在AI引发的认知缴械中，我们失去的将不仅仅是能力

图片

腾讯前沿科技论文解读专栏，在代码与商业的交汇处，寻找AI的确定性。

文｜博阳 彭超

编辑｜徐青阳

很多人第一次意识到 AI 可怕，不是因为它会写代码、画图、做 PPT。

而是某一天，你面对一个稍微复杂的问题，大脑还没来得及展开，手已经伸向了 ChatGPT 或 Claude。一个观点还没形成，AI 已经替你列好了结构。一份报告还没读完，AI 已经告诉你重点、逻辑和结论。

AI 替你省下了思考的力气，也拿走了抵达答案之前那段笨拙、缓慢、痛苦但必要的过程。犹豫、试错、绕远路、在死胡同里徘徊，最后突然把两个线索接上的那一刻，都被折叠了。

这个感觉现在已经被越来越多的验证了。

宾夕法尼亚大学沃顿商学院的学者 Steven Shaw 和 Gideon Nave 将这种微妙的心理状态精准地命名为「认知缴械」（Cognitive Surrender）。

在他们 2026 年发表的研究《思考——快、慢与人工智能：AI 如何重塑人类推理与认知缴械的崛起》中，两位研究者提出了一套“三系统理论”（Tri-System Theory）。在传统的认知心理学双系统模型中，System 1 代表直觉的、快速的反应，System 2 代表深思熟虑的、缓慢的逻辑推理。

而现在，AI 正在强势介入，成为一种在大脑之外运行的外部人工认知系统，System 3。

他们做了个实验。1,372 名参与者被要求完成 9,593 次认知反射测试（Cognitive Reflection Test, CRT）类的推理题。这类题目的特殊之处在于，它们往往有一个极具迷惑性的直觉答案（诱导 System 1 犯错），需要参与者主动调动深层思考（System 2）来推翻直觉。

在实验中，是否使用 AI 辅助是可选的，结果显示，参与者在超过一半的题目中主动选择了向 AI 咨询。

研究者通过后台隐藏的提示词，随机控制了 AI 给出答案的准确性。结果一旦开启 AI 辅助，参与者中90%都按照 AI 的正确建议答了题；而当 AI 给出错误答案时，依然有80% 的人选择了盲从。

图片

在这里，这种对直觉和深思熟虑的双重压倒，正是「认知缴械」的行为学特征。

AI 不光替你做了回答，也让你放弃了「是否还需要继续思考」的判断权。

01

人类文明本就是一部能力外包史

如果把历史的镜头拉远，我们就会发现，AI 并不是第一个让人类陷入「丧失能力」恐慌的工具。

事实上，将能力外包给外部介质，本身就是人类文明演进的底层逻辑。

古希腊时期，苏格拉底就曾强烈反对文字的普及，认为将知识记录在羊皮卷上会摧毁人类记忆的内部肌肉。 

这其实并不是杞人忧天。

2020 年，Louisa Dahmani 和 Véronique Bohbot 在《科学报告》（Scientific Reports）上发表了关于 GPS 使用与空间记忆相关性的深度研究。他们追踪了常规驾驶者的 GPS 使用和空间记忆。结果显示，越习惯使用 GPS，人在没有导航时的空间记忆越差。研究者还提醒，这不只是「方向感差的人更爱用 GPS」，更可能是 GPS 依赖本身让空间记忆退场。

GPS 并没有摧毁人类的整体智力，导航软件的普及甚至极大地提升了整个社会的物流和出行效率。但它确实不可逆转地削弱了人类在物理世界中建立认知地图的具体能力。

图片

但退场也不等于清零，而是意味着转移。

2011 年，哥伦比亚大学的 Betsy Sparrow 及其合作者在《科学》（Science）杂志上发表了一篇论文《Google 效应对记忆的影响：信息触手可及的认知后果》。

通过四项精心设计的实验，研究团队发现了一个现象。当人们面对困难问题时，他们的大脑会被启动，下意识地想到计算机和搜索引擎。而且，当人们潜意识里知道某项信息未来可以通过网络轻松找到时，他们记住这条信息本身内容的概率会显著降低；相反，他们记忆力被强化的地方在于“去哪里以及如何找到这条信息”。

搜索引擎没有清空记忆。它改变了记忆形态。

人从记住内容，变成记住入口。

从古至今，正是这种工具形式的外包和能力缴械，造成了文明前进的一种动力。

人类把消化能力交给火，把切割、搬运和打击交给了工具，把记忆交给了文字，把计算交给计算器，把信任和协作交给了规则制度。

图片

人并不是靠把所有能力都保存在身体和大脑内部而成为文明动物，相反，人正是通过不断把能力迁移到体外，迁移给工具或者群体，才构造出更复杂的文明。

那这不是好事儿吗？我们只要任由工具继续进步即可。

但社会学和哲学多年来的研究，证明这一过程并非毫无代价。

它最大的代价就是人的异化和我们后工业时代逐渐加深的时代病。

02

认知缴械的历史代价

从刚才的能力外包过程中，我们可以发现记忆具体内容能力被工具外包，人们开始去训练如何高效的去搜索。

工具接管什么，旧能力就退场。人也会把能力改造成新的形态。

如果工具替我们省下了某些能力，这些被释放出来的认知带宽，最后去了哪里？

转向了纵深和碎片化。

技能外包与人的异化

1974 年，哈里·布雷弗曼 在其经典著作《劳动与垄断资本》（Labor and Monopoly Capital）中，剖析了资本主义劳动过程中的「去技能化」现象。

布雷弗曼指出，现代管理科学（如泰勒制）的核心动作之一，就是残忍地将劳动的「构思」与「执行」彻底剥离。

在前工业时代，一个铁匠或木匠掌握着一件物品从设计、选材到打造、打磨的完整生命周期，知识和动作是统一在手工艺人身上的。

但随着工业化和垄断资本的推进，这个完整的流程被拆解成了无数个可被精确测量、可被标准化管理、可被随时监督和替换的碎片化环节。

我们的认知，也因此被拆分成细碎的方向。其余的或者外包给工具，或者外包给他人。

整体性已不复存在。这其实正是马克思主义意义上的异化。

对马克思而言，劳动并不只是谋生手段。人通过劳动把自己的意图、判断、技巧和想象力对象化到世界之中。一个人造出一张桌子、一把椅子、一件器物，他不只是获得一个产品，也在这个产品中确认了自己的能力：我理解材料，我能组织过程，我能把一个想法变成现实。 

但当劳动被极端分工切开之后，这条自我确认的回路断裂了。劳动者不再面对一个完整的造物，而只面对流程中一小段被测量、被监督、被替换的动作。他参与了生产，却不再真正拥有生产过程；他创造了价值，却越来越难知道这个价值与自己有什么关系。

于是，产品不再是人的能力的外化，反而变成一种陌生的东西。它属于资本，属于工厂，属于市场，属于管理系统，却不再像是劳动者自己的生命活动。人和自己的造物之间，被工资、流程、机器、管理和所有权隔开了。

Braverman 对泰勒制的批判，正是把这种异化推进到劳动过程内部，资本不只是占有产品，还要占有「如何生产」的知识。

构思被管理层拿走，执行被工人留下。劳动者由此失去的不只是完整产品，更是对自身能力的整体支配。

完成外包所必需经手的步骤，就是能力外包和认知缴械。它让生产出的结果反过来代表我、评价我、支配我，而我却不再能在其中确认自己时，它就成为异化。

而这种异化，在20-21世纪的路径上一直在持续加深。

分工开始极端化向着一侧迈进

到了20世纪后半页，随着计算机技术的兴起，人需要被社会需要的碎片化环节发生一种更极化的转移。

2003 年，麻省理工学院的 David Autor、Frank Levy 和 Richard Murnane 在《经济学季刊》（The Quarterly Journal of Economics）上发表了一篇极具影响力的论文《近期技术变革的技能构成：一项实证探索》。

这项研究通过对 1960 年至 1998 年劳动力市场海量数据的分析，提出了一个核心判断，计算机技术（作为一种资本投入）对于人类劳动的替代并非是无差别的。它会无情地替代那些「常规的认知和体力任务」，也就是那些可以被拆解为明确规则、可被算法和代码表达的程序性工作。

但与此同时，计算机技术会强烈地补充和需求「非常规的分析和非常规的互动任务」，例如复杂的沟通、模糊问题的解决、以及对技术输出的解释。

Autor 团队的发现意味着，技术外包在20世纪中，不是让人不再劳动，而是把人推向更抽象、更不稳定、更难退出的任务。

你不用手工整理数据了，但要解释数据。你不用记路线了，但要判断平台规则。 

工具的兴起，让更抽象、更制度化、更难退出的思考成了我们技能锻炼的核心。

 这带来了两个我们现在耳熟能详的时代病症。一是疲惫、另一个是安全感的丧失。

首先是疲惫，更复杂的工作必然带来更大的消耗，而且随着这种转移，工作日中的低负荷环节被不断抽走。那些无聊、重复、机械、看似低效的任务，曾经在复杂劳动之间提供了一种天然的脑力缓冲。它们让人从高强度判断中暂时退出来，以较低功耗完成一些仍然必要的工作。

当人的劳动越来越被窄化为连续的复杂认知任务，这种缓冲就消失了。你不再是在轻重任务之间交替，而是从一个需要判断的会议，跳到一个需要解释的数据，再跳到一封需要拿捏语气的邮件，最后进入一项需要承担后果的决策。

这正是哈特穆特·罗莎所说的「社会加速」在日常工作中的具体形态。技术本来承诺节省时间，但节省下来的时间并不会自然变成闲暇，而会被更高频的任务、更快的响应、更密集的沟通重新填满。

疲惫正是在这里生成的。不是因为每一项任务都极其困难，而是因为几乎每一项任务都要求你保持清醒、理解语境、做出判断、协调他人，并对结果负责。

图片

其次是不安全感。随着分工不断细化，人类自身价值的定义也被急剧窄化。你值不值钱，越来越取决于你能不能在某套局部系统里持续输出可计量结果，能不能接更多单，能不能更快响应，能不能写出更漂亮的周报，能不能适应更多工具，能不能在评价系统里表现成一条向上的增长曲线。

人的能力被绑定到越来越狭窄的场景里。一个人要么被迫保持完全灵活，随时接受低技能、低保障、可替换的任务；要么被钉死在一个高度专业化的岗位、行业或平台规则中，把全部训练押注在一个越来越小的价值坐标上。

 鲍曼在《流动的现代性》中，描述的正是这种安全感的瓦解。在更早的工业社会里，人也许被工厂、单位、阶层和职业牢牢固定，但这种固定至少提供了一种可预期性。你知道自己被什么束缚，也知道自己依靠什么生存。

而当下，你只能与一个行业、乃至一个岗位本身同生共死。

而不幸的是，岗位被技术吞没的速度越来越快。流动变得几乎不可避免。

图片

21世纪，向界面的窄化

当时间来到21世纪，这种窄化的、被驯化的适应社会评价体系的能力，甚至窄化到了接口层。

2016 年，技术民族志学者 Alex Rosenblat 和 Luke Stark 发表了一项关于 Uber 司机的研究。在他们的研究中，Uber 等网约车平台的出现，彻底重构了司机的技能树。Rosenblat 和 Stark 在研究中发现，他们的新技能，变成了读懂平台。什么时候上线，哪里等单，热区是否可靠，什么订单不划算，评分如何影响后续派单，这些东西构成了新的街道。

这些被逼迫着窄化的新生技能，变成了一种极其狭隘的、高度依附于特定数字环境的「平台依赖型技能」。

它比细分行业本身更无可救药的脆弱。

一个前工业时代的木匠，他掌握的是对木材纹理的理解、对榫卯结构的物理直觉。这种技能是属于他个人的，也是面向整个物质世界的。即便他换了一个村庄，换了一套工具，只要木头还在，他的技能就永远有效，永远可以兑换生存资源。 

但是，一个精通「养系统」的外卖骑手，或者一个极擅长揣摩动态定价的网约车司机，他们引以为傲的复杂技能，却仅仅依附于几家科技公司的服务器。

这种技能不具有任何跨越平台的迁移性。

图片

在整个20-21世纪时，异化也借由这种由科技带来的外包逐步向着更窄、更碎片化的自我狂奔。

泰勒制把生产过程从人身上拿走，计算机化把常规任务从人身上拿走，平台化把行动环境从人身上拿走。

但人在每一轮里，仍然被迫在剩余位置上形成某种新能力。

而AI，带来的并不是这一方向的继续演进，而是一种全新的异化。

03

AI的新异化

如果说泰勒制把人压缩成生产流程中的手，计算机化把人推向更抽象的解释和协调，平台化把人训练成算法接口里的适应者，但每一次外包之后，人仍然会被迫在剩余位置上形成某种新的能力。

文字削弱记忆，却强化阅读、解释和书写；搜索引擎削弱内容记忆，却强化检索、筛选和判断来源；平台算法削弱对真实城市的掌握，却逼迫司机和骑手学会读懂系统、规避规则、养出自己的数据画像。

他仍然可以说，我懂这个系统，我掌握这套规则，我有一套经验，我知道该怎么做。

这也许是现代人在高度分工社会中残存的最后一点安全感。

完整的造物已经没有了，完整的过程已经没有了，稳定的环境也逐渐没有了，但人至少还可以抓住一种东西，即我会、我懂、我判断过。

这是我的能力。

但 AI 开始让这层安全感松动。

思维过程的坍塌

第一个倒下的是怀疑。

怀疑是认知主体性的第一道防线。一个判断之所以真正属于我，不是因为它从我的账号发出，而是因为它曾经被我追问过、抵抗过、检验过。

沃顿商学院「认知缴械」的实验揭示的，正是这种防线如何被 AI 提前关闭。人并不是在充分比较之后选择相信 AI，而是常常在 AI 给出一个流畅、完整、自信的答案之后，就停止了继续追问。

AI 最危险的地方，不是它会替你想，而是它会让你觉得已经想过了。

第二个倒下的是整合摩擦。

搜索引擎时代，人已经开始把内容记忆外包出去。但搜索仍然保留了许多学习摩擦：你要点开网页，比较来源，识别偏见，筛选材料，把冲突的信息重新组织起来。

这些动作看起来低效，却正是学习发生的地方。

沃顿商学院的 Shiri Melumad 和新墨西哥州立大学的 Jin Ho Yun 在 2025 年发表于《美国国家科学院院刊》（PNAS Nexus）的一项大规模研究，他们做了 7 个实验，样本超过 10000 人。参与者用 LLM 总结或网页搜索学习一个主题，然后写建议。

结果是，LLM 组报告学习更浅，写出的建议更短、更泛、更少事实引用。独立读者也认为，LLM 组建议更少有用、更少可信。

这说明，搜索的麻烦本身是一种学习摩擦。搜索保留了混乱，混乱迫使你参与，摩擦迫使你判断，来源之间的不一致迫使你整合。

LLM 则把这些东西压缩成一个顺滑答案。它拿走的不只是麻烦，也拿走了学习嵌入主体的路径。

图片

你的认知就是提问、求证、怀疑、判断、整合的综合。

在不再怀疑，不再自我整合知识，求解答案之后，认知的参与几乎就完全消失了。

麻省理工学院媒体实验室（MIT Media Lab）的 Nataliya Kosmyna 团队进行了一项研究《你的大脑在 ChatGPT 上的反应》（Your Brain on ChatGPT）。这项研究不再仅仅依赖问卷或行为观察，而是直接使用了脑电图（EEG）技术，来窥探在使用 AI 时，人类大脑内部究竟发生了什么。

研究团队将参与者分为三组：纯脑写作组、传统搜索引擎辅助组，以及 LLM（ChatGPT）辅助组。当参与者在撰写关于复杂话题（例如什么是幸福）的文章时，EEG 数据显示，LLM 组在任务中的神经连接和大脑激活模式显著更弱，其神经连接比纯脑组减少了高达 55%。

更可怕的是，在随后的回忆测试中，LLM 组表现出了极差的记忆力，高达 83% 的参与者甚至无法引用他们刚刚「写」出的文章中的句子，他们对自己生产的内容也缺乏基本的归属感。

图片

参与者「写」出了文章，却难以引用自己的句子，也缺乏对内容的归属感。

这正是认知产品和认知参与之间的脱钩。

之后，就是放弃思考过程的后果，能力形成过程的丧失。

能力形成并不是 AI 异化的全部，但它是现代人抵抗异化的最后凭据。

在一个被分工、岗位、平台、工具链不断窄化的社会里，人还能用「我会」来确认自己。我会写，我会判断，我会调试，我会理解一个系统，我能在错误中找到原因。

2026 年，来自顶尖 AI 研究机构 Anthropic 的研究员 Judy Hanwen Shen 和 Alex Tamkin 发表了一项关于 AI 如何影响程序员技能形成的深度研究。这项研究切中了现代职场最大的痛点：用 AI 提效，是否等同于个人能力的提升？他们让 52 名有 Python 经验但没用过 Trio 的开发者学习一个陌生异步库。AI 辅助组完成任务后，看起来并不差。但在后续闭卷测验里，他们平均低 17%，差距最大的是调试能力。

这说明，完成任务和形成能力不是一回事。

AI 的问题，不是让人永远不能学，而是让学会这件事看起来越来越不必要。

AI 之后，你仍然可以拥有结果，甚至拥有更多结果。更多文本，更多方案，更多总结，更多代码，更多判断，但这些结果不再必然意味着你经历过相应的形成过程。

该图片疑似AI生成

图片

定义AI的异化

到这里，我们才真正可以命名 AI 带来的新异化。

它不是简单的能力退化，也不是普通的效率提升，而是认知成果和主体形成过程之间的断裂。

人拥有越来越多「自己的」认知成果，但却越来越少在这些成果中确认自己。

泰勒制让人变成生产流程中的手。AI 则可能让人变成认知流程中的签名。它不再需要完整的你，它需要的是你的确认、署名、提交、偏好、背书和责任承担。

图片

这才是 AI 认知缴械真正的历史位置。

它不是工具外包史上的又一次省力，而是异化从劳动过程深入到思想生成过程的一刻。

人类第一次大规模拥有了「像是自己的思想成果」，却越来越难确认，这些成果是否真的曾经经过自己、改变自己、成为自己。

难以成形的解法

为了阻止这种异化的真正发生，2026 年，Xu 等人在题为《认知主权让渡》的论文中提出了一个方法：脚手架式认知摩擦。

一个真正优秀的 AI 系统，应该在交互中刻意制造合理的认识论张力，甚至扮演『计算魔鬼代言人』的角色，来打断人类下意识的直觉依赖。 

好的工具必须制造适当的阻力，强迫人类保留提出问题、寻找证据、保持怀疑和做出最终判断的主动权。

图片

但你会用一个有阻力的AI，还是会用一个干活儿更快的AI呢？一个想要业务更创新高的公司，又会选择哪一种产品呢？

对于当代的用户来讲，答案似乎不言而喻。 

AI 的新异化并不是由 AI 单独造成的。它需要三个条件同时成立。 

因为异化的引擎振声隆隆，一刻也不会停息。

我们似乎步入了一条绝望的路径。

当认知主权被 AI 全面接管，人类似乎注定要沦为算法豢养的宠物，在零摩擦的温水里逐渐失去所有直面真实世界的能力。

04

异化的引擎

在我青年时期，想象技术解放人类时，脑海中浮现的往往是古希腊哲学家在雅典学院漫步的闲暇画面：机器代替人去劳作，人则退回书斋，去从事纯粹的思想、艺术和公共生活。

但现实的引力截然不同。技术确实替我们省下了做旧任务的时间和脑力，但这部分被释放出来的「认知带宽」，并没有以一种无条件的形态回到普通人手中。相反，它几乎是在被释放的瞬间，就被现代社会飞速运转的新任务、新系统和新评价标准重新吸走。

机器提高了产能，于是工人被要求服从更精确的工厂节奏；计算机提高了处理速度，于是白领被要求承担更多沟通、解释和协调；平台提高了匹配效率，于是劳动者被要求更快响应、更准适配、更彻底地服从评价系统；AI 提高了认知产出速度，于是人被要求提交更多方案、更快做出判断、更少犯错、更持续在线。

技术本可以释放人，但增长社会不会允许释放出来的东西空置。于是，每一次解放都会被重新编码为义务。

图片

前面的实验只能说明一件事：人在低摩擦 AI 面前存在认知缴械的倾向。但倾向并不等于命运。真正把这种倾向变成社会结构的，是增长社会。

在增长和效率最大化的组织逻辑中，更快的工具不会自动释放人，而会立刻被重新编码为更高产出、更快响应、更少错误和更多责任。AI 因此不是异化的充分原因，而是增长引擎深入认知生产过程的放大器。

AI真正带来异化的前提，是我们默认了增长主义那套理论，将「追求效率最大化」当成人类生存的绝对本质。

对增长和效率的狂热，才是异化的真正引擎。

异化的引擎，发动的很晚

但这种对效率的追逐并不是历史的全部，而是现代社会在很短一段历史中训练出来的集体人格。

人当然一直想活得更好，也一直会寻找省力的办法。但「更好」并不天然等于「更快」，省力也并不天然等于把所有被省下来的时间重新投入生产。

在绝大多数历史时期，人类社会并不是围绕年年增长、持续提效、无限产出组织起来的。 

人更多地生活在生计、宗教、土地、家族、节庆、荣誉、手艺、共同体和秩序之中。那些社会并不浪漫，也并不自由，但它们至少说明把效率最大化当作人的最高命运，并不是人类文明的永恒底色。

增长成为一种道德，是很晚近的事情，它既不符合人性，也并非是交易自由导向的结果。

诺贝尔经济学奖得主乔尔·莫基尔在《增长的文化》中解释了为什么持续增长会在早期现代欧洲发生。他的答案不是人类天然热爱增长，而是欧洲在 1500 到 1700 年间形成了一种特殊的知识文化。

在启蒙运动之中，有用知识被推崇，技术改良被赋予尊严，科学共同体和文人共和国加速了思想流通，人们开始相信世界可以通过知识被持续改进。

增长文化并非永恒，它有明确的历史起源。

从韦伯的《新教伦理与资本主义精神》开始，他就认为现代人并不是天然把持续劳动和积累当作美德。

它曾经需要一套宗教伦理把世俗职业神圣化，把克制、勤勉和再投资塑造成得救焦虑下的生活纪律。增长文化的第一步，是把「更多」变成「更正当」。

而经济人类学家波兰尼在《大转型》中，干脆认为「自我调节市场」成为社会的最高组织原则是完全不符合人性的。 

他的证据是人类学面向的。历史上的交换、贸易和集市长期存在，但它们大多嵌在亲族、宗教、身份、互惠、再分配和共同体秩序之中。

人们交换物品，并不总是为了利润最大化，也可能是为了维持关系、履行义务、获得承认、完成生计或维持社会平衡。

到了现代，劳动、土地和货币被改造成商品，社会关系反过来服从价格机制。于是，盈利不再只是某些交易中的动机，而被提升为整个社会运行的道德和纪律。

逐利不是人类经济生活的永恒本质，而是市场社会把自身历史形态伪装成了人性。

新教伦理把世俗职业神圣化，让持续劳动、节制消费和资本积累获得了宗教意义。工业资本主义把这种伦理压进工厂制度，用钟表、纪律、工资和生产率重新组织人的身体。泰勒制进一步把劳动拆成可测量、可优化、可替换的动作。到了 20 世纪，GDP、国民经济账户、战后发展主义和冷战竞争，又把增长率变成国家之间互相比较的成绩单。

图片

而现在，在这条增长社会的道路下，人类必然选择用AI取代自身的判断。

但既然它本就并非人类的本性，那为什么它是唯一的解呢？

真正决定 AI 会把人推向更深异化，还是帮助人摆脱某些异化的，是它被接入哪一套社会逻辑之中。 

如果它继续接入增长引擎，那么它只会把认知缴械变成新的生产纪律。它会让人更快地产出更多「自己的」文本、方案和判断，却越来越少在这些成果中形成自己。

在AI没有完全替代的时代，我们迎来的最疲惫的流动性

当然，数百年历史层累的社会文化引擎并不会马上熄火。我们即将面对几乎是个无可逆转的暗淡近世。

根据经济学中的薄弱环节理论，AI并不会直接替代掉人类，而是会加剧前面的流程，把人类重新安置到一条更窄、更高压、更不稳定的生产链上。

在一个高度互补的生产系统里，整体产出并不取决于最快的环节，而是被最慢、最难压缩、最难自动化的环节卡住。AI 可以让写作、编程、检索、制图、总结、客服、排期、数据分析这些环节迅速变便宜，但只要整条链条里还存在责任、信任、协调、例外处理、客户关系、伦理判断、组织博弈和最终签字，系统就仍然需要人。

人被压缩成责任瓶颈。更多低强度任务会被吸走，喘息环节会被消灭。留下来的，几乎全是高密度判断。在更快速的技能吞没过程中，你学到的东西越来越像临时通行证，只能保证你暂时不被下一轮自动化吞掉。人仍然在流程里，但完全不能称为劳动主体，而更像是认知生产链上的盖章点。

图片

流动、无安全感、疲惫，将在这个未完成的加剧异化中达到极致。

直到有一天，或者这台增长引擎不再拥有解释一切的权力，或者人已经完全从劳动循环中排除出来后。

另一条路才会显现。 AI 释放出来的认知带宽，才可能不再立刻被绩效系统捕获。

05

另一条路的可能

牛津大学哲学家，AI伦理当下主流理论的发稔者 Nick Bostrom 在其著作《未来之地》中试图回答一个问题，当一个超级 AI 完美地解决了一切工具性的问题、人类所有的物质需求和日常决策都被妥善包办之后，人，还有什么理由继续行动？

在那个时代，增长的价值对于个人而言，必然大打折扣。

他设想，也许在那之后，人类将全面转向「目的性活动」（Autotelic Activities）。

这些活动之所以有价值，并非因为它们能产出某种有用的结果（因为机器总能产出得更好），而是因为活动过程本身就具有内在价值，形成了一个自给自足的闭环。

人，不再是为了完成任务而机械运动的齿轮，而是为了关系、游戏、审美、探索和自我塑造而鲜活存在的主体。

图片

效率和能力，可能都变得没那么重要了。人要回答的是自己对意义的追问。

所以要问我「如何让AI能够给你带来最大的好处？」那就是挺过当下，等待异化引擎几乎不可避免的熄火。