把 AI 讲清楚(二):一次故障,看清人和 AI 差在哪

七月底，我的 Google Wallet，从 NFC 支付里消失了。

没有任何公告，没有任何报错。手机照常能用，只是贴近闸机时，什么都没发生。

后来我才知道，中招的不止我一个。

网上立刻冒出无数解释：有人说是 HyperOS 的锅，有人说是 Wallet 更新，有人说是 NFC 故障。

我也先入为主：大概率是厂商或系统配置的问题。

直到我试了薯友说的处理 Play Service 的方法，居然临时有效。

这就怪了。问题如果出在手机厂商，为什么动 Google 的东西会好？

该查的，恐怕不是手机，而是 Google 自己。

于是拉着 GPT，开始查。

账号同步、NFC、卡模拟、各种系统日志——Android 相关的框架，我们几乎过了一遍。HyperOS，排除。账号异常，排除。NFC 硬件，排除。Wallet 本身，排除。第三方修改，排除。

最后，日志里出现两行关键的东西：

deviceSupportsTokenization 判定「CN国行」；随后，Disabling TapAndPay HCE service。

翻译成人话：让手机模拟银行卡刷 NFC 的那一层，被 Google Play Services 主动关掉了。而且，是在确认这是一台国行手机之后。

公道话得说在前面：这趟排查，GPT 是真帮了大忙。Android 框架、NFC 路由、HostApduService，这些我不可能都懂。很多命令是它给的，很多方向是它想的。没有它，我大概第一天就放弃了。

它的推法是直线：看到 a，按历史经验大概率是 b，就去验证 b；不是 b，大概率 c，再去验证 c。稳，但只在「常见」里打转。

我常不按这个来：看到 a，虽然以往大概率是 b，但现场几个现象让我觉得更像很少发生的 f——直接去查 f。结果往往就是 f。

几次结果和它的预测对不上，它第一反应总是：假设错了，换方向。

我第一个念头却是：会不会实验还没做完？Service 没重注册、Play Services 没重新初始化？

事实往往如我所料。

一句话：它更像数学家，不对就推倒重来；现实更像工程——缓存、灰度、后台恢复，很多事不是瞬间发生的。现实，没那么干净。

日志说得很明白：代码判定国行，然后关掉 HCE。到这里，GPT 就停了。无论怎么讨论原因，它都只说：可能是 bug。

我却得出了另一个猜测：Google 正在主动灰度推送有问题的 Service 版本。

为了证实它，我去小红书发了帖。陆陆续续收到大陆、香港、台湾、新加坡、美国、日本、欧洲数国的案例；机器覆盖小米、OPPO、一加、荣耀、三星；版本从稳定到 Beta。

规律很快对上：问题不在 Wallet，不在品牌，而在某个特定版本的 Google Play Services——稳定版 26.26.34 没事，26.28 开始出事，Beta 用户 26.29 必现。

和我事先的灰度猜测一致。

最后，一位 Google 的工程师也踩了同一个坑。内部排查后确认：为了满足三星 Samsung Pay 的兼容，他们在修国行手表 的一个 Bug 时，加了一套新的硬件检查。本来不是冲着手机来的，却误伤了所有国行安卓。修复代码已经提交，后来通过 Play Services 更新推了下去。

我写这篇时，小红书上那些天天「我也遇到了」的评论，已经基本安静了。

故障期间，不断有人贴各家 AI 的回答来「科普」。有人贴 Gemini，有人贴 豆包。最长的一位，连发几段 Gemini，头头是道：Google 正在收紧国行安全策略，涉及 Play Protect、地区限制、内部机制——语气笃定得像握着内部邮件。

这位还特意补一句：这是用「无幻觉提示词」问出来的，"要的看我笔记"。

「无幻觉提示词」这个说法，本身也值得多想一层：幻觉是模型的固有倾向，不是靠提示词就能豁免的——最多是被压下去，不是不存在。

我把那些回答一条条对了一遍，跟实际症状不符的太多了。

回复他之后，第二天，他又来贴 Gemini 了。

我这才反应过来，现在不少人犯了一种新错误：他们不是信证据，而是信哪个 AI 说得最像真的。

第一，LLM 不是证据。它能整理知识、提假设、分析日志、帮推理，但代替不了实验、统计、现实数据，更代替不了真正的证据。

第二，也是更关键的：它提假设、对结果的方式，和人有本质不同。

它按历史概率直线走，能在「常见」里很快，却很难跳出经验去押一个很少发生、但现场迹象更支持的方向；结果一不对，它倾向于推倒重来，却很少想到还有什么其他可能性；它止于「是什么」，很难自己追问「为什么」。

而这三步——从现象直接跳到低概率的 f、碰上反例先多想一步而不是立刻改方向、盯着一段代码问「它为什么在这」——恰恰是这次把问题啃下来的关键。

先从现象归纳，创造性地提出猜测，再去实验证实；先怀疑「常见解释」不对，再顺着异常追下去。

这几步，都是人先迈的。

所以，回到上篇那个问题：担心被 AI 替代的朋友们，经历完这次，有没有不那么慌了？

LLM 很会回答限定框架内的问题，甚至能解出人类几十年的数学难题。但它既难跳出经验去提那个「不对劲」的假设，也难在反例面前先等等、想想是否有别的解释，更难自己追问根因、再主动设计实验去证实。

这些，目前还是人最核心的价值。至少现在，不用太焦虑。