李飞飞反驳说工业革命并没有自动化劳动，只是让劳动更高效、规模更大。这一论断有历史数据支撑：20 世纪 80 年代的自动化生产并未导致大规模失业，因为自动化带动的投资与就业创造效应抵消了对劳动力的替代，影响更多是结构性的——技能型工人替代操作型工人（来源：张茉楠《新工业革命冲击全球劳动力市场》）。关键前提是「劳动不智能」这个假设本身就错了，人的判断力从未被真正自动化。

企业以 AI 升级为由裁员，在司法实践中已遇到红线。杭州中院 2026 年的一起判例中，一名 35 岁 AI 质检主管被公司以「AI 已能替代岗位」为由降薪解雇，法院终审认定：企业主动引入 AI 属经营决策，不构成《劳动合同法》第四十条的「客观情况重大变化」，判赔 26 万余元。白岩松评论说「AI 可以改变世界，但不能改变主角是人」——AI 替岗不能成为合法解雇的直接借口，法院要求企业优先考虑培训转岗，而非一刀切裁人。

IDC 数据：国内 68% 的中小企业 AI 项目在部署后 6-12 个月停滞，平均烧掉 189 万元。RAND Corporation 对 2400 个项目的元分析显示，80.3% 未交付预期业务价值，其中 33.8% 投产前就被放弃。失败不是技术问题，而是战略与治理缺失：企业把「采购工具」当成了「做 AI」，却忽略了数据孤岛、场景适配和员工培训。2026 年的拐点不在模型参数，而在企业能不能从「买工具」切换到「喂数据、改流程、建组织」的系统工程。

李飞飞拆解人类智能为语言、空间、身体、情感四块，指出 AI 接住了其中一两块不等于接住全部。但人机边界不是静态蓝图——科学网博客提出：协同边界是在实践、信任和环境中「被挤出来」的。当系统长期稳定可解释，人类会让边界向机器侧溶解；一旦出现幻觉或不可预测行为，人类会迅速拉回控制权。真正值得追问的是：你在团队里做决策时，靠的是一张静态分工表，还是靠一次次的信任校准和经验调优？