AI 越强人越忙？说好的每周工作 15 小时，为什么我们却被 AI 卷成了永动机

1930 年，凯恩斯在《我们孙辈的经济可能性》里写下了一个著名的论断：

随着自动化与技术进步，人类有望在 21 世纪迎来每周 15 小时的工作制。

当时的经济学家对科技进步有着美好的期待——当「经济问题」差不多解决后，人类将要认真面对「如何使用自由时间」的难题：科学与复利为我们赢得了闲暇，接下来就要学会如何享受假期。

时间轴推到今天。当初的预言已经接近百年关口，事情发展的方向却完全相反：不少人——尤其是高收入岗位——工作时长不降反升。

技术并没有失灵，恰恰是因为它太灵了、而且人人可用。当工具的威力被普遍获取，竞争的赛道就被整体抬高。于是我们并没有得到更多休息，反而被卷入更密集、更持续的加速当中。

IndieHackers 的联合创始人 Channing Allen 把这种机制概括为：「杠杆悖论」（The Leverage Paradox）。

随着生成式 AI 的兴起，这个悖论甚至加上了涡轮：杠杆更长，赛道更挤，节奏更快。

技术进步，人反而更累？

所谓「杠杆悖论」，简单来说就是：

新技术给了我们巨大的杠杆，却也把我们丢进了竞争环境。理论上的效率提升了，但在现实中你为了不被超越，只能付出同等甚至更高的努力。

一个很容易理解的类比是：从楼梯到自动扶梯。

• • 过去，你要一阶一阶地往上爬：自己码字、自己画图、自己剪音频、自己写代码，费劲是真费劲，但上限也被体力/时间牢牢钉住。
• • 现在，AI 把楼梯变成了扶梯，看起来轻松许多——但所有人都能踏上这部扶梯。它跑得更快、伸得更高，人一多，想要往前超越你就不能站着不动，甚至要比以前在楼梯上跑得更快。

技术进步带来的收益，没有被转化为空闲，而是变成了我们军备竞赛中的武器。

这不是个别现象，而是有很多类似的案例：

• • 杰文斯悖论（Jevons’ Paradox）：效率提升不一定降低总消耗。煤炭更高效，结果是更便宜、更好用，于是用得更多。AI 把「创作能耗」拉低，产出就指数膨胀——节省下来的不是空闲，而是被新产出吞没。
• • 诱导需求（Induced Demand）：高速公路越修越宽，拥堵并没有消失，而是被新流量迅速填满。信息高速路同理。
• • 红皇后竞赛（Red Queen’s Race）：生物进化是永无止境的竞赛，你得拼命奔跑才能留在原地。AI 时代的个体与组织，大多在这台跑步机上——不断学习、不断迭代，只是为了让自己不掉队。

这就是「杠杆悖论」：技术进步提高了效率，抬高了下限，但水涨船高之下也加剧了竞争。

理解了这一点的人，会在扶梯上持续加速，成为少数能登顶的成功者；而那些觉得技术进步会像「自动扶梯」一样默认登顶的人，很容易在拥挤中被边缘化。

「AI 废料」汹涌：你以为在堵车，其实你就是车流

AI 时代最直观的副产物，是随处可见的 AI Slop（AI 废料）：成本极低、产量极大，质量却乏善可陈。

它们看起来像作品、像文章、像视频、像应用，但缺乏辨识度与灵魂。

你肯定已经见过这些画面：

• • 搜索结果页里，低质量 SEO 农场文章铺天盖地，拼接与缝合占据了知识入口。
• • 社交媒体上，审美趋同的「XX 风」图像源源不断，第一眼惊艳，第二眼开始疲倦。
• • 评论区被千篇一律的模板话术充斥，真实交流被稀释。
• • 短视频平台涌现「剪素材 + AI 配音」的流水线账号，复制与传播都飞快，价值密度却极低。

在代码世界里，也有类似的案例。

有开发者分享：他仅仅用一次调用就让模型重构整个代码库——25 次工具调用、3000 多行新代码、12 个新文件。

模块化、拆分单体、清理代码样样齐全，但就是跑不通；看上去干净漂亮，工程上一地鸡毛。

这，正是「AI 废料」的典型质感：像那么回事，却用不起来。

更隐蔽的情况是：我们每个人都可能在不知不觉中参与了生产。

为了节省时间，我们把构思、判断、打磨全丢给模型，结果自己也变成了「流量的一份子」。

你不是被堵在车流中，你本身就是车流的一部分。

抵抗这种诱惑并不容易：需要在拥抱新工具的同时，仍然投入和过去同等甚至更多的思考与审稿。

如何破局？把 AI 当「力臂」，但别忘了你才是「支点」

AI 看似是普惠平权的，但对于想要追求成功和卓越的人来说，其实加剧了竞争。想要在 AI 时代脱颖而出，不妨认真思考下面两条建议。

一、拥抱「百遍打磨」的工匠路线

生成式 AI 能在几秒钟给你一个质量尚可的初稿——这部分成本几乎归零。正因如此，最后那 10% 的加工与打磨，价值被无限放大。

AI 不是努力的替代品，而是努力的倍增器。

• • 写作者：把机器稿当作素材，注入自己经历、体验、判断和那些独一无二的东西。
• • 开发者：让模型干杂活，但自己做架构师。重构、压测、边界条件、失败场景，一个步骤都别跳过。
• • 设计师：让 AI 快速给你十个 demo，但最后的成品必须是你根据自己的品味选出来的。

核心理念是：把 AI 的输出当作半成品。能不能把它转化为真正的作品，取决于你愿不愿意花更多时间去思考和打磨。

二、成为一头「紫色奶牛」

营销专家 Seth Godin 曾经讲过一个直白的比喻：再漂亮的奶牛，看多了也会麻木；但如果有一头紫色的奶牛，人们就会记住它。

AI 是一个同质化机器，越容易批量生产，越需要主动制造差异。

吉卜力风格的图像是牛，AI 生成的文章是牛，大多数视频是牛，AI 产出的代码和应用也是牛（想想经典的 vibe coding 蓝紫配色就知道了）。

需要注意的是，「与众不同」并不需要「技术更强」，只需要和别人差异化就行。

「一头紫色的牛」可以是：

• • 明确的个人风格：哪怕有点怪、有点不完美，也能成为记忆点。
• • 真实与幽默：在礼貌而空洞的 AI 腔调里，一点笨拙反而更像人。也许一封自己写的、有点瑕疵的信，反而比 AI 打磨得更流畅的模板，回复率更高。
• • 极致的性能与体验：在臃肿迟缓的应用海里，毫秒级响应就是魔法。
• • 超级细分的利基市场：进入门槛被 AI 拉低后，过去「太小而不值得做」的市场开始变得可行。从前没法撑起业务，如今用 AI 去搭页面、跑客服、做外联，就有了尝试的空间。

能被商品化的一定会被商品化。唯一难以被复制的，是你的品味与故事。

结语

回头看凯恩斯的预测，错误并不在于对技术的乐观，而在忽视了永远存在的竞争。

技术能让「相同的产出」更省力，但我们也抬高了「成功」的定义，去追求更多、更好、更快。

AI 的自动扶梯没有帮我们悠闲登顶，而是把竞赛的终点线推得更远。

杠杆悖论提醒我们：当人人都有杠杆，关键不再是「你有没有工具」，而在你把支点放在哪里，杠杆往哪撬。

AI 加速了平庸的扩散，同时也把卓越的边界抬得更高。看似门槛降低了，其实成功却难了。

不管 AI 多强，有件事不会变：人们永远需要在现实世界里寻找并实现自己的目标与意义。

最终留下来的，不是最会写 prompt 的那一批，而是那些能克制一键生成的诱惑、敢于保持独特、愿意多做九十九遍的人。