夜雨聆风AI 把"知道"变成空气一样廉价, 而对于人来说, "去做/DO" 依旧是越来越稀缺的能力.
突然想起我的座右铭:
公益是一辈子的事, I'm digoal, just do it.
AI 平权了什么, 又把什么悄悄"变成"了稀缺品。 (打引号的变, 因为这个不是 AI 变出来的, 而是一直存在, 但在 AI 平权之前未暴露出来的、在冰山之下的东西.)
今天就来聊一聊这个话题, AI 时代最稀缺的不是问题更不是答案, 而是: 愿力
或者更精确一点应该是: 行动力+心力+愿力
一、冰山之上: 四样东西的"瀑布式平权"
算力、模型、知识、问题求解。
这四样在过去三年的平权方式很像"瀑布" —— 上游先动, 下游跟进, 6–18 个月一个台阶。
算力。推理侧基本平权:Stanford AI Index 2025 给出的数字是 GPT-3.5 等效推理成本两年下降约 280 倍。H100 这类卡的一年合约价 2024 年一度腰斩。但"自训 1T+ 参数的前沿模型"是另一回事 —— 2026 年 3 月 H100 现货价反弹 40%,Nebius、Lambda 一度售罄。"买得到 API"和"买得到 10 万张 H100"是两件不同的事。 模型。开闭源差距在主流基准上从 2024 年初的约 8 个百分点,到年底在某些基准上被压缩到 1.7%。Llama 3.1-405B、DeepSeek-V3、Qwen2.5/3 用闭源 1/20 到 1/40 的预算追上 GPT-4 级。但 SOTA 仍按月租 —— GPT-5、Claude 4 Opus、o3 系列在 GPQA Diamond、SWE-bench Verified 等"反污染"基准上保持领先。顺带提醒一下:常被引用的 DeepSeek "$5.5M / 2048 张 H800 训出 R1" —— 其实这个数字属于 V3 的官方训练成本表,R1 论文摘要里并没有这串数字(DeepSeek-V3 技术报告, arXiv:2412.19437)。 知识。陈述性知识(论文、教材、代码片段)的复制成本已经接近零。Elicit 接入约 1.25 亿篇学术论文并向免费用户开放搜索;Khan Academy 注册用户约 1.2 亿,Khanmigo(可汗学院) 拿到 Microsoft 1000 万美元做 AI 导师。 但线下、陪伴类、认证类、情境化、师徒相传的 know-how 反而更值钱了 . 这个我在 《AI 把教培行业逼成了“教陪”行业》 专门分享过 。 问题求解。AI 在"生成候选问题"上进步极快: Sakana AI Scientist v2(2025.04)在 ICLR 工作坊通过同行评审; DeepMind 的 FunSearch 在数学里发现了新的 cap set 构造(Nature 625, 2024); AlphaFold 3(Nature 630, 2024.05)把蛋白质结构预测的成本曲线砸平了。
把这四样放到一张"平权程度 × 准入门槛"的图里看, 大致是这样的分布:
二、那么,水下是什么?
水面之上被 AI 平权了, 水面之下才是稀缺品。
简化来说, 水下归成两样: 心力和愿力。
心力和愿力把一个本来复杂的多层结构压缩成了两根支柱。先把这两根支柱拆开看, 再补上被简化掉的几层。
2.1 心力: 不是"意志力燃料", 是前额叶 × 神经递质 × 代谢的复合体
"心力"这个说法在神经科学里没有统一定义,但它对应的生理结构是清晰的:外侧前额叶皮层(PFC) 负责抑制、工作记忆、目标维持;前扣带监控冲突;腹内侧前额叶 / 眶额做成本-收益评估;基底神经节提供动机能量。Miller & Cohen 在 2001 年的经典综述把这套关系概括为"PFC 通过维持目标表征、向皮层下发放自上而下的信号来实现认知控制"。
心力与身体的绑定关系是确定性结论:
睡眠。Yoo 等(Current Biology, 2007)fMRI 显示,睡眠剥夺 36 小时后被试面对负性情绪时杏仁核反应升高约 60%,而内侧前额叶到杏仁核的功能连接显著下降 —— 情绪控制回路直接断线。持续清醒 17 小时的认知表现 ≈ 血液酒精浓度 0.05%;24 小时 ≈ 0.10%(CDC 引用)。换句话说,通宵赶完一个项目之后决策力崩盘,不只因为累,而是生理性下调。 运动。Erickson 等(PNAS, 2011)随机对照试验显示,1 年中等强度步行使海马体积增加约 2%,相当于逆转 1–2 年年龄相关萎缩。 营养与代谢。地中海饮食模式与更好的认知老化相关(Scarmeas, Ann Neurol, 2006);高糖高饱和脂肪饮食在动物模型中明确损害海马与 PFC 功能。
2.2 心力随年龄衰减, 但可干预缓解
Tim Salthouse 在认知老化领域做了二十多年最系统的横断+纵向研究(JINS, 2010; Neurobiol Aging, 2009),报告流体智力相关的核心能力(处理速度、工作记忆、推理)大约在 25–30 岁之后呈线性下降,衰减速率约 1%/年 —— 注意这是健康成人的群体平均,不是每个人的纵向轨迹,也不是某项特定测验的精确常数。Salthouse 后续对 GALAMM 等潜变量增长模型的修订也提示这一速率会因能力领域、测量方式和队列不同而有差异。
为什么是 外侧前额叶皮层(PFC) 最早衰退? 因为它是神经元最密集、突触修剪最晚完成、髓鞘投资最重、能量需求最高的区域 —— 晚熟早衰是 PFC 的本性。
外侧前额叶皮层(PFC)衰退 可干预缓解:
运动。上面 Erickson 2011 已列。 冥想。Hölzel 等(Psychiatry Research: Neuroimaging, 2011)VBM 显示 8 周正念冥想即可使海马、后扣带回、颞顶联结区灰质密度增加;Kang 等(SCAN, 2013)DTI 显示长期冥想者前额叶皮层厚度高于对照,白质完整性更好。 认知训练与教育。Schaie(2005)Seattle 纵向研究 50 年追踪提示: 认知训练干预可以把流体智力衰退推迟若干年; 教育水平每多一年与晚年痴呆/阿尔茨海默病发病延迟相关 —— 这是认知储备理论(Stern, Lancet Neurology, 2012)反复观察到的一致结论,但精确到"每多一年教育发病风险下降多少个百分点"在不同队列里差别很大。常见综述引用的是相对风险下降约 20% 一类的量级, 具体数字高度依赖样本、口径和 SES 控制; 若要给读者一个稳的表述, 只能说"教育与晚年认知表现之间存在被广泛复制的正相关, 且因果机制尚未完全闭合"。 认知储备。同样的脑病理负担下, 高认知储备者临床表现更晚出现症状。
所以准确的表述是: 心力随年龄衰减总趋势不可逆, 个体轨迹高度可塑。
2.3 愿力: 是反人性的
搜遍 PsycINFO、Google Scholar 和中文心理学期刊(截至 2026 年 7 月),"愿力"作为一个正式学术构念不存在。它是一个复合直觉概念, 大致对应四样被正式研究过的东西的交集(基本上都是反人性的):
长期目标坚持不放弃 → grit(坚毅) ,Duckworth 等 2007 抑制当下冲动换取远期回报 → self-control(自控力) 把费力的事持续做下去 → perseverance of effort 主动选择"正确但难"的事 → approach motivation 的反面
严格地说,一个人"愿不愿意做费力的好事"这件事, 实质上由五层组成:
行为机制层(习惯化、自动激活) —— 也就是惯性, 确定可训练; 动机-情绪层(grit(坚毅) 中的 perseverance + approach motivation) —— 中等可训练; 能量-生理层(耐受急性不适、调节 HPA 轴) —— 中等可训练但依赖剂量与基线; 人格特质层(尽责性的 productive facet) —— 弱可训练; 基因 / 早期环境层(尽责性的可遗传性约 50%) —— 几乎不可训练。
真正能训练的主要是前两层;
说到这, 我个人非常认同, 例如我分享内容的惯性可能持续了 20 年, 而在分享的过程中又会得到情绪层面的正反馈(例如可能我的分享帮助到了别人, 别人会心存感激, 在交流中又会给我正反馈)
三、被简化掉的几层: 水下其实更宽
把水下简化为"心力 + 愿力"两根支柱, 有个好处(好讲、好记),也有个代价 —— 它容易把一个本来多维的人类条件,压缩成两个内在品质,然后把结构性问题道德化。
至少还有这六层是"心力 + 愿力"覆盖不全的:
肉身性。疲劳、疼痛、性别化经验、疾病、衰老、触觉、空间位置、死亡 —— 不只是心力的输入变量, 而是意义形成的条件。Merleau-Ponty 和 Mark Johnson 都强调理解不是脱离身体的纯计算。AI 可以模拟身体语言, 却不因此承受伤口与死亡。 关系与附近。项飙在 2019 年的访谈里提出过"附近的消失": 人的注意力被自我焦虑和全球宏大叙事两端吸走,对邻居、保安、摊贩、社区规则和日常劳动者缺乏具体认识。生活的物质基础由大量细密关系托住; AI 能生成体贴话语, 也能成为媒介, 但不能单方面制造互惠历史、共同风险和相互承担。 审美与意义。AI 可以生成风格、组合形式、预测偏好。但"什么值得追求"、"何种损失值得承受"、"为什么这个表达与此人的生命有关"是价值判断,不等同于形式相似度。审美不是人类专属的护城河, 但它的社会意义取决于创作者位置、共同体回应与生活实践。 道德责任。责任不仅是知道正确答案, 更是被他人追问、能够解释、接受制裁或补偿。一个系统可以输出道德建议, 却不能自动成为责任主体。责任的归属仍需由组织、法律、职业伦理和具体的人来承担 —— 这正是为什么 Acemoglu 与 Johnson 在《Power and Progress》(2023)里反复强调: AI 的用途是政治选择, 不是技术宿命。 偶然性与运气。出生地、家庭、健康、时代、关键相遇和灾难都会改变结果。Bernard Williams 在 1981 年提的"道德运气"问题说明:人的责任判断始终与不可控因素纠缠。把结果全归为愿力,会产生"成功者全靠自律、失败者全因懒惰"的错觉。 制度与权力。人能否把心力转化为成果,取决于是否有时间、财产、信用、教育、法律保护、组织渠道和议价能力。Lanier & Weyl(HBR, 2018)提出的"数据尊严"问题: 模型越像一个自主主体, 越容易掩盖背后无数人的文字、审美、标注、照护和互动劳动;价值不等于平台给出的价格。
把上面这些合起来,可以用一个启发式:
可实现的价值 ≈ 工具能力 × 有效注意力 × 关系信任 × 制度授权 × 身体可持续性 × 运气条件
乘法表示瓶颈效应: 任何一项接近零, 产出都可能急剧下降; 但在真实社会中也存在替代和补偿。这不是定律, 是"不要漏变量"的检查表。
冰山的真实形状更像这样:
几条具体建议
不要把"AI 平权算力"误推为"AI 平权一切" 。访问平权、控制平权、结果平权、意义平权是四件不同的事; 前者在进步, 后几层还在分化。 心力不是肌肉也不是燃料,是可干预的复合系统。睡眠、运动、营养、压力管理 —— 这四件事的回报率高于任何"自我提升"课程。25–75 岁的健康中产成人, 这条处方基本管用; 愿力训练最有效的路径不是硬撑, 而是结构化设计: 实施意图 + 微行为锚定(路径 A)、有反馈的刻意练习(路径 B)。把"不愿做的事"通过环境设计变成默认行为, 比用意志力反复搏斗稳得多。 关于"识别好问题" : AI 是好的候选问题生成器, 但判断与承担仍然是人的事。如果你正处在"找不到值得做的事"的状态, 这不是 AI 的 bug, 可能是你需要一个共同体、一段时间、一些真实的不舒适来帮你长出"品味"。
