夜雨聆风高盛有一万多名员工每天在用AI助理做文档摘要、起草初稿、数据分析。管这件事的人叫Chris Churchman，高盛合伙人，负责机构客户数字平台Marquee——简单说，Marquee是高盛给对冲基金等机构客户提供市场数据、交易工具和投资分析的数字平台，也是高盛内部推AI最靠前的入口。他同时还兼任全球银行与市场业务AI工作组的联合主席。
就是这么一个人，八月在高盛自己的播客《Exchanges》里说了一句听上去像反话的警告：AI在华尔街快速普及，下一代金融从业者可能出现"认知萎缩"——把推理能力外包给模型，最终丧失从第一性原理出发独立思考的能力。
他还补了一句，"I am a believer"，我信AI这条路。
一个正在大规模部署AI的人，警告AI的代价。这事比"AI会不会抢饭碗"有意思多了。
高盛合伙人Chris Churchman在《Exchanges》播客中警告AI可能导致认知萎缩
Churchman讲了一个很具体的场景。
过去初级交易员是怎么长出来的：客户询价进来，你得亲手理解客户要什么，自己搭定价逻辑，去操作定价器，再决定返回什么价格。这一整套动作又慢又笨，但一个高级交易员的判断力就是在这无数次重复里磨出来的。
现在这些环节里相当一部分可以被自动化。效率确实高了。问题也跟着来了：当这一代初级交易员不再亲手走过这些环节，十年后他们凭什么成为能在异常市场里做判断的高级交易员？
他用了一个很多人熟悉的类比：GPS让我们越来越少去记城市路线。开车无所谓，但给复杂衍生品组合定价时依赖一套假设可能随时漂移的模型，性质就不一样了。
这跟"AI会不会替代人"的旧话题不是一回事。Churchman看到的东西更拧巴：AI不一定替代你，但它可能替你把"长成一个靠谱的人"所需要走的那段苦路给走了。路替你走了，能力就不长在你身上了。
这种担心不是凭空的。医疗领域有一组数据值得拿出来说。
2025年《柳叶刀·胃肠病学与肝病学》发表了一项多中心观察性研究，追踪了1443次没有AI辅助的结肠镜检查：在内镜医生开始日常使用AI辅助系统之前，他们的腺瘤检出率是28.4%；日常用上AI之后，再让他们在关掉AI的环境里做检查，检出率降到了22.4%，掉了大约6个百分点。
需要说清楚，这是观察性的前后比较，不是随机对照试验，时间趋势和患者结构都可能构成干扰。但这个方向跟其他研究是一致的：AI在场时人表现更强，AI一撤，某些能力反而不如从没用过AI的时候。
2026年一项计算病理学实验也观察到类似的双重效应：AI总体上提高了诊断表现，但在约7%的情形中，专家原本正确的独立判断被AI给出的错误建议带偏了。这项研究样本不大，结论需要谨慎对待，但"专业资历不是天然安全阀"这一点跟更早的自动化偏见文献是吻合的。
法律界的信号方向类似。明尼苏达大学法学院做过一个随机对照试验，让法学院学生做真实的法律任务，一半能用GPT-4，一半不能。AI组完成速度大幅提升，但法律分析质量的改善"轻微且不一致"；低技能学生在AI有效的任务里获益最大——AI最擅长帮人够到及格线，但从及格到卓越那段路，它帮不上太多忙。
内镜医生撤掉AI辅助后腺瘤检出率从28.4%降至22.4%
讲到这里得停一下。有反对意见认为，这种担忧在历史上反复出现过：计算器出现时有人担心人心算能力退化，搜索引擎出现时有人担心人不再记忆，电子表格普及时也有人说会计师会废掉。结果是这些工具并没有摧毁行业，而是把人推向更高阶的工作。
这个反驳有道理，但它跟Churchman的担心之间有一个关键区别。计算器和搜索引擎主要替你存储和检索信息，它们不替你做推理链条里的中间判断。大模型参与的是推理过程本身——它不只给你数据，它直接给你一个看起来完整的结论。当你连中间步骤都不再自己走一遍，"发现它错了"的能力就失去了训练机会。
心理学有两个更精确的词。一个叫"认知卸载"：把记忆或计算交给外部工具，这本身是理性的，人的工作记忆有限。另一个叫"自动化偏见"：系统给建议时人倾向于顺着走，系统错了你照做，系统该提示没提示你也发现不了。真正的风险不是卸载本身，而是长期卸载某一类高价值认知动作之后，那个能力会"用进废退"。
这个问题不是华尔街独有。
中金公司研究部执行负责人吴慧敏2026年6月说了一句话，比Churchman的警告更直白：如果第一次就直接用AI，没有打底稿，没有自己写作，没有经历分析链条和知识图谱的构建过程，就很容易被AI欺骗。AI风险不只是它会犯错，而是人逐渐失去发现它犯错的能力。
据公开报道，中金的做法是把分析师的专业能力封装成可调用的AI技能包，但定位很清楚：AI解决"快"和"广"，分析师解决"准"和"深"。他们要求分析师在使用AI之前，先独立完成完整分析框架，再跟AI的输出对照。这不是形式主义，是在工作流里人为保留"认知摩擦"——先自己走一遍，再看AI给的路对不对。
工行2025年3月率先完成DeepSeek开源大模型的私有化部署，建行、中信也在跟。国家金融监督管理总局2026年6月发布《关于银行业保险业人工智能安全开发应用的指导意见》，专门要求建立"人机协同业务管理流程"。中国监管的措辞跟Churchman不同，但指向同一个焦虑：怎么在不退回手工时代的前提下，保住人的判断力。
老子有句话，放在这里可以借它的结构想一层。
"为学日益，为道日损。"
求学是一天天长加法，求道是一天天做减法。我更愿意把它理解成一种张力：知识、信息、工具可以无限累加，但判断力、对本质的把握，需要的是减法——剥掉噪音，剥掉别人替你想好的答案，剥掉"模型说的不会错"这种幻觉。
AI做的是"为学日益"。它能给你几百次搜索、几十条引用、一份格式工整的报告。但"为道日损"那部分——你得自己把这些材料在脑子里过一遍，判断哪个数字可疑、哪个论点站不住、哪个角度被所有报告一起漏掉了——没人替得了。
这当然不是在说AI不好。ChatGPT那份深度研究我自己也用，数据和来源整理得确实扎实。但如果我只读那份报告，不追问、不交叉验证、不自己想一层，我得到的只是"看起来很全面"。
聊到这儿你会发现，Churchman的警告和老子那句话指向同一件事：工具的扩张不等于能力的增长。
AI可以让一个组织整体越来越聪明，同时让组成它的个体越来越不会独立完成某些事。反过来也成立——用AI把专家的经验传播给新人，让每一代人的判断力更快成熟。两种未来在技术上都可能，差别在制度设计：你有没有在工作流里给那些"慢"的动作留下位置，让年轻人有空间亲手犯错、亲手搭框架，在AI说"这答案没问题"的时候仍然有人能从头核一遍。
高盛的担心值得听，不是因为他给了答案，而是因为他把问题摆到了台面上：AI时代真正稀缺的，可能不是谁会用AI，而是谁在AI之外还保有独立走完一条推理链的能力。
事实来源：高盛《Exchanges》播客2026年8月Chris Churchman专访；CNBC相关报道；Reuters 2025年6月高盛GS AI Assistant一万员工使用报道；美国联邦储备委员会FEDS Note 2026年4月调查（金融业GenAI使用率63%，各行业最高）；Lancet Gastroenterol Hepatol 2025年多中心观察性研究（腺瘤检出率28.4%→22.4%，1443次检查）；2026年计算病理学negative consultation实验；University of Minnesota Law Review AI法律分析RCT；中金公司研究部吴慧敏2026年6月公开发言；国家金融监督管理总局2026年6月《关于银行业保险业人工智能安全开发应用的指导意见》；中国工商银行2025年3月DeepSeek私有化部署公告。