理解“人类当量”,从标准角度再来认识 AI——《AI 文明史·前史》精读

如果说这本书里最值得研究和记住的一个概念，我认为是“人类当量”。虽然这是一个自创的比喻，但就像解题时画的辅助线，它为我们打开了一个重要的视角。这也体现了一种典型的理工科风格：用客观、可量化的标准来评估和定义发展变化及其产生的效应。

如今，生成式AI已全面进入文案、客服、法律检索等一个又一个劳动场景，像豆包这样的AI应用月活用户已超过3亿，成为国民级产品。然而，很多人讨论AI的方式，依然停留在“AI会不会超过人类”的玄学争论，或者“AI到底够不够聪明”，并拿它与具体的人和事比较。

事实上，AI带来的真正冲击从来不是单点替代，而是规模性的重构。这正是“人类当量”这个概念的价值所在：它帮助我们搞清楚，AI到底能替代、放大或压缩多少人的认知劳动。

从玄学争论到现实问题：先把讨论拉回地面

这里需要先澄清，“人类当量”是张笑宇自创的一个概念，就像解题时画的辅助线，关键在于它有用。它的定义其实很简单：它不是一个精确的测量单位，而是一个文明层面的比较尺度——在某个具体任务或能力维度上，一套AI系统相当于多少“可被雇佣、可被组织、可被复制的人类认知能力”。

这个概念能有效绕开关于AI的第一个误区：“AI的智能强不强？”这就像判断一个人聪不聪明一样难以鉴定，直到我们有了智商测评工具。虽然它不一定绝对准确，但能给出一个大致的标准。

“人类当量”作为标准，作用也在于此。一个AI能否通过图灵测试并不重要，重要的是：

它在一个企业的客服体系里，能否顶替80%重复回答问题的人工客服？

在一个咨询公司里，能否把原本需要十个人花一周完成的行业资料整理，压缩到一个人花一天就能完成？

在内容平台上，能否同时为一万个用户生成符合其偏好的个性化内容？

……

这些问题的核心从来不是“AI够不够聪明”，而是它在现实组织中，到底能顶替多少人、放大多少决策、压缩多少协作成本。

可以说，“人类当量”把关注点从“技术本身”拉回到了“技术的社会影响”，这才是我们面对AI革命最该关心的问题。

而第二个被它戳破的误区，就是我们常常忽略AI的“规模效应”。

很多人至今还在拿单个AI和单个人类劳动者比较——说AI画画不如人类艺术家有灵魂，写稿不如人类作者有温度。这种比较从根本上就错了。单个AI可能确实比不过一个顶尖的人类专家，但当同一个AI模型可以同时服务一万个、一百万个不同场景时，它带来的变化就已经不是“替代”，而是对整个社会协作结构的“结构性挤压”。“人类当量”这个说法，就是逼着我们必须把“规模”纳入判断框架——不要看单个AI比不比得过单个人，要看当它规模化复制之后，整个社会需要多少人来干这件事。

不追求绝对精确，却能解决真问题

标准的作用，首先在于形成共识。

在实现精确的度量之前，我们需要一个大家都能认同的标尺，而建立这个共识的过程可能非常漫长。在这个过程中，关键在于它“有用”。秦始皇统一度量衡，在当时也未必足够精确，但没有这个统一的标尺，列国间的贸易和国家层面的治理就无从谈起。这种统一带来的好处，影响了中国此后两千年的历史。类似地，英尺、盎司、加仑、磅等标准，也体现过大英帝国曾经的辉煌。一个好的标准，其目的从来不是追求绝对的“精确”，而是为了让大家能在同一语境下讨论问题，帮助我们抓住最核心的变化。

从严格的科学角度看，“人类当量”确实无法像千克、米那样成为绝对统一的精确标准，张笑宇本人也不否认这一点。原因很好理解：智能本身是多维的，一个AI在语言生成上的能力，无法与它在逻辑推理上的能力简单合并为一个数值；不同任务场景差异巨大，同一个AI在不同场景下的“人类当量”可能天差地别；更何况人类本身就不标准，人与人之间的能力差异，本就远大于许多AI模型之间的差异。

但恰恰是这个“不精确”的概念，提供了一个可供比较的“量感”，让我们能一眼看清变化到底发生在哪里。

换一个视角，重新看清“人”的真正价值

理解了“人类当量”这个标准后，再来看许多关于AI的争论，就会清晰很多。因为“人类当量”恰恰能推动三个关键的认知转变：

首先，它将“智能”从一个抽象的认知问题，拉回到了具体的社会问题。

过去我们讨论AI，总在问“AI有没有意识”“会不会产生自我”。这些问题可以留给哲学家，对整个社会而言，真正重要的问题是：AI是否已成为一种可以被制度化调用的生产要素？当一个公司或政府可以稳定地用AI来顶替成百上千人的认知劳动时，这个变化对制度、组织和就业的影响就已经实实在在地发生了。不管AI有没有“意识”，我们都必须面对这个现实。

其次，它帮助我们理解“为什么AI带来的冲击来得这么快”。

很多人觉得AI的进步是线性的，今年比去年聪明一点，明年再聪明一点，所以冲击会慢慢到来。但实际上，AI的进步或许是线性的，但它带来的改变却可能是指数级的，这可以用“人类当量”来评估，其产生的跃迁效应往往是阶梯式的。当一个AI模型的能力还在某个阈值之下时，它可能只能帮人类打打下手，做些边角料的工作；但一旦跨过那个阈值，它就能顶替掉一整个环节的人类劳动，原有的岗位、组织层级和治理方式都可能瞬间失效。

最近的感受无疑就是今年春节期间Seedance2.0带来的AI视频生成效应，很多变化仿佛一夜之间就来了。

其实，这用“人类当量”一看就明白——那不是技术突然加速了，而是规模效应的阈值被突然跨过了。

可以预见，这样的跨越，在接下来的日子里会越来越多。

最后，也是最重要的一点：“人类当量”能让我们重新理解“人”的稀缺性。

当AI可以大规模提供从低到中等的认知能力，当一个AI系统就能替代一万个人的认知劳动时，整个社会中“人”的稀缺性就彻底改变了。

过去很多人认为，稀缺的是“会做事的人”，是“能把事情完成的人”。但当这些能力可以被AI大规模、低成本地供给后，真正稀缺的东西，就变成了那些无法被折算成“人类当量”的能力：需要人来拍板的责任承担，在复杂利益中做出选择的价值判断，将碎片信息整合起来以应对不确定性的能力，以及和一个又一个真实的人建立关系、打交道的能力……这些从来都不是“多少认知劳动”能衡量的，它们恰恰是人在AI时代最核心的价值。

直面真问题：当人类不再是唯一智能载体

“人类当量”这个概念，本质上不是要给AI定价，而是要帮我们重新给“人”定价。这个看似尖锐的问题，其实藏着AI时代最清晰的出路。“当一个社会开始用‘人类当量’来思考智能时，真正变化的不是技术，而是人类被如何计价、如何组织、如何被需要。”

张笑宇提出这个概念，尝试逼问的是一个在AI时代无法回避的问题：当人类不再是唯一的智能载体，当机器可以大规模提供认知劳动，那“人”到底还贵在哪里？

这个问题很尖锐，但一点也不悲观。恰恰相反，当我们把那些可复制、可规模化的认知劳动交给AI，“人”真正独特的价值反而会凸显出来。

我们不用再去跟AI比谁能更快地整理资料、写出一篇合格的文案，而是可以把更多精力放在那些真正只有人能做的事情上——做判断、担责任、理解人、连接人。

就像历史上每一次技术革命一样，蒸汽机替代了大量人力劳动，电力替代了更多手工劳动，但最终反而让人类能去做更有价值的事情。

可以说，理解了“人类当量”这个概念，才能更好地去追求“人的价值”，尤其是那些不可替代的价值。

—-END—-

往期推荐