一百年前胡适写了个"差不多先生"，一百年后 AI 差点把他变成了所有人

1924 年，胡适写了篇《差不多先生传》。

差不多先生赶火车迟到两分钟，反倒纳闷火车为什么非得急着开走；他常把"十"字写成"千"字，理由是两者左右不过差了一小撇；病重时他请来兽医王大夫，而不是给人看病的汪大夫——反正都姓王，何必分那么清楚。弥留之际他断断续续念叨：活人同死人，也差不太多。

胡适写它，是讽刺一种"凡事只要过得去就行"的国民毛病。一百年过去，这个毛病没被治好，它被技术实现了。

10 月 3 日，36 氪神译局编译了一篇文章，标题叫《欢迎来到"差不多"世界》。里面有一句话，值得每个天天用 AI 的人停下来想三分钟：

01 先说清楚一件事：什么叫"Stockfish 时刻"

Stockfish 是目前最强的国际象棋引擎之一。它代表的不是"AI 比人强"，而是一个更彻底的临界点：

在某个领域里，AI 已经登峰造极，人类的介入不但加不了分，反而会拖累产出质量；任何想跟它掰手腕的人，都注定惨败给一种自己既无法理解、也无力解释的力量。

注意后半句——"无力解释"。这才是最要命的部分。过去人类输给高手，还能复盘、还能学一招；现在你输给一个说不清为什么这么下的东西，你连偷师都偷不到。

绝大多数领域还没走到这一步。但很多行业已经出现了它的"低配版"：外行甚至专业从业者，看一眼提示词生成的结果，耸耸肩说一句"害，差不多了"，然后欣然笑纳。

02 三个场景，看看你中了几条

"差不多世界"不是预言，它已经是日常。

写代码

原文里引用了一位程序员的自述，我看完愣了一下：

注意"诡异"这个词。他不是高兴，也不是愤怒，是一种说不清的失落——因为消失的不是效率，是一部分他自己。

写东西

皮尤研究中心的数据：ChatGPT 发布之后上线的网站里，超过 三分之一 带有明显的 AI 写作痕迹。道歉信、请愿书、公关稿、周报——文体还在，人味没了。

以前这些东西写得也未必多好，但它们是从某个人的脑子里流出来的，带着他的偏见、节奏和破绽，也顺带磨了他的笔。现在，我们正淹没在一堆连"作者"自己都懒得读第二遍的文字糊糊里。

画图

原文作者自己承认：他从 AI 画图诞生的第一天就在用，也没打算停。但他清楚代价——他的绘画造诣会永远停在极低的水平。他不会形成个人风格，也拿不出支撑那种风格的技术素养。抽走工具，他绝大部分的视觉产出归零。

这就叫"差不多艺术"：看起来像，实际不是。而它的存在，意味着每一个像他这样抄近路的人，都不可能真正成为艺术家。

03 本质：几千小时的门槛，AI 让你绕过去了，也让你长不出来了

想把任何一门技能磨到准专家级，都需要几百到几千小时。这个过程漫长、挫败，而且充满难堪——因为起步阶段你不只是"差不多"，你是实实在在的"差"。

聪明也跳不过去。自称"极客学习狂"的 Max Deutsch 做过一系列速通实验，终极目标是用一个月学会"像计算机一样下棋"，然后挑战当时的世界棋王卡尔森。

结果一个月后如期对弈，溃不成军。

为什么？因为在那些没人愿意投入超过几小时的领域，速成法确实管用——练套魔术在路人面前露一手，在听众一句不懂的情况下讲外语，恶补某个冷门话题的皮毛好在饭局上接得上话。但国际象棋不是。这个领域里，一个天赋极高的业余爱好者绞尽脑汁迸出的最深洞察，深度也不过相当于特级大师漫不经心扫一眼棋盘。

哪怕是 Math Academy 这类用认知科学优化学习路径的工具，能把学数学概念的速度提到 4 倍甚至 10 倍，你也没法在一两个月里速通整个数学体系——因为数学有成千上万个细分技能点，层层递进，底层必须练成不用想就能反应的本能。

04 悖论：越用越不会，越不会越要用

这才是"差不多世界"最阴的地方——它是一个会自我加固的循环。

你用 AI 拿到 80 分的产出 → 你自己 60 分的能力没机会练 → 你越来越只能靠 AI → 你没有能力判断 AI 给的对不对 → 你更不敢自己来。越依赖工具，越没机会练成真本事；越没真本事，越依赖工具。

而且这个循环会伪装成进步：你的产出看起来越来越漂亮，漂亮到你几乎产生自己正在深度思考的幻觉。就像刷了一堆科普视频之后，你以为自己真的懂了。

05 这不是危言耸听，已经有体检报告了

《经济学人》最近刊出一张基于中国校园 AI 应用调查的图，结果触目惊心：在不少班级里，平时作业成绩和期末考试成绩呈负相关。

一学期下来，平时作业做得越漂亮的学生，期末考得越砸。

你可以说这是学生咎由自取。但《高校内幕》报道过布朗大学的一个课堂：59 名学生里有 56 人在作弊。当一个班只有一个人作弊，那是学生的问题；当 96% 的人都在作弊，那是评估体系出了问题。

同样的病也在成人世界蔓延。原文作者运营一份公开投稿的 newsletter，最近遇到一种新现象：顶着光鲜头衔的教育界人士，署着真名，发来一眼假、漏洞百出的 AI 生成稿。

06 破局：AI 真正拿不走的四件事

既然工具不可逆，问题就变成：在一个人人都能调用 80 分 AI 的世界里，什么还值钱？

① 提出真问题

AI 最擅长回答问题，最不擅长判断哪个问题值得回答。需求背后真正的诉求是什么？两个互相冲突的目标该保哪一个？这件事值不值得做？——问题定义错了，答案再漂亮也是废纸。

② 跨域判断

AI 在既有规则里优化，人类负责把 A 领域的经验搬到 B 领域。你踩过的坑、见过的客户、熬过的周期，这些没法被训练语料穷举。行业 know-how 在 AI 时代不是贬值了，是更稀缺了——因为调用 AI 的能力人人平等，判断往哪儿用的能力不是。

③ 验证结果

这是最残酷的一条：你要能看出 AI 哪里错了，前提是你本来就懂。资深开源开发者的随机对照研究里有个反直觉的发现——用 AI 后完成任务的时间反而增加了约 19%，而这些开发者主观上仍认为自己变快了。因为读、查、验同样花时间，而"看起来很对"的代码，最费眼睛。

④ 长期积累出的直觉

那些练成了本能反应的东西——一眼看出数据不对、一句话听出对方在绕、一秒判断这个盘面不能碰。它们无法被提示词调用，只能被时间养出来。而它们恰恰是你唯一能用来给 AI 兜底的东西。

07 三个动作：给不想变"差不多"的人

道理讲完了，给能立刻执行的。

动作一：每周留两小时"裸奔时间"

挑一件你会做、但 AI 做得更快的事——手写一段分析、手推一个公式、手画一张草图、不用翻译软件读完一页外文。目的不是效率，是维持手感。肌肉不用就萎缩，脑子也一样。

动作二：把顺序反过来

绝大多数人的流程是"AI 先出稿 → 我改"。改成"我先把自己的想法写出来 → 再让 AI 改"。差别不在成品质量，在于：前者你是审稿人，后者你才是作者。有了自己的第一版，AI 的输出才是"对照"，不是"答案"。

动作三：把 AI 从代打改成陪练

别再让它替你写。让它追问你：这个结论的依据是什么？有没有反例？如果前提变了会怎样？让它来挑你的逻辑漏洞，而不是替你填空白。同样一个工具，用法反过来，一个是替代你的脑子，一个是打磨你的脑子。

写在最后

一百年前，胡适笔下的差不多先生是个笑话。一百年后，我们发明了一台机器，能让所有人都活成差不多先生，还觉得自己挺好的。

问题从来不是"AI 会不会取代你"。问题是：当 AI 让你不再需要变强之后，你还会变强吗？

工具越强，越要把"变强"这件事从工作流里单独拎出来保护。因为它不再会自动发生——过去你写十篇稿子就变强了，现在你写一百篇，也可能只是把同一句提示词重复了一百遍。

国庆假期还有几天，正好适合想这个。别急着学新工具，先想想：哪件事，是你这辈子都不打算外包出去的？