226,477 人、马车夫 361,770 人、马厩工 64,929 人。马每隔几周就得换一次新蹄铁,所以就算是手艺不怎么样的铁匠也不愁没活干。

相反,早期的汽车并不是生活用品。1901 年一辆哥伦比亚汽车售价 3,500 美元,而当时工人的平均年薪是 454 美元。这意味着要不吃不花攒上将近八年的薪水才能买得起。1903 年卖得最好的廉价奥兹莫比尔(Oldsmobile)也不过卖出 4,000 多辆,而同一年购买马车的人超过了 90 万。

所以当时聪明人把汽车看作一时流行,并不奇怪。1899 年《文学文摘》(Literary Digest)写道,即便汽车价格日后下降,也“当然”不可能像自行车那样普及。文章引用的一本 1922 年出版的福特传记里有这样一则轶事:1903 年,底特律一位银行家劝亨利·福特的律师不要投资,理由是马会一直存在,而汽车不过是一时的流行而已。

反对意见总是按照同样的顺序出现

人们不止于怀疑汽车,还试图阻止它。佛蒙特州在1894年制定了一项法律,规定蒸汽汽车要在公共道路上行驶,必须先派一名成年人走到8分之1英里外提醒行人。这项法律维持了6年。密歇根州的麦基诺岛在1898年接受马车夫们的请愿,禁止了汽车,而这项禁令至今未解除。南塔克特岛一直禁止汽车到1918年,1907年《纽约时报》报道称,车主们认为真正的原因是该岛居民大多经营马厩出租业,禁令是在保护这门生意。

1899年11月,在讨论是否允许汽车进入中央公园的听证会上,一位马厩老板作证说,公园应该留给家庭乘马车散步使用,而且最重要的是,汽车对普通人来说太贵了。马车夫工会的律师则反驳说,他只听说过马会累垮,没听说过马会爆炸。危险、富人的玩意儿、会爆炸——说这些话的人,收入全都来自马匹。

1913年7月,《纽约时报》刊登了一篇题为《马的退场只是汽车行业编造的神话》的文章。一位马业专业刊物的编辑说,“无马时代”就像千年王国一样遥不可及。但据这篇文章所述,美国农场里的马匹数量在那之后不到5年就达到顶峰,此后再也没能恢复。

把同样的顺序套用到AI上,情形是这样的。“玩具论”可见于泰德·姜(Ted Chiang)2023年2月在《纽约客》上写的那个比喻——ChatGPT是整个网络文本的模糊JPEG图像。“禁止论”体现在:ChatGPT发布仅5周后就禁止访问的纽约市公立学校、禁用一个月的意大利,以及2023年3月那封呼吁至少暂停6个月、不再训练比GPT-4更强模型的公开信。今年3月25日,参议员伯尼·桑德斯(Bernie Sanders)和众议员亚历山德里娅·奥卡西奥-科尔特斯(Alexandria Ocasio-Cortez)提出法案,要求在国家层面的安全保障措施建立之前,暂停新建AI数据中心。“失业恐慌论”则可见于2023年参议院听证会上,参议员理查德·布卢门撒尔(Richard Blumenthal)把数百万人失业列为最大的噩梦。

这篇文章的作者并没有说这些人全都错了。1902年《纽约时报》批评富人超速驾驶撞伤孩子,这是事实,汽车至今仍然会撞死人。作者只是划清了一条界线:“有问题”和“能阻止”是两种完全不同的主张。

价格下降,曲线就拐了弯

把汽车从玩具变成生活工具的,不是社论,也不是听证会,而是价格。福特在1908年10月1日推出了T型车,以最便宜的车型”runabout”为例,它的价格和产量变化如下。

年份T型车runabout价格产量
1909825美元1万666辆
1912590美元6万8,733辆
1914440美元20万2,667辆
1916345美元50万1,462辆
1925260美元191万1,705辆

1913年引入流动式装配线后,制造一辆车所需的时间从12个半小时缩短到93分钟。据美国联邦公路局统计,注册车辆数从1900年的8,000辆,增长到1910年的46万8,500辆,1920年的923万辆,1930年的2,675万辆。拥有汽车的家庭比例从1915年的10%升至1926年的54%。编辑们的社论、岛屿的禁令、州议会的请愿,一丝一毫都没能扭转这条曲线。

现在AI那边的数字更微妙。按年份排列的Stack Overflow开发者调查结果是这样的。

年份使用或计划使用AI工具持好感不信任其准确性
202370%77%27%
202476%72%31%
202584%60%46%

使用的人每年都在增加,而喜欢和信任的人每年都在减少。在2025年的调查中,约一半的专业开发者每天都在使用AI工具。GitHub在10月28日发布的年度报告《Octoverse 2026》显示,今年9月的拉取请求(pull request)2中超过40%始于由智能体(agent)撰写的初稿,而3月份这一比例还是17%。盖洛普的调查显示,截至今年5月,52%的美国上班族在工作中至少使用过几次AI。

1902年,《纽约时报》曾写道,汽车起初是人们恐惧的对象,但很快就变成了广受厌恶的对象。美国机动车注册量从1905年的78,800辆增至1915年的约250万辆。信任度下降、使用量却上升的局面,那时候就已经出现过了。

那么蹄铁匠后来怎么样了

这篇文章最费心回答的问题就在这里。作者的第一个答案相当坦率:很可能会失业。文章从人口普查职业表中摘录的数字是这样的。

职业191019201930
铁匠(含蹄铁匠)23 万 2,988 人19 万 5,255 人12 万 4,373 人
马车夫44 万 3,845 人42 万 189 人11 万 1,224 人
马厩工人6 万 3,388 人1 万 8,976 人6,654 人
司机·卡车司机4 万 5,785 人28 万 5,045 人97 万 2,418 人
汽修厂经营者5,279 人4 万 2,151 人6 万 9,965 人

二十年间,十个马厩工人里消失了九个,四个马车夫里消失了三个,铁匠减少了一半。但这里要把下面两行放在一起看。马车夫减少 33 万人的同时,司机却增加了超过 92 万人。人口普查统计的是职位而不是人,所以无法追踪某个人从马车座位换到卡车驾驶座的具体路径。不过当时人口普查局曾抱怨很难把马车夫和司机干净利落地区分开来,这一记录恰好反证了这两种工作实际上有多么相互交织。

铁匠当中也有人转了行。1934 年,宾夕法尼亚一家地方报纸《Reading Times》写道,如今的铁匠靠校正汽车车轴、修理弹簧、焊接车架谋生。曾经打造马车车身的铁匠世家费舍尔兄弟,在 1908 年创立了 Fisher Body,为凯迪拉克和别克制造车身。

同一篇《Reading Times》报道中还提到,城里剩下大约 150 匹马,而钉蹄铁的人只有三个。报道没有说这三个人是谁。作者猜测,当活儿只够三个人干的时候,这份工作会落到手艺最好的,或者人脉最广的那三个人身上。而不会落到去年两次弄伤马蹄、还迟到赴约的那个人身上。

这个职业并没有消失。虽然没有官方统计,但美国蹄铁匠专业杂志《American Farriers Journal》估计,美国专职和兼职蹄铁匠合计约 2 万 7,500 人,负责照料约 700 万匹马。想到 1910 年代后期光是农场里的马就超过 2,100 万匹,这个市场确实大幅萎缩了。不过根据该杂志最新调查,专职蹄铁匠在扣除开支前的年均总收入为 13 万 5,736 美元。不需要执照,只要你手艺好到让拥有昂贵马匹的人愿意再次叫你回去就行。

现在的数据说了什么,又没说什么

这篇文章认为同样的事情已经在发生了。斯坦福数字经济实验室有一项用美国薪资处理公司ADP的数据追踪的「矿井里的金丝雀」研究。该研究在8月12日的修订版中指出,AI暴露度高的职业3中22~25岁群体的雇佣率,比按暴露度低的职业同年龄段趋势推算出的水平低19%。资深从业者中看不到这样的差距,而且这个差距体现为招聘减少,而非裁员增加。研究团队同时也写明,没有看到整体经济层面的大规模岗位替代,而且这个数字是描述性模式,不是因果推断。

招聘广告也指向类似的方向。根据Indeed Hiring Lab的数据,今年第一季度美国软件开发岗位招聘广告中,69.3%面向资深级别,新人级别只占4.5%。同一机构还分析称,软件开发招聘广告自2025年2月末以来增长了近15%,而增量中的71%是资深岗位。这意味着职位不只是在减少,而是在向资深方向倾斜的同时重新增长。

这篇文章中我最信服的部分,是作者自己划定的边界。这些数据衡量的是年龄和工龄,不是实力。薪资记录里没有“普通员工”这一栏。软件招聘广告其实从ChatGPT问世之前的2022年就已经在减少,斯坦福研究团队也表示AI并非唯一原因。Indeed同样把远程办公的扩散、高利率、疫情期间过度招聘后的调整,列为新人需求疲软的候选因素。因此作者明确表示,“做得好的人能活下来”这句话不是研究结论,而是自己读历史得出的解读。

good farrier car ai jobs在这一解读之上,作者给出的建议是这样的:不是精通提示词,而是深入了解工作本身。不要拒绝新工具,要比身边的人用得更好。要对结果负责,而不是对产出物负责。要提早转向正在替代旧岗位的那一方。不要等着别人来禁止什么。

第一条建议背后的依据很有意思。非营利研究机构METR在2025年的一项实验中,16名熟练开发者在使用AI工具时实际速度反而慢了19%,但他们自己却认为快了20%。作者提醒说,这是用2025年初的工具测得的16人的结果,不要把它当成现在的数字来读,但他坚持认为,这种体感与实际之间的落差本身值得留意。只有自己真正能把那项工作做出来,才能判断机器究竟有没有真正帮上忙。

Oswarld视角

我说自己是 AI 乐观论者。所以对“无法阻挡”这个结论本身,我没有太多反对的理由。在设计企业交付或 AI 导入咨询项目时,我也始终以“模型会不断进步”为前提做准备。在为公共机构搭建封闭网络时,我会按照 6~12 个月后将出现的开放权重模型的大致水平来规划项目。不要拒绝工具,而要比身边的人用得更好——这条建议与我在一线所做的事情方向一致。

不过我注意到这篇文章留白了一个地方。1934 年留在雷丁的那三位蹄铁匠,本就已经是熟练工了。而现在人们说数据在减少,减少的恰恰不是熟练工的那一端,而是新人的入口。如果 Indeed 上软件新人岗位的占比只有 4.5%,那么十年之后,“做得最好的三个人”又该从哪里学成出来呢?建议大家“做个好蹄铁匠”对个人而言是对的,但好蹄铁匠是在学徒岗位上被培养出来的,谁来保留这些学徒岗位,是组织必须回答的问题。

在去年八月谈卢德运动那一期里,我写过,卢德分子反抗的不是机器本身,而是那种把变革成本只记在他们自己账上的方式。我认为这篇文章和那篇文章并不矛盾。技术无法阻挡,这一点和必须追问代价由谁承担,这一点可以同时成立。马车夫之所以能转行成为卡车司机,也是因为开车是几周就能学会的事。而眼下这场转型,是否也能靠这么短的一座桥跨过去,现在还没有人知道。

结语

这篇文章的最后一句很短。马没有回来,好的蹄铁匠守住了自己的工作。我想在这里再加一句:好的蹄铁匠一开始也曾是某个人的学徒。


💬 在您现在从事的工作中,AI最先拿走的业务是什么?那项业务消失之后,剩下的工作是变得更难了,还是更容易了?请在评论中告诉我们。

📨 如果您身边有因为AI而为职业道路烦恼的后辈或同事,请把这篇文章转发给他们。1910年的人口普查表,说的东西比想象中要多。


你的观点会成为下一期的线索

欢迎留下你的经验与看法。

注册读者均可免费发表评论。

参考资料与延伸阅读

数据

No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%digitaleconomy.stanford.edu

值得一起读的往期内容


安光涉(Oswarld)个人插画

作者 安光涉(Oswarld) 现任世宗大学兼任教授,INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月:HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

  1. 蹄铁匠(farrier):修整马蹄、钉上铁制蹄铁的工匠。过去常由铁匠兼任,因此在人口普查中也常被归入铁匠类目。 ↩

  2. 拉取请求(pull request):开发者请求将代码变更合并进项目的单位。经他人审核通过后,才会并入主代码。 ↩

  3. AI 暴露型职业(AI-exposed occupation):指工作中有较大比例可由生成式 AI 执行或大幅协助完成的职业。软件开发、客户咨询、会计等是其代表。 ↩