AI时代,人在“隐性降级”?

柏拉图在《斐德若篇》中借苏格拉底之口，讲了一个关于文字起源的埃及神话。故事里，发明文字的神向埃及王塔姆斯推荐这项发明，认为它能让人更聪明。但塔姆斯王却表达了担忧：一旦人们学会书写，便会依赖外在符号，不再从内部自身去回忆，灵魂会因此变得健忘。文字给的只是智慧的幌子，而非真理本身。

大约两千年后，乾隆皇帝把中国传统的统治术推到了极致。人口最多、国力最强、疆域最广——纵向看，这是几千年来的顶峰；横向看，这是当时世界上最强大的国家。但当时全球已经开启启蒙运动与工业革命，乾隆盛世治理体系高度成熟稳定，却形成闭环式发展，缺少对外变革、创新的动力。

张宏杰《饥饿的盛世》一书提出一个值得反思的视角：这套成熟体系虽保障稳定，却容易陷入思想、制度层面的固化，一味复刻过往经验，难以应对外部全新变革浪潮。一个靠复制过去的系统，在一个需要创造力的时代里，注定会饥饿。

两个故事，一个关于技术，一个关于制度。一个打开了可能性，一个关闭了可能性。

AI时代真正的问题不是“年轻人会不会变笨”，而是：你会成为苏格拉底，还是乾隆？

前些天，做了一个有意思的访谈，访谈对象有三位：浪潮信息董事长彭震、美的集团美云数智副总裁魏晓刚、腾讯WorkBuddy创建人汪晟杰。三个人，三个位置——科技公司大佬、中国头部制造业AI负责人、火爆明星Agent的年轻创始人。看到的东西不一样，但反复说的其实是同一件事：AI在重新定义人的价值。

我把这场对话的精髓，总结成三个问题。

美的2023年刚接大模型时，魏晓刚注意到了一个现象：员工用AI问同样的问题，问法不同，答案差异很大。起初大家的反应是“纠正AI”，后来发现不对——问题不在AI，在人。

“你不要去挑战AI，AI是你训练出来的。首先检讨的是自己：你问的水平够不够？你训练AI的能力够不够？”

他在内部推动了一套人才培养体系，叫“金种子”——“又懂业务，又愿意学习新东西、拥抱新东西的人”。这套逻辑脱胎于美的十几年前的精益黑带、绿带培训。那时候培养的是“怎么看数据、用数据、用数据分析问题”，到了AI时代，延续的是同一件事：找那些主动愿意改变的人，然后给他们能力。

美的2024年把AI应用纳入经营责任制，定下2000万的降本目标，年底实际完成了1.6亿，396万小时的人效提升。这些数字背后不是一套顶层设计，而是研产供销服每一个环节里长出来的1万多个智能体。

汪晟杰在腾讯观察到同一个方向。他注意到腾讯研究院的非技术员工开始自发用AI检索论文、整理内容——AI不只能服务程序员。他做WorkBuddy的起点，就是“让所有人都能用”，而不是“让程序员写得更快”。他的判断是：AI办公工具的下一个阶段，不是帮一个人变得更强，而是帮一群人更好地协作。协作的前提是什么？是人知道自己在协作什么——也就是会提需求、会问问题。

彭震的视角更宏观。他说浪潮信息选人才，最看重“有内驱力的人、有想法的人、愿意主动改变的人”。他先做文化松土，再搞黑客大赛，让年轻人展示自己。“有些时候技能可以训练，但是内驱力很难培训出来，只能挑出来。”

三个人，同一个判断：AI时代最稀缺的能力，不是“知道什么”，而是“想知道什么”。

过去，答案值钱——你记住多少，就有多高的价值。现在，答案的成本趋近于零。我们记住的答案每天都在贬值。对这个世界始终保持追问，这个能力是不可替代的。

彭震把AI推进到了浪潮信息最底层的软件研发中——一种几乎没有公开代码素材可参考的底层系统。AI最初的代码采用率很低，但经过强化学习和反复迭代后，大幅提升。AI能写代码了，而且写得越来越快。

但有一件事他没交给AI。

“发版的按钮一定是人类来按，这个责任需要人来兜底。”

彭震把AI比作“年轻的新员工”——干劲足、效率高，但经验缺乏，不知道什么该做、什么不该做。管理AI和管理年轻员工是同一套逻辑：用系统流程激发它的创造力，同时用风险管控机制兜住它的错误。他提出“Humagent”——Human+Agent的复合体。人的价值在于前瞻性、规划性、风险敏感；Agent的价值在于知识宽度和计算效率。两者咬合在一起，形成“超级团队”。

这段话往深了想，其实触及了一个被大多数人忽略的问题：判断到底是一件什么事？

我们总说“AI不能做判断”，但仔细想想，这句话至少有三个不同层面的意思。第一层，AI不够聪明，判断不准；第二层，AI不能承担责任，所以不能让它做判断；第三层，判断的本质不是智力活动，而是“代价感知”。

第一层站不住脚。AI的判断力在快速进化，昨天做不到的今天可能就行了。第二层似是而非——现实中大量专业判断，决策者本人并不承担最终的法律或商业责任，但他的判断力依然在发挥作用。真正关键的，其实是第三层。

当一个决定关系到人身安全、关乎大笔资金、影响整个团队的命运——那个决定的分量，来自于做决定的人必须“承受”这个决定的后果。人做判断的时候，他知道自己要为这个判断负责。这种“切身感”会改变决策的质量。他会犹豫、会反复检查、会带入经验、会直觉性地“感觉不对”。这些看似不理性的行为，恰恰是高质量判断的来源。

AI不会犹豫。AI不会失眠。AI不会在半夜反复回想“我是不是选错了”。它优化的是一个数学目标，而不是一个真实后果。

所以为什么发版的按钮要人来按？不是因为AI算得不够准。是因为按钮按下去的那一刻，有人在承担那个“按下去了就没法撤回”的真实代价。

彭震提到，浪潮信息在推进AI Coding之后，代码写得快了，但项目团队花在“评审”上的时间反而多了。因为AI生成的内容需要人做更细致的判断——它可能写出逻辑上正确但架构上错误的代码，可能写出功能完备但安全漏洞明显的代码。判断的工作量在上升，只是它的性质变了。

魏晓刚在美的也观察到类似现象：AI处理了所有“标准化”的工作，剩下的全是“非标准化”的决策，每一件都需要更复杂的判断。他称之为“迭代加速”——不是工作变少了，是工作的难度在升级。

这个悖论正在成为AI时代的普遍体验：AI越强，留给人的判断就越难。因为AI承担了所有“有确定答案”的工作，留给人的全是“没有确定答案”的问题。以前一个中层管理者可能需要花大量时间在数据整理和方案起草上，真正需要判断的只有最后那一小部分。现在AI把前面那些全包了——结果你一天到晚面对的全是“没有标准答案”的问题。判断的密度在急剧增加。

康德在《判断力批判》里区分了两种判断力：一种是对已有规则的“归入”，一种是在没有规则时的“发明”。AI在逼近第一种，但第二种——当规则失效、面对从未见过的问题时——只有人能完成。因为那个“完成”需要的不是数据，是代价感知，是“我按下这个按钮，后果我来承担”的切身判断。

这个时代，任何一个以“记住公式、套用流程、给出唯一正确答案”为核心的专业领域，都在被AI快速逼近甚至超越。会计、基础法律文书、标准化编程、常规翻译——这些领域的知识积累型工作，边际价值在快速递减。

判断力这件事，专业给不了问题。任何一个成体系、有明确教材和考试范围的专业，本质上都是“有标准答案”的系统。而判断力恰恰只在“不干净”的问题里生长。

真正有价值的，不是专业本身，是你在这个专业里花了多少时间面对“没有答案”的东西——哪怕是在一个传统行业里，如果你主动去碰那些模糊、不确定、没有标准解的问题，你的判断力就在被训练。

AI时代，选专业和领域，不如选一个让你无法偷懒的环境——真实世界的复杂性会不断超出预期，你的判断力才会被迫生长。

汪晟杰说了一个让人印象深刻的比喻："每个人都是超级个体，放在一起就能成为超级团队吗？就像复仇者联盟，随时都可以被解散。"

过去的企业是一个萝卜一个坑，每个人守着自己的岗位。AI时代的组织正在变成临时项目组——几个人加几个Agent，围绕目标组队，做完就散。数字员工7×24小时工作，不断进化、记忆，也会被"蒸馏"——好的经验保留，过时的能力淘汰。

魏晓刚在美的的实践从另一个方向验证了这件事。他管美的的路径叫"自下而上+自上而下"的双向并行。自下而上，是让金种子自己"手搓"智能体——2025年全公司1.3万个智能体，员工自己搓的1.1万个；2026年Q1一个季度就搓了2.4万个。自上而下，是把智能体嵌入流程，用AI原生重构流程。

彭震说，当组织同时存在人类和Agent，流程就必须再造。过去流程复制人的经验，防止人犯过的错误；现在流程要同时管理两种"物种"的协作。

三个人指向同一个方向：一个人的价值不只取决于他有多强，还取决于他能和多少人、多少AI形成合力。

但这句"正确的话"背后，藏着一个比表面看起来深得多的命题——和AI协作，和与人协作，根本是两回事。协作对象变了，协作本身需要的能力就变了。

你和一个真人协作，你调动的是几十万年进化形成的社交本能。你们用同一种语言、共享同一个世界模型、拥有大致相似的判断框架。你不需要刻意学习怎么和他协作——你从幼儿园就开始训练这件事了。

但和一个AI协作，你调动的是一套这具大脑从未进化过的全新能力。

第一，信任关系变了。

和真人协作，信任是一个社会过程。你通过长期互动、情感连接、口碑验证来建立信任。你知道老张擅长什么、不擅长什么，知道他什么时候靠谱、什么时候容易出错。这些判断建立在你对他的"人格"的理解之上。

和AI协作，这一切不存在。AI没有"人格"，没有"口碑"，没有"长期互动"。你信任它，不是因为你了解它这个人，而是因为你理解它这个系统——它怎么训练的、数据来自哪里、什么情况下会犯什么类型的错、系统架构有什么固有的局限。信任不再基于关系，而是基于理解。这是一种完全不同的信任架构——建立在认知之上，而非情感之上。更棘手的是，这个"协作对象"的能力还在持续进化。上周它搞不定的事，这周可能就行了；今天它靠谱的功能，明天升级后可能就变了。你不得不持续更新对它的理解，就像在和一个永远在成长的人合作，但成长速度远超人类。

第二，权力关系变了。

和真人协作，权力是可见的、可协商的、有历史沉淀的。你知道谁是领导、谁是专家、谁说了算。你可以拒绝、可以质疑、可以反抗。

和AI协作，权力的分布隐蔽得多。AI通过推荐答案、生成选项、定义问题框架来影响决策——但它没有"权力意识"，也不对结果负责。彭震说的"发版按钮要人来按"，恰恰是在说这件事：哪怕AI给出了最优方案，做决定的那个人才是真正拥有权力的人。这个权力不能转移给AI，不是因为AI不够聪明，而是因为权力和责任必须绑定在一起。

所以在和AI协作的过程中，最考验人的不是"会不会用工具"，而是能不能意识到那个隐藏的权力结构正在发生变化——AI的输出正在悄悄改变你的判断，而你必须有能力识别这种变化、主动调整自己在协作中的位置、始终守住自己对决定的最终控制权。

第三，认知劳动的方式变了。

和真人协作时，你们共享同一个认知框架——都是人类，都有相似的感知、记忆和推理方式。你们对"什么是合理的"有大致相同的默认值。

和AI协作时，你的认知框架和它的"认知框架"（模式匹配、概率计算、统计相关性）完全不同。它生成一个答案的方式，和你理解这个答案的方式，来自两套完全不同的系统。你必须在两套认知框架之间来回切换：一套靠直觉和上下文，一套靠数据和概率；一套从模糊中找意义，一套从模式中找最优。这种高频的跨框架切换，本身就是一种高强度的认知劳动。更棘手的是，AI的能力在持续进化，上周它搞不定的事这周可能就行了，今天它靠谱的功能下周升级后可能就变了。你不得不不断更新对它的理解——它的能力边界在漂移，你的认知地图就得跟着重画。

汪晟杰提到的"超级团队"，本质上就是这种协作模式的具体化——一个项目里，你同时面对真人同事和AI队友，你的认知系统需要在两种完全不同的协作模式之间自如切换。

赫拉利说，人类的力量"从来不源于孤立，它来自与陌生人以及外部世界的合作"。AI时代，这个"外部世界"的范围被扩大了，里面多了一群非人的智能体。它们不是"工具"，是"非人合作者"。你和它之间的关系，既不是主人和工具，也不是人和人，而是一种全新的物种间协作。这种协作需要的能力——重新设计的信任、重新分配的责任、跨框架的认知切换——以前没有任何一代人需要训练过。

所以，和人协作的能力在这个时代不重要了吗？当然不是。与人协作的能力是底层操作系统，没有这个，其他东西都装不上去。

但更核心的是：AI正在让"与机器打交道"这件事变得极其廉价——你不再需要学会编程才能让机器做事，你说一句话它就能做。

需要去有意识锤炼自己的，是那些必须同时与真人、与AI、与复杂系统协同解决问题的能力。未来，打工人需要同时面对三种关系——人与人、人与AI、AI与AI——并且在它们之间自如切换。这种切换能力无法靠听课获得，只能在真实的、不确定的、高频的协作实践中生长。

技术一直在变，但有四样东西从苏格拉底到今天始终没变。

提问的能力。爱因斯坦说，提出一个问题往往比解决一个问题更重要。AI可以给答案，但不会替你问“我应该问什么”。

判断的能力。桑德尔说，AI反而凸显了人类的反思、创造、判断。当规则不够用时，只有人能判断。

共情的能力。休谟说，理性是且只应当是激情的奴隶。AI优化目标，人在道德困境中做出“程序之外”的选择。

意义追寻的能力。魏晓刚说：“无论AI怎么变，经营的本质没变——以用户为中心，为用户创造价值。”AI可以告诉你“怎么做”，但不会问“值不值得做”。

彭震说：“人类要学会和AI相处。”魏晓刚说：“何以为企，需要重新思考。”汪晟杰说：“智能化本质上是突破人的上限。”

文字是工具，AI也是工具。工具本身不会让人进化，如何使用工具，决定了进化的方向。乾隆不缺工具——农业技术、手工业水平、国家治理体系，放在当时全球都不落后。但他用这些工具的方式是“维持”，不是“创造”。他把一个系统运行到了极致，却错过了重新定义系统的机会。

这是"隐性降级"最可怕的地方：它不是让你变笨，是让你满足。提问、判断、共情、追寻意义——这四样东西，AI学不会。

但人也可能丢掉。

END

【 推 荐 阅 读 】