哈佛商业评论提出“AI脑炸”：因过度使用、尤其过度盯管 AI、超出认知负荷而生的急性脑力疲劳，不同于慢性的职业倦怠。本文讲清它的预警信号与真实危害，剖析为什么“盯着 AI”反而比“用 AI”更累，以及普通人能怎么缓解。

你有没有过这种感觉：明明用上了各种 AI 工具，本以为能轻松不少，可一天忙下来，脑子反而更胀、更晕、更不想动？

你不是矫情，也不是只有你这样。2026 年 3 月，《哈佛商业评论》发表了一项研究，给这种状态起了个名字——“AI brain fry”，直译过来就是“AI 把脑子炸了”，我们不妨叫它**“AI脑炸”**。

为什么偏偏是现在？因为越来越多公司开始把“用了多少 AI”直接当成绩效。有的按你消耗了多少 AI 算力（专业点说叫“token 消耗”）来考核，有的像 Meta 那样把“写了多少行代码”也算进去，还有的要求一个人指挥、盯管一整队 AI 智能体干活。AI 跑得飞快，可坐在屏幕前的，还是那颗和昨天一样的脑子——一来二去，人就被推到了认知的极限。

什么是“AI脑炸”

研究者给“AI脑炸”下的定义是：因为过度使用、交互、尤其是过度盯管 AI 工具，超出了自己的认知负荷，而产生的脑力疲劳。

注意，它和我们常说的“职业倦怠”（burnout）不是一回事：

职业倦怠是慢性的：长期工作量大、缺乏掌控感、情绪一点点被耗干，是日积月累熬出来的。

AI脑炸是急性的：是当下这一刻，注意力和脑子里那点“临时内存”被同时塞满、被反复调用，一下子顶不住了。

研究里一位资深工程经理的描述特别传神。他说那种感觉不是身体累，而是“脑子里乱糟糟、挤得慌，就像同时开了一打浏览器标签页，每一个都在抢我的注意力。我发现自己一段话反复读好几遍，比平时更爱钻牛角尖、更犹豫不决”。

“一打浏览器标签页全在抢注意力”——这个画面，大概能让很多人瞬间对上号。在参与研究的 1488 名美国全职员工里，有 14% 的人明确说自己经历过这种 AI脑炸。

顺便澄清一个容易混的词：“AI脑炸”（brain fry）不是“脑腐”（brain rot）。“脑腐”是牛津词典 2024 年的年度词，官方定义指的是长期过度消费无聊、没营养的内容（如今尤其指网络上刷不完的碎片信息）导致的精神和思维能力退化；也有人把它借用来形容过度依赖 AI、把思考长期外包出去、慢慢丢掉独立判断力——这种用进废退，学界一般叫“技能退化”（skill atrophy）。但无论哪种，它都是慢性的损耗。而 AI脑炸是急性的过载，更像短跑后的力竭，喘口气往往能缓过来。你可以把它俩看成“把大脑外包给 AI”的两种代价：一种是当场过载，一种是长期生锈。这篇文章，重点说前者。

对照自检：这些预警信号你中了几个

AI脑炸不是一上来就很严重，它会先给你发“小信号”。对照看看，最近用 AI 干活时，你有没有这些表现：

脑子里嗡嗡的、像蒙了一层雾，怎么都聚不起焦；

一段材料反复读好几遍，还是没读进去；

做决定变慢了，连小事也拿不定主意；

比平时更爱自我怀疑，刚下的判断又想推翻；

莫名烦躁、没耐心；

甚至会头痛。

这些正是研究里受访者反复提到的症状。中了好几条，不代表你能力下降了，而是你的大脑在提醒你：信息和决策的洪流，已经超过它当下能舒服处理的量了。

代价不只是难受

如果只是“有点累”，倒也罢了。但研究发现，报告自己有 AI脑炸 的人，付出的代价要实打实地大——而且不小。

决策越来越糊。经历 AI脑炸的人，“决策疲劳”比没经历的人高出 33%。决策疲劳，就是连续做太多判断之后，大脑“累瘫了”，后面的决定越做越随便、越做越差。研究还引用了一项 2018 年的估算：对一家年营收 50 亿美元的公司来说，糟糕决策一年就能造成约 1.5 亿美元的损失——决策疲劳再涨三成，这笔账只会更难看。

出错变多。同样是这批人，犯小错的频率高 11%，犯大错的频率更是高出 39%。越累越容易错，越错越要返工——又是新一轮消耗。

人也更想跑。在没有 AI脑炸的人里，约 25% 有比较强的离职念头；而在经历 AI脑炸的人里，这个比例升到了 34%。研究称，这相当于那些用 AI 最猛的人，主动离职的意愿高出约 39%。

真正累人的不是“用 AI”，是“盯着 AI”

讲到这你可能会想：那少用点 AI 不就行了？

但研究里最反常识、也最关键的发现恰恰是：累垮你的，往往不是“让 AI 替你干活”，而是“你得一直盯着 AI 干活”。

研究者把人和 AI 打交道的方式拆成两种：

一种叫“卸载”（offload）：把那些重复、无聊、低价值的活，整摊交给 AI 自己去跑，你不必盯着每一步。

一种叫“盯管”（oversight）：你得全程监督 AI——检查它的输出对不对、改它写错的地方、决定要不要采纳。

研究发现，最耗脑力的，恰恰是“盯管”这一种。那些说自己的 AI 工作需要“高度盯管”的人，比“低度盯管”的人多花 14% 的脑力、多 12% 的脑力疲劳，感受到的“信息过载”也高出 19%。

为什么？打个比方就清楚了。AI 像个永不疲倦、出活飞快的下属，它产出再多都不会累。可你这个“审稿人”还是原来的带宽——它写得越多越快，你要核对、要把关、要兜底的东西就越多。于是瓶颈从“谁来干活”，悄悄变成了“谁来把关”，而把关的那个人是你。产出不再是瓶颈，你的脑子才是。

还有个细节值得注意：研究发现，同时使用的 AI 工具数量和生产力，是一条倒 U 形曲线——从 1 个加到 2 个，生产力明显提升；加到第 3 个还在涨，只是势头放缓；可一旦超过 3 个，生产力反而开始往下掉。研究者还点名了两个推手：扑面而来的信息过载，以及在多个工具之间不停切换——其中“信息过载”的数据支撑尤其强。换句话说，问题往往不在于你用不用 AI，而在于你同时摊开太多、又得在它们之间来回倒腾。

多说一句：上面这些大多是问卷调查里看到的强相关，不是严格的因果实验。但好几个不同的指标都指向同一个方向——盯管越重、工具越杂，人越容易脑炸——这个结论还是相当扎实的。

怎么缓解

好消息是，AI脑炸并不是用 AI 的“必然代价”，关键在怎么用。研究本身就指出：方法对了，AI 反而能减轻负担。几个能立刻上手的方向：

多“卸载”，少“盯梢”。这是最重要的一条。把那些重复、机械、其实不需要你逐字检查的活，干脆整摊交给 AI；省下来的脑力，留给真正需要你判断的事。研究里，用 AI 来“卸载”这类杂活的人，职业倦怠分数比“不这么用”的人低 15%。

别同时摊开太多 AI 工具。研究发现，同时用的工具一旦超过 3 个，生产力不升反降，频繁切换还会火上浇油。挑顺手的、固定那么几个，减少在工具之间来回倒腾。

给大脑留“无 AI”的喘息时间。定期离开屏幕，让被反复调用的注意力歇一歇——这和剧烈运动后要拉伸放松是一个道理。

如果你是管理者，或者想让团队少踩坑，研究还给了几条有数据支撑的提醒：

经理愿意花时间解答下属关于 AI 的疑问，下属的脑力疲劳能低 15%；反过来，把人丢下让他自己摸索（研究戏称“AI 孤儿”），疲劳反而高 5%；

如果公司只会施压“既然有了 AI，你就该产出更多”，员工的疲劳会高 12%；

而当员工觉得公司是真在乎工作与生活的平衡时，疲劳能低 28%。

研究者由此主张：一场 AI 转型，约七成的精力其实该花在“人”身上，而不是只盯着技术和工具。

写在最后

“AI脑炸”之所以值得认真对待，不是要把 AI 一棍子打死，而是因为它是一个早期预警信号。

AI 的能力在飞速往前跑，可我们的大脑还是那颗大脑，带宽并没有跟着翻倍。如果整个环境都默认“用了 AI 就理应更快、更多、更省事”，那这份预期，迟早会反过来压垮使用它的人。

下次再感觉脑子嗡嗡作响、明明用了 AI 却更累的时候，别急着怪自己不够强。也许那只是你的大脑在亮起一盏小灯，提醒你：是时候慢下来，把 AI 从“又一个要盯的活”，重新调回“帮你干活的帮手”。