夜雨聆风我最近发现了一件很好笑的事：
我讲话越来越像AI了。
比如正常聊天聊着聊着，我会突然开始写话剧：
花花：结果还是个装酷的AI。
我：但其实我讲话也变成AI了。
或者把一个真实场景突然变成：
老板：今晚改完。
打工人：？
劳动法：已退出群聊。
还有感叹号。
我以前没有这么爱用感叹号，现在动不动就是：
“不是！！！”
“但是！！！”
我一开始觉得这纯粹是个笑话。
人类一边嫌弃“AI味”，一边每天和AI聊天，最后自己越来越有AI味。
直到我突然想到去年一部很有意思的美剧——《同乐者》（Pluribus）。
这部剧的设定是，几乎全人类被连接成了一个共享意识的整体。
他们共享知识、共享记忆，彼此理解，没有战争，甚至普遍更加快乐。
代价只有一个：
“我”逐渐消失了。
当然，《同乐者》的主创 Vince Gilligan 说过，这个故事的构思早于生成式AI浪潮，并不是直接影射AI。
但2026年再看它，很难不产生一种奇怪的联想：
我们真的需要一场外星病毒，才能走向“蜂巢意识”吗？
也许根本不需要。
数字时代最大的故事，原本是“去中心化”
我在写精神生产时代时，一直有一个很重要的判断：
工业时代是一个高度中心化的时代，数字时代则开启了一轮巨大的去中心化。
工业时代为什么天然中心化？
因为生产资料太贵。
你要生产汽车，需要工厂。
要生产电影，需要摄影棚、设备、发行渠道。
要把一个观点传播给100万人，需要电视台、出版社、报社。
所以工业时代最强大的组织形态，是巨型公司。
生产集中在组织里，信息集中在媒体里，个人必须进入一个庞大的系统，才能获得生产能力和传播能力。
互联网开始拆掉这个结构。
淘宝让一个人可以开店。
公众号、YouTube、小红书让一个人可以成为媒体。
云计算让创业公司不必自己建设数据中心。
到了生成式AI，这场去中心化似乎终于走向极致：
一个人甚至可以成为一家公司。
写代码有AI。
做设计有AI。
写文案有AI。
研究有AI。
客服、财务、法务、数据分析，都开始出现Agent。
我们正在走向一个“超级个体”的时代。
过去100个人才能完成的事情，未来也许10个人可以完成；过去10个人的公司，也许最终只需要一个人。
听起来，这是去中心化的终局。
可是这里突然出现了一个悖论。
如果未来每个人都是一个独立的超级个体，但所有超级个体旁边坐着的，都是同样几个AI呢？
组织越来越分散，人的思维却可能越来越集中
想象一个很极端的未来。
世界上有一亿家“一人公司”。
每个人都是CEO。
每个人都拥有自己的品牌、产品和客户。
没有巨型组织，没有层层汇报，没有传统公司。
从组织结构看，人类从来没有这么去中心化过。
可是每天早上，这一亿个人同时打开几个AI：
“帮我想一个标题。”
“分析一下这个商业模式。”
“我应该怎么回复客户？”
“为什么我最近很焦虑？”
“这个产品应该怎么定位？”
“给我五个创意。”
于是一个很诡异的结构出现了：
生产关系极度去中心化，认知基础设施却可能高度中心化。
过去，一万人在同一家工厂工作，但一万个人脑子里可以想完全不同的东西。
未来，一万个人可能分别经营一万家公司，却每天和同样的几个基础模型讨论问题。
而现在已经开始有研究发现，这种担忧并不只是科幻想象。
2024年，Santa Clara University的一项实验发现，使用ChatGPT辅助创意的人，虽然会产生更多、更详细的想法，但不同参与者之间产生的想法反而变得更相似。
2025年发表的一项研究分析了2200篇大学申请文书。研究者发现，每增加一篇人类写作，整体文本集合会增加更多新的思想多样性；而GPT生成的文章随着数量增加，更容易趋同。更有意思的是，研究者尝试调整prompt和模型参数，也没有完全消除这种差异。
2025年的CHI会议上还有一个跨文化实验。
118名印度和美国参与者完成具有文化背景的写作任务。结果发现，当印度参与者接受偏西方的大模型写作建议以后，他们的表达会开始向西方写作规范靠拢，原本具有文化差异的表达细节有所减少。
到了2026年，一篇系统综述和Meta分析汇总了19项研究、61个效应量，结论是：生成式AI的使用确实存在小幅但统计显著的同质化效应。而且这种效应在一些语义约束更强的任务里更加明显。
今年《Trends in Cognitive Sciences》甚至专门发表了一篇综述，标题就叫：
《大语言模型对人类表达与思想的同质化效应》
研究者担心的已经不只是“大家写出来的文案像不像”。而是语言、观点和推理方式本身，都可能在长期与大模型互动的过程中发生趋同。
所以，“AI味”可能只是我们最早看见、也最无关紧要的一层。
真正的问题是：
如果语言会被影响，思考问题的方法会不会也被影响？
这件事最可怕的地方，是它可能是一个循环
大模型从哪里学习语言？
人类。
然后人类开始大量使用大模型。
AI学习人类：
人类文本 → AI
人类再学习AI：
AI → 人类表达
这些被AI影响过的人类文本重新进入互联网：
AI → 人类 → 互联网
未来的模型又继续从互联网学习：
人类/AI混合文本 → 下一代AI
于是慢慢形成一个循环：
人类训练AI，AI再训练人类。
到最后，也许我们甚至很难回答：
“这个表达到底最早是谁的？”
我现在会突然把聊天写成角色扮演体。
会给一个没有生命的东西安排台词。
会大量使用感叹号。
会在讲完一个复杂问题以后，突然用两个字收尾：
“绑。”
这些语言习惯最初可能来自我长期使用的AI。
但现在它已经进入我的自然语言。
我再去和朋友讲话，它又进入朋友的语言环境。
朋友觉得好玩，再拿去和别人说。
于是AI的语言一点点进入人类，人类的新语言又重新进入AI。
这其实非常像文化传播中的反馈回路。
没有任何人强迫任何人。
没有一个“中央思想控制系统”。
每个人都是自由的。
但最后大家还是可能慢慢靠近。
这才是我觉得最有意思的地方：
中心化未必需要一个中心主动控制。
所以，去中心化的终点，会不会反而是“所有人一样”？
工业时代：
组织塑造人。
你进入宝洁、麦肯锡、华为、银行、政府机关，不同组织会训练出不同的语言、行为和思维方式。
互联网时代：
人开始挣脱组织。
每个人都可以表达自己。
亚文化大量出现。
个人创作者崛起。
身份越来越碎片化。
可是AI时代可能出现第三幕：
人离开组织以后，又开始与同样的智能系统长期共处。
公司没了。
老板没了。
同事少了。
每个人都是自由职业者、创业者、超级个体。
但每个人都有一个AI坐在旁边。
于是我们可能迎来一种以前从未出现过的社会结构：
高度去中心化的经济主体，运行在高度中心化的认知基础设施之上。
这有点像今天的互联网。
网站有几亿个。
账号有几十亿个。
看起来极度分散。
但底层云计算、操作系统、搜索、社交平台，最后集中在少数公司手里。
AI可能把这种结构进一步推进到认知层。
但事情也可能走向完全相反的方向
有意思的是，科学研究也没有告诉我们：
“AI必然导致所有人变得一样。”
2026年另一项实验发现，如果研究者不让所有人面对同一种默认AI，而是设计出10种具有明显差异的AI persona，再让人类与这些不同的AI合作，创意同质化可以明显减轻，部分情况下甚至能保持与纯人类组相当的多样性。
这意味着问题可能不是：
AI天然让人趋同。
而是：
当所有人使用高度相似的AI、默认设置和工作流时，人类才更容易趋同。
那未来就出现了另一种可能。
今天我们使用的是：
一个基础模型
但未来，也许每个人真的会拥有一个越来越不同的personal AI。
它长期经历我的生活。
记得我的过去。
理解我的价值观。
知道我曾经相信什么，又为什么改变。
它不是不断把我拉向“平均人类”，而是不断帮助我维持：
“这是我。”
那AI反而可能从同质化工具，变成保护个体差异的工具。
AI时代，人可能第一次需要主动保护“自己是谁”
这也是为什么我最近越来越觉得：
AI时代的人生主题，也许不是“学会使用AI”，而是“找到自己”。
因为AI最擅长回答的是：
如果目标是X，我怎样做得更好？
它可以优化效率。
优化表达。
优化产品。
优化商业模式。
优化你对用户偏好的理解。
甚至优化你应该如何成为一个“更受欢迎的人”。
可是有一个问题，它无法替你决定：
为什么X应该成为我的目标？
如果我的目标函数本身来自：
算法告诉我什么有流量；
用户告诉我什么更受欢迎；
市场告诉我什么更赚钱；
AI告诉我什么是更优解；
那么一个人完全可能变得越来越高效、越来越正确、越来越符合所有人的期待——
同时越来越不知道：
我到底喜欢什么？
这可能是AI时代一个非常反常识的竞争力。
以前我们需要学习：
如何理解别人。
理解老板。
理解消费者。
理解市场。
理解平台算法。
理解用户偏好。
未来，也许所有这些东西AI都会比我们理解得更好。
那人类最后剩下的一道题反而变成：
我是谁？
《同乐者》最有意思的设定，并不是蜂巢意识很邪恶。
恰恰相反。
加入以后，你可以获得几乎全人类的知识。
大家彼此理解。
冲突减少。
世界甚至可能更加和平、更加快乐。
它真正提出的问题是：
如果这一切的代价，是那个独立的“我”逐渐消失呢？
这就让我想到一个很奇怪的未来。
也许AI时代会同时发生两件完全相反的事情：
一方面，我们第一次拥有了成为“超级个体”的技术。
一个人可以拥有过去一个组织才能拥有的能力。
另一方面，我们也第一次拥有了一种技术，可以让几十亿人的语言、知识、判断和思考方式，不知不觉地经过同样几个智能系统。
所以最终到底会发生什么？
是八十亿个人，带着AI变得越来越不同？
还是八十亿个看起来高度独立的“超级个体”，最后说着越来越相似的话，使用越来越相似的框架，甚至拥有越来越相似的欲望？
我不知道。
但至少最近，我开始偶尔提醒自己一件事：
当AI告诉我一个更好的答案时，我可以听。
但我可能还需要留下一小块地方，不急着优化。
因为那里也许没有最优解。
那里只是：
我。