噪音之外

1780年代，英格兰中部有一位纺织厂主，姓什么已经无从考证。他的工厂建在河边，靠水车驱动纺锤，生意还算过得去。有一天，他花了一大笔钱买回来一台瓦特蒸汽机。

他怎么用的？

水位低的时候，开蒸汽机顶上；水位够的时候，蒸汽机歇着。厂房没动，工人没变，流程没改。蒸汽机在他眼里，就是一台"备用水车"。用了两年，他得出结论：这玩意儿费煤，维修麻烦，比水车贵多了，不划算。

他这样想的，不止他一个。当时英格兰绝大多数工厂主，拿到蒸汽机之后，思路都一样：这是一种更强的动力来源，替换掉原来不够用的地方就行。至于工厂为什么要建在河边、为什么要用中央传动轴把动力分配给每台机器、为什么工序要这样排列，没有人去问。这些都是理所当然的事。

但有少数人，问了这些问题。

他们发现：如果动力不再依赖河流，工厂就不必建在河边，可以建在劳动力更密集、交通更便利的地方。如果蒸汽机可以独立驱动每个车间，就不需要那根贯穿整个厂房的中央传动轴，机器的排列可以按照工序逻辑重新设计，而不是按照传动轴的位置凑合。这一重构，让生产效率翻了不止一倍。

这10%的人，不是因为比别人聪明，而是因为他们问的问题不一样。大多数人问的是"这个新东西能替换什么"，他们问的是"有了这个新东西，什么东西可以重新来过"。

一字之差，结局天壤之别。

同一个剧本，一百年后再演一遍

1879年，爱迪生发明了实用白炽灯。电力时代的序幕就此拉开。

你猜工厂主们怎么用电？

把煤气灯换成电灯。厂房还是那个厂房，机器还是那些机器，动力还是靠中央蒸汽传动轴。只不过，照明从煤气灯变成了电灯，亮了一些，省了一些麻烦。大多数工厂主拍着胸脯说：电力很好，我们已经用上了。

这种"用上了"，持续了将近三十年。

直到亨利·福特出现。福特不是电气工程师，也不是什么技术天才，他是一个死磕生产效率的人。他注意到一件事：电力不像蒸汽动力，不需要一根传动轴从中央向四周分配，每台机器可以有自己的电动机，独立运转。这意味着机器的位置可以完全自由排列，不再受传动轴的约束。

1913年，福特在底特律的高地公园工厂，围绕这个逻辑重新设计了整条生产线。零件不再等人来取，而是通过传送带主动送到工人手边。每个工人只做一个固定动作，效率极大集中。一辆Model T的组装时间，从原来的12小时以上，压缩到93分钟。

福特没有发明任何新技术。他只是把一个已经存在了三十年的技术，用了一种别人没想到的方式重新组合。

这就是那90%和10%的区别。90%的人看到电力，想到的是"替换煤气灯"。10%的人看到电力，想到的是"所有依赖中央传动轴的逻辑，都可以推倒重来"。

互联网来了，历史第三次重演

1994年前后，互联网开始进入普通人的视野。那时候，媒体行业的人是怎么看待它的？

绝大多数报纸和杂志的反应，是把内容搬到网上。文章还是那些文章，排版还是纸媒的逻辑，更新频率还是按照出版周期走。他们把互联网当成了"可以全球发行的印刷机"，当成了一种分发渠道的升级。

他们没有错，但他们只看到了一半。

另一半是什么？互联网让信息的生产者和消费者之间的界限消失了。任何人都可以发布内容，任何人都可以直接评论、转发、参与。这不是分发渠道的升级，这是整个内容生态的重构。博客、论坛、社交媒体，一浪接一浪，把传统媒体的商业模式冲得七零八落。那些坚守"我们是专业媒体，内容质量比用户生产的好"的机构，一个个在这场浪潮里缩水、裁员、消失。

又是同一个故事。技术改变了底层逻辑，大多数人只看到表面的工具替换，少数人看到了深层的规则重写。

三次革命，三次重演，间隔各约一百年，剧本一模一样。

今天，第四次正在发生

2022年11月，ChatGPT上线。五天内，用户突破一百万。两个月内，月活突破一亿。这个速度，互联网用了七年，智能手机用了三年，ChatGPT用了两个月。

然后呢？

大多数人的第一反应，我见过两种。

第一种："哇，这个东西会写文案，以后文案编辑要失业了。"然后打开AI，让它帮自己写了一篇推广稿，用了，觉得还不错，继续该干嘛干嘛。AI成了一个"更好用的打字机"。

第二种："AI要取代人类了，我的工作要没了，完了完了。"然后开始焦虑，刷各种"AI时代生存指南"，报了几个课程，学了一堆prompt技巧，工作流程还是没变，焦虑也没散。

这两种反应，本质上是同一种认知：把AI看成一个威胁或工具，而不是一个底层逻辑的重写者。

1780年代的纺织厂主，把蒸汽机当备用水车。2022年的我们，把AI当更顺手的文案工具，或者当洪水猛兽。一字之差的问题，这一次我们大多数人还是没问：有了AI，什么东西可以重新来过？

我们为什么会一次次犯同一个错误

这不是智商问题。那些守着河边不肯动的纺织厂主，不比我们笨；那些只换电灯的工厂主，不比亨利·福特少读书。问题出在人类大脑的两个根深蒂固的偏见上。

第一个叫现状偏误。大脑天然倾向于维持现状，因为改变意味着风险，维持现状意味着安全。这是进化留下来的本能：在资源匮乏、危机四伏的远古环境里，轻易改变既有行为是危险的。但在技术加速变革的时代，这个本能变成了负担。它让我们下意识地把新技术塞进旧框架，而不是用新技术重建框架。

第二个叫追求完美偏误。当一个新技术出现时，人们习惯于拿它和"完美状态"比较，而不是和"现有替代品"比较。早期蒸汽机故障率高、耗煤多，和想象中的"完美动力"差距很大，所以被认为不够好。早期AI会一本正经地编造事实，逻辑漏洞明显，被人嘲笑"连小学生都不如"。人们用这些缺陷作为理由，维持旧习惯，同时错过了技术正在指数级改进的事实。

这两个偏误加在一起，构成了一道心理防线：看到新技术，先找缺陷，再套旧框架，最后得出结论"还不如原来的"。每一次技术革命，这道防线让90%的人晚了整整一个时代。

AI历史上三次著名的专家误判

更有意思的是，犯这个错误的，不只是普通人，连专家也不例外。

第一次：1956年，达特茅斯会议正式提出"人工智能"这个概念。当时最乐观的预测是，二十年内机器将能完成人类能做的一切智力工作。结果AI进入了长达二十年的第一次寒冬。原因是什么？专家们低估了常识的复杂性。让机器下棋比较容易，因为规则明确；让机器理解"杯子放在桌子上"这句话里的空间关系，当时的技术根本做不到。

第二次：1997年，IBM深蓝击败国际象棋世界冠军卡斯帕罗夫。很多人预言，AI已经超越人类，通用智能指日可待。结果深蓝只会下棋，换一个稍微不同的棋盘格式，它就什么都不是了。专家们把"规则驱动的极致优化"误判为"通用智能的开端"。

第三次：2010年代初，深度学习崛起，图像识别准确率超过人类。有人宣布：AI已经能"看"了，医疗影像诊断会被彻底取代。结果AI在特定数据集上的表现确实惊人，但换一家医院的设备、换一个拍摄角度，准确率可能直线下滑。泛化能力，是当时深度学习最大的短板。

三次误判，有一个共同规律：把AI在特定任务上的出色表现，外推为通用能力的全面突破。这是另一种形式的"旧逻辑套新技术"——用人类认知的框架，去衡量一种运作机制完全不同的东西。

AI的本质，和你想的不一样

说到这里，必须说清楚一件事：今天的AI，能力的本质是什么。

简单说：大规模模式匹配，而不是思考。

ChatGPT这类大语言模型，是在数以万亿计的文本数据上训练出来的。它学会了语言的统计规律：在这个上下文里，接下来最可能出现什么词，什么表达方式最符合已有模式。它非常擅长在已有模式的空间里生成流畅、合理、看起来有逻辑的内容。

但它不理解因果。它不知道为什么A导致B，它只知道A和B经常一起出现。它没有常识。它不知道"玻璃杯从桌子上掉下去会碎"是因为重力和材料属性，它只知道这句话在语料库里频繁出现。它没有情感，没有意识，没有真正的价值判断。它是一台极其精密的模式提取和模式生成机器。

这既是它的能力边界，也是为什么它如此强大的原因。人类积累了几千年的知识、表达方式、解决问题的套路，都被它内化成了可以随时调用的模式库。在这个模式库足够大的前提下，它能做的事情多得惊人。

但有四件事，它永远做不到：

• 意识与主观体验： 它没有"我"的感受，没有好奇心，没有对某件事真正在乎的感觉。它输出的一切"情感"，都是模式匹配的结果。
• 真正的因果推理： 它能描述因果，不能理解因果。这一点在复杂的现实决策里，差距会被无限放大。
• 常识与物理直觉： 它对物理世界的理解，来自文字描述，而不是真实经历。这导致它在涉及具体物理场景的推理上，会犯匪夷所思的错误。
• 价值判断与道德责任： 它可以模拟伦理论证，但它没有真正的价值观。什么是对的，什么是值得做的，这个判断永远属于人。

这四条边界，不是技术缺陷，不会随着版本迭代消失。它们是当前AI架构的结构性限制。理解这一点，不是为了贬低AI，而是为了不被那些"AI无所不能"或"AI即将毁灭人类"的声音带跑偏。

90%的人，此刻在哪里

回到2026年，也就是我写这本书的时候。AI工具已经满天飞：写文案的、画图的、做视频的、写代码的，应有尽有。

大多数人用了多久？把它当成一个更快的搜索引擎，或者一个不收费的文案助手。工作流程没变，思考方式没变，对自己能做什么、不能做什么的判断，也没变。

这就是90%。他们用上了AI，却没有被AI改变。就像那些换了电灯的工厂，亮了，但流水线还是那条流水线。

我2022年也在这90%里。我用AI写过公众号文章，用AI生成过几张配图，觉得挺好用，然后就没了。直到2024年底，生意落幕，团队解散，被逼到角落，才真正开始问那个不同的问题：有了AI，我的工作流程里，哪些东西可以重新来过？

那一次重问，改变了后来的一切。但这是后面章节的故事了。

这一章我想说的只有一件事：每一次技术革命，90%的人都用旧逻辑看新技术。不是因为他们懒，不是因为他们蠢，而是因为大脑的现状偏误和追求完美偏误，让"重新来过"这个选项，在本能上就比"替换一下"难得多。蒸汽机时代如此，电力时代如此，互联网时代如此，AI时代，正在重演同一个剧本。

问题是，你想站在哪边？

今日行动

今天，做一个小小的自我诊断。把你目前用AI做的所有事情列出来。然后对每一件事问自己一个问题：我是在用AI替换一个旧工具，还是在用AI重新设计这件事的做法？

如果全部都是前者，不用懊恼。1780年代，那位纺织厂主也是从把蒸汽机当备用水车开始的。重要的是，从今天起，开始问那个不同的问题。

把你的答案写下来。这张清单，会是你接下来行动的起点。