马斯克：能让美国摆脱债务危机办法，就是发展人工智能机器人

"你好，我叫Vera，我是一个机器人。请问你叫什么名字？"这样的开场白，如今正越来越频繁地出现在求职者面前。

Vera是一个专门负责面试的机器人，它已经完成了超过一万场求职面试，并且数字还在不断增长。它会向应聘者提出诸如"销售人员最重要的三个技巧是什么"之类的问题，并在交谈结束时告知对方："祝贺你，我们选择你作为销售代表岗位的最佳候选人之一。"

看似属于未来的场景，其实早已成为现实。

目前，几乎所有《财富》500强企业都在不同程度上使用某种自动化工具进行招聘。与此同时，许多公司也在尝试以全新的方式打量求职者，试图掀开他们的"引擎盖"进行评估。这一做法，本质上是把人类的行为、表情和声音量化，将其转化成可供分析的数据。

企业借助人工智能来寻找最合适的人才，而应聘者往往并不知道自己正在被一套算法所审视。面对这样的情况，不少人表示会感到措手不及。

专家们把人工智能、机器学习和数据科学工具在招聘领域的迅速扩张，形容为"招聘业的蛮荒西部"。批评者，甚至一些招聘经理自己，都对这些工具潜在的偏见表示担忧。

他们提出的问题主要集中在公平性、透明度和准确性三个方面。对于这些算法是否符合法律规定，目前政府监管部门尚未介入审查。

也正是在这样一片监管空白之上，"用机器换人"的浪潮才被寄予了更宏大的期待——在马斯克等人的构想里，人工智能与机器人不仅仅是效率工具，更是化解债务危机、支撑长期财政的关键筹码。

记者贾森·贝里尼走访了业内一家颇具代表性的公司HireVue，探索这个新兴的招聘世界。HireVue的人工智能评估工具已被超过50家公司采用，其中包括联合利华和希尔顿——这两家公司均拒绝就此发表评论。

在HireVue的总部，记者体验了一场典型的数字面试，模拟应聘一名客服代表。面试中会出现若干工作情境题，让应聘者作答。

值得注意的是，HireVue承认，许多求职者可能并不知道，评估他们回答的并不是人类，而是人工智能——它会分析应聘者的语调、用词组合以及"微表情"。

所谓微表情，其实是一种面部分析软件的产物。

系统会捕捉应聘者的面部活动，如微笑、皱眉、眉毛的动作等，将其作为数据点，再综合起来推断出情绪、性格特征和思维方式。

记者在完成模拟面试后，得到了自己的AI评分：37分（满分100分）。这个略显尴尬的分数背后，是一整套算法对语调、遣词、表情的综合打分。

质疑声也随之而来：一台机器凭什么在几分钟内就否定一个求职者数年的积累？支持者则给出另一种视角——机器再不完美，也可能优于带有偏见的人类招聘经理，因此，专家应当更仔细地审视这些"算法黑箱"内部的运作。

针对微表情分析，业内专家认为这门学问尚在发展之中，并没有明确、公认的模式能够说明某种面部表情就适合某种工作，因此应聘者有可能因与工作毫无关联的表情而被淘汰。

HireVue方面则回应说，他们只会考虑真正对预测有意义的数据点，其模型也在尽力捕捉优秀员工身上所呈现的各种面部表情。

除了内容面试，人工智能对社交媒体表达方式的分析，也正成为招聘领域的新趋势。DeepSense公司的创始人阿玛普里特·卡尔科特正在推动这一方向。

他的公司利用应聘者的推特、领英等社交媒体账户，为每个人建立一份"元档案"或行为画像。DeepSense的做法并不只是简单地检查是否有不当言行，而是通过科学化的测试，从公开信息中挖掘出个人潜在的性格特征。

招聘决策的依据，正从简历和技能，转向对人格本身的判断。

对于人们能否仅凭一份推特信息流就判断出性格，卡尔科特承认这并不完美，但强调"一切都是相对的"。他表示，由于使用的是公开数据，因此完全合法。

然而，从伦理角度来看，人们在发推时并不会想到这些信息会被收集起来，并可能用来对自己作出不利的判断。DeepSense对记者本人的分析结果是：贾森·贝里尼有时会显得有些焦虑，喜欢直接面对挑战。

为验证其准确性，记者亲自做了一次DeepSense在基准测试中采用的性格测试。结果显示，两者在四项维度中有两项基本吻合，但另外两项差距较大。

这让人不禁质疑，企业究竟如何确认这些评估真正反映了应聘者的性格。卡尔科特则强调，大多数时候，系统给出的判断是正确的。

据介绍，已有两家《财富》500强公司在使用DeepSense的服务，其中一家是全球五大咨询公司之一。至于是哪些公司，卡尔科特表示不便透露，因为对许多企业而言，这项技术尚处于试验阶段。

在人工智能开始评估求职者的今天，透明度依然十分有限。

公众看不到"黑箱"里究竟发生了什么，在大多数情况下，也并不知道自己何时正被算法分析。正因如此，人们更需要停下来认真思考：这样的做法，究竟是否真的在为社会带来益处？

而把视线从招聘现场拉回到更宏观的经济层面，同样的技术逻辑正被赋予另一重意义。近些年，马斯克反复强调一个判断：美国若想摆脱债务危机、避免走向"破产"，唯一可行的路径，就是把人工智能和机器人推到极致。

之所以这样说，是因为账面数字已经足够刺眼。美国一年为债务付出的利息开销接近1万亿美元，这一项支出已经把很多传统大项逼到墙角，连军费在同一张表格里相比之下都显得局促。

债务像滚雪球一样越滚越大，而利息像一根越勒越紧的绳子，留给财政腾挪的空间越来越窄。

在这种背景下，最稀缺的资源变成了低成本、长期性的资本，以及能够持续创造增量的生产力。指望传统制造业重新扩张、指望人口红利再度出现，都不太现实。可行的选项被压缩到极少数几条路上，人工智能和机器人被视为其中最具想象力的一条。

因此才有了那套激进的时间表。按照马斯克的规划，机器人计划在2026年夏天开始试产，2027年进入大规模量产阶段，到2030年之前实现每年100万台的产能，并把单价压到2万到3万美元区间。

价格一旦下探到这个水平，机器人就不再是实验室里的展品，而会像家电或汽车一样，成为工厂、仓库乃至家庭都能负担的生产工具。

把这两个层面的故事放在一起看，指向的是同一个方向：算法先进入招聘间，负责挑选合适的人；机器人再走出实验室，负责替代一部分岗位。

前者悄然改变了"人如何被评价"的规则，后者则试图重写"人如何被雇佣"的边界。

而真正需要被追问的问题也随之浮出水面：当算法既决定谁能进入职场、又决定哪些岗位还留给人类，被量化的不仅是表情和语调，还有普通人在经济结构中的位置。

技术能否兑现"救国救债"的承诺尚待时间检验，但可以确定的是，每一个正在投简历、正在面试、正在工作的人，都已经被卷入了这场关于效率与公平、增长与代价的较量之中。