从3.5天工作制到全程被记录：AI正在重塑工作的边界

这期《AI Daily Brief》串联了四个看似分散却高度相关的信号：顶级银行CEO对3.5天工作制的判断、微软Recall引发的“全景监控”争议、Rabbit R1的Agent实验，以及中国研究者在推理模型上的新突破。它们共同指向一个问题：当AI能力指数级提升，我们是否准备好重写工作、隐私与技术演进的默认规则？

为什么摩根大通CEO会认真谈论3.5天工作制

这段讨论之所以重要，不只是因为它来自全球最大银行之一的CEO，而是因为这不是一句随口的“未来畅想”。在感恩节的短工作周背景下，摩根大通CEO Jamie Dimon 在接受彭博电视采访时直言：“你们的孩子将活到100岁，也不会得癌症，因为技术的进步，而且他们很可能一周只工作三天半。”这句话的冲击力在于，它把AI的影响从“效率工具”直接推到了“社会结构改变者”的位置。

Dimon 的判断并非空谈。摩根大通已经在AI上投入重兵：他在今年的致股东信中专门用一个章节讨论AI，并明确表示AI“对公司未来的成功至关重要”。更具体的是，摩根大通内部已经有超过300个AI用例处于生产环境中。这意味着，AI不是实验室里的概念，而是已经在真实业务中替代或增强人类劳动。

《AI Daily Brief》的主持人点出了一个关键洞见：如果AI真的替代了大量人类劳动，我们是否还会坚持“工作时长不变，只是任务更高级”的旧范式？还是会接受“工作更少，同样算是对社会的贡献”？他强调，这正是所谓“新的社会契约”讨论的核心。我们之所以难以想象，是因为我们习惯把未来强行拉回到今天的样子，但这种对工作意义的重新定义，可能是AI时代绕不开的一关。

微软Recall：当AI把你的每一次点击都变成“记忆”

如果说3.5天工作制是诱人的未来，那微软Recall则代表了让人不安的另一面。这一功能的本质是“持续截屏”：系统会对你在电脑上的操作进行截图，用AI对图像和文字进行索引，从而让你可以“搜索过去做过的一切”。这并不是传闻，微软已经发布了首个预览版本。

争议之所以巨大，是因为Recall几乎是“全景式监控”的技术化体现。微软的回应同样具体：第一，Recall是完全自愿的，必须用户主动开启；第二，所有截图都存储在本地，微软无法访问，也不会上传云端或用于训练模型；第三，用户可以查看并手动删除任何截图，并且可以设置不记录特定应用或网站；第四，系统会自动识别信用卡信息、密码和身份证件，这类内容不会被保存。

主持人提出了一个耐人寻味的判断：这种功能“最终会被完全正常化”。原因有二，其一，互联网历史已经反复证明，人类会逐渐习惯更高程度的监控；其二，如果安全和隐私问题能被妥善解决，这种“全量行为数据”将开启极其广阔的应用空间，远不止搜索这么简单。真正的不确定性只剩一个：人们心理上的接受边界，究竟在哪里。

Rabbit R1的Teach Mode：Agent理想与现实的摩擦

Rabbit R1曾是最受关注的AI可穿戴设备之一，但热度迅速回落。这次更新的“Teach Mode”之所以值得关注，是因为它触及了Agent式AI的核心理想：让普通用户在无需写代码的情况下，教AI完成任务。

具体来说，R1现在可以通过“示范学习”来训练。用户先用自然语言描述任务，然后录制自己在网页上的操作，比如获取社交媒体更新，或把一首歌保存到Spotify。设备会记录这一过程，并在之后根据指令复现。这是Rabbit在发布R1时就承诺的能力，但直到现在才真正上线。

一些体验反馈认为Teach Mode过程偏繁琐，但也普遍承认，“无代码Agent训练”本身极具潜力。Rabbit CEO Jesse Lyu 对外界质疑的回应非常坦率：“你必须遇到所有边缘情况，然后边走边调，这就是用AI模型开发的本质。”他也承认，Rabbit没有10年的时间和资源去把所有问题都提前测试完，只能“take our shot and move fast”。这让人不得不反思：在生成式AI时代，“快速行动、打破常规”是否仍然是正确的信条？

中国研究者的推理突破：把‘思考过程’藏在幕后

最后一则消息把视角拉回到更底层的技术竞争。继 DeepSeek 声称其文本推理模型在能力上超过 OpenAI 的 o1-preview 之后，一个由中国高校组成的研究团队发布了视觉语言模型 Lava-01，试图证明“推理时计算量扩展”同样适用于图像任务。

视觉语言模型（VLM）过去也尝试过Chain-of-Thought提示，但效果有限，原因在于推理过程不够结构化，模型容易“迷路”。Lava-01借鉴了 OpenAI o1 的思路，把推理拆成四个阶段：先给出问题的高层总结；再对图像进行有针对性的描述；随后进行结构化逻辑推理，生成初步答案；最后只向用户展示最终结论，其余过程隐藏在幕后。

研究者指出，正是这种“结构化输出设计”，让每一步都可以被高效验证，从而提升推理阶段的准确性和可扩展性。当然，争议依然存在。评论者 Ria Shakur 就吐槽说，这篇论文几乎没有披露任何训练细节，“没有代码，没有标注数据集”。即便如此，可以确定的是：围绕推理阶段和测试时计算量的创新，正在成为全球AI竞赛的新焦点。

总结

把这四个故事放在一起看，会发现它们并不零散：AI一边在承诺更短的工作时间，一边在要求更深的行为透明；一边在尝试把“思考”自动化，一边暴露出快速迭代的风险。Jamie Dimon 的3.5天工作制不是终点，而是一个起点——它迫使我们思考，当AI能力持续放大，人类究竟该如何重新定义工作、隐私与技术进步之间的平衡。这些讨论不会停留在未来，而是正在逼近当下。

关键词： AI应用， 3.5天工作制， Microsoft Recall， AI Agent， 推理模型

事实核查备注： Jamie Dimon（摩根大通CEO）关于‘一周工作三天半’的表述；摩根大通已部署超过300个AI生产用例；微软Recall为本地、可选功能，不上传云端；Rabbit R1推出Teach Mode支持示范学习；DeepSeek与OpenAI o1-preview的对比说法；Lava-01视觉语言模型的四阶段推理结构。