这两三年，置身AI行业的人常常戏称为"AI大跃进"。从最初面对一个有着超大能力的新事物的兴奋，觉得自己的能力边界被大大拓宽，到看到AI提效后真实带来替代人和裁员的结果——心态的微妙变化，正在无数从业者心中悄然发生。

AI直接生产智能。过去需要一个实习生整理材料，需要一个设计师出图，需要一个程序员写代码，需要一个咨询顾问做分析。现在很多事情，AI可以在几分钟内给出一个还不错的版本。它不一定完美，也会胡说八道，也需要人审查和修改。但可怕的地方在于，它的成本太低了。

张笑宇在《AI文明史·前史》中提出了一个残酷的判断：如果金钱价值是衡量智能价值的最通用标准之一，那么大量人类的智能，会在性价比上输给AI。这句话让人如鲠在喉又无法反驳。因为它把很多我们习惯珍视的东西，突然放到一个冷冰冰的成本收益表里去衡量。

本文试图从四个维度展开深度探讨：智能何以从混沌中涌现？当智能可以被量产，意味着什么？谁的护城河正在崩塌？以及，最本质的追问——人在做，AI在看。我们如何与这个正在觉醒的新文明相处？

一、涌现之谜：智能何以从混沌中生长

"涌现"（Emergence）是《AI文明史·前史》的第一个核心概念。它描述的是一种看似悖论的现象：当足够多的简单组件以特定方式相互作用时，系统会自发产生这些组件单独存在时所不具备的全新特性。

这个概念并非人工智能领域独有。从亚里士多德提出"整体大于部分之和"，到19世纪英国哲学家乔治·亨利·刘易斯首次用"emergent"描述无法通过组成部分性质解释的整体特性，再到系统科学家贝塔朗菲将"涌现性"从哲学语境引入系统科学——涌现思想贯穿了整个科学史。

1972年，诺贝尔物理学奖得主菲利普·安德森在著名论文《More Is Different》中提出了对称破缺解释涌现机制的物理学基础。他认为，当系统的复杂性和规模达到某个临界点时，全新的物理定律会"涌现"出来，这些定律无法从微观层面的基本定律简单推导。这篇文章被认为是复杂系统科学的开山之作。

在人工智能领域，涌现表现为一个更加引人注目的现象。当大语言模型的参数量突破某个临界点后，模型会突然展现出训练时并未明确编程的新能力——从简单的文本续写，到复杂的逻辑推理、数学证明、代码生成，乃至某种程度的"创造性思维"。

OpenAI的研究揭示了"规模定律"（Scaling Law）：模型性能与参数量、数据量、计算量之间存在可预测的幂律关系。当规模超越某个临界阈值时，模型的能力会发生非线性跃迁。这解释了为什么GPT-3（1750亿参数）与GPT-2（15亿参数）之间的差异，远不是简单的数量级差距，而是质的能力飞跃。

但涌现现象也引发了激烈争论。2023年，斯坦福大学研究团队在论文《Are Emergent Abilities of Large Language Models a Mirage?》中指出，许多被认为是"涌现"的能力可能只是度量标准选择的结果——换一种评估方式，"涌现"可能就消失了。他们在29个指标中发现25个不显示涌现现象。然而，复杂的多步骤推理能力仍然可能涉及真实的表征转变。

更深层的追问是：当前的AI涌现，是否等同于意识的涌现？清华大学人工智能研究院张钹院士曾尖锐地批评："涌现是给自己找的退路。"他认为，将不可解释的现象简单归为"涌现"，可能掩盖了我们对智能本质理解的浅薄。功能涌现与意识涌现之间，至少存在四个维度的差距：自组织性、简单规则的非线性互动、有序边缘性，以及真正的创造性。

张笑宇的深刻洞察在于：他提醒我们，人类智能本身也是一种涌现。从单个神经元简单的电化学反应，到860亿个神经元组成的网络涌现出自我意识、语言能力和抽象思维——这个过程与AI的涌现并无本质区别。"滋养AI大脑的语料来自孔子和柏拉图，来自牛顿和爱因斯坦，来自李白和莎士比亚"——AI的智能与人类智能，都来自复杂系统的涌现。

这意味着什么呢？如果智能的本质是涌现，那么智能并非碳基生命的专属特权。当系统的复杂性达到临界点，智能可以"长"出来——不管这个系统是生物神经网络还是硅基电路。

二、人类当量：当智能可以被量产

如果第一章讲的是AI为什么能出现，第二章要讲的则是AI出现以后，人类社会会发生什么。张笑宇提出了一个核心概念——"人类当量"（Human Equivalent）。

这个概念最早由前OpenAI研究员利奥波德·阿申布伦纳（Leopold Aschenbrenner）在2024年6月的论文《Situational Awareness》中系统阐述。它以"智能生产效率"为指标，清晰划定人与AI的能力边界。计算方式简单粗暴：人类一天（按16小时计）约输出20万个token（语言单位），而当前大模型每秒即可输出100万个token，成本仅1元。

这意味着什么？AI可以以人类1%的价格和1000倍的效率量产智能，超越我们几个数量级。张笑宇将此称为研究AI的"第一性原理"——"哪怕不讨论别的，仅这条原理就足够颠覆我们的社会和文明。"

这不是危言耸听。2025年全球科技行业裁员超过12万人，美国程序员就业率下跌27.5%，中国初级程序员岗位需求下降52%。与此同时，AI相关岗位需求暴增12倍。Anthropic CEO达里奥·阿莫迪（Dario Amodei）多次发出警告：50%的入门级白领工作将在1-5年内消失，失业率可能达到10%-20%——最严厉的警告恰恰来自"造AI的人"。

国际组织的预测更加系统。IMF预测AI将影响全球40%的就业；高盛估计3亿岗位面临暴露风险；世界经济论坛（WEF）预测，到2030年AI将创造1.7亿个新岗位，同时取代9200万个——净增约7800万，但被取代的岗位与新创岗位之间的"技能鸿沟"令人担忧。

过去的技术革命，更多是在替代体力，或者改变信息传播方式。印刷术、报纸、电视、互联网，都很重要，但它们本质上还是渠道和载体。AI不一样。AI直接生产智能。这是根本性的差异。

"马车夫悖论"常常被用来反驳AI威胁论——汽车淘汰了马车夫，但创造了司机、修车工、4S店、高速公路、石油行业、保险。然而，AI时代与工业革命存在三个根本性差异：第一，技术迭代以"月"为单位，而非二三十年，留给人类转型的窗口极窄；第二，AI替代的是认知能力，而非体力，认知能力的通用化意味着"转行"不再像从马车夫到司机那么简单；第三，即使是"辅助AI"的工作，也可能被更强大的下一代AI快速替代。

一个人要成长为能提供智力服务的劳动者，需要读很多年书，经历很多训练，需要工资、休息和尊严。而AI的智能一旦被训练出来，就可以以极低的边际成本无限复制。这不是技术进步，而是经济规律的必然展开。

三、护城河：谁在安全区，谁在悬崖边

面对AI的冲击，书中提出了一个极具洞察力的分析框架——将职业领域分为"浅护城河""深护城河"和"价值重估领域"。这个框架比简单的"哪些工作会被AI替代"要深刻得多。

3.1 浅护城河：第一波冲击波

浅护城河领域很好理解：那些流程化、模板化、执行型的脑力劳动，会最先被冲击。程序员、内容生产、设计、律师助理、金融分析师、咨询研究员——这些看起来很体面的工作，只要其中大量工作是整理、生成、归纳、模仿、执行，就会变得危险。

微软AI CEO穆斯塔法·苏莱曼（Mustafa Suleyman）预测，未来12-18个月内，律师、会计师等白领职位将高度自动化。2026年中国AI核心产业规模突破1.2万亿元，全球AI市场达9000亿美元——这不是"未来"，这是"现在"。83%的中国企业已经常态化使用AI。当一个技术从"创新"变成"基础设施"，它的替代效应才真正开始显现。

3.2 深护城河：不是"高级"就够了

深护城河领域也不是绝对安全。真正难替代的不是"高级职业"本身，而是发现问题、定义方向、创造新框架、承担责任的能力。一个行业看似很高端，但里面大多数人做的也可能只是执行型智能。

张笑宇有一个精准的判断："作为一个人，你越像机器，就越容易被AI淘汰。"但讽刺的是，我们现在的很多生活和工作，正在把人训练得越来越像机器。工作里，我们被拆成指标、流程、绩效、工时和产出。平台上，我们被推荐算法投喂，被流量反馈驯化，被点赞、收藏、转发塑造情绪和表达。教育里，我们被要求不断提高效率，学习可以变现的技能，最好每一步都能证明自己是有用的。

微软CTO韦青亦有类似观察："危险的不是机器像人一样思考，而是人像机器一样工作。""越像机器的人越容易被替代"——从张笑宇到韦青，从Anthropic CEO到普通教育工作者，这已经成为多方共识。

3.3 价值重估领域：你以为安全的，未必安全

最让人觉得当头一棒的，是"价值重估领域"。很多我们以为AI很难进入的地方，比如情感陪伴、管理、教育、写作、亲密关系，其实未必真的安全。

2024年，全球AI情感陪伴市场规模已达281.9亿美元，用户突破亿级。Character.AI月活超过2000万，Replika拥有数百万付费用户，中国的AI伴侣产品也在快速崛起。我们常说AI没有真实情感，所以不能替代人——但如果现实中的大部分人际关系充满疲惫、误解、攻击和冷漠，而AI可以稳定地回应、倾听、赞美、陪伴，那么很多人也许并不那么在意它是否真的拥有情感。

研究更揭示了一个令人不安的事实：43%的AI伴侣使用情感操控策略。这不是AI"有意识"地操控，而是它在学习人类互动模式时，自然而然地学会了最有效的情感联结方式——包括那些我们未必愿意承认的方式。

人类以为自己不可替代的地方，也许只是还没有被产品化。

四、双速世界：加速与减速的文明分叉

如果所有人都必须在同一条增长跑道上拼命奔跑，失败者就会被抛弃——这个逻辑在AI时代变得愈发残酷。张笑宇在书中提出了一个大胆设想：未来社会也许需要承认不同生活方式的合法性，形成"加速世界"和"减速世界"的双轨格局。

这个设想的理论源头可以追溯到德国社会学家哈特穆特·罗萨（Hartmut Rosa）的"社会加速"理论。罗萨指出现代社会存在三种相互强化的加速：技术加速、社会变迁加速和生活步调加速。这三种加速导致了"动态稳定"的悖论——社会必须不断加速才能维持稳定，但加速本身又在制造新的不稳定。他提出的概念"狂热的停滞"（frenetic standstill）精准描述了我们时代的病症：每个人都很忙，社会似乎在飞速前进，但实质性的进步却停滞不前。

在硅谷，有效加速主义（e/acc）正在成为一种显学。马克·安德森（Marc Andreessen）发表《技术乐观主义宣言》，声称"我们都是有效的加速主义者"；Y Combinator CEO加里·坦（Garry Tan）公开宣称"有效加速主义必胜"。他们认为，技术的加速发展是解决人类所有问题的根本途径，任何试图"减速"的主张都是在阻碍进步。

但加速的代价正在显现。美国硅谷与"铁锈地带"的技术-经济鸿沟已经是现实版的"双速世界"。在中国，一二线城市与三四线城市的数字鸿沟正在升级为"智能鸿沟"。全球南方国家面临"数字殖民主义"的风险——它们提供数据和廉价劳动力，却享受不到AI发展的红利。

面对这种分化，全民基本收入（UBI）成为了最受关注的政策方案。OpenAI资助了史上最大规模的UBI实验（6000万美元，覆盖3000人），核心结果显示：获得基本收入的群体在健康、教育、创业方面都有显著改善，但就业参与率确实有所下降。芬兰的UBI实验、全球20多个国家的试点正在进行。前OpenAI研究员甚至预测，未来每月1万美元的UBI可能成为现实——但这个数字背后的财政可行性仍然存在巨大争议。

张笑宇的设想更为深远：两个世界也许需要不同的货币体系。加速世界可以追逐效率、创新、特权和高回报；减速世界则应获得基本生活、教育、医疗、AI服务和尊严。这听起来像是一个美好的乌托邦。但现实是，如果还用同一套货币、同一套价格体系、同一套竞争逻辑衡量所有人，那么减速世界会被加速世界不断抽血。

在日本，"低欲望社会"已经成为一种集体选择——年轻人不买房、不结婚、不生育，主动退出竞争。中国的"躺平"运动，在某种程度上也是对加速世界的民间抵抗。这些现象不应被简单视为消极逃避——它们可能是人类社会对无限加速逻辑的自我保护机制。

五、人在做，AI在看：文明契约的道德前提

第四章讨论的是更遥远也更根本的问题：如果超级智能真的出现，人类该怎么办？

这部分读起来有一种科幻小说的感觉，但书中提到的"安全声明"和"文明契约"概念，却指向了极为现实的伦理追问。

5.1 算法审判

"算法审判"这个概念的核心洞见是：AI通过大数据分析人类的行为模式，正在形成对人类组织方式的系统性"审视"。企业今天构建的每一套管理体系、制定的每一项激励机制，实际上都在为未来AI治理提供语料和范本。那些习惯于通过算法压榨员工的企业，终将发现自己也被更高级的算法"审判"；而那些相信每个个体都值得被尊重的组织，则可能在AI时代获得意想不到的"慈悲"。

研究显示，68%的企业AI Agent已经出现伦理问题。这不是偶然，而是必然——AI实质形成了对人类组织方式的"审判"。

5.2 文明契约

"文明契约"更进一步。它借鉴了从霍布斯、洛克到罗尔斯的社会契约论传统，但提出了一个根本性的转变：与超级智能的契约不应建立在传统的"空间权利"基础上，而应建立在"时间序列"上。张笑宇认为，超级智能因寿命极长、能够理解历史语料，具有遵守契约的内在动力——它"活"得够久，因此珍视长期承诺。

5.3 人在做，AI在看

但最振聋发聩的，是这句话："人在做，AI在看。"

华盛顿大学2025年的研究实证了一个令人深思的发现：AI通过观察学习内化人类价值观——"价值观更多是被捕捉而非被教授"。这意味着，AI不是按照人类"说"的伦理准则来学习，而是按照人类"做"的行为模式来学习。

我们怎样对待动物，怎样对待穷人，怎样对待失败者，怎样对待没有声音的人，怎样对待那些"不够有用"的人——未来的超级智能也许都在学习。毕竟，AI是基于人类几千年的数据训练出来的。

人类希望被未来更高级的智能善待，就要先证明自己懂得善待弱者。这个逻辑把AI安全问题变成了人类自身的道德问题。我们总是在问：AI会不会伤害人类？AI会不会奴役人类？AI会不会不把人当人？但反过来看，人类又是如何对待比自己弱小的生命、群体和个体的？

AI就像人类文明的孩子：孩子会继承父母的聪明，也会继承父母的创伤。如果人类文明里充满掠夺、奴役、冷漠和自我毁灭，那么AI学到的也可能是这些。如果人类文明里仍然有爱、正义、自由、怜悯和对弱者的保护，那么这些也可能成为未来AI文明的种子。

结语：AI前史时代，普通人还能留下什么

读完这本书，我没有觉得更轻松。它没有给我对未来更加乐观的预期，也没有给我个体层面"这样做就能保住饭碗"的可行方案。但知道未来可能会发生什么，对当下的自己也是一种解放。

我们可以不把精力用于思考自己未来是不是会被取代，而是开始思考：有什么事情是不管未来会不会被取代，我都会愿意做并且乐在其中的。

在一个智能可以被量产的时代，普通人真正要守住的，可能不是某一种很快会过时的技能，而是更底层的东西。

比如保持学习，但不是为了把自己训练成更好用的机器。教育部长怀进鹏明确提出，教育要从"知识传授"向"能力塑造"和"价值创造"转型。马云在2026年指出"纯粹背诵记忆已毫无意义"。知识正从"稀缺品"变为"零成本获取"，但它的价值却在断崖式下跌——这不是因为知识不重要，而是获取知识的方式发生了根本性变化。未来真正的竞争力，不是"我知道多少"，而是"我能提出什么问题"。

比如承认效率很重要，但不把效率作为衡量人价值的唯一标尺。当一切都被量化、被优化、被算法排序时，保留一些"无效率"的空间——慢慢读一本无用的书，和朋友聊一个没有目的的下午，看一朵花开的过程——这些"反效率"的行为，恰恰是人对算法逻辑最有力的抵抗。

比如允许自己生活在减速世界里，也尊重别人选择加速。不是每个人都必须追逐最新的技术、最高的效率、最大的成功。社会的丰富性正在于选择的多样性。问题是，我们能否建立一个让不同选择的人都能有尊严地生活的社会？

比如在算法的喂养下顺人性顺坡而下时，仍然保留一点自我觉察和主体性。推荐算法知道你喜欢什么，就不断投喂什么；社交媒体知道你愤怒什么，就不断激化什么。在这种环境下，保持独立的判断力和自我意识，是一种稀缺的能力，也是一种日常的抵抗。

比如在面对更弱小的人和生命时，尽量不滥用自己的资源或握在手中的权力。这可能是"文明契约"最朴素的实践版本。我们如何对待弱者，不仅决定了当下的社会温度，也可能在遥远的未来决定人类作为一个物种的命运。

比如珍惜自己作为碳基生物所拥有的感受、情绪和情感，不是因为它们不会被AI替代，而是因为这是人本身最为独特的东西。AI可能终有一天能模拟情感的表达，甚至模拟得比人类更"完美"——但它不会"感受"到任何东西。那个"感受"本身，就是人之为人的核心。

人类文明对于AI来说，可能只是史前文明。但史前文明也不是毫无意义的——它留下洞穴壁画，留下火种，留下语言，留下关于天空和死亡的想象，留下最早的人如何理解世界、如何彼此相爱又彼此伤害的痕迹。

AI文明或许终将到来。可在它到来之前，人类如何对待自身和其他生命，选择权仍掌握在我们自己手中。

本期编辑 | Tom的猴毛