本文來(lái)自微信公眾號(hào)： 不懂經(jīng) ，作者：不懂經(jīng)也叔的Rust，原文標(biāo)題：《你正在被AI收割兩次，第一次是錢(qián)》，頭圖來(lái)自：AI生成
Amanda Brown，得州塔爾頓州立大學(xué)的一名生物學(xué)助理教授，原本只是想在不教課的暑假接點(diǎn)零工賺外快。在一些數(shù)據(jù)標(biāo)注平臺(tái)上，某些任務(wù)開(kāi)出了每小時(shí)60美元的高價(jià)，這聽(tīng)起來(lái)相當(dāng)誘人。
但很快，這份看起來(lái)輕松的“睡后收入”變成了一場(chǎng)噩夢(mèng)。她被拉進(jìn)各種強(qiáng)制性的線上會(huì)議，為了趕截止日期不得不熬夜到凌晨?jī)牲c(diǎn)。
更折磨人的是，她的主管總是含糊其辭地指責(zé)她的工作“不夠好”，這讓她感到“摧毀靈魂（soul destroying）”。僅僅做了幾個(gè)月后，Amanda就受不了退出了，并在今年夏天老老實(shí)實(shí)找了一份教書(shū)的工作。
在之前的文章中，我們介紹過(guò)Amanda的故事。但她并非個(gè)例。如今每天，一家名為Mercor的AI初創(chuàng)公司都要向多達(dá)3萬(wàn)名外包人員支付超過(guò)400萬(wàn)美元的薪水。他們花這么多錢(qián)，并不是為了找人給圖片里的汽車(chē)打標(biāo)簽，而是為了買(mǎi)下Amanda們大腦中最值錢(qián)的專(zhuān)業(yè)知識(shí)。
我們正處于一場(chǎng)史無(wú)前例的技術(shù)共謀之中。數(shù)以?xún)|計(jì)的職場(chǎng)人、創(chuàng)業(yè)者和企業(yè)高管，每天都在狂熱地為接入最新一代的AI大模型支付訂閱費(fèi)。我們以為自己買(mǎi)到了通向未來(lái)效率的門(mén)票，但事實(shí)的真相可能殘酷得多：
你正在被AI收割兩次。一次是你的錢(qián)，另一次，是你的命脈。
一、權(quán)力的倒轉(zhuǎn)：反向信息悖論
1962年，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主肯尼斯·阿羅（Kenneth Arrow）曾提出過(guò)一個(gè)著名的“信息悖論”：在傳統(tǒng)市場(chǎng)里，賣(mài)家為了把信息賣(mài)出去，必須先向買(mǎi)家展示它；可一旦展示了，買(mǎi)家就相當(dāng)于免費(fèi)占有了信息，再也不會(huì)付錢(qián)。
在阿羅的時(shí)代，權(quán)力掌握在買(mǎi)家手中，知識(shí)一旦泄露，賣(mài)家就輸了。
前幾天，微軟CEO薩提亞·納德拉寫(xiě)了一篇文章，他引用阿羅的理論，指出AI帶來(lái)了一個(gè)致命的“反向信息悖論（Reverse Information Paradox）”。
在這個(gè)新世界里，規(guī)則完全反了過(guò)來(lái)。買(mǎi)家僅僅為了使用他們買(mǎi)來(lái)的AI產(chǎn)品，就面臨著泄露自身專(zhuān)有知識(shí)的風(fēng)險(xiǎn)。你越是希望這個(gè)AI模型表現(xiàn)得像個(gè)行業(yè)頂尖專(zhuān)家，你就越得上舔著，把你公司最核心的業(yè)務(wù)邏輯、最隱秘的行業(yè)Know-how和最寶貴的數(shù)據(jù)喂給它。
這就是AI時(shí)代的“雙重收割”：首先，你為了使用大模型支付了訂閱費(fèi)或API調(diào)用費(fèi)。其次，你付出了比金錢(qián)更有價(jià)值的東西，為了讓智能發(fā)揮作用而必須透露的專(zhuān)有知識(shí)。
你在對(duì)話框里敲下的每一次提示詞，你的智能體調(diào)用的每一個(gè)內(nèi)部API，尤其是當(dāng)AI胡說(shuō)八道時(shí)你耐著性子給它做的每一次糾錯(cuò)，都變成了納德拉所謂的“數(shù)字廢氣（exhaust）”。大模型就像一個(gè)不知疲倦的貪婪巨獸，把這些廢氣吸入體內(nèi)，悄無(wú)聲息地提煉成機(jī)構(gòu)的專(zhuān)業(yè)訣竅。每一次交互痕跡、每一次模型評(píng)估（eval），都在發(fā)生著泄露。
納德拉還引用了Palantir CEO亞歷克斯·卡普（Alex Karp）的觀點(diǎn)：技術(shù)客戶(hù)想要的是對(duì)自己計(jì)算能力和超額收益（alpha）的控制權(quán)，他們希望擁有生產(chǎn)資料，而不是眼睜睜看著它被轉(zhuǎn)移給其他人。
正如麥克盧漢所言，人類(lèi)創(chuàng)造了工具，工具又反過(guò)來(lái)塑造了人。在消費(fèi)智能的過(guò)程中，你也在創(chuàng)造智能。只不過(guò)，你創(chuàng)造的價(jià)值最終并不屬于你，而是流向了那些提供模型的科技巨頭。
這件事讓微軟和納德拉都感到恐懼。然而，絕大多數(shù)白領(lǐng)還沒(méi)有意識(shí)到。
二、當(dāng)人類(lèi)最高精尖的頭腦被蒸餾
如果你覺(jué)得“被收割”只是一種抽象的商業(yè)理論，不妨看看正在硅谷上演的魔幻現(xiàn)實(shí)。
如今，那些在后臺(tái)喂養(yǎng)AI的，早就不是拿著微薄時(shí)薪的廉價(jià)勞工了。數(shù)據(jù)標(biāo)注正在一路向“價(jià)值鏈上游”狂飆突進(jìn)?？纯催@些初創(chuàng)公司開(kāi)出的招聘條件：
Mercor開(kāi)出時(shí)薪225美元，只為招募一位能用流利希伯來(lái)語(yǔ)維持客服人設(shè)的配音演員。
他們還在全網(wǎng)搜羅專(zhuān)攻廣義相對(duì)論的物理學(xué)博士，以及在盧旺達(dá)初級(jí)醫(yī)療系統(tǒng)有三年以上經(jīng)驗(yàn)的醫(yī)生。
馬斯克的xAI甚至要求應(yīng)聘的作家必須賣(mài)出過(guò)5萬(wàn)冊(cè)小說(shuō)，或者在頂級(jí)雜志上發(fā)表過(guò)10篇短篇故事。
這場(chǎng)針對(duì)高精尖大腦的收買(mǎi)極其狂熱。一家名為Handshake的招聘初創(chuàng)公司，在2025年才轉(zhuǎn)向數(shù)據(jù)訓(xùn)練，到了今年4月，其年化營(yíng)收就已經(jīng)突破了10億美元。
這些擁有稀缺技能的白領(lǐng)精英，正在被高薪誘惑，親手把自己的專(zhuān)業(yè)技能送進(jìn)AI的碎木機(jī)。
更令人毛骨悚然的是，這些公司已經(jīng)不再滿足于榨取單個(gè)人的智慧。Mercor收購(gòu)了一家名為Deeptune的公司，他們的目標(biāo)是搭建“訓(xùn)練環(huán)境”，直接克隆整個(gè)公司的運(yùn)作機(jī)制。
比如，他們會(huì)精細(xì)地再造一個(gè)投資銀行的鏡像：一個(gè)人扮演客戶(hù)，其他人扮演投行銀行家，完全按照真實(shí)的業(yè)務(wù)分布來(lái)構(gòu)建場(chǎng)景。AI就在一旁靜靜觀察所有的互動(dòng)。正如Mercor年輕的CEO Brendan Foody所說(shuō)，理論上，AI隨后就能回答一個(gè)深刻的問(wèn)題：“在高盛，他們到底在干什么？”
一旦AI懂得了高盛在干什么，高盛的員工接下來(lái)會(huì)面臨什么，已經(jīng)不言而喻了。
Surge AI的創(chuàng)始人Edwin Chen，這位憑借AI淘金熱成為全球第258位富豪的商人，將自己的公司形容為“AGI的學(xué)校”。他得意洋洋地說(shuō)：“AI到我們這兒來(lái)，AI學(xué)會(huì)如何運(yùn)轉(zhuǎn)世界?！?/p>
推到邏輯的極致，這就是我們未來(lái)的工作愿景：即使是高級(jí)員工，也會(huì)系統(tǒng)性地自動(dòng)化自己執(zhí)行的幾乎每一項(xiàng)任務(wù)，直到最后，留給人類(lèi)做的只剩下“訓(xùn)練AI”這一件事。而當(dāng)AI連訓(xùn)練都不需要的時(shí)候，大幕就徹底落下了。
三、代碼先死，代碼已死
在這場(chǎng)浩大的知識(shí)收割中，程序員群體可能是感覺(jué)最矛盾的，他們是用AI用得最好的一批，但也是最先感受到“被剝奪感”的。哪些曾經(jīng)自詡為數(shù)字時(shí)代造物主的極客們，突然發(fā)現(xiàn)自己手敲的代碼在AI面前顯得如此廉價(jià)。
著名程序員、Redis創(chuàng)始人Antirez（Salvatore Sanfilippo）最近在博客里說(shuō)了大實(shí)話。作為一名老牌極客，他現(xiàn)在用DwarfStar框架以完全自動(dòng)化的方式實(shí)現(xiàn)了DeepSeek v4和GLM 5.2的推理。
他在實(shí)踐中頓悟了一個(gè)殘酷的事實(shí)：代碼已死，對(duì)于大部分程序員來(lái)說(shuō)，盯著代碼看已經(jīng)毫無(wú)意義了。
“你現(xiàn)在可以生成大量代碼……你怎么可能每天審5000行代碼？”Antirez反問(wèn)道。一天只有8個(gè)小時(shí)，如果你把時(shí)間花在逐行閱讀LLM生成的代碼上，你實(shí)際上是在擠壓今天最重要的工作：?jiǎn)栕约哼@個(gè)軟件到底要做什么，思考新的業(yè)務(wù)方向，以及做大量的質(zhì)量保證。
在討論AI寫(xiě)代碼的問(wèn)題時(shí)，我們常常陷入“顯性知識(shí)vs隱性知識(shí)”的俗套。但代碼之所以成為第一個(gè)被AI大面積攻陷的領(lǐng)域，根本原因不在于它是文本，而在于它具有“零驗(yàn)證成本”的極度特殊性。
想象一下，AI寫(xiě)了一份法律合同，這份合同好不好？需要資深律師花幾個(gè)小時(shí)去字斟句酌。AI開(kāi)了一份醫(yī)學(xué)診斷，這診斷準(zhǔn)不準(zhǔn)？需要醫(yī)生結(jié)合臨床經(jīng)驗(yàn)去評(píng)估。
但代碼不同。一段代碼能不能跑、有沒(méi)有Bug、性能達(dá)不達(dá)標(biāo)，編譯器和測(cè)試腳本在幾毫秒內(nèi)就能給出確定的判定。這意味著，AI在代碼領(lǐng)域的“蒸餾與反饋循環(huán)”可以完全以機(jī)器的速度運(yùn)轉(zhuǎn)，生成、編譯、測(cè)試、修正，全程不需要任何人類(lèi)評(píng)估者的介入。
正因?yàn)轵?yàn)證成本為零，代碼成了最先被蒸餾干凈的知識(shí)領(lǐng)域。
這也帶來(lái)了一個(gè)極具歷史縱深的哲學(xué)倒轉(zhuǎn)。1984年，計(jì)算機(jī)科學(xué)泰斗Donald Knuth提出了著名的“文學(xué)編程（Literate Programming）”理念。他認(rèn)為，代碼首先是寫(xiě)給人類(lèi)閱讀的散文，給機(jī)器編譯只是順便的事。
四十年后的今天，Antirez所倡導(dǎo)的，恰恰是Knuth理念的完美鏡像倒轉(zhuǎn)：散文就夠了，代碼可以扔掉。
Antirez現(xiàn)在寧愿讓LLM寫(xiě)一個(gè)用人類(lèi)語(yǔ)言描述的DESIGN.md文件，里面包含數(shù)據(jù)結(jié)構(gòu)的思想、實(shí)現(xiàn)技巧和設(shè)計(jì)思路。在未來(lái)，你想修改軟件？你只需要打開(kāi)文件，讀懂設(shè)計(jì)，擁有這些思想，然后用正確的心智模型去指揮你的AI Agent。這比人工審查代碼有用太多了。
Knuth把代碼提升到了思想的高度；而AI，則冷酷地把思想從代碼里剝離了出來(lái)。控制思想，而不是代碼，將是技術(shù)人員在這場(chǎng)洪流中唯一的救生圈。
四、企業(yè)的慢性毒藥：“永久裁員”與“大廠空心化”
個(gè)人面臨著職業(yè)消亡的危機(jī)，而企業(yè)界則在飲鴆止渴。
如今，科技圈的裁員已經(jīng)不再是應(yīng)對(duì)經(jīng)濟(jì)衰退的臨時(shí)手段，而變成了一種被稱(chēng)為“持續(xù)微調(diào)（continuous tuning）”的常態(tài)化管理策略。微軟剛剛裁撤了約4800個(gè)崗位；Cloudflare在營(yíng)收增長(zhǎng)超30%的情況下，依然裁掉了超過(guò)20%的員工；思科也在創(chuàng)紀(jì)錄的營(yíng)收下裁員近5%。
企業(yè)一邊進(jìn)行著一波又一波的裁員，一邊將攢下的巨額預(yù)算投入到昂貴的AI算力和模型購(gòu)買(mǎi)中。高管們陷入了極度的不確定性和競(jìng)爭(zhēng)焦慮中，正如哈佛商學(xué)院教授Joseph Fuller所言，CEO們極度害怕：如果自己只做漸進(jìn)式的改變，而競(jìng)爭(zhēng)對(duì)手全力押注AI，他們可能一覺(jué)醒來(lái)“還沒(méi)開(kāi)球就以0比21落后了”。
商業(yè)內(nèi)幕網(wǎng)站把這種趨勢(shì)稱(chēng)為“永久裁員”。注意，永久裁員不是一種狀態(tài)，而是將成為一種組織形式。因?yàn)锳I不斷地蒸餾，就會(huì)有人不斷地離開(kāi)，組織也要不斷地調(diào)整。
這種將AI視為萬(wàn)靈藥的“永久裁員”，正在成為企業(yè)的慢性毒藥。
前Meta數(shù)據(jù)科學(xué)家Moyan Chen在經(jīng)歷了長(zhǎng)達(dá)“地獄般的28天”的裁員等待后，終于收到了解雇通知，她坦言“與其說(shuō)是痛苦，不如說(shuō)是解脫”。
斯坦福大學(xué)教授Jeffrey Pfeffer尖銳地指出，一輪又一輪的裁員在組織內(nèi)部制造了持久的不確定性，它削弱了讓公司運(yùn)轉(zhuǎn)有效的人際關(guān)系和組織記憶。當(dāng)公司發(fā)現(xiàn)AI無(wú)法完全勝任，被迫重新招人時(shí)，那些長(zhǎng)期共事培養(yǎng)出的協(xié)調(diào)與溝通能力，早就灰飛煙滅了。
更致命的是，隨著AI承擔(dān)更多工作，企業(yè)實(shí)際上需要更多（而非更少）對(duì)公司流程、市場(chǎng)、競(jìng)爭(zhēng)對(duì)手和行業(yè)法規(guī)有深厚語(yǔ)境理解的人?！澳阈枰糇∧切┒械娜?，”Fuller教授警告說(shuō)。
這也正是納德拉最深層的擔(dān)憂。他堅(jiān)信，人力資本不會(huì)隨著AI能力（Token資本）的增長(zhǎng)而貶值，反而會(huì)變得更加寶貴。如果沒(méi)有人類(lèi)的主體性去設(shè)定目標(biāo)、跨領(lǐng)域連接盲點(diǎn)、識(shí)別模式，“算力只會(huì)在原地打轉(zhuǎn)”。
如果我們放任所有企業(yè)都向少數(shù)幾個(gè)吞噬一切的大模型輸送價(jià)值，社會(huì)將重演第一波全球化帶來(lái)的悲劇。當(dāng)年，整個(gè)工業(yè)經(jīng)濟(jì)因外包而空心化，表面上GDP數(shù)字光鮮，但人的流離失所和產(chǎn)業(yè)的斷層是真實(shí)的。
在AI時(shí)代，如果少數(shù)幾個(gè)系統(tǒng)攫取了所有經(jīng)濟(jì)回報(bào)，而整個(gè)行業(yè)眼睜睜看著自己的知識(shí)被商品化并從腳下抽走，那是極其危險(xiǎn)的。
五、祛魅大模型：你買(mǎi)到的其實(shí)只是“商品化智能”
要打破這種雙重收割的焦慮，我們首先需要對(duì)現(xiàn)有的AI大模型進(jìn)行祛魅。
不要被科技巨頭造神般的“通用人工智能（AGI）”敘事所洗腦。美國(guó)學(xué)者Venkatesh Rao一針見(jiàn)血地指出，現(xiàn)在的LLM本質(zhì)上是一種“商品化智能（Commodity Intelligence）”。
它們根本不是什么全知全能的神，而是信息領(lǐng)域的煤炭、黃金和土豆。它們就像金融市場(chǎng)里的指數(shù)基金，承載的主要是高范式、高共識(shí)的常識(shí)。
為什么大模型能解開(kāi)OpenAI宣稱(chēng)的“80年數(shù)學(xué)難題”？因?yàn)樗皇窃谡婵罩袆?chuàng)造知識(shí)。
Rao提出了一個(gè)極其精妙的“LBB弧線（Labatut-Lovecraft-Ballard arc）”來(lái)解釋知識(shí)的生命周期：
Labatutian（拉巴圖特階段）：當(dāng)新知識(shí)剛剛誕生時(shí)，只有少數(shù)頂尖心智第一手遭遇它，這種沖擊往往是瘋狂且難以言喻的。比如1946年埃爾德什剛提出那個(gè)數(shù)學(xué)難題時(shí)。
Lovecraftian（洛夫克拉夫特階段）：知識(shí)開(kāi)始向外擴(kuò)散，更多人接觸到它，帶來(lái)一種令人不安的認(rèn)知重構(gòu)。
Ballardian（巴拉德階段）：知識(shí)被社會(huì)完全消化、馴化、文明化，變成了雖然龐大但平庸的教科書(shū)常識(shí)。
請(qǐng)記住這個(gè)殘酷的機(jī)制：大模型的“蒸餾”從來(lái)不發(fā)生在充滿原創(chuàng)力的Labatutian階段，它只發(fā)生在高度同質(zhì)化的Ballardian階段。那些被人類(lèi)數(shù)學(xué)家花了80年時(shí)間退火、整理成熟悉的數(shù)學(xué)領(lǐng)地的知識(shí)，才是AI大展拳腳的飼料。
用巴拉德式數(shù)據(jù)訓(xùn)練出來(lái)的AI，高度商品化、穩(wěn)健，但也極其平庸。這就是為什么，當(dāng)Rao試圖用自己過(guò)去的優(yōu)質(zhì)文章訓(xùn)練個(gè)人人格的機(jī)器人時(shí)，發(fā)現(xiàn)它表現(xiàn)得全知全能卻毫無(wú)品味，對(duì)所有話題都展現(xiàn)出一種毫無(wú)感情的“來(lái)者不拒”。因?yàn)樗砩蠞B透了太多這種同質(zhì)化的商品化智能。
認(rèn)識(shí)到這一點(diǎn)，你會(huì)驚出一身冷汗：把企業(yè)或個(gè)人最珍貴的專(zhuān)有知識(shí)喂給這種商品化模型，無(wú)異于用你獨(dú)一無(wú)二的稀缺資產(chǎn)，去換取菜市場(chǎng)里廉價(jià)的大宗商品。
六、奪回主權(quán)：如何在這個(gè)時(shí)代幸存？
面對(duì)這場(chǎng)浩大的知識(shí)收割，我們并非毫無(wú)還手之力。出路不在于拒絕AI，而在于改變我們與AI交互的方式。
1.企業(yè)的護(hù)城河：建立“信任邊界”與“學(xué)習(xí)循環(huán)”
納德拉給出了企業(yè)破局的終極答案：在AI時(shí)代，企業(yè)積累的不應(yīng)僅僅是數(shù)據(jù)，而是“學(xué)習(xí)能力”。企業(yè)必須建立一個(gè)堅(jiān)不可摧的“信任邊界”。
在這個(gè)邊界內(nèi)，未經(jīng)同意，任何東西都不能跨越，即便是那些“智能廢氣”也不行。企業(yè)真正的機(jī)會(huì)，不是像賭博一樣去猜測(cè)明天哪個(gè)大模型會(huì)贏，而是在模型之上構(gòu)建自己的“學(xué)習(xí)循環(huán)（learning loop）”。
你需要：
控制評(píng)估（Evals）：建立私有的評(píng)估體系，因?yàn)橹挥薪M織內(nèi)部才能定義什么是“好”。
保留記憶的所有權(quán)：把交互痕跡、決策語(yǔ)境和機(jī)構(gòu)記憶牢牢抓在自己手里。
解耦編排層：確保你的核心業(yè)務(wù)邏輯不綁定任何單一模型。即使你今天用的“通才”模型被撤走，你公司沉淀的“老兵”專(zhuān)業(yè)知識(shí)也依然存在。
當(dāng)人力資本和Token資本在這個(gè)封閉的循環(huán)中不斷交織，你就能創(chuàng)造一臺(tái)不斷攀登高峰的“爬山機(jī)器（hill climbing machine）”。這，才是別人偷不走的復(fù)利。
2.個(gè)人的反擊：識(shí)別“不可蒸餾之物”，永遠(yuǎn)向前
這兩年，硅谷一直在宣揚(yáng)一個(gè)觀點(diǎn)：品味就是我們?cè)贏I時(shí)代的護(hù)城河。那么，AI會(huì)不會(huì)最終連我們的“品味”和“判斷力”也一并蒸餾了？
答案是：會(huì)，但它只能蒸餾你過(guò)去的品味。
社會(huì)學(xué)家Harry Collins曾指出，隱性知識(shí)并不都是一樣的。有些隱性知識(shí)是關(guān)系性的（存在于師徒與人際互動(dòng)中），有些是集體性的（存在于團(tuán)隊(duì)協(xié)作中）。這些知識(shí)根本不活在文字里，而是活在人與人的連接中。那些在反復(fù)裁員中流失的“人際關(guān)系和組織記憶”，恰恰是大模型這個(gè)文本吞噬者永遠(yuǎn)吸不到的至寶。
至于那些能夠被文本化、被表達(dá)出來(lái)的品味和經(jīng)驗(yàn)，當(dāng)它們被足夠多人討論并寫(xiě)下來(lái)時(shí)，就跌入了Ballardian階段，變成了可以被蒸餾的商品。
但這正是人類(lèi)最偉大之處：當(dāng)舊的品味被AI商品化時(shí)，真正的高手已經(jīng)在更前沿的Labatutian階段，生成了新的品味與洞見(jiàn)。
AI的蒸餾，永遠(yuǎn)只能追趕人類(lèi)知識(shí)的殘?jiān)鵁o(wú)法觸及創(chuàng)新的原液。我們的樂(lè)觀并非建立在“我擁有AI學(xué)不會(huì)的絕技”這種脆弱的靜態(tài)防御上，而是建立在“前沿永遠(yuǎn)在移動(dòng)”的動(dòng)態(tài)現(xiàn)實(shí)中。
這場(chǎng)由AI驅(qū)動(dòng)的技術(shù)變遷，不同于以往的任何一次平臺(tái)轉(zhuǎn)移。這是我們第一次在人與數(shù)字系統(tǒng)之間，創(chuàng)造出真實(shí)的認(rèn)知循環(huán)。
在這個(gè)循環(huán)里，你要么成為主導(dǎo)者，將AI變成你復(fù)利增長(zhǎng)的杠桿；要么交出底牌，淪為滋養(yǎng)前沿大模型的“數(shù)字廢氣”。
不要再為了省事而交出你的核心思考。停止與機(jī)器糾纏細(xì)枝末節(jié)，控制你的思想，守護(hù)你的邊界。只有這樣，在這場(chǎng)名為“雙重收割”的風(fēng)暴中，你才能保住最珍貴的東西，你自己的人格和未來(lái)。