观创新 | 要搞清AI能改变什么,让我们先回到底层框架(上篇)
现在市场讨论 AI，大部分还停留在“怎么生成智能”这一端。大模型、GPU、CPU、存储、光模块、电力、液冷，基本都围绕一个问题展开：如何更高效地生成 token，如何更大规模地产生智能。 这个方向当然重要。没有算力，没有模型，没有基础设施，后面的事情都谈不上。 但如果继续往下想，还有一个更底层的问题：AI 生成智能之后，它到底怎么作用到世界？它怎么改变人的行动方式？怎么改变人和工具、人和机器、人和物理世界之间的关系？ 这个问题，可能比“大模型还能不能更强”更接近本质。顺着这个往下想，我反而觉得应该先把 AI 放一放，去探求一个更原始的框架。要理解 AI，最好先理解科技到底在改变什么。 我们追索人和世界的关系，可以发现，我们本质可以归结为一套状态差值驱动的闭环。 危险来了，我需要安全；饿了，我需要吃饭；天冷了，我需要取暖；河太宽了，我想过去；货物太重了，我想搬走；机器不稳定，我希望它恢复正常；公司增长放慢，我希望重新找到机会。 这些事情表面看差别很大，但底层其实一样：现实状态和应然状态之间出现了差值，于是主体启动一套行动闭环，试图缩小这个差值。 我们可以把这种闭环再分为两类：“应激闭环 ”和“意图闭环 ”。 对于外部触发的应然状态，世界先影响我，我应激来闭环。 而内部生成的应然状态，则是我先有意图，我主动作用于世界来闭环。
反馈，是观察结果，看差值有没有缩小，然后进入下一轮修正。
这套模型听起来有点抽象，但其实非常原始。原始人在做这件事，农民在做这件事，工厂在做这件事，一个现代公司也在做这件事。区别不在于闭环是否存在，而在于闭环里的每一段由谁完成，以什么成本完成，能完成到什么水平。 当前状态是危险，应然状态是安全。状态差值被激活了。他看见猛兽，这是感知；知道它是威胁，不是普通动物，这是理解；判断风险很高，这是判断；决定逃跑、躲避还是反击，这是决策；选择往哪里跑、拿不拿石头、叫不叫同伴，这是编排；真正奔跑、躲避、投掷，这是执行；最后再观察猛兽有没有继续追来，这是反馈。 这不是外部猛兽带来的状态差值，而是内部需求带来的状态差值。当前状态是饥饿，应然状态是饱腹和生存。他开始观察附近有没有果子、水源、猎物和同伴；理解当前环境；判断风险和机会；决定采集还是狩猎；再安排路线和动作；最后执行，并根据结果修正。 你会发现，不管是应激反应，还是主动意图，本质上都是同一套闭环。只是状态 差值 的来源不同。一个是世界先制造了差值，一个是人自己定义了差值。 它不是只用来解释某一种技术，也不是只用来解释某一种行为。它其实可以解释人类大部分行动：生存、生产、组织、交易、战争、管理、创新，本质上都是不同主体围绕状态 差值 不断形成闭环。 五官负责感知，大脑负责理解、判断和决策，手脚负责执行，反馈也靠自己重新观察。原始人是一个高度内置的一体化闭环系统。它很灵活，但能力很弱；它可以反应，但范围很小；它可以行动，但成本很高。 一个人拿起长矛去狩猎，闭环的本质没有变。他还是因为饥饿产生状态差，还是要感知环境，理解猎物位置，判断风险，决定如何行动。但长矛改变了一件很关键的事：它让执行端被外接了。 原来人的手脚只能直接作用到世界。有了工具之后，人可以通过一个中介物作用到世界。 长矛让攻击距离变远，石器让切割更有效，火改变了食物和环境，弓箭把人的身体力量延伸到更远的地方。 这不只是“更有力”这么简单。工具改变了人对世界的表征方式。世界不再只是“我能不能直接碰到它”，而是变成了“我能不能通过某种工具改变它”。 因为从这个时候开始，人类的策略空间被打开了。人可以埋伏、投掷、切割、储存、建造，可以用间接方式实现原本无法实现的意图。 但工具时代也有明显边界。工具不会替人理解世界，也不会替人判断目标，更不会自己形成策略。它只是把人的执行能力放大了。 所以，如果把原始人和工具时代放在一起看，技术演化的第一步就很清楚：
原始人阶段，是闭环全部内置于人。工具时代，是闭环本质不变，但执行开始外接。
因为技术史不是简单的“工具越来越先进”。从第一性原理看，技术史更像是人类不断把这套闭环中的某些环节外接、外包、强化和重组的过程。 人类开始种植，并不是闭环变了，而是状态差变了，也复杂了。以前饿了就去采集和狩猎，后来人开始提前定义一个更长期的应然状态：我希望未来有稳定的食物来源。 人要感知季节、土壤、水源和天气，理解作物生长规律，判断什么时候播种，决定种什么，编排人力、土地、种子和工具，然后耕种、灌溉、收割，再根据收成反馈调整下一年。 农业不是取消了人的状态差闭环，而是把短期生存闭环，变成了更长周期、更可规划的生产闭环。 当一个部落、一个村庄、一个早期城市规模很小的时候，很多信息可以靠记忆和口头传递。但当交易变多、人口变多、库存变多，人的记忆就不够用了。 文字、账本、契约、地图，本质上是在外接人的记忆和表征能力。 它们让状态可以被记录，让责任可以被确认，让经验可以被传递，让复杂系统可以跨时间运行。今天看起来很普通的一张订单、一张地图、一份合同，在当时其实都是非常重要的闭环增强工具。 因为它们让人不再只靠脑子记住世界，而是可以把世界的一部分状态稳定地放在外部介质上。 水车、风车、蒸汽机、电动机，本质上都是把人的肌肉从执行端里解放出来。人还是在定义目标，还是在判断该做什么，但真正做功的，不再主要是人的身体。
我要制造零件，以前靠匠人一点点打磨。后来靠机床和流水线。
工业革命的本质，并不是人突然有了新的状态差，而是人缩小状态差的能力被极大放大了。闭环没有消失，只是执行环节变得更强、更快、更稳定、更可复制。 电力不只是新的能源，它让执行能力可以被更灵活地分发。蒸汽机时代，动力往往集中在一个地方，再通过复杂的机械传动分配出去。电力出现之后，动力可以沿着线路到达不同的机器、不同的房间、不同的城市。 人类可以在更大的空间里组织生产和生活。工厂、城市、家庭、交通、通信，都被重新组织。人的意图还是围绕状态差展开，但行动的半径、速度和密度都变了。 它不只是强化执行，而是开始在窄场景里接管一部分感知、判断和反馈。 比如恒温器。房间太冷，当前温度和设定温度之间出现差值。传感器感知温度，控制器判断是否低于设定值，执行器启动加热，温度到了再停止。这个系统不理解什么叫舒服，也没有人的复杂意图，但在这个小场景里，它已经完成了一个局部闭环。 工厂里的控制系统也是如此。压力、温度、电流、速度、位置，这些状态被传感器采集，控制器判断偏差，执行器进行调整，系统再根据反馈继续修正。 这里的关键变化是：闭环的一部分不再需要人实时参与。 但它仍然是窄的。它只能在预先定义好的边界里工作。它处理的是清楚的状态、清楚的目标、清楚的规则。只要外部环境稍微复杂一点，人还是要回来。 一个公司想把产品卖出去，过去需要大量人传递信息、核对库存、安排订单、协调物流、确认付款。软件系统、ERP、CRM、互联网平台出现以后，很多协调成本被压低了。 一个客户下单，后面可能自动触发库存、生产、配送、财务和售后。一个人的意图，可以通过一套复杂系统调动很多资源。闭环还是那套闭环，但编排能力被系统化了。 以前一台设备什么时候会坏，很多时候只能等它坏了再说。后来有了传感器，温度、振动、电流、能耗、位置、运行时间都可以被采集。世界变得越来越可见，很多过去不可感知、不可记录、不可预测的状态，开始进入系统。 你感知不到状态，就谈不上理解和判断。你连差值在哪里都不知道，就更谈不上缩小差值。IoT 的价值就在于，它把很多隐藏在物理世界里的状态拉了出来。 工具强化执行。机械和动力继续放大执行。文字和账本外接记忆与表征。电力让执行能力被灵活分发。自动化在窄场景里接管局部感知、判断和反馈。信息化和互联网降低协调成本，强化编排能力。IoT 让世界状态更容易被感知。 每一轮技术看起来都不一样，但它们没有改变最底层的东西。 人始终在面对当前状态和应然状态之间的差值。技术真正改变的，是我们如何发现差值，如何理解差值，如何决定怎么缩小差值，如何把决策编排成行动，如何让行动作用于世界，以及如何从反馈里继续修正。 它不是为了把所有事情讲得玄乎，而是帮助我们看清楚：技术进步不是孤立的发明堆叠，而是人类不断重组自身行动闭环的过程。 哪些环节还在人身上，哪些环节被工具放大，哪些环节被机器接管，哪些环节被系统编排，哪些环节可以自动反馈和修正。技术史大概就是围绕这些问题，一层一层展开的。
汽车不是简单的交通工具，它是在缩小“人想去某地”和“人还在原地”之间的状态差。
电网不是简单的基础设施，它是在缩小“能源生产地点”和“能源使用地点”之间的状态差。
搜索引擎不是简单的信息工具，它是在缩小“我想知道”和“我不知道”之间的状态差。
企业软件不是简单的办公系统，它是在缩小“组织想协同”和“信息分散、动作分裂”之间的状态差。
医疗设备不是简单的仪器，它是在缩小“身体真实状态”和“医生可理解状态”之间的状态差。
这样看问题，很多技术就不只是产品功能，而是闭环结构中的一个位置。 它到底解决哪一种状态 差值 ？进入闭环的哪一段？降低了哪一种成本？放大了哪一种能力？让谁从原来的环节里退出来？又让谁承担了新的责任？ 这些问题，比单纯问“这个技术先进不先进”更接近本质。 因为一个技术如果没有进入有效闭环，就算看起来很先进，也可能只是玩具。一个技术如果进入了关键闭环，哪怕一开始很简单，也可能有长期价值。 这也是为什么我觉得，理解技术进步，不能只看热闹。每一轮新技术出来，市场都会有很多新名词、新概念、新故事，但最后真正留下来的，往往是那些能实实在在改善闭环效率的东西。 它让状态差更容易被发现，让状态差更容易被理解，让决策更快形成，让资源更容易被编排，让执行更低成本发生，让反馈更快回到系统。 AI 是引子，但不是这篇的重点。它真正触发我的，是一个更底层的问题：人类技术进步到底在改变什么？ 我的初步理解是，技术没有改变人和世界之间的基本关系。人始终在面对当前状态和应然状态之间的差值，并试图通过一套闭环来缩小它。 AI 这一轮的特殊性在于，它不只是继续强化执行，也不只是继续扩大感知，而是开始进入过去最难外包的中间层：理解、判断、策略和编排。 如果这个判断成立，那 AI 对技术史的意义，可能就不只是“生成内容”或者“提高效率”这么简单。它会进一步改写人类缩小状态差的方式。
夜雨聆风
