夜雨聆风上周三，朋友给我发了段微信："帮我看看这份周报行不行，我用AI生成的。"
我划了几下——格式工整，分点清晰，该有的都有。但我回了一句："写得挺好，但读完我完全不知道你这周到底干了什么。"
他发了个捂脸的表情。"我也不知道我干了什么。"
这不是AI的问题。是写作者的问题——他已经放弃了思考。
写作不是思考的"输出"，而是思考的"发生"
1990年代，计算机科学家莱斯利·兰波特（Leslie Lamport）说过一句狠话： "如果你不通过写作来思考，你只是以为自己在思考。" （If you're thinking without writing, you only think you're thinking.）
这句话在接下来的三十年里被反复验证。
YC创始人保罗·格雷厄姆（Paul Graham）在2024年的一篇著名文章《Writes and Write-Nots》中说得更直白：好的写作者"几乎总会在写作过程中发现新的东西"——他们不是在"把想好的东西写出来"，而是在写的过程中，才真正想清楚。
这不是比喻。这是神经科学可以证实的事实。
2024年，挪威科技大学的研究团队在《心理学前沿》（Frontiers in Psychology）上发表了一项高密度脑电图（EEG）研究。他们让参与者分别用手写和打字完成相同任务，结果发现：手写能引发更广泛的大脑连通性，涉及记忆编码、语义整合和运动协调的多个脑区同时被激活[^1]。打字呢？脑电波图几乎是一条平线。
2025年，《自然》子刊 Nature Reviews Bioengineering 发表了一篇题为《写作即思考》的社论[^2]，直接引用了这项研究，并下了一个明确的判断："写作迫使我们以结构化、有意识的方式思考——而不是以大脑惯常的混沌、非线性方式漫游。把你的研究、数据和分析写下来，你才能把它们整理成一个真正的故事。"
换句话说：写作不是思考的输出，而是思考本身的发生方式。
这就是为什么，很多人觉得自己"思路很清楚，就是写不出来"。真相是——你想得不够清楚。写作不是检验表达能力的考试，它是检验思考质量的照妖镜。
知名博客 Farnam Street 用一个精妙的比喻解释了这个过程：**写作是对想法的"压缩"**。坏的压缩会丢失核心洞见，留下空话套话；好的压缩会保留洞见，剔除冗余垃圾。而要做好压缩，你必须深度理解你要写的东西——这就是为什么写作如此困难[^3]。
你以为你在"写不出来"。其实你只是"还没想明白"。
AI让"写得像样"的人变多了，但"真正会想"的人变少了
格雷厄姆在他的文章里做了一个大胆的预测："一二十年后，能写作的人不会太多了。"
他的逻辑链条很简单：以前，你不学会写作，在学校毕不了业，在职场升不了职。写作是被"逼"出来的。现在呢？AI能替你写论文、写周报、写方案、写年终总结。写作的"外部压力"消失了。
就像工业化之后，人们不再"被迫"变得强壮——想变得强壮，你得主动去健身房。
在格雷厄姆看来，世界将分裂成两极——会写的人（writes）和不会写的人（write-nots），而中间地带——"凑合能写"的人——将不复存在。
但这比表面上看起来要危险得多。因为：
❝会写的人 = 会思考的人
不会写的人 = 不会思考的人
所以"writes vs write-nots"的世界，本质上是一个"thinks vs think-nots"（会思考 vs 不会思考）的世界。
这不是危言耸听。
科罗拉多大学写作教师莉兹·斯旺（Liz Stillwaggon Swan）博士在《今日心理学》上写了一篇文章，引用了她自己课堂上ChatGPT给出的"为什么大学应该保留写作课"的三条理由[^4]。她尖锐地指出：这三条理由里，有两条本质上是在说"如何让学生更高效地与AI互动"——这恰恰是写作教学最大的失败。
她写道：**"AI可以为我们'写作'，但那是一种平均化的写作——完全缺乏我们亲自动手才能获得的自我发现益处。我们需要的是更多深思熟虑的人类，而不是更高效的AI交互者。"**
回到中国职场的现实场景。
你有没有注意到，最近同事们发的周报、方案、会议纪要越来越"像模像样"了？格式统一、措辞得体、逻辑流畅——但读完之后，你却说不出他们到底做了什么、想了什么、推进了什么？
这不是个别现象。Farnam Street 的文章警告说：当AI让平庸写作变得唾手可得，信噪比将持续恶化——所有组织的沟通都会变得像政府公文一样，充斥着"通用想法、啰嗦表达、模糊术语"，大量的文字，零量的信息。
你可能觉得这没什么——"反正周报本来就是走形式"。
但问题在于：当你在每一次能用AI的时候都用AI，你失去的不是每周15分钟的写作时间，而是这15分钟里发生的、只有通过写作才能完成的思考。
AI可以润色你的文字，但不能替你建立思想体系
这里有一条最重要的分界线，很多人搞混了。
让AI帮你润色文字 ≠ 让AI替你思考。
如果你已经想清楚了框架、逻辑和核心观点，让AI帮你把文字打磨得更流畅——这没问题，这叫效率工具。
但如果你的起点是"我不知道写什么，让AI先生成一版再说"——这才是危险的开始。因为你跳过了整个思考过程中最有价值的部分：把模糊的想法变成清晰的认知。
格雷厄姆用一个有趣的细节佐证了写作之难：那些被揭露抄袭的大学教授，偷的内容往往是最平庸的套话——因为"他们连半吊子的写作水平都没有"。这些人不是懒，是真的写不出来。而他们之所以写不出来，是因为在漫长的学术生涯中，他们从未真正通过写作建立起自己的思考体系。
这一点放在中国职场人身上，有一个更具体的场景。
你准备晋升答辩PPT的时候，如果框架是你想的、逻辑是你搭的、核心故事是你梳理的，哪怕文字是AI润色的——评委一眼就能看出来"这个人想明白了"。
但如果你的PPT从头到尾都是AI生成的——哪怕排版再精美、措辞再专业，评委的感觉一定是："他只是在汇报别人替他做的东西。"
清晰的思考是无法外包的。 你可以把文字生成外包给AI，但你无法把"理解"外包给AI。《自然》那篇社论说得很清楚："LLM因缺乏问责性，不被视为作者"——这句话的背后逻辑是：AI没有"理解"，它只是在统计意义上拼接最可能的词语序列。
斯旺博士则从另一个角度补了一刀：**"我们常常直到开始写作，才知道自己真正相信什么。放弃写作，就是放弃了解自己的机会。"**
她说写作是一个"将潜意识转化为意识"的过程——把模糊的、半生不熟的假设、偏见、直觉、想法、焦虑和希望，通过词的排列、句的推敲、段的重组，一点点带到认知的地表上。
而这个过程，AI永远无法替你完成。
两个明天就能做的行动
说到底，这篇文章不是在劝你"别用AI"。AI是好工具。但工具的价值取决于使用工具的人有没有自己的判断力。
以下是两个具体的、明天就能开始做的事情：
1. 每天写300字"思考笔记"
不需要发表，不需要给人看。内容可以是：今天遇到的一个难题、一个让你困惑的工作决策、一个你想反驳的观点。
规则只有一个：不许用AI。自己写。
你会惊讶地发现：那些你"觉得已经想明白"的事，写出来才发现全是模糊地带。那些你"觉得不重要"的细节，写出来才发现是关键信息。那些你"觉得说不清楚"的感受，写到第三段自己就理清了。
这不是写作练习。这是思考练习。
2. 做一个"AI使用审计"
打开你最近十次使用AI写作工具的记录。问自己一个问题：
❝这次用AI，是为了让"我已经想清楚的东西"表达得更好——还是为了跳过"想清楚"这个过程？
如果答案是后者超过一半，你已经在做"思考外包"了。
格雷厄姆在那篇文章的最后写了一句话："我知道我想身处哪一半，我打赌你也是。"
对此，我没有任何补充。
参考来源
Farnam Street, "The Surprising Reason Writing Remains Essential in the Age of AI," 2026. https://fs.blog/why-write/ Paul Graham, "Writes and Write-Nots," 2024. https://paulgraham.com/writes.html Nature Reviews Bioengineering, "Writing is thinking," 2025. https://www.nature.com/articles/s44222-025-00323-4 Liz Stillwaggon Swan, "Why Human Writing Is Essential in the Age of AI," Psychology Today, 2025. https://www.psychologytoday.com/us/blog/college-confidential/202508/why-human-writing-is-essential-in-the-age-of-ai
[^1]: Van der Weel & Van der Meer, "Handwriting but not typewriting leads to widespread brain connectivity: a high-density EEG study," Frontiers in Psychology, 2024. [^2]: Nature Reviews Bioengineering, "Writing is thinking," Vol. 3, pp. 469–470, 2025. Altmetric score: 911, 访问量: 224k. [^3]: Farnam Street, "Why Write?", 2026. 作者将写作比作"对想法的压缩"（compression of ideas），认为好的压缩保留洞见、剔除垃圾，而坏的压缩则相反。 [^4]: Liz Stillwaggon Swan 指出，美国约半数大学生使用ChatGPT写论文，但高等教育中AI使用规范仍处于"狂野西部"状态——无共识、无可靠检测工具、无统一惩罚标准。
