2016 年，Hinton（深度学习教父级人物）说过一句流传很广的话：「应该停止培养放射科医生了，五年之内深度学习就能做得比他们好。」快十年过去，放射科医生不仅没有消失，美国放射科的招聘缺口反而在扩大。这个预言错在哪——它错得非常有教育意义，拆开这个错误，就看懂了 AI 时代医生的命运。
预言错在哪：把「职业」当成了「任务」
Hinton 的错误是一个经典错误：他把「看片子找异常」这个任务等同于「放射科医生」这个职业。实际上看片只是放射科医生工作的一部分——他们还要结合病史判断影像的临床意义、决定要不要加做检查、和临床医生讨论方案、对报告负法律责任、处理模棱两可的边缘情况。AI 吃掉了任务里最好吃的那块，剩下的部分反而因为片子变多、工具变复杂而更忙了。
这个「任务≠职业」的拆解，是理解所有「AI 会不会取代某某职业」的通用钥匙。一个职业是一篮子任务的组合，AI 通常吃掉篮子里的几样，剩下几样的相对价值上升——这就是所谓的「极化」：常规认知任务贬值，判断、责任、手艺升值。
医生的篮子里，哪几样在贬值
诚实地看，贬值的是这几样：记忆型知识（某个罕见病的典型表现、某个药的剂量禁忌——AI 比人记得全记得牢）；常规模式识别（标准影像、标准心电图、常见病的典型组合）；信息检索和整理（翻文献、写病历、生成随访问卷）。第二章说过，医生的稀缺来自「知识靠学徒制人传人」——AI 正在让这部分知识的复制成本趋近于零，这是对这个百年稀缺结构的第一次真正冲击。
哪几样在升值
同样诚实地看，升值的是另外几样：
把关。第九章说过制度只接受人签字——AI 给建议，人拍板负责。把关人的价值不在他知道得比 AI 多，而在他敢在不确定中下决定并承担后果。医疗里大量场景没有正确答案，只有「在信息不全时足够好的决定」，这种决定需要一个能上法庭、能被吊销执照的主体。
手艺。手术、穿刺、查体的手感——物理世界的手艺是 AI 渗透最慢的领域。机器人手术（如达芬奇）已经很多年，但它本质上是医生手的延伸，主刀的依然是人。
信任劳动。告诉一个家属「我们尽力了」，陪一个癌症病人走完最后一程，让一个恐惧的老人同意手术——这些事的价值不在信息含量，在于说话的是一个人。越是 AI 遍地的时代，「人对人」的部分越稀缺，也越贵。
一句话总结：AI 让「知道」贬值，让「负责」升值。医生的工作会从「行走的医学百科」变成「AI 的把关人 + 手艺的操作者 + 病人的受托人」。
那供给闸门会开吗
回到第二章的供给问题。如果 AI 把「排除危险」做掉八成、把文书做掉九成，一个医生能覆盖的病人数会成倍上升——等价于医生供给变多了，但医学院并没有多招生。这会带来两个连锁反应：基层和缺医地区先受益（AI 守门人 + 远程把关能撑起过去撑不起的诊所）；大医院门诊的「四分钟流水线」可能缓解，医生终于有时间做那些升值的部分。
还有一个制度变量：执照。如果 AI 分诊和 AI 辅助诊断足够可靠，很多现在必须由医生做的事，未来可能由「护士 + AI」或「药师 + AI」完成——这在监管上叫执业范围的重新划分，动了执照制度的奶酪，各国都会吵，但方向已经能看见了：英国已经在扩权药师开处方，美国的执业护士（NP）在很多州已经可以独立行医。
所以医生会失业吗
不会，但「当医生」的含义会变。对照历史：ATM 普及后银行柜员没有消失，但工作内容从数钱变成了销售和顾问——因为数钱被自动化后，网点的人手被重新配置到机器做不了的事上。医生的版本是：记忆和识别被自动化后，人力向把关、手艺、信任集中。真正可能消失的，是那些篮子里全是常规认知任务的岗位——比如只做报告初筛、不做临床沟通的纯读片岗。
最后一个问题留给终章：如果医生在换挡、研发在换挡、入口在换挡，那作为容器和枢纽的医院，十年后会长成什么样？我们把全书的零件重新装一遍。