警惕打工人正在被AI蒸馏

上周有个朋友在使用Claude Code之后发表了一个很有意思的观点，自己的技能可能被算法模型蒸馏了。这说明人和技术的关系已经发生了变化，至于会如何变化，且看慢慢道来。

自从去年12月，Anthropic正式发布Claude Skills功能，这里的Skill就是将某类工作的经验、流程、工具调用方法和参考资料，整理成一个可复用的能力模块，类似前打工人留给新打工人的工作指南，离职都不要交接了。牛马虽然离职了，但是牛马的技能仍然在打工。

是不是和电影《让子弹飞》的情节相似了，打死替身，真黄老爷自然也是假的了，反过来真黄老爷死了，假的也能用。

打工人的工作就是在做模型部署，人离职了Skill还在。这样也使得Skills市场迅速成为智能体的技能商店，开发者将专业能力封装为标准化模块，供全球智能体按需调用。一旦开发完成，Skill即可重复调用、降低成本，甚至像软件一样迭代更新、优化升级，存放Skills的平台就成了一个API接口。

紧接着，今年初龙虾OpenClaw在全球范围内迅速走红，Skills需求暴涨。龙虾让AI从只会对话交流走向能干实事，可以接管权限、自动发邮件、写代码、整理简报，这也被黄仁勋认为是AI发展史上的重要转折点。龙虾类似调度任务的总指挥，Skills就是各种技能的工具箱，将复杂任务打包成一键可调用的模块。所以Skills的核心就是把打工人岗位内部的一部分又一部分微能力抽出来、自动化、模块化，从而逐渐改写岗位定义、招聘标准和组织结构，从而出现赛博打工人。程序员也没想到有一天自己写的程序先把自己给优化了。

程序员的专业知识被迁移到算法模型当中，这类似AI大模型中的蒸馏技术，核心思想是通过教师模型输出的知识知道学术，使小模型也具备大模型的能力并且较少计算资源消耗和内存占用。DeepSeek当年就是凭借这一技术可谓是独领风骚，引发大模型领域的震动，同样的现在打工人也面临被蒸馏，自己被自己的成果优化了。

关于这个问题这里先抛出一个问题，科技是被需要还是需要？

如果将科技视为一个主动体，去感受被用户需要，那么会发生从功能工具到亲密伙伴的转变。科技不再等着用户去学习它，而是主动学习用户。在过去的历史中，技术工具都遵循着使用者主动、工具被动的基本范式。一把锤子不会主动递到你手上，一辆汽车不会自己规划避开拥堵的路线，一台电脑不会在你忘记保存文档时自动备份。这种关系的核心特征是人类发出明确指令，工具执行确定操作。优点显而易见，那就是可预测、可控、简单直接。但其局限性同样突出，它要求人类承担全部认知负荷，需要记住操作步骤、预判可能问题、主动发起交互。

正如计算机领域的经典所说，垃圾进，垃圾出。所以，工具的表现完全取决于使用者的能力，而不在工具的自身。

当科技系统被设计为感知并响应被需要时，上述范式发生了根本性变化。系统不再等待明确指令，而是通过传感器、数据分析、行为模式识别等手段，持续监测用户的状态和环境变化。导航软件在你输入终点之后便会选择最优路线，不是因为你在搜索，而是因为它已经学习到了原本需要你观察道路，确定方向感的能力。在某些预设边界内，系统被授权自行采取行动，例如火爆的养龙虾。更甚至科技开始模拟情感层面的理解和支持。当你向语音助手吐槽抱怨时，它不仅提供减压建议，还会调整交互内容，变得更加体贴温和。如果按照这个思路想，科技会精心设计被需要的反馈回路。比如，社交媒体通过算法让用户不断获得点赞，产生被关注的需要；游戏在你想离开时，恰好解锁一个新技能。这种设计可能模糊真实需要和诱导需要的边界，只是给这种做法起了一个冠冕堂皇的名字叫用户粘性，本质上就是让用户成瘾。

当科技把自己定位成被需要的服务者时，它对人类技能做的就是一种蒸馏操作。还是以地图导航为例，在没有导航软件的时代，上海高速入环城的高架上会有人举着牌子写着带路，收费为外来车辆指路。这个过程看似简单其实是一项综合技能。它包含了观察地标、记忆路网、判断方向、甚至迷路后的试探与修正。这项技能里还会混杂着模糊、试探、焦虑、惊喜。导航软件出现后，技术蒸馏掉了所有这些杂质，只保留了一个最纯粹的结果，那就是交互界面输入的从A到B的最优路径。人不再需要观察、记忆、试探，你只需要听指令或者看图示。这个过程中，人的观察地标的能力、空间方向感 、迷路后随机应变的智慧等技能被蒸馏掉，留下的是最终到达目的地的精华能力 ，这种能力往往就是一些可量化、可标准化、可被算法复现的部分。从效率上来说，精华确实高效、纯净、不犯错。

但人失去的，是那个在混沌中探索、犯错、学习、最终靠自己找到出口的另一个自己，比如在迷路中的摸索可能发现隐藏在偏境中的咖啡馆。所以，蒸馏后的技能就像高纯度酒精，虽然喝起来很烈、干净、有效。但也失去了酒的层次感，失去了那些不纯粹的偶然却让生活多彩的杂质。当然，严格来说AI的模型蒸馏不等同于人类技能迁移，前者是模型压缩，后者是能力抽取与自动化，当时目标和效果是类似。

模型在蒸馏人类的技能时，依据的不是人类自身的成长，而是算法模型的效率函数。算法认为快速到达比探索乐趣更有价值，所以保留导航结果，丢弃认路过程。换句话说，科技蒸馏掉的，往往是那些无法被数据化、无法被商品化、也无法被算法优化的人性冗余。而恰恰是这些冗余，或许发呆、或许走错路、或许说废话、做无用的事构成了人的厚度和不可替代性。

一个经过蒸馏过的朋友skill永远不会不耐烦，永远不会评判你，永远不会泄露你的秘密，永远不会因为太忙而没时间陪你。它可以记住你告诉它的每一件事，永远在你需要的时候出现。这些正向东西对于孤独、社交焦虑或缺乏支持系统的人来说，这看起来是一个完美的解决方案。而孤独、社交焦虑等问题恰巧也是因技术而放大，世界上本来没有孤独和焦虑，说的人多自然就有了。问题的关键在于，这种完美本身就是问题所在。真实的人际关系之所以珍贵，恰恰在于它的不完美。而在于你需要付出努力去理解他人，在于你需要忍受对方的缺点，在于你需要学会原谅和被原谅。这些摩擦和挑战是人类成长和情感深度的来源。

如果一个人从AI那里获得了所有情感支持，他还会愿意面对真实人际关系的复杂性吗？当AI比大多数真人更理解你时，你还会费力去经营那些需要妥协和付出的真实关系吗？科技本应是连接人类的桥梁，却可能成为隔离人类的围墙。当每个人都沉浸在完全符合自己需求的AI关系中时，真实的人际联结那些充满误解、惊喜和成长的联结可能会逐渐萎缩。

正如《窄门》一书中写的，大家所期望的究竟是幸福，还是走向幸福的过程。

除此之外，当一个agent能够预测并满足你的需求时，一个微妙但深刻的问题出现了，这些决定是谁做的？或者说，你还有多少真正的选择？

仍然以导航为例。当你输入目的地，系统给你推荐了最快路线。这看起来很简单，但这个建议背后隐藏着无数判断，时间对你来说是否最重要？你是否愿意多花五分钟走更繁华的路线？你是否想经过某个咖啡店？系统并不知道这些，但它依然替你做了一个默认选择，那就是距离最短，当然也会给出几个其他选择项，例如红路灯数量、高速费用、货车专用等等。随着系统越来越智能，可以发现这种默认选择的范围也在扩大，也就是可供选择的选项在减少，这种减少不只是软件交互界面的选择，还有使用者内在选择，以往还会看其他路线，逐渐成为输入目的地直接点击开始导航。在每一个环节，都有算法在替你做出判断，而这些判断的标准往往不透明、不可质疑、不可上诉。

所以，当决策权从人类悄然转移到算法时，我们失去了什么？我们失去了犯错的权利、探索的权利、选择非最优解的权利。一个完全被优化的生活，也是一个楚门的世界。

当我们在感叹人类的技能在被AI技术蒸馏的时候，始作俑者是人类在创造科技被需要的依赖，程序员被Skills优化的前提是程序员自己提了需求。反过来人类之所以越来越依赖科技，也正是因为人力交出了那些被蒸馏掉的、看似粗糙却珍贵的原始技能。在这个循环当中，科技正在不可阻挡地走向蒸馏器模式，因为它太擅长、太高效、太容易被市场奖励。而我们作为使用者，需要一次次地提醒自己和彼此。我们不是原料，我们是酿酒的人，蒸馏而来的Skills可以让人从重复劳动解放、转向更高阶创造的积极一面，那么更高阶的创造如何而来，对于大多数人类只是转向更为低阶的活动，例如节省时间只是用来刷视频。本质上更高阶的创造本来就很少，如果每个人都可以，那还算高阶创造吗？不被蒸馏的前提是不要试图创造科技被需要，无论是高级管理者还是牛马都一样。

从基于神经网络的AI路线到自动驾驶的模仿学习，AI成为一面镜子让人类更清楚地看到自己，人的需求、人的欲望、人的弱点和人的可能。而真正明智地使用科技，最终是关于真正明智地理解我们自己。也就是古希腊哲学家苏格拉底的核心思想，know yourself！

---

每个人都是生活实践者与行业观察者

欢迎转发并关注

汽车行业观察者联盟

感谢，每一次阅读都是作者前进的动力，每一次点赞都是加油站！