本文來自微信公眾號： 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》，頭圖來自：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零工賺外快。在一些數(shù)據(jù)標(biāo)注平臺上，某些任務(wù)開出了每小時60美元的高價，這聽起來相當(dāng)誘人。
但很快，這份看起來輕松的“睡后收入”變成了一場噩夢。她被拉進各種強制性的線上會議，為了趕截止日期不得不熬夜到凌晨兩點。
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）”。僅僅做了幾個月后，Amanda就受不了退出了，并在今年夏天老老實實找了一份教書的工作。
在之前的文章中，我們介紹過Amanda的故事。但她并非個例。如今每天，一家名為Mercor的AI初創(chuàng)公司都要向多達3萬名外包人員支付超過400萬美元的薪水。他們花這么多錢，并不是為了找人給圖片里的汽車打標(biāo)簽，而是為了買下Amanda們大腦中最值錢的專業(yè)知識。
我們正處于一場史無前例的技術(shù)共謀之中。數(shù)以億計的職場人、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。我們以為自己買到了通向未來效率的門票，但事實的真相可能殘酷得多：
你正在被AI收割兩次。一次是你的錢，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)濟學(xué)獎得主肯尼斯·阿羅（Kenneth Arrow）曾提出過一個著名的“信息悖論”：在傳統(tǒng)市場里，賣家為了把信息賣出去，必須先向買家展示它；可一旦展示了，買家就相當(dāng)于免費占有了信息，再也不會付錢。
在阿羅的時代，權(quán)力掌握在買家手中，知識一旦泄露，賣家就輸了。
前幾天，微軟CEO薩提亞·納德拉寫了一篇文章，他引用阿羅的理論，指出AI帶來了一個致命的“反向信息悖論（Reverse Information Paradox）”。
在這個新世界里，規(guī)則完全反了過來。買家僅僅為了使用他們買來的AI產(chǎn)品，就面臨著泄露自身專有知識的風(fēng)險。你越是希望這個AI模型表現(xiàn)得像個行業(yè)頂尖專家，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時代的“雙重收割”：首先，你為了使用大模型支付了訂閱費或API調(diào)用費。其次，你付出了比金錢更有價值的東西，為了讓智能發(fā)揮作用而必須透露的專有知識。
你在對話框里敲下的每一次提示詞，你的智能體調(diào)用的每一個內(nèi)部API，尤其是當(dāng)AI胡說八道時你耐著性子給它做的每一次糾錯，都變成了納德拉所謂的“數(shù)字廢氣（exhaust）”。大模型就像一個不知疲倦的貪婪巨獸，把這些廢氣吸入體內(nèi)，悄無聲息地提煉成機構(gòu)的專業(yè)訣竅。每一次交互痕跡、每一次模型評估（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：技術(shù)客戶想要的是對自己計算能力和超額收益（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，人類創(chuàng)造了工具，工具又反過來塑造了人。在消費智能的過程中，你也在創(chuàng)造智能。只不過，你創(chuàng)造的價值最終并不屬于你，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)還沒有意識到。
二、當(dāng)人類最高精尖的頭腦被蒸餾
如果你覺得“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。
如今，那些在后臺喂養(yǎng)AI的，早就不是拿著微薄時薪的廉價勞工了。數(shù)據(jù)標(biāo)注正在一路向“價值鏈上游”狂飆突進。看看這些初創(chuàng)公司開出的招聘條件：
Mercor開出時薪225美元，只為招募一位能用流利希伯來語維持客服人設(shè)的配音演員。
他們還在全網(wǎng)搜羅專攻廣義相對論的物理學(xué)博士，以及在盧旺達初級醫(yī)療系統(tǒng)有三年以上經(jīng)驗的醫(yī)生。
馬斯克的xAI甚至要求應(yīng)聘的作家必須賣出過5萬冊小說，或者在頂級雜志上發(fā)表過10篇短篇故事。
這場針對高精尖大腦的收買極其狂熱。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，親手把自己的專業(yè)技能送進AI的碎木機。
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人的智慧。Mercor收購了一家名為Deeptune的公司，他們的目標(biāo)是搭建“訓(xùn)練環(huán)境”，直接克隆整個公司的運作機制。
比如，他們會精細(xì)地再造一個投資銀行的鏡像：一個人扮演客戶，其他人扮演投行銀行家，完全按照真實的業(yè)務(wù)分布來構(gòu)建場景。AI就在一旁靜靜觀察所有的互動。正如Mercor年輕的CEO Brendan Foody所說，理論上，AI隨后就能回答一個深刻的問題：“在高盛，他們到底在干什么？”
一旦AI懂得了高盛在干什么，高盛的員工接下來會面臨什么，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)?！薄Ｋ靡庋笱蟮卣f：“AI到我們這兒來，AI學(xué)會如何運轉(zhuǎn)世界?！?/p>
推到邏輯的極致，這就是我們未來的工作愿景：即使是高級員工，也會系統(tǒng)性地自動化自己執(zhí)行的幾乎每一項任務(wù)，直到最后，留給人類做的只剩下“訓(xùn)練AI”這一件事。而當(dāng)AI連訓(xùn)練都不需要的時候，大幕就徹底落下了。
三、代碼先死，代碼已死
在這場浩大的知識收割中，程序員群體可能是感覺最矛盾的，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。
著名程序員、Redis創(chuàng)始人Antirez（Salvatore Sanfilippo）最近在博客里說了大實話。作為一名老牌極客，他現(xiàn)在用DwarfStar框架以完全自動化的方式實現(xiàn)了DeepSeek v4和GLM 5.2的推理。
他在實踐中頓悟了一個殘酷的事實：代碼已死，對于大部分程序員來說，盯著代碼看已經(jīng)毫無意義了。
“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反問道。一天只有8個小時，如果你把時間花在逐行閱讀LLM生成的代碼上，你實際上是在擠壓今天最重要的工作：問自己這個軟件到底要做什么，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寫代碼的問題時，我們常常陷入“顯性知識vs隱性知識”的俗套。但代碼之所以成為第一個被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“零驗證成本”的極度特殊性。
想象一下，AI寫了一份法律合同，這份合同好不好？需要資深律師花幾個小時去字斟句酌。AI開了一份醫(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)驗去評估。
但代碼不同。一段代碼能不能跑、有沒有Bug、性能達不達標(biāo)，編譯器和測試腳本在幾毫秒內(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)”可以完全以機器的速度運轉(zhuǎn)，生成、編譯、測試、修正，全程不需要任何人類評估者的介入。
正因為驗證成本為零，代碼成了最先被蒸餾干凈的知識領(lǐng)域。
這也帶來了一個極具歷史縱深的哲學(xué)倒轉(zhuǎn)。1984年，計算機科學(xué)泰斗Donald Knuth提出了著名的“文學(xué)編程（Literate Programming）”理念。他認(rèn)為，代碼首先是寫給人類閱讀的散文，給機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寫一個用人類語言描述的DESIGN.md文件，里面包含數(shù)據(jù)結(jié)構(gòu)的思想、實現(xiàn)技巧和設(shè)計思路。在未來，你想修改軟件？你只需要打開文件，讀懂設(shè)計，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。控制思想，而不是代碼，將是技術(shù)人員在這場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”
個人面臨著職業(yè)消亡的危機，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)對經(jīng)濟衰退的臨時手段，而變成了一種被稱為“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個崗位；Cloudflare在營收增長超30%的情況下，依然裁掉了超過20%的員工；思科也在創(chuàng)紀(jì)錄的營收下裁員近5%。
企業(yè)一邊進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算力和模型購買中。高管們陷入了極度的不確定性和競爭焦慮中，正如哈佛商學(xué)院教授Joseph Fuller所言，CEO們極度害怕：如果自己只做漸進式的改變，而競爭對手全力押注AI，他們可能一覺醒來“還沒開球就以0比21落后了”。
商業(yè)內(nèi)幕網(wǎng)站把這種趨勢稱為“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。因為AI不斷地蒸餾，就會有人不斷地離開，組織也要不斷地調(diào)整。
這種將AI視為萬靈藥的“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)歷了長達“地獄般的28天”的裁員等待后，終于收到了解雇通知，她坦言“與其說是痛苦，不如說是解脫”。
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無法完全勝任，被迫重新招人時，那些長期共事培養(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)實際上需要更多（而非更少）對公司流程、市場、競爭對手和行業(yè)法規(guī)有深厚語境理解的人。“你需要留住那些懂行的人，”Fuller教授警告說。
這也正是納德拉最深層的擔(dān)憂。他堅信，人力資本不會隨著AI能力（Token資本）的增長而貶值，反而會變得更加寶貴。如果沒有人類的主體性去設(shè)定目標(biāo)、跨領(lǐng)域連接盲點、識別模式，“算力只會在原地打轉(zhuǎn)”。
如果我們放任所有企業(yè)都向少數(shù)幾個吞噬一切的大模型輸送價值，社會將重演第一波全球化帶來的悲劇。當(dāng)年，整個工業(yè)經(jīng)濟因外包而空心化，表面上GDP數(shù)字光鮮，但人的流離失所和產(chǎn)業(yè)的斷層是真實的。
在AI時代，如果少數(shù)幾個系統(tǒng)攫取了所有經(jīng)濟回報，而整個行業(yè)眼睜睜看著自己的知識被商品化并從腳下抽走，那是極其危險的。
五、祛魅大模型：你買到的其實只是“商品化智能”
要打破這種雙重收割的焦慮，我們首先需要對現(xiàn)有的AI大模型進行祛魅。
不要被科技巨頭造神般的“通用人工智能（AGI）”敘事所洗腦。美國學(xué)者Venkatesh Rao一針見血地指出，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。它們就像金融市場里的指數(shù)基金，承載的主要是高范式、高共識的常識。
為什么大模型能解開OpenAI宣稱的“80年數(shù)學(xué)難題”？因為它不是在真空中創(chuàng)造知識。
Rao提出了一個極其精妙的“LBB弧線（Labatut-Lovecraft-Ballard arc）”來解釋知識的生命周期：
Labatutian（拉巴圖特階段）：當(dāng)新知識剛剛誕生時，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數(shù)學(xué)難題時。
Lovecraftian（洛夫克拉夫特階段）：知識開始向外擴散，更多人接觸到它，帶來一種令人不安的認(rèn)知重構(gòu)。
Ballardian（巴拉德階段）：知識被社會完全消化、馴化、文明化，變成了雖然龐大但平庸的教科書常識。
請記住這個殘酷的機制：大模型的“蒸餾”從來不發(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。那些被人類數(shù)學(xué)家花了80年時間退火、整理成熟悉的數(shù)學(xué)領(lǐng)地的知識，才是AI大展拳腳的飼料。
用巴拉德式數(shù)據(jù)訓(xùn)練出來的AI，高度商品化、穩(wěn)健，但也極其平庸。這就是為什么，當(dāng)Rao試圖用自己過去的優(yōu)質(zhì)文章訓(xùn)練個人人格的機器人時，發(fā)現(xiàn)它表現(xiàn)得全知全能卻毫無品味，對所有話題都展現(xiàn)出一種毫無感情的“來者不拒”。因為它身上滲透了太多這種同質(zhì)化的商品化智能。
認(rèn)識到這一點，你會驚出一身冷汗：把企業(yè)或個人最珍貴的專有知識喂給這種商品化模型，無異于用你獨一無二的稀缺資產(chǎn)，去換取菜市場里廉價的大宗商品。
六、奪回主權(quán)：如何在這個時代幸存？
面對這場浩大的知識收割，我們并非毫無還手之力。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)必須建立一個堅不可摧的“信任邊界”。
在這個邊界內(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)真正的機會，不是像賭博一樣去猜測明天哪個大模型會贏，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：
控制評估（Evals）：建立私有的評估體系，因為只有組織內(nèi)部才能定義什么是“好”。
保留記憶的所有權(quán)：把交互痕跡、決策語境和機構(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”專業(yè)知識也依然存在。
當(dāng)人力資本和Token資本在這個封閉的循環(huán)中不斷交織，你就能創(chuàng)造一臺不斷攀登高峰的“爬山機器（hill climbing machine）”。這，才是別人偷不走的復(fù)利。
2.個人的反擊：識別“不可蒸餾之物”，永遠向前
這兩年，硅谷一直在宣揚一個觀點：品味就是我們在AI時代的護城河。那么，AI會不會最終連我們的“品味”和“判斷力”也一并蒸餾了？
答案是：會，但它只能蒸餾你過去的品味。
社會學(xué)家Harry Collins曾指出，隱性知識并不都是一樣的。有些隱性知識是關(guān)系性的（存在于師徒與人際互動中），有些是集體性的（存在于團隊協(xié)作中）。這些知識根本不活在文字里，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”，恰恰是大模型這個文本吞噬者永遠吸不到的至寶。
至于那些能夠被文本化、被表達出來的品味和經(jīng)驗，當(dāng)它們被足夠多人討論并寫下來時，就跌入了Ballardian階段，變成了可以被蒸餾的商品。
但這正是人類最偉大之處：當(dāng)舊的品味被AI商品化時，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。
AI的蒸餾，永遠只能追趕人類知識的殘渣，而無法觸及創(chuàng)新的原液。我們的樂觀并非建立在“我擁有AI學(xué)不會的絕技”這種脆弱的靜態(tài)防御上，而是建立在“前沿永遠在移動”的動態(tài)現(xiàn)實中。
這場由AI驅(qū)動的技術(shù)變遷，不同于以往的任何一次平臺轉(zhuǎn)移。這是我們第一次在人與數(shù)字系統(tǒng)之間，創(chuàng)造出真實的認(rèn)知循環(huán)。
在這個循環(huán)里，你要么成為主導(dǎo)者，將AI變成你復(fù)利增長的杠桿；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。停止與機器糾纏細(xì)枝末節(jié)，控制你的思想，守護你的邊界。只有這樣，在這場名為“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。