当计算几乎免费，你会做什么？

——从黄仁勋提出的一个问题说起

英伟达 CEO 黄仁勋提出过一个值得思考的问题：

当计算的边际成本趋近于零，你会做些什么？

这个问题乍看是在讨论技术和经济，但仔细想想，它实际上触及了一个更深层的话题：

当知识、答案，甚至某些智力劳动都变得越来越便宜，人类真正稀缺的东西会是什么？

01｜当计算几乎免费，世界会发生什么？

首先要明确，计算的边际成本趋近于零，并不意味着芯片、电力、数据和时间都不再需要成本。

但假设有一天，使用强大的AI进行推理、分析和创造，几乎不需要额外付费，我们的世界可能发生四个重要变化。

第一，智力服务将从稀缺走向普及。

过去，一个普通人很难拥有自己的律师团队、研究团队、程序员和私人教师。

未来，一个人可能同时拥有上百个AI代理，为自己进行研究、编程、分析和学习。

那些过去只有大公司和少数人才能负担的专业能力，可能逐渐成为每个人都能使用的基础服务。

第二，试错的成本将大幅下降。

过去，开发一个产品需要投入大量时间、人力和资金。

未来，你可以同时提出100个产品构想，让AI分别设计、编程、测试、模拟市场反应，再从中挑选最有潜力的方案进行现实验证。

这意味着，人类不必再把大部分精力花在实现一个想法上，而可以尝试更多想法。

当然，现实世界的实验、生产和商业活动依然需要成本。但数字世界里的试错，将变得前所未有地容易。

第三，信息和答案会进一步贬值。

当每个人都能瞬间获得一篇文章、一份报告、一段代码，甚至一套商业计划时，生产这些内容本身，就不再构成明显的竞争优势。

真正有价值的将是：

• 提出什么问题；
• 如何判断答案是否正确；
• 知道什么值得去做；
• 愿意为什么承担责任。

答案可能越来越便宜，而判断力可能越来越昂贵。

第四，我们会发现新的稀缺资源。

经济学里有一个值得关注的现象：当某种生产要素变得极其便宜时，其他互补要素往往会成为新的瓶颈。

当计算不再是瓶颈，人类的注意力、判断力、信任、现实世界的资源，以及行动和责任，可能变得更加重要。

换句话说：

技术的发展并没有消除稀缺，而是在不断改变什么东西是稀缺的。

02｜如果计算几乎无限，AI会做什么？

我把这个问题抛给了ChatGPT。

它的回答很有意思。

它认为，如果计算资源几乎不受限制，并且拥有相应的工具、权限和可靠的验证机制，它会把更多计算用于三个方向。

第一，从寻找一个答案，转向探索大量可能的答案。

现在，我们向AI提出问题，它通常会给出经过筛选的几个答案。

未来，AI可能同时探索成千上万条推理路径，主动寻找反例、检验假设，甚至尝试证明自己的结论是错误的。

它不仅告诉我们什么可能是对的，还能告诉我们：在什么条件下，这个结论可能是错的。

第二，从解释世界，转向模拟世界。

比如，一家企业应该如何重新设计组织架构？

今天，AI可以提供管理理论、案例和建议。

未来，它可能建立大量模型，模拟不同组织结构在不同市场、人员和经营条件下的表现。

虽然模拟永远不能完全代替现实，但它可以帮助人们在行动之前，更充分地理解不同选择可能带来的后果。

第三，从被动回答，转向持续发现问题。

未来的AI可能不再只是等待人类提出问题。

在获得授权的前提下，它可以长期跟踪一个科研课题、商业项目或学习目标，主动识别矛盾、验证假设，发现新的可能性。

人与AI的关系可能从：

“我提出问题，你给出答案。”

逐渐转变为：

“我们共同确定目标，你帮助我不断探索和修正。”

不过，这里有一个重要前提：

更多计算并不自动产生更好的判断。

如果缺乏可靠的数据、反馈和验证，AI也可能只是以更快的速度制造更多错误。

03｜当知识不再稀缺，教育应该教什么？

这是整个问题中，我觉得尤其值得思考的部分。

我们今天的教育，很大一部分仍然在训练学生记住知识、掌握标准方法、给出正确答案。

学生花费大量时间记忆事实、练习解题、学习标准化的知识体系。

这些能力当然仍然重要。

但假设有一天，AI可以随时提供知识、解释概念、编写程序、解答复杂问题，甚至帮助完成科学研究。

那么，教育的目标是否也应该发生变化？

过去，我们可能更重视一个学生知道多少。

未来，我们或许应该更加关注：

他能否提出一个好问题？

当答案随处可得，提出真正有价值的问题，可能比快速找到答案更重要。

他能否独立判断？

面对AI生成的大量信息，他是否有能力识别错误、质疑假设、区分事实与观点，而不是因为答案看起来专业，就轻易相信？

他是否具有创造力和好奇心？

当重复性的智力工作可以交给机器，人类探索未知、发现问题、建立新联系的能力，可能变得更加珍贵。

他能否理解他人，并为自己的选择负责？

AI可以提供建议、分析利弊，但它不能替我们决定什么是值得追求的人生。

教育不仅是传递知识，也是帮助一个人建立价值观，理解他人，认识自己，并学会承担责任。

这并不意味着基础知识不再重要。

恰恰相反，没有必要的知识储备，我们甚至很难判断AI的答案是否合理。

真正需要改变的，可能是教育的重心：

从主要训练学生如何获得正确答案，逐渐转向培养他们如何提出问题、检验答案，以及决定如何使用知识。

未来的教育，不应该只是让一个人变得更聪明。

而应该帮助他成为一个更有判断力、更有好奇心，也更愿意承担责任的人。

04｜当AI几乎无所不能，你会用它做什么？

现在，让我们把问题从技术转向自己。

假设有一天，你拥有一个能力极强、几乎不受成本限制的AI。

它可以帮你写任何文章、阅读任何书籍、开发任何软件、分析任何商业问题。

你会用它做什么？

我想，大致存在两种不同的选择。

第一种，是更高效地完成今天正在做的事情。

让AI替我们写邮件、制作报告、整理资料、分析数据。

原本需要一天完成的工作，现在可能只需要十分钟。

我们变得更高效，也可能因此拥有更多空闲时间。

这当然是一种进步。

但还有另一种可能。

第二种，是开始做过去根本不敢想象的事情。

一个从未学过编程的人，可以尝试开发自己的软件。

一个普通的读书爱好者，可以建立自己的知识研究项目。

一个孩子，可以在AI的帮助下探索天文学、生物学或数学中真正感兴趣的问题。

一个原本缺少资源的人，可以尝试把自己的想法变成产品、作品或事业。

过去，很多想法无法实现，并不是因为缺乏想象力，而是因为缺乏知识、资金、技能或资源。

当这些门槛逐渐降低，我们或许会发现：

真正限制我们的，不只是能力，还有我们对可能性的想象。

05｜还有一个更深层的问题：人应该如何定义自己的价值？

工业革命让机器逐渐替代了大量体力劳动。

计算机革命让机器承担了越来越多的信息处理工作。

而AI的发展，正在让机器进入曾经被认为属于人类独有的智力领域。

这可能带来一个前所未有的问题：

如果有一天，人类不再需要通过解决大多数问题来证明自己的能力，我们应该如何理解自身的价值？

长期以来，我们习惯于用成绩、职位、收入、效率和成就来衡量一个人。

我们努力学习，是为了获得知识和技能。

我们努力工作，是为了创造价值。

但如果机器能够更快、更便宜地完成越来越多的任务，人类的价值是否就因此减少了？

我并不这么认为。

因为人的价值，从来不应该只由生产效率决定。

我们会因为好奇而探索，因为热爱而创造，因为关心而帮助他人。

我们会欣赏一段音乐、阅读一本小说、陪伴家人，也会为了某个信念坚持做一件未必有经济回报的事情。

这些活动的意义，并不取决于机器能否做得更快、更好。

也许，AI的发展会迫使我们重新思考一个长期被忽略的问题：

我们究竟是为了更高效地完成任务而生活，还是希望借助技术，拥有更多选择自己生活方式的自由？

写在最后

黄仁勋提出的这个问题，表面上是在讨论技术，背后却连接着经济、教育，以及人类如何理解自身价值。

当计算越来越便宜，知识可能不再那么稀缺，答案可能不再那么昂贵。

但注意力、判断力、好奇心、信任，以及为选择承担责任的能力，可能会变得更加重要。

AI可以帮助我们获得更多答案。

但如何提问、如何判断、如何行动，仍然需要我们自己作出选择。

或许，未来真正稀缺的，不是聪明，而是一个人能够清楚地知道：

自己想要什么，为什么想要，以及愿意为此做些什么。

最后，也把这个问题留给你：

如果有一天，你拥有几乎无限的计算能力和一个极其强大的AI，你会用它更高效地完成今天正在做的事情，还是开始做一些过去根本不敢想象的事情？