--- title: "形式的虚像" title_en: "The Mirage of Form" subtitle: "当工具吃掉形式之后，实质从哪里来" author: "Dawei Geng" date: 2026-04-25 excerpt: "AI 第一次让形式可以脱离实质独立产生。形式被工具吃掉之后，知识工作者赖以为生的能力大面积失效。这篇文章追问：实质从哪里来，如何被识别，如何变现。" canonical: https://offbook.press/essays/mirage-of-form/ --- ## 序章 · 形式与实质 先说说这篇文章用的基础概念。 任何一个交付物，例如一篇文章、一个产品、一份方案、一段代码、一个视频，都可以拆成两部分：**形式**和**实质**。 **形式**指一个交付物中**可以被外部系统接管的部分**。它可以通过工具、模板、规范、流程、模型和分工来生成、复制、优化或规模化。 形式不等于“低级”，也不等于“简单”。在某些时代，形式能力本身极难。抄写员的字迹、写实画家的形似功夫、工程师的代码工艺，都需要十几年训练才能掌握。但它们都属于形式，因为有一天，外部系统能把它们接管。 **实质**指外部系统**无法替主体承担的部分**：对问题的重新定义，对现实的判断，对取舍的负责，对后果的承受，以及由长期经验形成的、不可完全迁移的判断力。实质不是“显得独特”。它来自一个具体主体对真实世界的理解、判断和承担。 换句话说：**形式解决的是“东西如何被做出来”，实质解决的是“为什么要这样做，以及这样做的后果由谁承担”**。 这对概念在中文里有一个成熟的法律和会计原则与之对应，叫“**实质重于形式**”。判断一笔交易或一份合同的真实价值时，不能只看表面安排，而要穿透形式，看背后的真实关系和真实后果。 这篇文章借用这个原则，放到一个更大的框架里。 ### 历史不是把实质变成形式，是把形式从主体迁移到外部 这里要说清一件容易混淆的事。 **形式和实质从一开始就是两类东西**。历史改变的是形式由谁来完成，定义本身没动。 工具不发达的时代，很多形式只能由人亲自完成。字迹工整、比例准确、信息查找、语言流畅、代码正确，这些事情本身属于形式，但在特定历史阶段，它们必须依附在具体的人身上。社会因此把这些形式能力当作主体能力的一部分来识别和定价。一个抄写员写得工整，一个画家画得逼真，一个研究者掌握大量资料，一个工程师能写出可运行的代码，在他们各自的时代都是真实的稀缺。 工具进步之后，这种绑定关系松动。每一次工具进步，都是把原本必须由主体亲自完成的形式，迁移到外部系统：印刷术接管复制、摄影接管再现、工业化接管精度、搜索接管检索。下一节会展开这条历史线。 形式被接管之后，并不会失去使用价值。**真正下降的是形式的证明力**。它仍然有用、仍然被消费，但越来越不能稳定证明背后的主体拥有相应的实质。 ### AI 是这条线索上最大的一次迁移 AI 的特殊在于，它不只是接管某一种形式，**而是一次性接管了大量过去仍然残留在主体内部的形式能力**。 写一篇结构完整、语言流畅的长文，过去需要写作者长期训练。AI 之后，这部分能力被快速外部化，结构合格不再稳定证明背后有真正理解问题的写作者。 写一段架构合理、能跑起来的代码，过去需要工程师掌握语法、模式、调试经验。AI 之后，代码的形式生产被部分外部化，一段能跑的代码不再像过去那样稳定证明写代码的人具备相应的工程判断。 做一份图文并茂、信息组织清楚的方案，过去需要咨询顾问、设计师、产品经理的训练。AI 之后，这些形式可以被快速生成，一份看起来完整的方案不再稳定证明背后的人真正理解问题、客户、约束和后果。 **过去十几年到二十年，大量职业工作者赖以为生的能力，在 AI 出现之后，从“必须由主体亲自完成的形式”变成了“外部系统也能完成的形式”**。这是形式和实质之间证明关系的**结构性重画**，而不只是局部替代。 这件事的后果，比“AI 会替代哪些工作”要深一层。 这篇文章要回答的问题，就从这里开始： 当形式不再稳定证明实质，**实质从哪里来，如何被识别，如何变现**？ --- ## 形式迁移史：四次外部化 形式的迁移，自然有历史证据撑住。这一节走过四次工具进步：印刷术、摄影、工业化、搜索。看每一次“形式从主体迁移到外部系统”的具体形态，以及它对当时主体的冲击。 读完这四个例子，会更清楚 AI 在做的事并不新鲜。它只是这条线索上规模最大、速度最快的一次。 ### 印刷术（15 世纪）：字迹和复制被外部化 印刷术之前，合格的书是稀缺信号。一本装帧完整、字迹工整、抄写无误的手抄本，证明背后有训练有素的抄写员、足够的时间、足够的资源。抄写员的字迹工整、复制准确，在抄写时代是他作为主体被定价的核心依据。 印刷术把这一切外部化。一台印刷机一天能产出**上千页**，一个抄写员一天**几十页**，量级差异在两到三个数量级。1450 到 1500 年间，书价**至少下降 65%**。按 Buringh 和 van Zanden 的估算，**1454-1500 年西欧印刷书产量约 1260 万册**，已经高于整个 15 世纪西欧手稿生产量。 到 1525 年前后，人文学者开始抱怨，理由是书**太多**。伊拉斯谟在《箴言集》里写下一句和今天关于“AI 内容泛滥”几乎一字不差的话：“地球上还有哪里能躲开这些新书的蜂群吗？” 抄写员的字迹工整不再稳定证明任何一个主体，因为任何印刷品都字迹工整。这部分形式从抄写员身上迁移到了机器，**抄写员作为一个职业群体在一两代人之内贬值**。 但实质并没有被消灭。识字、阅读、思考、判断仍然有价值，而且在印刷术之后变得**更**有价值。印刷让大量文本可以被广泛获取，真正擅长筛选、解读、批判的人反而更稀缺。**贬值的是被外部化的那部分形式，依附在它周围的实质并没有贬值**。 ### 摄影（19 世纪）：再现被外部化 1839 年 8 月 19 日，达盖尔银版摄影法在巴黎法兰西科学院公开。法国政府宣布把这项发明放入公共领域，几个月内，达盖尔工作室在欧洲和北美遍地开花。到 1850 年代，巴黎等大城市的商业摄影棚已经在大量生产肖像，价格从过去画家肖像的几十甚至几百分之一开始，**肖像摄影迅速从新奇技术变成中产消费品**。 直接受冲击的是**写实画家**，他们靠“逼真再现现实”谋生。一张达盖尔肖像几分钟拍完，一张油画肖像要几周。客户开始用脚投票。一句常被归于法国画家保罗·德拉罗什、但出处并不牢靠的话，把这种震动概括得很准确：“**从今天起，绘画死了**”。这句话未必真由他说出，但它之所以被反复引用，是因为它捕捉到了写实再现被相机接管时的真实恐惧。 写实画家面对的是和今天许多职业完全相同的问题：他们花了十几年训练的核心能力，被一个外部系统接管了。 绘画并没有死，但它必须**重新定义自己的价值不在再现里**。印象派、后印象派、立体派、抽象表现主义，之后整整一个世纪的艺术运动，本质上都是绘画在回答一个问题：**当再现被相机接管，绘画的实质是什么？** 实质没有消失。再现这件事过去依附于画家，后来迁移到相机。**画家的实质重新被定义为相机不能替他做的事**：看待方式、立场、风格、对什么值得画的判断。 ### 工业化生产（19-20 世纪）：精度被外部化 工业化是更长尺度的形式迁移。从 19 世纪英国的纺织机、20 世纪初福特的流水线，到 20 世纪后半叶日本的精益生产，一波一波，把“匀称、精度、一致性、稳定复制”这部分能力，从手工艺人身上迁移到机器系统。 工业化之前，一个物件的精细程度往往说明匠人的经验、耐心和能力。一双手工皮鞋的针脚均匀，证明做这双鞋的师傅训练有素。 工业化之后，机器可以批量制造出比手工更一致的产品。1913 年福特推出移动装配线之后，Model T 的**底盘装配时间**从 12.5 小时降到 93 分钟，价格从 1908 年的 850 美元降到 1924 年的 260 美元。手工的“针脚均匀”不再稳定证明任何一个匠人的实质，因为流水线的针脚比他更均匀。 但手工艺并没有完全消失。在工业化之后，留下来的手工艺转向了**机器做不到的事**：特殊定制、稀缺材料、个人化设计、文化记忆、不可复制的瑕疵美感。一双纯手工皮鞋今天的价格反而比一百年前更高，这双鞋的精度可能和一百年前相同，但依附其上的实质，和以前已经大不相同了。 ### 互联网和搜索(1990s-2010s)：检索被外部化 最近的一次大规模形式迁移，是搜索引擎。 搜索之前，知识工作者的核心能力之一是“知道去哪里找资料”。法律工作者要熟悉判例集，医生要记住大量诊断标准，记者要积累信息源，学者要掌握文献体系。这些“信息查找、资料整理、基础事实核查”的能力，长年依附在具体的人身上，是他们作为主体被定价的重要部分。 搜索引擎把这些外部化。Google 1998 年成立，到 2010 年代，一个普通人查一个法律条款、医学定义、历史事件、产品参数，30 秒就能拿到合格答案。 这次迁移的影响在 2000 年代缓慢展开，被低估了。它没有像 AI 这样在两三年内造成可见冲击，但累积效应同样巨大。大量“凭信息差吃饭”的工作，例如中介、信息员、初级研究助理、部分律师助理工作，在 20 年里慢慢萎缩。 但同样，实质没有消失。**判断什么资料重要、如何评估资料质量、在复杂情境中应用资料、对资料背后的真实问题做判断**，这些能力反而因为搜索让信息门槛塌陷而**变得更稀缺**。能搜不再值钱，**懂搜什么、怎么用搜来的东西**仍然值钱。 ### 一条共同的轨迹 四次迁移走的是同一条轨迹： 1. 一种形式能力长期依附在某个职业群体身上，被市场当作他们实质的可见证据 2. 工具进步把这部分形式外部化 3. 形式仍然有用，但它的**证明力**对那个职业群体大幅下降 4. 那个职业群体面对一次集体性贬值 5. 留下来的人，把价值重新定义在外部系统**做不到的实质**上 每一次迁移的当事人，都觉得自己面对的是前所未有的危机。每一次，实质都没有消失，但实质需要**重新被识别和定价**。 AI 在做的是同一件事，只是规模大了一个数量级。它不只是一次接管一种形式，是一次接管几十种形式。 但底下的逻辑没变：**形式仍然有用，只是不再稳定证明主体**。这是序章那个核心问题在历史里的注脚：**当形式不再稳定证明实质，实质从哪里来，如何被识别，如何变现**？ 下面八章就是这个问题的展开。 --- ## 第一章 · 钟形社会是一个历史例外 在讨论 AI 对交付物的影响之前，要先把读者放进一个准确的历史位置里。一个关键事实常常被忽略：**我们所在的“钟形社会”（大多数人处在中间、少数人在两端），在人类历史上只存在了不到 80 年。它是一个例外，不是常态**。 人类社会的绝大部分时间里，形状是哑铃形。少数顶端，大量底端，中间几乎不存在。欧洲从公元 1000 年封建制稳定成形到 1760 年工业革命启动，这个形状稳定存在了约 760 年，期间多数前工业社会的农业人口通常在 **70-85% 量级**。美国 1790 年约 90% 的人口住在农场，到 1860 年劳动力中仍有 53% 从事农业。 工业革命开始拆这个结构，但不是直接从哑铃变成钟形。**哑铃底端从农业转移到工业，中间的真正壮大要晚得多**，过渡期走了约 180 年。 这 180 年里推动钟形成形的并非单一变量。19 世纪后期到 20 世纪初的资本主义全球化建立了大规模生产和分工体系；20 世纪初福特主义、电气化、流水线把工业品价格压到普通工人能消费的水平；广告业、分期付款和大众消费文化把“中等收入对应中等生活方式”变成了可见可达的目标；两次世界大战之后的劳工立法、最低工资、社会保障、退伍军人教育法案（GI Bill）又把工人和退伍军人系统性推入中产。**钟形社会是一组叠加力量的产物，而非工业化单线推进的自然结果**。 现代意义上的“中产阶级”，也就是**大多数人属于这个阶层的社会**，要到 1940 到 1950 年代才开始在美国形成。按 Pew 长期跟踪的口径，1971 年住在中产阶级家庭的美国人占 61%；中产阶级家庭占全美总收入的份额在 1970 年达到 62%。这是这条数据序列里的高点。 把三个时期放在同一个时间轴上：哑铃形约 760 年，过渡期约 180 年，钟形不到 80 年。**钟形社会的存在时间不到哑铃形的 1/9。它是一个历史例外，不是常态**。 ### 钟形是多维度同时中位化的结果 “钟形社会”不只是一个收入分布。它是工业化和大众化把一个社会在多个维度上**同时中位化**的结果。生产中位化（工业化让大量商品集中在中等质量、中等价格区间）、审美中位化（大众教育和大众媒体把审美光谱收敛到一个可识别的中间带）、文化中位化（大众出版、广播、电视让主流文化成为大多数人共享的文化）、职业中位化（大公司创造出大量中层白领岗位）、教育路径中位化（标准化考试、大学学位、稳定的职业晋升阶梯）。 这五件事是**同一个历史进程的五个面**，不是独立现象的巧合。 这个结构从 1970 年代开始塌陷。制造业中层岗位、文员、银行柜员、电话客服、旅行社员工、报社编辑，这些岗位一个一个从城市的白天里消失。到 2023 年，住在中产阶级家庭的美国人占比从 1971 年的 61% 降到 51%；中产阶级占总收入份额从 62% 掉到 42%。1940 年出生的美国人，**约 90%** 收入超过父母那一代；1980 年出生的，只有 50%。 **钟形社会维持一代人的那种“中产稳定再生产中产”的机制，正在失效**。这件事重要：**塌陷并非 AI 开启，从 1970 年代就开始了，已经走了半个世纪**。AI 做的是把这个已经进行了 50 年的缓慢过程推进到一个新的临界。 ### AI 是钟形社会的内生产物 这里有一个容易被忽略的关键事实：**AI 的默认商业输出命中的是大众表达、主流英语世界的中位区间**。 要精确说这件事。LLM 的预训练语料覆盖面远比它的默认输出宽，参数里封存着从古希腊哲学到顶级数学论文的一切。但大部分人和 AI 的互动不在参数深处，他们接触到的是经过人类反馈强化学习(RLHF)对齐过的**默认输出**。 这个对齐过程的机制比“评分者审美落在中位”更精确。真正在给模型打分的并非社会平均人。公开资料里，OpenAI 的 InstructGPT 雇了约 40 名 Upwork 和 Scale AI 上的承包商；匿名调查里，19 位回应者中 75% 不到 35 岁、大多来自美国或东南亚。Anthropic 2022 年的 RLHF 论文用的是 master-qualified 的美国 MTurk 工人加 Upwork 众包，**MTurk 工人贡献了大部分 comparison 数据，Upwork 工人贡献其余少部分**。 更准确的描述是：**RLHF 让模型输出向“一组可工业化招募、经筛选的评价者，在研究者说明与平台政策约束下能够稳定识别为'更好'的区域”收敛**。这个区域带有明显的英语、美式、平台化偏向，既非审美与判断的最右端，也非全球平均。Anthropic 2023 年的 GlobalOpinionQA 研究证实了这一点：对齐过的模型在主观社会议题上默认更接近美国和部分欧洲人群的观点。 把这件事接回钟形社会的历史：**AI 是钟形内生的加速器，不是外来的冲击**。 工业化让生产中位化，大众教育让审美中位化，大众媒体让文化中位化，大公司让职业中位化，**大规模可工业化评价者栈让 AI 输出中位化**。这是同一条历史链的下一环。 这解释了为什么 AI 加速了钟形内一切的同质化，也解释了 AI 和钟形结构的共命运：**它能加速钟形之内一切的接管，但它的默认商业输出缺少从钟形之外真实处境中形成的承担、判断和在场**。 --- ## 第二章 · 形式悄悄迁移 第一章讲完钟形社会的结构。回到 AI 这次形式迁移本身，它和过去四次相比，有什么不一样？ 要先论证一个具体的问题：**大众识别到形式被工具吸收的速度有多快，对这部分形式的估价多久会回归到正确值**。这意味着中位内容的手工生产者会以多快的速度贬值。 ### 大众识别速度，取决于工具是否产生新形式 **核心判断**：大众识别新工具的速度，核心不取决于普及率，而取决于工具是否产生了**可见的新形式**或**让旧形式有特殊变化**。 历史样本： - **印刷术**：产生新形式（印刷品 vs 手抄本外观完全不同），识别立即 - **摄影**：产生新形式（照片 vs 油画完全是不同物品），识别立即 - **工业化**：旧形式特殊变化（机器产品过于一致），初期几乎不被识别 - **搜索**：无新形式（搜来的内容和自己知道的外观一样），识别滞后 15-20 年 - **AI**：在传统交付物层面无新形式（AI 输出的文章、代码、PPT、设计与人类交付物外观无差异），识别更慢 需要立刻指出一个限定：这里讲的是“交付物层面”。从产品形态层面，AI 已经产生了新形式，例如聊天式界面、agent workflow、实时生成视频、多模态协作空间。这些形态可识别，但它们识别的是 AI 作为**工具**的存在，而非 AI 作为**内容生产的成熟工具**的存在。文章讨论的“形式吸收”主要在交付物层面：当大众面对一份文章、一段代码、一个方案时，他们看不出这背后是 AI 还是主体。 AI 这次，大众识别有三条可能路径： **路径一：产生新形式**。AI 某天发生质变，产出大众能直接识别的新形式（可能是新交互、实时生成、某种全新形态）。如果发生，识别立即，历史剧本重演。**但这件事不一定发生**。 **路径二：量变识别**。AI 内容大量充斥之后，大众通过接触量积累出**统计学识别**（类似工业化产品“过于一致”的钝感识别）。15-20 年尺度上发生。**但这种识别并不精确，大众识别的是“AI 风格”，而非“实质 vs 无实质”**。 **路径三：永远不能识别**。AI 能力持续提升，产出在所有可观察维度上和人类作品收敛。**这件事不能排除**。如果发生，大众市场永远不会自然识别出实质。 今天我们在路径二的早期。未来可能往任何一边走。这是**真正的不确定，不是装出来的**。 ### 即使工具普及，估价回归依然滞后 **核心判断**：即使工具完全普及，人们的认知和估价不会立刻回归到边际成本。回归是缓慢的，跨度通常是几十年。 历史样本： - **印刷术**:1500 年代普及完成，17 世纪估价完全回归，**滞后 50-100 年** - **摄影**:1880 年代普及完成，20 世纪初到中估价回归，**滞后 30-50 年** - **工业化**:20 世纪初普及完成，1960-70 年代手工艺重新定价，**滞后 50-70 年** - **搜索**:2010 年代普及完成，**至今未完全回归**（还有大量职位按“知道在哪找资料”招人），**滞后 15+ 年，完整回归还要 10-20 年** 滞后的具体机制有几条： - **存量需求滞后**：旧形式的客户基于习惯、身份继续付费 - **雇佣和薪资体系滞后**:HR 和人才市场更新比技术慢 - **教育和评估体系滞后**：学校教什么、评估什么跟不上 - **代际更替**：按旧逻辑训练出来的人不主动重估自己，要等他们退出市场 对 AI 的具体推论：即使 AI 工具普及完成，估价回归还要再几十年。**如果叠加路径三（永远不识别），估价可能永远不会完全回归**。这意味着 AI 时代可能会出现一个**长达 20-30 年的过渡期**，甚至永远不结束。 ### 两条曲线叠加，意味着什么 把两条线放在一起看，AI 时代的过渡期会比历史上任何一次工具迁移都更长，而且终点不确定。 **当下的真实图景**: - **工具尚不成熟，或成熟度不均匀**：半年前的 AI 视频和今天的 AI 视频差别巨大，去年的 AI 编程和今年的也是，但有些地方 AI 还在频繁犯错和幻觉 - **供给端**：形式生产成本在能用 AI 的人手里（可能不到 1%）已经塌到 token 级别，这件事**已经发生** - **识别端**：大众没有可见信号触发识别，可能 15-20 年慢慢量变识别，**也可能永远不识别** - **估价端**：即使识别完成，估价回归还要再滞后几十年，**完整回归可能不在我们这一代职业生涯里完成** 这几条叠在一起，推出几个判断： - 大众认知的停留还会持续，工具成熟度不均匀，认知在不同领域异步启动 - 形式生产正在塌缩到 token 级别，**但市场还在按旧逻辑给人定价** - 旧逻辑还能让一些人活下去，**靠的是市场滞后，不是个人能力** - 滞后期里，谁先被自己的客户/雇主重估、谁后被重估，**主要靠运气**。两个能力相同的人，境遇可能完全不同 - 大多数人会感受到“说不清的不对劲”：价格在缓慢压低，但没有任何明显的危机信号 这给知识工作者和企业带来一段**真实存在的过渡时间**。 月薪还在发，客户还在付费，招聘还按老逻辑。这段时间是真实的，是市场更新慢于工具迭代的结果，不是幻觉。它给了一些空间：重新定位、积累实质、调整方向。 但要清楚一件事：**这段时间是过渡期，不是新均衡**。供给端已经塌了，市场只是还没补上识别和定价。这段时间会持续多久，取决于你所在的领域、你的客户类型、市场的惯性，没有统一答案，但它一定有终点。 用好这段时间，和误以为这段时间是稳态，是两件不同的事。 ### 一个开放的问题 到这里要点出这一章的真正落点： **这是历史上第一次，工具迁移之后，大众可能无法直接识别**。 之前每一次工具迁移，大众最终都识别了：通过新形态、通过接触积累、通过结果质量。AI 可能是第一次没有或越过这些通道的工具，它产出的东西和人做的在表面上没有差异，而且能力还在快速发展，差异可能持续收敛而非扩大。 这意味着，**大众可能将无法分清一份东西的形式是 AI 提供的还是由主体提供的**。 那么，大众还能可靠地识别实质吗？ --- ## 第三章 · 实质广泛存在，识别它的人极少 上一个问题：**大众还能可靠地识别实质吗？** 答案不是简单的“能”或“不能”，要从一个看起来矛盾的事实开始。 大众市场每天为大量产品和服务付费，例如微信、滴滴、MrBeast、Apple、Netflix，而且这些产品**背后大多有真实质**。但大众**从来不直接识别这些实质**，他们消费的是别的东西。 这件事看起来矛盾，实际揭示了一个比“识别 vs 不识别”更精确的图景：**实质广泛存在，但能直接识别它的人极少**。要看清这件事，先看一遍当下被买单的交付物里实际发生了什么。 ### 当下被买单的交付物 × 实质类型 × 识别程度 下面取八个有代表性的交付物，标注每一类**有没有实质、实质是什么、买家能不能识别（知道自己因为什么买单）、买家实际为什么付费**。识别程度三档： 直接可识别， 间接可识别（结果反馈、长期使用、口碑）， 几乎不可识别。
交付物类型顶端有实质吗实质类型识别程度实际付费的对象
大众内容
头部短视频（MrBeast）有节点型（创作判断 + 工业执行）不识别为实质娱乐密度
网红课程基本无几乎无一些买家事后识别希望 + 亲近感
演唱会、粉丝产品有节点型（艺人本人）识别身份本身（不是判断）身份归属
大众产品
顶级品牌（Apple）有节点型（产品判断）长期使用后部分识别品牌信号 + 体验
大众应用（微信、滴滴）大量有嵌入型（社交图谱、算法、双边关系）完全不识别网络效应 + 便利
企业内部
报告、PPT、代码、方案顶端有节点型（分析、系统、审美判断）资深决策者识别
中位决策者不识别		形式合格 + 来源信任
高端咨询大量有节点型（判断 + 经验）高质量买家识别
中位买家不识别		来源 + 形式
标准化专业服务（法律、财务）基本无形式不识别资质 + 价格 + 流程
表格里“大众应用”和“企业内部交付物”两行最值得读者停下来看。一个是大众市场，一个是 B 端市场，**两边的核心事实都是“有真实质，但买家主要不是为识别实质付费”**。 ### 从表格里能看到的几个判断 **判断一：实质广泛存在** 被买单的交付物里，**有相当比例有真实质**。网络型的（微信、滴滴）、节点型的（MrBeast、Apple）、嵌入型的（Visa、SWIFT）都有真东西。 并非“AI 之后世界全是空壳”。空壳很多，但**很多产品背后有真实质**。 **判断二：大众极少直接识别实质** 这个可能突破了一些认知，但实际就是这样：大众并不能说出实质，只能感受实质的**投影**。 **大众消费的就是实质，但他们感受到的是实质的低维投影，而非实质的完整结构**。 - 用户用滴滴，感受到的是“打开 APP 能叫到车”，这是滴滴双边关系加算法的**投影** - 用户用微信，感受到的是“我朋友都在”，这是社交图谱的**投影** - 用户买 iPhone，感受到的是“用起来就是顺”，这是 Apple 产品判断的**投影** - 用户看 MrBeast，感受到的是“这个视频好爽”，这是 MrBeast 判断加工业化执行的**投影** - 一个普通消费者选择瑞幸或蜜雪冰城，选的是“便宜、不难喝、可触达”，但这三件事背后是**供应链控制力、选址建店能力、人员管理能力**（实质） 在每一个案例里，大众消费的都是真实质，**只是他们看到的是它的投影，而非它本身**。 这件事比“大众不识别实质”更准确。它承认了大众**真的在为实质买单**（只是通过投影），并未说大众“被骗了”或“消费空壳”。 这件事经济学上有精确对应。Nelson 1970、Darby & Karni 1973 把商品按消费者识别质量的能力分三类：搜寻品（买前可见）、体验品（用后可知）、**信用品**（用过仍然判断不出）。**实质本质上是信用品**：大众在消费一篇文章、一个产品、一段服务时，无法可靠区分“有真实主体判断”和“AI 默认输出”。Akerlof 1970 的 lemons 模型（2001 年诺贝尔经济学奖）证明：质量不可识别的市场，无法为质量本身定价。 **判断三：企业市场识别能力高度不均匀** B 端理论上比大众识别能力强，但实际上分两层： - **鉴赏力上端的少数决策者**（真懂业务的甲方、资深合伙人、技术专家）:**能直接识别** - **大多数中位决策者**:**主要识别形式**，例如 PPT 做得好不好、报告完整不完整、交付时间是否准时，甚至有些决策者没有任何标准，凭直觉和个人好恶 中位决策者过去的识别工具就是形式信号。**AI 让这个工具失效**，而他们没有别的工具替代。 鉴赏力上端的人，不只是看投影，他们还能某种程度地**反推**出实质是否存在。他们看一份方案能感觉到“这个不像 AI 拍脑袋写的，是真处理过类似问题”，看一段代码能识别“这个架构是有判断的，不像堆出来的”，听一首歌能听出“这个编曲是有审美的，不像套模板”。 **鉴赏力的本质，就是“通过投影反推实质”的能力**。 大众没有这个能力，他们停在投影层。 ### AI 会影响这个链条吗 会，而且影响很深。 过去**兜售投影的方法几乎只有一条：通过实质**。便宜的咖啡背后必须有真供应链，顺的产品背后必须有真功夫，贴切的方案背后必须有真经验。投影虽是低维呈现，**但它可靠地代理了实质**。 AI 改变的正是这一点。**它让“装出投影”的成本接近零**，而且产出质量在每个领域都对应钟形偏上，超过大多数人的识别能力。AI 可以生成“看起来有判断”的文章，不需要真有判断；可以生成“看起来好用”的产品 demo，不需要真懂用户；可以生成“看起来专业”的分析报告，不需要真处理过类似问题。 **这些不是投影**：它们背后没有实质。这是**虚像**：看起来像投影，但是工具直接生产的。 ### 一个具体例子：面试 举一个具体的例子。 你面试一个候选人。简历漂亮、回答清晰、案例陈述贴切、对你的问题反应快、能讲出对行业的“独到看法”。你形成一个判断：**这个人有能力**。 这个判断的链条是：能力（实质） → 简历和对答（投影） → 你的录用决策。 过去这条链条工作得好，因为**装出这种投影本身需要相应的实质**：简历漂亮要真做过事、对答清晰要真懂业务、举例贴切要真有经验。投影虽然是低维呈现，**但它可靠地代理了实质**。 AI 把这条链条上的每一步都改写了。AI 帮写简历、帮准备答案、帮做模拟面试、远程面试时甚至能在屏幕外实时辅助回答。一个候选人**没有相应实质**，但通过工具，产出和真有实质的人**几乎一样的投影**。 你看到的“漂亮简历”“清晰对答”“贴切案例”“独到看法”，可能是实质的投影，也可能是 AI 的虚像。**你区分不出**。 还有更深的一层。**你倾向于相信你看到的是投影**，因为如果你接受“这可能是虚像”，你过去几年招的人里，有多少是这样进来的？这是一个认知上不愿意打开的问题。 这件事并非 AI 时代才出现的新现象。Spence 1973 年的信号理论指出：**当质量无法直接观察，市场依赖信号识别质量；但信号能维持的唯一机制是模仿成本，低质量者模仿信号要付高代价**。AI 把这个模仿成本压到接近零，信号系统在结构上失效。 ### 大量的伪影 更多类似的例子可能在发生，或即将发生。 这意味着面向一个钟形社会（大众的识别能力在中位、AI 地板在钟形偏上），**地板在钟形偏上质量的交付物，会给实质的投影带来大量伪影**。 伪影是个借用的概念。医学影像和信号处理里，伪影指**看起来像真信号、但其实不是真信号的东西**。投影是真信号（虽然低维），伪影是假信号（看起来像投影）。 钟形社会面对 AI 时是双重劣势：大众识别能力本来就在中位，AI 输出的虚像质量正好在大众识别不出来的那个区间。**大众的识别系统正在被伪影占领，这是结构性失能，而不只是滞后**。 后果是双向的： - 没有实质的人通过 AI 装出投影，在大众市场上和真有实质的人**长得一样** - 真有实质的人产出真投影，在大众市场上和工具伪影**长得一样** 两者在大众感知层**结构性合并**。 那么，实质的价值，在哪里会被清晰的识别？ --- ## 第四章 · 新筛选器：从形式质量到实质来源 实质的价值被清晰识别的地方，只能是**有鉴赏力的市场**，即能从投影反推实质的那部分受众。 这是历史上重复发生过的事，并非一个新机制。当一种信号被广泛模仿、失去区分力，**有识别能力的市场会自发升级到更难被模仿的信号系统**，这是消费者行为研究里反复观察到的规律。Feltovich 等 2002 年的反向信号模型(counter-signaling)和 Bellezza 2023 年关于距离化替代信号的研究都指出：当中等水平的参与者也能用主流信号时，顶层会主动转向“看起来不像信号的信号”，或转向需要更多内部知识才能识别的标记。 quiet luxury 是这件事的一个具体形态：logo 被广泛模仿之后，有鉴赏力的消费者转向“只有内行才认得出的无 logo 高品质”。同样的机制在 AI 时代会展开：当“形式合格”被 AI 大规模模仿，鉴赏力上端市场会自发转向新的、更难被工具模仿的信号，例如**主体身份**（谁做的）、**真实的 track record**（过去的判断和承担）、**圈内同行的真实推荐**（信任传递）。 这是一个并不恰当但少数可用的历史映证。当下我们只能刻舟求剑，推演一个可能的结果。 ### 印刷术之后，作者身份成为新的组织原则 印刷术之前，文本大多是匿名的、归于权威传统（亚里士多德说、圣经说）、或者集体传承的抄本。印刷术之后，**“谁写的”成为市场组织的核心**：读者通过作者筛选，作者成为一种品牌。福柯有篇著名文章《什么是作者》就在讲这件事：作者作为现代分类范畴，是印刷术之后才成形的。 AI 时代正在重演这个过程。当**合格形式**不再是稀缺信号，筛选机制会再一次向“是谁做的”迁移。这是一次有历史先例的结构性转移。 ### 但筛选器只对一部分市场起作用 这里要立刻加一个重要限定。**这件事是一个正在展开的趋势，今天还没有完成。趋势的终态，大致在 10 年尺度上成形**。 终态的图景是：**每个领域里，主体身份筛选只对鉴赏力上端受众起作用**。大众受众消费的是匿名内容，只是内容的来源从过去的大量人类创作者变成了 AI。 但今天还不是终态。大众市场上，主体身份筛选的残余仍然存在：粉丝追星、读者认作者、用户认品牌。这一层正在快速稀释：网红的生命周期从几年压缩到几个月，品牌粘性在降低，大众对“某某主体”的记忆和追随变薄。 终态的另一个特征是**两种“主体身份”的分化**: - **资本级 IP**：靠巨额资本投入、算法分发、持续工业化制作堆出来的大众 IP（迪士尼、顶级游戏公司、头部平台网红）。这类主体身份会保留，但这是工业化的结果，而非大多数创业者或个体能到达的路径 - **作者级主体身份**：靠真实判断和 track record 积累的、在鉴赏力上端受众里有识别度的主体。这是这篇文章讨论的类型 终态里，**中间那一层“普通主体靠个人魅力做大众内容”的空间会系统性消失**，因为 AI 让大众内容供给无限，普通主体的个人魅力在供给洪流里不再能稳定被识别。 这件事在印刷术时代其实也是如此。作者作为筛选机制对精英读者起作用：知识分子通过作者筛选经典，学术圈通过作者追溯论证。但对大众读者，作者机制的作用一直有限。16 到 19 世纪的畅销小册子、通俗宗教文本、廉价冒险小说，大部分是匿名的。**鉴赏力上端通过作者身份筛选，大众市场消费匿名默认输出**，只是这次，“匿名”变成了“AI”。 ### 对鉴赏力上端受众而言，新筛选器分三层 新筛选器并非单一的，有三层。 **主导层：主体身份（作者性）**。读者、用户、客户在供给爆炸的环境里，不再有时间和能力从内容本身筛选。他们通过**“谁做的”**筛选。一个有可追溯 track record 的主体的任何输出，自动进入读者的注意力；一个没有 track record 的主体的任何输出，哪怕内容更好，也进不来。这一层的本质是：**读者消费的其实是“这个主体的判断我信”，内容只是这个判断的载体**。 **第二层：关系信号**。读者通过“我信任的人推荐的”筛选。在供给无限的世界里，算法推荐和广告分发都在被 AI 内容稀释，**真实的人际推荐变得比过去重要**。但这一层是**建立在主体身份之上的**：没有可识别主体的内容，在信任网络里也无法被传递。 **第三层：稀缺性信号**。奢华包装、限量发行、付费墙、邀请制，这些策略在历史上也起作用。但它们属于**少数玩家的利基策略，而非主导的组织原则**。 **这三层的权重比过去变了**。过去主导是形式质量，主体身份是第二层。未来主导是主体身份，形式质量降为门槛（低于门槛直接出局，高于门槛不再拉开差距）。 ### 这对两类读者意味着什么 下面讲的是 10 年尺度的终态。今天旧系统还在运转，但终态的压力已经开始显现。 **对知识工作者**：过去经营职业的方式是“**把形式做到合格水准**”，写一份合格的报告、做一份合格的方案、出一张合格的设计稿。这条路径塌了。 新路径是“**建立能被你所在领域的鉴赏力上端识别的主体身份**”：让那部分市场通过“是谁做的”来筛选，而不是“做得怎么样”。 具体含义：公开输出、留下可被别人追溯的判断记录、在一个领域持续在场足够长的时间。这些事过去是“加分项”，在本职工作之外**顺便**产出公开内容、顺便参加行业会议、顺便有一些公开发言。现在它们成了**唯一项**，加分项已经升级为必需项。 不建立主体身份的知识工作者，在新筛选机制下**不可见**。问题不在于他做得好不好，而在于他不在筛选器的作用面上。 **对创业公司**：过去经营产品的方式是“**找到一个形式/功能的空白然后填进去**”，做一个工具、一个 App、一个 SaaS。这条路正在快速萎缩，因为 AI 让任何功能空白被快速填满。 新路径是“**让产品携带主体身份**”。产品背后是一个可识别的主体或主体组，用户为“这个主体的判断”买单，而不只是为功能买单。 这也解释了为什么 AI 时代很多跑出来的产品背后都有一个**强个人 IP** 作为前台。这是结构必需而非 marketing 技巧：**没有主体身份的产品，在供给爆炸的环境里找不到被选择的理由**。 但要立刻强调一件事：**大众市场和鉴赏力上端市场为主体身份付费的方式不同**。 大众市场会为**可消费的身份投影**付费。明星、网红、运动员、游戏工作室、奢侈品牌、Apple、Nike、Taylor Swift、宫崎骏、米哈游，这些都是大众市场每天为主体身份变现的具体例子。但大众消费的是**身份的投影**（光环、归属、情感连接、品牌信号），并非主体的判断本身。要让大众消费主体身份，通常需要先经过资本化、娱乐化、品牌化或粉丝关系化，把判断包装成可消费对象。 鉴赏力上端市场则可以**直接为判断本身付费**。他们能识别“这个主体的判断深度”，愿意为它本身而非它的衍生包装付溢价。 对一家创业公司，这意味着两条不同的路径：走大众市场要走“投影变现”那条路（资本投入加工业化制作加粉丝关系经营），走鉴赏力上端市场可以直接靠判断变现。中间那条“做大众产品但希望大众识别我的判断本身并付溢价”的路，在结构上很难走通，因为大众市场的识别精度不在那一档。 ### 选领域比选做什么更关键 这个框架推出一个锋利的建议：**选领域比选做什么更关键**。 一个主体身份的经济价值，取决于两件事： - 这个主体做得有多好（判断力、品味、track record 有多深） - 他所在的领域里，能识别他的鉴赏力上端受众有多大 前者靠自己积累，后者是领域本身决定的。**两者相乘，才是这个主体的变现空间**。 这意味着两种常见的错误选择： **一、在一个鉴赏力上端受众极小的领域里做得极好**。这个主体可能在专业圈里备受推崇，但变现空间有限，因为能识别他的人本来就少。 **二、在一个大众领域里做到合格**。过去这是稳妥的选择，大众领域受众大，做到合格就有饭吃。AI 时代这条路径塌了：“合格”的经济价值归零，大众受众不识别差异，主体身份在这里不变现。 理想的位置是：**在一个鉴赏力上端受众规模足够大的领域里，做到那部分受众能识别的程度**。这样的领域包括一些通俗品类（有硬核粉丝群的网文、有鉴赏社群的游戏、有深度读者的科技或财经内容），也包括一些专业领域（某些有足够付费能力的 B2B 细分市场）。 并非每个领域都有足够大的鉴赏力上端受众。但在做“选方向”这件事上，**领域的受众结构比自己的兴趣更重要**。一个错的领域里再努力，也打不过一个对的领域里合格努力的主体。 --- ## 第五章 · 实质的两种载体 **AI 时代最稳的两种结构性护城河：作者性（节点型）和嵌入性（网络型）。其他都在贬值。** 这个结构在公司和个体两个尺度上完全对称，不需要两套理论。 ### 为什么实质只有这两种载体 AI 把其他所有东西都能生成或复刻：形式、工艺、信息整理、标准化执行、通用判断、通用功能。这些东西过去贵，是因为生产它们需要时间和技能。AI 把生产成本打到零，它们在新的边界划分里**全部归入形式**。 AI 复刻不出的东西，仔细看只有两类。这两类就是实质能驻留的两种载体： **节点型（作者性）**：一个具体主体通过长期在场、承担后果、可追溯判断积累起来的可识别身份。**实质驻留在一个具体主体身上**。 AI 没有具体主体，没有承担后果的历史，没有被现实校准过的判断轨迹。它可以模仿“像是某个主体的判断”的风格，但它**没有那个主体**：没有那段被验证过的时间，没有那张可追溯的判断清单，没有那组真实承担过的后果。这种实质，工具复刻不出。 **网络型（嵌入性）**：一组真实关系长期共同运转积累出来的网络。**实质驻留在一组关系的共同运转里**。这里的“关系”是广义的，既包括真实的人际/客户关系，也包括对**特定物理基础设施的在场**（物流网络、晶圆厂、数据中心、能源管网）和**制度性嵌入**（监管许可、合规资质、政府采购资格、专利组合）。这几类资产的共同点是：它们要么来自长期运转积累的真实关系，要么来自具体物理或制度结构里的位置，AI 不能凭空生成。 AI 可以模拟连接，但合成不了**真实共同经历、互相校准、高信任带宽**。它可以生成“看起来像是一个关系网络”的名单，但它没有那组关系：没有那段共同扛过事的历史，没有那次失败后的重新合作，没有那种“不解释也能懂”的默契。这种实质，工具也复刻不出。 其他所有东西，例如品牌表面、渠道位置、规模、通用数据、通用技术栈、通用功能，**要么本身就是形式，要么依附在形式上**，都在 AI 时代结构性贬值。它们在过去看起来像“实质”，其实是过去工具不够强、把这部分形式当实质卖。AI 一来，真假露馅。 **只有节点型和网络型这两类资产，真正承载实质，AI 碰不到**。 ### 两种护城河的结构对照 把两种护城河并排放在公司和个体两个尺度上： ||节点型（作者性）|网络型（嵌入性）| |---|---|---| |**公司例子**|Apple、A24、Berkshire、Patagonia、Aesop|Amazon 物流、微信社交图谱、Visa 支付、Google Maps| |**个体例子**|可识别的判断、track record、持续在场|长期合作伙伴、验证过的搭档、深度信任客户| |**价值机制**|单一主体的持续判断|真实关系的长期共同运转| |**用户为什么选择**|相信这个主体的判断（主动选择）|没有替代（切换成本加网络效应）| |**怎么建立**|公开输出、承担后果、在一个领域持续|和具体的人共同做事、共同扛结果| |**怎么消失**|主体离开或判断稀释（职业经理人化）|停止接触、关系自然衰减| |**AI 时代走势**|相对升值（筛选机制向主体身份倾斜）|保值（AI 碰不到，但不随筛选机制迁移受益）| 两种护城河**机制完全不同，但共同特征是 AI 碰不到**。 **节点型是集中式的**：价值集中在一个具体主体身上。换一个主体，价值消失。 **网络型是分布式的**：价值分布在一组关系里。任何单一节点离开，网络仍在。 ### 两种护城河在 AI 时代的命运不一样 **网络型（嵌入性）在 AI 时代不会因筛选机制迁移而自动升值**。AI 基本碰不到 Amazon 的物流、微信的社交图谱、Visa 的支付网络。这些东西不因为 AI 强而削弱，因为它们不在 AI 的形式接管的作用面上。**它们的增值来自网络自身扩张或 AI 对运营效率的增强（更准的推荐、更稳的风控、更高效的调度），而非来自筛选机制向主体身份迁移的红利**。 **节点型（作者性）在 AI 时代相对升值**。因为整个市场的筛选机制从“形式质量”迁移到“主体身份”，而 AI 让形式质量维度塌陷，作者性的相对价值上升。同一份作者性，在 AI 之前值 X，在 AI 之后可能值 3X 或 5X。变的是它在市场里的相对重要性，作者性本身的强度没动。 这意味着：**两种护城河都有价值，但节点型是 AI 时代真正相对获益的类型，网络型是保底的类型**。 ### 时间是必要条件，不是充分条件 两种护城河都需要时间积累，但**时间是必要条件，不是充分条件**。 - 作者性需要时间：可追溯判断需要长期公开输出，track record 需要长期承担后果，在场需要长期坚持 - 嵌入性需要时间：一组真实关系的共同运转需要长期共同做事，互相校准需要多轮真实接触 但光有时间不够。**光有时间的人会发现自己的时间不变现**：他们可能工龄长，但没有建立可识别的主体身份，也没有建立深度关系网络。他们的时间成了沉没成本。 ### 两种护城河不需要同时拥有 很多人会下意识觉得“最好的公司既有作者性又有嵌入性”。但现实里，**只有一种护城河的公司完全可以做得非常好**。 A24 几乎只有作者性，它就是一个发行品牌，没有显著的嵌入性资产。Visa 几乎只有嵌入性，没有人说 Visa 代表某种“判断”或“品味”。两家都是各自领域里顶尖的公司。 个体层面也类似： - **只有作者性**：独立思想家、独立作家、独立顾问。他们可能一个人关起门工作，但持续输出可识别的判断 - **只有嵌入性**：连续创业者、资深连接者、行业老手。他们可能从不公开输出，但在一组深度关系里不可替代 两种路径都能成立。关键是**意识到自己在经营的是哪一种，然后做对应的事**。 试图同时经营两种而没有真正做好任何一种的，是最糟糕的情况。这也是大多数中间层知识工作者的现实。 ### 最后一个限定 两种护城河在 10 年尺度的终态下，有一个共同前提：**它们只对能识别它们的那部分市场有意义**。 作者性需要有鉴赏力的受众才能被识别为有价值。嵌入性需要有判断力的买家才能被识别为不可替代。 这意味着两种护城河都和“鉴赏力上端”**锁定在同一个受众结构里**：它们都是**鉴赏力上端市场的资产**。在那之外，两种护城河都不产生经济价值。 所以建立两种护城河的同时，还要找到能识别它们的那部分市场。找不到，护城河就是沉没成本。 --- ## 第六章 · 对公司的含义 在公司层面，两种护城河推出一个具体的资产分类：**大公司的资产里，哪些是作者性、哪些是嵌入性、哪些是纯形式，以及这对不同类型的公司意味着什么**。 ### 公司资产分三类 AI 让过去混在一起的“公司护城河”这个笼统概念被强制分类。用一个简单的检验：**另一家公司能不能在不拥有这家公司具体历史的情况下，凭空生成同样的资产**？能，就是形式；不能，就是时间（进一步分为作者性和嵌入性）。 按这个检验把传统护城河逐项走一遍。 **一、纯形式资产（加速贬值）** 这些资产过去被当作护城河，但 AI 强制暴露它们其实是形式： - **通用技术栈**：过去几百人几年堆出来的架构、库、工具。AI 几周内能复刻同等功能量级 - **平台依赖型渠道**：搜索排名、App Store 位置、社交算法推荐、付费投放账户。这些依附于平台算法的当前状态，平台一调整就重置 - **死的 IP**：过期专利、休眠商标、停止运营的角色，随时可以被 AI 复刻或绕过 - **通用数据**：主要在重复公共语料分布的数据，AI 可以不花时间推导出相似的东西 **这些资产在 AI 时代 5-10 年内会系统性贬值**。很多大公司的内部估值还把它们当护城河，会计上也继续摊销，但经济价值已经在下跌。 **二、嵌入性资产（保值）** 嵌在公司和用户日常运转之间的关系，AI 碰不到： - **物流网络**:Amazon、顺丰、UPS 的末端配送网络和调度系统 - **社交图谱**：微信、LinkedIn 的真实人际关系网络 - **核心基础设施**:Visa 的支付网络、SWIFT 的银行间清算、Google Maps 的实时地理数据 - **嵌入型独家数据**：医院 10 年的病历数据、保险公司 20 年的理赔判例、物流公司的异常响应记录，从真实运转里产生，不存在于公共语料 这类资产本身不独立保值，它们是“**在场**”这个特征的副产品：有在场才有数据，没在场就没数据。 **在 AI 时代它们不会因筛选机制迁移自动升值，但可能因 AI 对运营效率的增强而增值**。更准的推荐、更稳的风控、更高效的调度，都让网络型资产的运转效率上一个台阶。 **三、作者性资产（相对升值）** 可识别的主体判断，以公司形态存在： - **Apple**：产品取舍、审美风格、对用户关系的判断（即使乔布斯去世多年，他留下的判断框架仍在运转） - **A24**：选片品味、发行风格、对作者型电影的支持 - **Berkshire Hathaway**：巴菲特和芒格的投资判断框架 - **Patagonia**：环保立场、产品哲学、对供应链的取舍 - **Aesop**：审美风格、选址品味、对产品体验的一致判断 这类公司有一个共同特征：**它们做的每一个决定，都能被追溯到一个可识别的判断框架**。用户接触任何一个点，都能识别出“这是同一家公司的东西”。 **在 AI 时代它们相对升值**。因为筛选机制向“主体身份”迁移，这类资产的相对重要性系统性上升。 ### 三类公司的处方 按资产组合，公司大致分三类，每一类在 AI 时代有不同的命运和对策。 **第一类：有嵌入性但作者性被稀释的大公司** 这是大多数传统巨头的状况。Amazon、Google、Meta、Microsoft、大银行、大电信运营商、大零售集团，它们有强嵌入性资产，但作者性在创始人退出和职业经理人化之后系统性稀释。 **这类公司在 AI 时代最大的结构性弱势是作者性**。嵌入性保护它们不被快速替代，但筛选机制迁移带来的红利它们吃不到，因为它们没有可识别的判断框架。用户用它们的产品是因为**没得选**（切换成本高、网络效应强），而不是因为**喜欢**。 这类公司的风险不在今天，在 10-20 年尺度。一旦嵌入性被某种方式绕过（新技术、新监管、新用户习惯），它们没有作者性作为退路。少数公司会通过创始人或强主体不退、分拆出独立子品牌、或收购并保持有作者性的小公司这些路径补上，但**大多数大公司不会**。它们会继续靠嵌入性保值，在市场的相对位置上慢慢被作者性型的新晋者蚕食。 **第二类：创业公司（结构性优势在作者性）** 在讲创业公司的处方之前，要先说一件刺的事：**过去 20 年 VC 模型里被当作“竞争优势”的大部分东西，在 AI 时代不构成护城河，而且是加速崩盘，不是慢慢失效**。 产品交互和 UX、技术架构、工艺组合（React + Tailwind + Supabase + Vercel 这种拼法）、产品创意和功能、公开或基础数据、品牌包装，这些过去花几百万、几年时间才能做到合格水准的东西，AI 之后任何人用几周时间能做出来一模一样的形态。 但更刺的是另一件事：**伪装**。一家什么都没有的新公司，可以用 AI 在两周内做出**看起来和你一样**的产品 demo、官网、案例集、客户证言。它不需要真做出来，只需要**装出投影**，而中位决策者（投资人、客户、合作伙伴）分不出真复制和装出来的差别。 这意味着创业公司过去的核心叙事：“**我们做了 X 才有了 Y，所以我们值这个估值**”，X 和 Y 的因果关系在 AI 之后断了。别人不需要做 X 也能装出 Y。 VC 圈过去 20 年的核心叙事：“做出比对手更好的产品体验加技术加数据，然后规模化”，这套叙事的每一层在 AI 之后都被压扁。**做出“更好”的边际成本塌到接近零，做出“看起来更好”的成本也塌到接近零**。 这些资产不会一夜消失，前面讲过过渡期是真实存在的。月薪还在发，客户还在签，产品还在用。但**资产的相对价值在加速下降**。一家创业公司如果还在按“我们的技术栈/产品体验/数据/工艺组合是核心壁垒”这个逻辑融资和经营，**它在融的是一个正在贬值的资产**。 真正剩下的，只有上一章讲的那两件事：**可识别的主体判断**（作者性）和**嵌入到真实运转里的关系**（嵌入性）。其他都是流沙。 所以创业公司的战略选择，是**在作者性这个维度上系统性跑赢大公司**。具体动作： - **产品的每一个决定都让用户能识别主体判断**。不做“通用的、大家都这么做”的产品，做“我们认为应该这么做”的产品 - **创始人作为前台，不要躲在产品后面**。公开表达、承担判断、留下可追溯的决策记录，这是产品本身的一部分，并非只是营销手段 - **主动选择鉴赏力上端市场，不要追逐大众市场**。大众市场没有差异溢价，主体身份在那里不变现 - **接受小规模、高单价、深度关系**的经济模式，放弃“快速规模化到百万用户”的旧剧本 **最大的陷阱**：创业公司最容易的失误是**模仿大公司的路径**：追求规模、追求通用化、追求标准化。这些在过去 20 年的 VC 模型里是对的，但那个模型本身建立在“形式稀缺”的经济基础上，现在的经济基础已经变了。**VC 逻辑里的“可规模化”在 AI 时代是反信号**，意味着产品里没有不可剥离的主体判断。 **第三类：两种护城河都没有的公司** 这是最多但最容易被忽视的一类。大量中型 SaaS、传统消费品、专业服务、大量平台上的商家，它们过去依赖的是**形式稀缺（合格产品、合格服务）加组织嵌入（稳定的团队和流程）**，两者在 AI 时代同时消失。 这类公司不会立刻消失，但会在 5-10 年尺度上被系统性掏空。原因是： - 嵌入性不足以保护：它们的“嵌入”其实是替代成本（客户懒得换），并非真正的网络效应或基础设施 - 作者性缺席：没有可识别的判断框架，产品是“行业通用做法”的堆砌 - 形式不再稀缺：AI 让同质化竞品的生产成本塌到零 出路只有两条： - **补作者性**：创始人回归、建立可识别判断框架、重新做取舍。但这要求管理层愿意放弃“稳定运转”的惰性，大多数做不到 - **补嵌入性**：深挖用户日常运转，形成不可剥离的关系。但这要求放弃“广撒网”的规模幻想，聚焦到少数真正深度的客户关系 **两条都不做，5-10 年尺度上系统性贬值**。 ### 不再是护城河的几类旧资产 上面的分类推出几个反直觉的判断，值得单独说破。 **一、品牌不是自动的时间资产**。品牌过去被当作典型的时间资产，积累越久越有价值。但 AI 时代品牌必须**持续被真实行动维持**。用 AI 生成内容维护品牌、走量稀释产品、用营销掩盖产品本身的问题，这些会让品牌在几年内退化为**形式资产**（一个名字、一个 logo、一套模板）。市场对退化后的品牌会重新定价到其形式部分的成本。 **二、规模是乘数，不是资产**。规模放大底下的真实资产。放大嵌入性（物流网络服务十亿用户），规模有价值；放大形式资产（同质化 App 服务十亿用户），规模跟着形式贬值。**规模本身不保值**。很多大公司的规模建立在服务大众市场上。大众市场的单位用户价值在 AI 时代被系统性压缩，规模这个乘数乘上一个正在缩小的分子。 （创业公司那一节里讲过的技术栈、工艺组合、通用数据这些资产，在大公司层面同样适用，这是 AI 时代贬值最快的一类资产，这里不再展开。） ### 一个落地动作 对一个公司的负责人（CEO、业务负责人、董事会成员），这一章的落地动作是： **审计一遍自己公司的资产表，按三类重新分类**。 写下所有被当作“护城河”或“核心资产”的东西。对每一项，用那个检验问：另一家公司能不能在不拥有我们具体历史的情况下，凭空生成这个？把结果分到三堆：纯形式、嵌入性、作者性。看三堆的相对大小。 **大多数公司做完这个审计会发现：纯形式那堆远比自己以为的大，作者性那堆远比自己以为的小**。诊断没有错，是过去的会计和战略语汇把三类东西混在一起，让你看不清。 看清之后的选择，取决于公司属于上面三类中的哪一类。 --- ## 第七章 · 对个体的含义：你属于哪一类 前面六章给的是机制和宏观判断。回到一个具体问题：对一个具体的知识工作者，这一切意味着什么？ 要回答这个问题，得先理清：AI 时代的个体处境，按一个底层维度分类，跟职业、行业、年龄都没关系。这个维度是：你的判断力是不是 AI 之外的东西。 ### AI 把人分成两类：被放大的 vs 被替代的 **AI 对不同人的效应分叉极大**。对一些人是放大器，放大他能产出的东西；对一些人是替代品，直接挤出他在市场上的位置。 什么决定一个人落在哪一边？他的瓶颈在哪里。 - **瓶颈在经验和知识不够**（想做但做不到，因为没见过、不知道、没学过）：AI 是放大器。AI 给他补齐他到不了的地方，他凭判断和品味把这些组合成超过自身身位的产品。这种人有上层判断力，缺下层信息和工具；AI 给了下层，上层放大变现 - **瓶颈不在经验和知识，而是没有上层判断力**：AI 是替代品。他过去的护城河是“我比你知道得多、见得多”，这条护城河被 AI 整平。他知道的大多已经在公共语料里，AI 能复述他知道的一切，甚至整合得比他更快 关键不在“知识多不知识少”，在于**知识之上是否有更上游的东西**：判断、品味、对问题本身的提问能力、把具体经验抽象成结构的能力。这些上游能力，才是真正的实质。 这和 Issue 01 讲过的**认知去耦能力**是同一件事。认知去耦就是把问题从具体语境抽出来、用抽象结构处理的能力。有这种能力的人，经验和知识是**原材料**，实质在材料之上。没有这种能力的人，经验和知识**就是他的全部**；而材料现在 AI 也有。 **AI 放大的是“实质大于形式的人”，不是所有人**。对实质等于（或几乎等于）形式的人，AI 不放大，AI 替代。 ### 经济学上的严谨对应 这个判断不是拍脑袋的直觉。经济学里有精确的框架对应。 处理“某种技术是替代还是互补”的标准工具是**弹性替代（elasticity of substitution，σ）**。AI 对一个人是替代还是互补，由这个参数决定： - **σ > 1**：AI 和这个人的能力容易替代，AI 部署会降低这个人的价值 - **σ < 1**：AI 和这个人的能力是互补品，AI 部署会提高这个人的价值 “瓶颈是经验和知识”对应 σ < 1：人的上层能力（判断、品味）和 AI（补充知识、整合信息）在不同维度，AI 放大人。“只有经验和知识”对应 σ > 1：人和 AI 在同一维度，AI 直接替代。 最新研究反复验证这件事。一篇基于 2018-2023 年美国 1200 万份招聘数据的研究显示：AI 相关岗位对韧性、敏捷性、分析思维等互补技能的需求，几乎是非 AI 岗位的两倍；这些技能带来工资溢价；**互补效应在数据里最高可比替代效应大 50%**。 换句话说：**AI 让上层能力变得更值钱，让下层能力变得更不值钱**。 ### 闭环：经验和知识从护城河变成沉没成本 这个机制推出一个冷的推论：**当下“只有经验和知识”的知识工作者，会被淘汰。淘汰他们的是有判断力的人，不是新人本身**。 这批人可能从两条不同的路走来： - **同代里少数有去耦能力的同行**。他们既有判断力，又有这个工作者拥有的全部嵌入性：客户、关系、行业熟悉度。他们既能像新人一样用 AI 放大，又有新人没有的嵌入性 - **被高鉴赏力雇主直接识别的新人**。他们没有积累，但有判断力，通过雇主直接识别（不靠履历筛选）绕过嵌入性壁垒。这件事在 AI 之前几乎不可能，因为雇主没有时间和工具直接识别判断力，只能依赖履历这个二阶信号。AI 之后，履历被 AI 污染、判断力的公开输出成本骤降，**雇主开始有能力跨过履历直接识别判断力** **两条路绕过的都是同一件事：经验和知识本身**。 当筛选机制从履历迁移到判断力，经验和知识就从护城河变成了**沉没成本**。 这件事的痛苦在于：大多数当前在白领知识岗位上的人，会发现自己属于“只有经验和知识”那一类。这不是他们不努力。过去的教育、职业路径、公司组织都在系统性训练这一类人：大公司的中层岗位、专业服务的熟练工、资深分析师，这些位置过去的价值主张恰恰就是“经验和知识的积累”，而非判断和品味。标准化教育体系奖励的是“掌握大量知识”，企业的 KPI 体系奖励的是“稳定可靠地做好本职”，都不在发展独立判断。 **这些人是被时代训练出来的钟形峰**。他们的痛苦会特别剧烈，因为他们会意识到，**自己做对了所有被教导要做的事，然后走到了一个死胡同**。他们按照职业手册一步一步走，每一步都符合期待，最后发现手册本身被作废了。 ### 自我审计：你属于哪一类 读到这里，真正重要的问题是：**你属于哪一类**？ 这件事**几乎不可能从内部识别**。识别“我是否有上层判断力”本身就需要上层判断力。一个没有去耦能力的人，通常意识不到自己缺的是什么，他看到的世界就是“经验和知识最重要”，因为他自己就是靠这个活的。**最需要这个判断的人，恰好是最难做出这个判断的人**。 三种处境对比： - **判断力真的存在**：接受变现极慢、需要长期持续在场的现实，不假装能快速增长。这种人虽然慢，但走的是真路 - **判断力真的没有**：接受自己在运气赛道上，不假装在建长期护城河。这种人虽然脆弱，但至少决策方向不会错 - **以为自己有判断力，其实没有**：用错误的预期做长期决策，拒绝形式赛道的运气机会，又投入大量时间做没人识别的“实质工作”，两边都不到位 第三种是最危险的位置。 **唯一外部可校准的方式**是：看你的实质有没有被有鉴赏力的人识别和回应。标准是被你所在领域里你自己也认可其判断力的人持续认可。熟人的称赞、同事的认可、一两个客户的买单都不算。 如果没有这种回应，**有相当大的概率，你高估了自己**。 这件事很冷。但比起在错误位置上耗 10 年，早一点知道更好。 ### 三类读者各自的处境 底层机制讲完之后，具体到三类读者，处境很不一样。 **一、有判断力 + 有积累（本文真正的目标读者）** 你是 AI 时代被放大的那一类。AI 让你能做的事比过去多一个数量级。要做的是把作者性和关系资本经营到能被市场识别的程度，而不是琢磨怎么“防御 AI”。具体怎么做，下一章展开。 **二、有积累 + 没判断力（中间层）** 你处在最复杂的位置。一方面，嵌入性还在保护你：客户关系、行业熟悉度、公司内部位置，这些 AI 短期碰不到。另一方面，**结构性贬值已经开始**：同代有判断力的同行加上高鉴赏力雇主识别的新人，这两条路都在向你逼近。 中间层不会一夜消失。在未来相当长的时间里，中间层会继续存在，只是**存在方式从结构变成了缝隙**：某个细分市场 AI 还没覆盖到、某个客户还在按旧逻辑付费、某个位置因为合规或惯性暂时豁免、某次个人魅力或运气正好踩中。这些都是缝隙，不是结构。在缝隙里可以活，有些人能活很久，但**它们不可预期、不可传授、不可再生产**。 最危险的是**意识不到自己处于结构性脆弱中**。每个月工资照发，生活照过，没有明显的危机信号。直到某一天窗口关闭（公司裁员、行业萎缩、客户流失），才会突然发现自己什么都没有。 如果你诚实审视后发现自己在中间，这一段给的唯一建议是：**把缝隙里的时间当窗口期用，不要当安稳度过**。中间层的收入给你时间和资源去建作者性和关系资本（不在中间层的人反而没这个奢侈），中间层的位置给你接触真实问题的机会（如果是真训练场，不是生物 API）。能诚实看到这件事并动手做的人，可以利用窗口期做准备。做不到的人，会在窗口关闭的时候措手不及。 **三、有判断力 + 没积累（新人）** 旧体系里，新人的判断力是通过做那些现在被 AI 碾平的“形式与工艺”慢慢攒出来的：初级律师做文书整理、初级分析师做数据搬运、初级设计师做执行稿、初级工程师写 CRUD。在这些看似琐碎的工作里，新人反复被现实校准，十年之后形成可追溯的判断 track record。 **AI 时代这个阶梯正在被削弱、压缩，在部分行业断裂**。初级岗位被 AI 接管，新人不再能假设“先做基础的事慢慢攒出判断力”。 更糟的是，新组织形态（微型工作室、主体联盟、作者型创业公司）都**物理上排斥新人**：微型工作室的核心主体忙着做事，调试 AI 比训练新人便宜；主体联盟需要成员自带作者性；作者型创业公司招的是已经有判断力的人。这些新形态对新人没有容错空间。 但前面讲的闭环里，**对有判断力的新人有一条新路打开**：被高鉴赏力雇主直接识别。这条路的具体形态是密集循环自训：用 AI 作为审阅者，做真实的小事，让 AI 帮自己挖经验（Issue 02 的方法）。判断力的本质是**循环密度**（假设、验证、修正的频率），不是工龄。一个认真做 AI 编程的新人，哪怕只是写些小脚本，一年积累的判断循环数可能远超旧阶梯上十年。 但这条路要求新人**从一开始就有相当的自驱力和判断力起点**。这是一个鸡和蛋的问题：没有起点就没有密集循环，没有循环就发展不出判断力。能走通这条路的新人，往往是那些**在正式教育之外已经有过密集循环训练**的人：童年开始的编程、持续多年的写作、严肃的竞技爱好、长期的自主项目。这些早期积累在 AI 时代的回报被急剧放大。 要诚实地承认一件事：**未来的顶尖创作者，概率分布仍然偏向有旧时代资本和履历的幸存者**。前面那条新路径开了，但摩擦没消失：高鉴赏力的雇主毕竟是少数，自驱力起点这道门槛把大多数潜在新人挡在密集循环之外。新路径比旧阶梯窄，新人能走通的比例比旧阶梯时代低。这是不公平，但是事实。 不过对决定走新人路径的年轻人，这里也没有虚假悲观，只是路径变了。下一期讨论教育和训练时，会回到这个问题。 --- ## 第八章 · 对个体的含义：具体动作 第七章讲完底层机制和三类处境。这一章讲对**第一类和第二类读者（有积累的人）**最有用的具体动作：作者性和关系资本怎么建，以及 AI 如何放大它们。 ### 个体身上的作者性和关系资本 第五章那两种载体（节点型 / 网络型）在个体身上分别叫**作者性**和**关系资本**。具体长这样： **作者性**：可识别的判断（在一个领域里有清楚的立场，不同场合的表达和决策能被追溯到同一个判断框架）、track record（做过的事、说过的话、承担过的后果有公开可验证的记录）、持续在场（在一个领域持续出现足够长的时间）。 **关系资本**：长期合作伙伴（有过多个项目共同经历、互相校准的人）、验证过的搭档（一起扛过硬仗的人）、深度信任客户（5-20 个愿意把真正重要的问题交给你的客户）、领域内同行关系（供应商、监管、媒体，这些关系里流动的是 AI 查不到的信息）。 两者机制不同：作者性集中在你这个主体身上，你离开价值就没了；关系资本分布在一组关系里，但需要你持续维持。**关键是两者并非互相替代**：作者性让你被陌生人选择，关系资本让你被深度客户选择。大多数知识工作者需要两者都建立。 ### 公司过去替你做了什么，现在要你自己做 这是这一章最重要的判断。 **过去公司同时替你做了两样事**。给你平台让你建作者性：公司的名片、项目机会、内部晋升路径，让你能在一个稳定环境里积累判断和 track record。给你同事让你建关系资本：同事、跨部门合作者、客户、供应商，这些关系都是公司替你触达的。 **Issue 03 讲过组织形态的瓦解**。公司这个“替你同时做两件事”的结构，在 AI 时代解体。微型工作室、主体联盟、独立创作者这些新形态，**不再替个体做这两件事**。 这意味着对大多数知识工作者，AI 时代最真实的挑战是**结构性失去这两种资产的建设通道**，不是“失业”。 你可能还在一个公司上班，每月工资照发。但如果这个岗位上你没有建立可识别的作者性、也没有建立深度关系资本，那么**你的时间在被消耗，而非在被积累**。10 年后你离开这家公司，你带走的是一张职位履历，不是 10 年的护城河。 职位履历在旧系统里还能变现，因为旧筛选机制是形式化的（大公司品牌、职务头衔、项目名目）。在新系统里，它没有变现通道。 ### 时间是必要条件，不是充分条件 讲具体动作之前，先点出一个元判断：**时间是必要条件，不是充分条件**。 作者性需要时间：可追溯判断需要长期公开输出，track record 需要长期承担后果，在场需要长期坚持。**5 年是最低门槛，10 年才算初步建立，20 年进入成熟期**。大多数人高估了自己积累的速度，低估了需要的时间。 关系资本需要的时间更长。它要求**双方都投入时间**：你加速自己的一半，对方的另一半你加速不了。这也是为什么关系资本是最稀缺的护城河：它要求两个主体都承担建立成本，而大多数人只愿意建立弱关系。 但光有时间不够。**光有时间的人会发现自己的时间不变现**：他们可能工龄长，但没有建立可识别的主体身份，也没有建立深度关系网络。他们的时间成了沉没成本。 时间是必要的，但你还得**避免在错误的轨道上消耗时间**。 ### 无效积累陷阱 最大的陷阱是**做了 10 年但没积累**。两种典型形态： **生物 API 陷阱**（作者性方向）：“生物 API”是 Issue 03 提出的概念。你的工作其实是给某个系统（ERP、CRM、某个工作流）做人肉接口，做的事迟早被 AI 接管。在生物 API 岗位上，无论你花多少时间，作者性都不会积累，因为你没在做判断，你在执行流程。判断标准：**离开这家公司，你过去几年的“经验”对别人还有价值吗**？如果价值主要是“熟悉这家公司的内部流程”，你是生物 API。如果价值是“处理过这类真实问题”，你不是。 **关系工具化陷阱**（关系资本方向）：典型表现是“需要的时候联系，不需要的时候不联系”。这种关系在弱关系层面有用，在深度关系层面是**关系资本的反面**：它持续消耗你在对方心里的信任存款，却不补充。深度关系的维持需要**非功利的持续接触**：在不需要对方帮忙的时候，还在和对方保持真实的连接。 两种陷阱的共同点：**形式上像在积累，实质上不积累**。AI 时代识别这两种陷阱比过去更重要，因为旧系统里“在大公司待够年头”本身就有变现能力（履历值钱），AI 把这层屏障拆掉之后，只剩真积累。 ### 建立作者性的具体动作 避开陷阱之后，作者性有清晰的动作。 **一、持续公开输出**。公开输出是**作者性的物质载体**：没有公开输出，作者性无法被追溯，也无法被识别。具体形式可以多样：长文、播客、视频、Twitter、代码仓库、开源项目、公开演讲、行业会议发言。**形式不重要，关键是持续性和可追溯性**。三年一篇的深度长文加上日常的社交媒体表达，能形成可追溯的判断框架；三个月一次的朋友圈不能。 **二、敢于留下判断，承担判断的后果**。“这是我的判断，我认为 X 会 Y”，这种明确的、可被证伪的判断，是作者性的核心。大多数人的公开输出是**复述共识**：引用别人的判断、整理行业观点、做“平衡的综合”。这种输出积累不了作者性，因为它没有你的判断框架在里面，读者读完不知道“这个作者到底怎么想”。敢于留下判断，意味着**敢于在事后被证明错**。这是代价，也是作者性的门槛。没有承担过错误判断的人，不会被识别为“有判断的主体”。 ### 建立关系资本的具体动作 **一、把几个具体的人长期放在视野里**。关系资本是**和几个具体的人反复合作、反复校准**，不是“认识很多人”。5-20 个深度关系，比 500 个弱关系更有价值。挑人的标准：他们在自己的领域里有真实判断、他们愿意承担合作的真实后果、他们的鉴赏力能识别你的价值。**挑对人是关系资本的第一步，挑错人会让十年投入变成沉没成本**。 **二、一起做真实的事，一起承担后果**。关系资本不在聊天里积累，是在**共同承担后果**的事情里积累。一起做过一个真实的项目、一起输过一次、一起赢过一次，这些共同经历是关系资本的核心。一起吃过饭、一起参加过会议、在同一个群里聊过天，这些不形成关系资本。 ### AI 是放大器，不是替代器 有了作者性和关系资本之后，AI 的作用是**放大器**。 一个有作者性的主体，过去只能靠自己的时间产出。一天能写的字、能见的客户、能处理的问题有上限。AI 让这个上限系统性提高，作者性的**变现效率**被放大。 具体形态： - **微型工作室**：1-3 个核心主体，少量非全职合作者，核心外的执行工作（初稿、数据处理、客户沟通、标准化产出）由 AI 完成。客户规模窄（几十到几百个深度关系），但每个都靠作者性锚定，单价高，长期关系 - **个体联盟**：几个独立主体共享基础设施、分发渠道、品牌背书，各自保持独立作者性。联盟本身很轻，成员之间是协作而非雇佣 - **作者型创业公司**：创始人是主体，公司是主体的放大器。产品、服务、团队都围绕主体的判断组织。规模通常在 5-50 人之间，不追求大规模 **一个关键区分**：这并非“标准化产品规模化”。标准化产品仍然存在（SaaS、工业软件、金融基础设施都还在），但**单靠标准化功能本身不再构成长期溢价来源**，去个性化的部分正是 AI 最擅长的。新的主体形态是**作者的时间通过 AI 放大成服务更多具体客户的能力**。每个客户仍然是具体的、深度的、个性化的，只是一个主体能同时服务的具体客户数量从 5 个变成 50 个。 这个放大的本质是：**AI 替代了过去需要一个团队做的放大工作，主体本人继续做判断**。作者仍然在场，AI 帮他处理执行。 ### 三个具体的自我审计问题 落到具体动作上，有三个问题可以诚实回答： **一、我现在的工作，五年后离开这家公司，还有多少是带得走的**？ 带得走的 = 作者性 + 关系资本。带不走的 = 依附于公司的形式资产（职位、流程熟悉、内部关系）。 **二、我在经营哪一个护城河**？ 大多数人会发现：**两个都没有真正经营**。时间都花在本职工作的执行上，作者性没积累（没有公开输出、没有可追溯判断），关系资本没积累（只有公司内部职务关系）。 **三、如果我明天离开这家公司，我的下一个客户/雇主/读者，凭什么找到我、选择我**？ 如果答案是“猎头推荐”、“公司品牌的背书”、“我的职务头衔”，你在旧系统里。新系统里这些东西的变现能力在衰减。 如果答案是“我公开输出的东西他们读过”、“我有合作伙伴会直接推荐我”、“某些客户会主动找我”，你在新系统里。 三个问题是为了让读者**诚实看清自己当下的位置**，不是制造焦虑。看清了才能决定下一步。 --- ## 运气是这一切之上的一层 讲完三类读者和具体动作，要把一件温度更高的话补上。前面所有的判断、处方、自我审计，都建立在一个隐含假设之上：人能通过看清和努力改变自己的位置。这个假设在很大程度上对，但不全对。 **运气在 AI 时代的分量被放大了**，这是一个诚实的观察。 过去的社会运气很重要，但结构性路径稀释了运气：大多数人靠按部就班就能达到中等。AI 时代这层稀释消失了，谁还在、谁被打下来，主要看运气。 这意味着：**很多人会因为运气在中间活下来，也有很多人会因为运气在同样的位置上被打下来**。两者的差别可能只是“你的客户恰好换了领导”、“你的行业恰好有一个监管缓冲”、“你的公司恰好有一个老板讨厌 AI”这种具体到个人的偶然。 把自己的境遇完全归因于“能力”或“努力”，在 AI 时代越来越不准确。**承认运气**，是为了**在运气好的时候做该做的事**，不要误以为自己站在结构上；不是为了放弃努力。 --- ## 结语 · 交付物作为实质的副产品 “可独立评估的单位”，这是过去两百年里交付物这个东西的经济结构定义。它是一个**形式容器**，让主体的实质脱离主体独立传递、被市场独立定价和消费。 这个结构依赖**形式和实质被捆绑**：只有做形式需要花实质投入，容器才是实质的可见证据。 AI 第一次让形式可以脱离实质独立产生。**交付物作为“独立单位”的经济意义在大面积失效**。形式本身不再稀缺，容器本身不再需要被独立定价。真正还有价值的交付物，**里面都必须装着只有主体才能注入的实质**：可识别的判断、嵌入特定运转的关系。 ### 因果方向要倒转过来 过去：**一个主体为了做出交付物去注入实质**。目的是容器，实质是手段。 现在：**一个主体在现实里持续运转、积累实质，交付物作为那段实质运转的表达自然冒出来**。目的不在容器，在实质本身。 **交付物从“可独立评估的单位”回到“主体持续运转的副产品”**。 “我想做一款好产品”、“我想写一本畅销书”、“我想做一个爆款视频”，这种**以容器为目的**的创作思路，在 AI 时代结构性无效。因为 AI 能以更低成本做出同样外观的容器，而作为创作者**没有实质可以装进去**。 反过来那种“我在做一件具体的事，它自然溢出了一些交付物”的姿态，才是 AI 时代真正站得住的生产姿态：博客是真研究的副产品、产品是真接触用户的副产品、方案是真处理过问题的副产品、代码是真解决问题的副产品。 没有底层的实质运转，所有容器都是空壳。**AI 时代空形式的供给无限，能装进去的实质却仍然只能由主体一天一天产生**。 --- ## 一个不解决的问题 到这里，5-10 年尺度的所有判断和处方就给完了。结语收束了这个尺度上的核心动作。 但还有一个更长尺度的问题，这篇文章不打算回答，但要承认它存在。 这篇文章的所有判断，有一个**时间尺度**。 在今天，以及未来 5-10 年，**实质是工具碰不到的东西**这个判断成立。今天的 AI 没有连续自我，不绑定在后果上，没有具体在场；它产出的东西是关于实质的语料，而非实质本身。前面八章给的所有处方，都建立在这个判断上，在今天的尺度里它是稳的。 **至少现在，我们是安全的**。 但更长的尺度上，这个判断会动摇。AI 没有连续自我，是当下架构的偶然特征，而非必然。AI 不绑定在后果上，是部署选择，而非结构限制。AI 没有具身在场，是工程现状，而非物理不可能。这三件事在 20-50 年尺度上，大概率会变。当 AI 拥有连续身份、绑定在后果上、在场，而且这些维度上都比人做得好，**人在哪里**？ 这个问题这篇文章不回答，因为今天的认知里答不出。1850 年的手工艺人，无法预见 1950 年办公室白领的意义结构。1950 年的白领，无法预见 2025 年的 AI 时代。我们这一代想清楚 2075 年人的位置，大概率也是徒劳；那个结构要由那个时代的人，在新处境里摸索。 但有一件事可以指出来。 近现代“**靠能力获得意义**”这件事，本身就是工业化和大众教育之后的**偶然产物**，和钟形社会同构。在那之前的几千年里，大多数人不靠“能力赢”过日子，靠**和具体他人在具体处境里活下来**过日子。一个 12 世纪的农民，在能力上输给国王、骑士、修道士、商人。但他爱他的妻子，养他的孩子，埋他的父母，在他能在场的小范围里有意义、有连接、有责任、有快乐。 **那个更古老的意义系统，在 AI 全面超越人的时代会回来。回来的原因是没有别的可选，不是它高级**。 我们这一代人，可能是最后一代靠“我比别人能干”获得意义的人。下一代要重新学习的，是一种我们的曾祖父母还熟悉、我们已经忘了的活法：在能力维度上不再是中心，只是边缘；但在作为**具体生命**这件事上，仍然完整。 这件事悲观还是乐观，不取决于事实本身，取决于你能不能放下“我必须在能力上有位置”这个执念。 放不下的人，会在 AI 全面超越人的过程里很痛。放得下的人，会发现自己其实**回到了一个更长的人类正常状态**。 但这是几十年后的事。 今天先把今天的事做好。 --- ## 引用与出处 本文涉及的主要事实性断言的来源。 **关于印刷术的形式迁移（形式迁移史）** - Dittmar, Jeremiah. "Information Technology and Economic Change: The Impact of the Printing Press." _Quarterly Journal of Economics_ 126 (2011)：书价下跌约三分之二的数据 - Febvre, Lucien & Henri-Jean Martin. _L'apparition du livre._ Paris: Albin Michel, 1958；另见 Buringh & van Zanden, "Charting the 'Rise of the West': Manuscripts and Printed Books in Europe," _Journal of Economic History_ (2009)：欧洲书籍存量从约 30000 册到 2000 万册的估算 - Erasmus, Desiderius. _Adagia_（《箴言集》），早期版本约 1500 年首版，“地球上还有哪里能躲开这些新书的蜂群”出自此（中文为意译） **关于摄影的形式迁移（形式迁移史）** - Met Museum, "The Daguerreian Age in France: 1839–55";Bajac, Quentin. _Le ciel et la terre_, Musée d'Orsay (2003):19 世纪商业摄影棚的扩张 - Gernsheim, Helmut. _The Origins of Photography._ London: Thames and Hudson, 1982:Delaroche “从今天起，绘画死了”的引文出处（引文是否完全直引存有争议，但准确反映了当时画家圈对摄影的反应） **关于工业化的形式迁移（形式迁移史）** - Ford Motor Company 历史档案；Ford Heritage, _History of the Assembly Line_：Model T 底盘装配工时从 12.5 小时降到 93 分钟、价格从 1908 年 850 美元降到 1924 年 260 美元 **关于钟形社会的塌陷（第一章）** - Pew Research Center, "The American middle class is losing ground" (2015) 及后续年度更新；Pew Research Center, "How the American middle class has changed in the past five decades" (2022)：中产阶级人口比例和收入份额数据 - Chetty, Raj et al., "The Fading American Dream: Trends in Absolute Income Mobility Since 1940," _Science_ 356 (2017): 398–406：代际收入超越父母比例，1940 cohort 约 90%、1980 cohort 约 50% **关于 RLHF 与 AI 默认输出向中位收敛（第一章）** - Ouyang, Long et al., "Training language models to follow instructions with human feedback" (InstructGPT, OpenAI 2022)：InstructGPT 评价者构成 - Bai, Yuntao et al., "Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback" (Anthropic 2022)：RLHF 评价者来源（MTurk 工人贡献大部分 comparison 数据，Upwork 工人贡献其余少部分） - Durmus, Esin et al., "Towards Measuring the Representation of Subjective Global Opinions in Language Models" (Anthropic 2023, GlobalOpinionQA)：对齐过的模型在主观议题上的偏向 **关于实质作为信用品与质量识别困境（第三章）** - Nelson, Phillip. "Information and Consumer Behavior." _Journal of Political Economy_ 78 (1970): 311–329：搜寻品/体验品概念 - Darby, Michael R. & Edi Karni. "Free Competition and the Optimal Amount of Fraud." _Journal of Law and Economics_ 16 (1973): 67–88：信用品(credence goods)概念 - Akerlof, George A. "The Market for 'Lemons': Quality Uncertainty and the Market Mechanism." _Quarterly Journal of Economics_ 84 (1970): 488–500：质量不可识别市场的均衡分析。Akerlof、Spence、Stiglitz 共同获 2001 年诺贝尔经济学奖 **关于信号理论与模仿成本（第三章、第四章）** - Spence, Michael. "Job Market Signaling." _Quarterly Journal of Economics_ 87 (1973): 355–374：信号能维持市场区分的核心机制是模仿成本差异 - Feltovich, Nick, Rick Harbaugh & Ted To. "Too Cool for School? Signalling and Countersignalling." _RAND Journal of Economics_ 33 (2002): 630–649：反向信号(counter-signaling)模型 - Bellezza, Silvia. "Distance and Alternative Signals of Status: A Unifying Framework." _Journal of Consumer Research_ (2023)：距离化替代信号的统一框架 **关于作者身份作为现代分类范畴（第四章）** - Foucault, Michel. "Qu'est-ce qu'un auteur?" _Bulletin de la Société française de Philosophie_ (1969)；英译"What Is an Author?" 收入 _Aesthetics, Method, and Epistemology_ (1998)：印刷术之后作者作为现代分类范畴的成形 **关于 AI 的互补效应大于替代效应（第八章）** - Mäkelä, Elina & Fabian Stephany. "Complement or substitute? How AI increases the demand for human skills" （arXiv:2412.19754, 2024;v3 2025 年 2 月）：基于 2018-2023 年美国 1200 万份招聘数据，显示 AI 互补效应在数据里最高可比替代效应大 50%；数据科学家如果还有 resilience 或 ethics 能力可拿 5-10% 工资溢价 **与 Offbook Press 此前各期的概念延续** - “认知去耦能力”概念出自 Issue 01《On Cognitive Decoupling》 - “AI 审阅循环”方法出自 Issue 02《Rebuilding Learning》 - “组织瓦解”与“生物 API”概念出自 Issue 03《Breakdown of Firms》 --- _本文对上述来源做了概念上的转述而非直接引用。如需核查原文表述，请参考原始出版物。_