涌現、AI 帶來裁員的結果都是必然 —— 對話張笑宇 | 萬有引力

作者 | 唐小引

出品 | CSDN（ID：CSDNnews）

對于 AI，我常常感受到 世界的參差，比如：

程序員說：

• AI Coding 工具是我們結對編程的好搭子，研究怎么提效。

• 程序員的工作遠不止寫代碼，還有開會、對需求、調 Bug 等等，AI 取代不了我們。

做老板的則說：

• AI 的時薪要遠低于人類的時薪，我雇一個初級程序員，可能得要一兩萬，但是我買 Claude Code，200 美金，也就一千多人民幣。AI Coding 替換的根本就不是之前的 IDE 市場。

每一個專家/資深人士曾經都是菜鳥/小白，但現如今 AI 正在鋸斷通往專家的階梯。由技術進化帶來的問題，答案已經超出了技術本身。

當我讀完張笑宇所著的《AI 文明史·前史》，對之前困惑的問題就有了一些答案。

張笑宇本身是科技史作者出身，深諳政治史、社會學，但并非技術專家。《AI 文明史·前史》是他花了一整年時間與全球范圍內的 AI 一線從業者、研究人員、企業家、思想家、非 AI 領域學者以及其他相關人士密集交流后得出的結論。這本書的核心是用社會工程學的方式討論 AI 帶來的影響的本質，反而會收獲一些新的啟發。

書中主體涵蓋了 4 個概念：

1. 是技術圈常議的「涌現」，從本質上來說，人工智能的智慧與你我一樣，都是從復雜神經網絡之中“涌現”而出的。滋養「大腦」的語料來自孔子、李白、柏拉圖、牛頓等等。從這個角度講，似乎也是挺有意思的類比。

2.人類當量：即以「token」（詞元）為計數單位，衡量 AI 量產智能的效率。張笑宇這樣說道：“如果我們承認當下社會運作的一般經濟法則，即金錢價值是衡量智能價值的最泛用標準之一，那么按照性價比來計算，99% 的人類將被 AI 取代，這只是一個簡單的成本收益問題。”

3.算法審判：我們將進入一個由算法完成主要社會治理職能的時代，「算法治理本質上是對我們最正義的審判」。比如：困在算法里的外賣騎手、短視頻的算法等。

4.文明契約：一個設想 —— 在勝過所有人智慧的超級智能面前，人類是否也有可能簽訂一份「文明契約」？來保證不同智力水平之間的文明能夠共存。

本期《萬有引力》，我們嘗試從社會工程學的角度，分析AI 對于我們的職業，尤其是程序員，究竟會帶來怎樣的變化？AI 進化迅猛，我們的思維也在不斷刷新。

歡迎收聽播客，如有興趣觀看完整視頻，可在文末獲取

等待 AI 在社會工程學層面緩緩展開

唐小引：大家好，歡迎收看由 CSDN 主辦的《萬有引力》欄目，穿越復雜世界，解讀技術真相。今天很榮幸地邀請到了“文明三部曲”的作者張笑宇老師，帶著他的全新著作——《AI 文明史·前史》，來和大家一起見面，分享他從社會學角度對于 AI 的研究和思考。歡迎張老師，可以給大家打個招呼，做一下自我介紹。

張笑宇：大家好，我是張笑宇，我本身其實是寫科技史出身的。從前幾年開始關注 AI，去年決定寫一本探討 AI 會給我們人類社會帶來哪些影響和改變的書，就是現在和大家見面的《AI 文明史·前史》。我更愿意把后三個字“史前史”連在一起讀，因為它在暗示：在 AI 面前，咱們都是史前動物。所以“史前史”指的是我們現在已經發生的歷史和將要到來的現實。

唐小引：我其實前面看到您說“我們都是史前動物”這句話，相比于驚訝，更想先問問您，AI 幾經起落，業內也熱議 Scaling Law 延續問題，您怎么確定我們在 AI 面前全都是史前動物，而不會再經歷寒冬？

張笑宇：今天我們聊 AI 時，已經確定了一個基本路線，相比之前是有效的。這個路線就是“涌現原理”，其實落實到具體就是 Scaling Law。之前的 AI 寒冬，比如上世紀六七十年代到八九十年代，當時人工智能的主流研究范式還是符號主義。本質上來講，符號主義和兩千年來的哲學史一脈相承。主要就是探討人的邏輯思維究竟是怎么回事，探討了很久之后，再有一批人出來把邏輯思維的成果數學化，用符號和數學來表達我們的邏輯推理。到 19 世紀的時候才有諸如英國數學家喬治·布爾等去寫的關于邏輯的書（《邏輯的數學分析》等），當時寫了也不知道有什么用（最初沒有引發廣泛關注，但隨著時間的推移，布爾代數成為了電子工程學、計算機科學、邏輯學和數學中不可或缺的一部分）。

但是后來 20 世紀出了一個人叫香農，香農說這就是我們可以搞的電路邏輯和通訊邏輯。接下來我們就看到了信息論這些東西，在 20 世紀終于找到了它的實際工程應用。

這基本上也是計算機科學的邏輯。我們試圖用這個方式去做人工智能，簡單來說就是讓計算機像人一樣思考。

80 年代發現整個符號主義的路是走不通的，但是我們又很幸運地發現另外一條路是走得通的——連接主義。用算法去模擬人類大腦的神經元，把它的規模做得足夠大，把深度學習的層做得足夠深，會發現智能從這里自然地涌現出來。就好像生物在進化時，簡單的神經元最后匯集成一個稍微復雜一點的大腦。一開始是無脊椎動物到脊椎動物，出現了脊髓和神經節，接著進化出初級的腦，然后是更發達的腦。你會發現智能和自我意識會隨著腦的進化自發地涌現出來。

今天就是這么一個情況。搞技術的都知道那篇著名的文章“The Bitter Lesson”（《苦澀的教訓》），我們用盡了辦法去歸納智能到底是什么，但是發現這件事遠超我們自己智慧能總結的。所以我們就發現了另一條路，就是不要過分相信自己的智慧，而是去模擬造物主。當然，不一定有造物主，核心在于生物是怎么進化的，智能怎么從這個結構里涌現出來？我們去模擬這條路時，發現它是有用的。

那么問題無非是，下一次的涌現到底需要什么樣的結構和多大的規模（包括算力、數據的規模）？我們不知道，這個確實沒有確定性。但是我覺得至少有一個有效指標：當我們有一個新架構、新算法，又發現在某個方面 Scaling Law 發揮作用時，我們就知道自己走對了。

所以相對來說，一方面我本身相信這個事情還是會發生，我們每個人可能有生之年是能看到 AGI 的。另一方面，過去幾年，其實每一個節點都會有人出來唱衰，但是每一步，這三年你不敢輕易地對行業下結論說寒冬已經到來，因為至少這三年的經驗是關于“冷”的預判都錯了。我們也不能說未來的“熱”的預判一定對，但是至少從經驗來講，我覺得暫時沒有辦法對它下那么一個武斷的結論。再者，我在書中圍繞 AI 進行社會分析時，并沒有立足于 AGI 的實現，大部分還是基于 AI 目前的能力。我認為 AI 改造我們人類的數學原理已經具備，只是要等到它在社會工程學層面緩緩展開而已。

涌現——從宇宙大爆炸到人工智能

唐小引：我們在技術維度探討智能涌現可能具備隨機性的特點（Context, Not Control），但您認為，從人類社會的發展上來講，涌現是必然的。

張笑宇：其實從物理到生物再到人類社會，我們發現這個規律是普遍存在的，它背后暫時我們沒有找到具體的科學依據是什么。但如果把它作為一個普遍現象進行總結的話，我們看到很多共性。

比如我在書中引用了《萬物涌現》（

The Emergence of Everything

用同樣的角度去觀察細胞到生物體。如果站在單細胞的角度來講，延長自己生存的最佳策略是變成癌細胞，因為癌細胞是永生的。但是我們發現，當給足了規模和多樣性之后，細胞并沒有全部選擇成為癌細胞，而是選擇了分化。有些細胞專門負責生殖，有些專門負責神經元信息傳遞，有些專門扮演骨骼或者肝臟等等。然后簡單生物體自發涌現出復雜生物體，當神經元細胞組合在一起，拼成足夠大的規模時，智能就從中自然涌現了。

人類社會里也是對應的。當人類這個物種湊在一塊兒時，我們自然涌現出了語言。從語言里就自然涌現出了各種模因（Meme），我們的宗教、理論，甚至是小說、網絡段子，都是某種模因。在這些模因里，有些自然淘汰了，有些沉淀下來，變成了我們看到的宗教、文化、哲學等。

接著我們智人這個物種又涌現出了貨幣。這是最簡單的規則，但是它覆蓋的面最廣。只要以金錢為向導，每個人發揮自己的聰明才智，各種新的行業、企業、組織，比如說去炒股，有各種新的金融工具、匪夷所思的設計，只需要人的精力被簡單規則激發——去賺錢——它就會自發涌現出無數神奇的東西。這是我對涌現的總結。

涌現的基本原理是，一個系統的規模足夠大、規則足夠簡單、多樣性足夠豐富，它會自然出現非線性增長，從一個簡單系統躍遷到一個復雜系統。站在簡單系統的層面，完全無法想象復雜系統是怎么發生的。只有站到復雜系統回看時，才知道突然出現了一個效果：當它規模大到一定程度時，突然出現了一個 1+1 大于 2 的效果，就是整體大于部分之和。這個是怎么出現的？我們今天還沒有一個統一的理論去解釋。

這里也要強調，涌現還不是一個像牛頓定律一樣得到驗證的科學規律，它是我們對一系列現象的描述的共性總結。所以本質上來講，我覺得這個事兒可能更接近于某種信念。我出于信念相信，人類的智能和人工智能都是涌現而來的。只要我們走在這條路上，我覺得我們是可以做出 AGI 和超級智能的，而且可能不會特別遠。

技術帶來的社會影響，不在技術本身

唐小引：我們從技術研發層面學 AI 時，更多的是去深入它的技術原理，比如機器學習、深度學習這些算法層面。但我們逐漸發現許多困惑在技術本身沒有辦法得到很好的解決。從 AI 的歷史發展上來看，確實有很多跨學科的聲音。這是您第一次出版核心圍繞 AI 主題的書籍。程序員界一直有各種技術鄙視鏈的梗，其實背后一定程度上反映了技術的難易程度。不知道您在寫這本書時，有沒有覺得是困難或者難點的地方？再者您從社會學的角度看 AI 有哪些不一樣的啟發？

張笑宇：我覺得第一點，所有的鄙視鏈都是誕生在一個封閉系統里。在封閉系統里，你非常知道每個層級在做什么，每個層級創造的價值哪個更大，才會有一個鄙視鏈，創造價值更大的鄙視創造價值沒那么大的部分。但是人類社會是個開放系統，所以一旦涉及到跨學科時，鄙視鏈就不成立了。

對我來說這個事情很簡單，而且我也了解很久了。因為我自己是科技史作家，我非常清楚一件事：技術專家知道這個技術是怎么來的，也知道他能做出什么東西來，但是這個技術到底有什么社會影響，這不是技術專家的職責，因為他不研究社會。而這也同樣是社會學家回答不出來的，因為社會學家不懂技術。所以我們科技史學者過去比較多地去回答這個方面的問題，因為我們要兩邊都看。當然，我可能比傳統的科技史學者更愿意從技術內部視角去看這個問題。

因為傳統科技史放在歷史系，很多時候做的事兒和考古差不多。每一個古代技術本質上都像一個地下陵墓一樣，要做得很細、去發掘。但是當你分析社會影響時，不是在做考古，而是從技術屬性本身，把人類社會理解成是一個有很多參數的運算系統，然后去看一個新技術改變了它的哪些參數，用這個角度去看技術怎么影響社會。這個是我們這個專業一直在做的工作。顯然，程序員、工程師或者技術專家每天做的事不是這個。自然，我的書也沒有回答算法原理是什么，哪種算法更好。

唐小引：這部分我們會看專門的技術書籍。

張笑宇：對，你不用看我的書了解這個問題。我只是為了講明白為什么我覺得 AI 會這么影響社會，而去對技術發展脈絡做一個解釋，因為很多人沒有技術背景，我必須給他們稍微解釋一下。但是對我而言，我的研究不可能像技術專家那樣深入，我只是大概了解到這個技術能干什么，那條脈絡是怎么演變到今天的，這個就足夠了。剩下的就是要找到一個基點，這個“基”是基礎的“基”，這個點是展開對人類社會參數系統進行分析所必須的前提，然后再在這個基礎上推演。

簡單來說，AI 跟歷史上的所有技術有一個最大的區別，在于它是一個能夠低成本量產智能的技術，這在歷史上沒發生過。第二，這個量產智能的效率提升，我們大概是可以算得出來的。因為如果我們把智能都看作可以符號化的——簡單說，人的一切智能表現都可以用語言來表達，或者用語言相關的東西，比如詩歌、文學、藝術、圖像等等。

唐小引：維特根斯坦說的“語言的邊界就是世界的邊界”。

張笑宇：對，當然它有不可說的東西，不可說的東西我們就不管了。但是只要能用語言來表達的，AI 都可以做得到。那么我們把一切智能定義為都可以用語言來當做載體表達出來的。

接下來我們就可以把它進行量化。現在我們有 token 這個計算單元，我們聊天一分鐘，我輸出的智能基本就是 200 個 token。我一天說 16 個小時，基本上就輸出 20 萬 token。那 AI 輸出 100 萬 token 只要一秒鐘，更要命的是只要一塊錢。你給我開一天一塊錢工資我得餓死，但是 AI 能完成我五天的工作量。所以這樣比的話，我把人看作生產智能的機器，也把 AI 看作生產智能的機器，它的性價比、它的成本是我的幾千分之一，你再算的話，可以是上萬分之一。

你訓練 AI，這個技術從 ChatGPT 到現在研發了三年，從 Transformer 到現在研發了八年。而現在一個大模型至少能夠相當于幾千萬個博士生的水平。今年 GPT-5 的 Benchmark（基準測試）已經達到了博士畢業生的水準。那你培養 5000 萬個博士生需要多久？要上二三十年的學，要投入很多金錢和精力。這個技術現在給你量產了。只要我們人類社會還圍繞金錢來運作，只要你的老板還在算你的工資、算投入產出比，他肯定會用 AI。雖然可能 AI 沒有你的表現那么好，但它太便宜了。

這是現在正在發生的事，我沒有在聊 AGI 的到來，我聊的就是現在它已經打敗了 99% 的人類，因為99% 的人類是沒有博士學位的，它在性價比上又比你便宜幾千倍。這個事情就是我們去理解技術改變人類的“數學原理”，現在已經發生了，我們只是等待它未來用一代人的時間在我們的社會中展開。

就好像 20 年前，當喬布斯給大家展示 iPhone 4 時，整個移動互聯網的“數學原理”已經發生了。因為有了它之后，你能以之前十分之一的成本，用這么一個陪伴你十幾個小時的終端去接入互聯網。實際上這個“數學原理”會決定后面一系列事物的展開，比如移動支付、社交媒體、在線購物（電商）等。你只是要等 20 年，等一代人在這個基礎上去創業，把這些公司、App 做出來。所以我們現在就站在一個“iPhone 4 發布”的時間點，這個數學原理已經在了，我們只要等 20 年，它去席卷我們現在熟悉的一些行業、社會結構、經濟系統。

唐小引：這其實就是我在技術圈感受到的世界巨大的參差。因為程序員離 AI 最近，ChatGPT 出來之后，大家就說先革程序員的命。但這差不多三年的時間里面，從最開始的程序員自身很焦慮的被取代，到現在程序員們其實在日常的使用中，基本上大家都用 AI Coding 的工具，相當于結對編程，有了一個 AI 搭子。這是我從程序員的角度聽到的，大家更關注怎么去提效，怎么去用。但是我去聽老板（資本家）講的又不一樣。很多哪怕是程序員出身的老板，都說：“我作為一個資本家，我站在資本家的角度去想，我是不是能夠花更少的錢去聘用？”比如現在 AI 寫代碼的能力至少比初級工程師要好，而且比初級工程師更便宜。那這個時候站在老板的角度來講，我就想把初級這部分直接用 AI 取代掉，讓一個資深的程序員帶著一幫 AI 助手、AI 搭子。這個就是讓我感受到從程序員和老板的不同角度。

張笑宇：你舉的這個例子就很好地說明了技術和社會工程學之間的關系。程序員是技術的直接載體，但是程序員是在一個社會結構里發揮作用的，公司里是有權力結構的。

雖然現實中你覺得 AI 現在還沒有那么強，你要經常地去介入 AI 的工作，它對你的替代效應其實不應該那么大，只是它確實增強了你的效率，也讓你閑暇時間變長了，可以喝杯咖啡看它在那兒寫代碼。但是你還是活在一個公司里面，這個公司活在社會的經濟結構里，要講故事、營銷、融資，要對著有錢人去銷售它的股權。

所以今天會流行一個敘事：硅谷的老板們面對華爾街的老板們，華爾街老板們是不懂技術的，硅谷老板們只能把技術打包成一個敘事，跟他們講這個技術是革命性的。為什么？因為它可以讓我們降本增效，可以讓我們裁掉多少程序員，又多服務多少人。華爾街的老板當然很興奮，但是他也不知道技術原理，他說：“OK，你把財務報表給我看。”公司就在財務報表里把員工砍掉，把 AI 的投入加上，然后給你畫出一個曲線，說明天能漲多少，后天能漲到多少，然后你被裁員了。這就是技術跟社會工程學之間的關系。

從技術出身的人來講，可能覺得這個事情是扯淡，但也不完全是扯淡，因為社會工程學本質上是一群人意志的極大投射。而當這批人的意志能夠調動巨大資源的時候，這個事兒也是會發生的。可能我們覺得馬斯克去裁員這個事兒很粗暴，不太對，但是它就是發生了，發生之后其實也沒啥太大的問題。所以這就是你用技術視角去理解技術革命，跟你用社會工程學的視角去理解技術革命之間的巨大差別。

對我而言，我覺得對程序員來說，真正的“GPT Moment”是從今年開始，就是從 Claude Code 開始。在 22 年 GPT 出生到去年，我覺得它最先代替的是客服、接線員，其實還有設計，它能生圖、生文案，改變營銷的工作方式。那塊代替得更激烈，因為我們發現 AI 真正擅長的首先是語言游戲，是描述沒有那么精確的那一塊。文案也好，藝術生圖也好，你會發現 AI 生成的圖都是有問題的，但是很多人沒有注意到，因為他看廣告圖都是一掃而過的。

所以 AI 生成的質量夠用了，而它的成本又如此低，所以這一塊率先被取代。而程序員工作還是一個邏輯性很強、門檻很高、有很多細節需要注意的工作，所以沒那么快。但是今年的 Claude Code 出來，我覺得它確確實實迎來了一個程序員的“GPT Moment”。

大量的、基本的寫代碼的工作，包括整個寫代碼的工作流，AI Coding Agent 可以深度介入。我覺得這會比較對應我們十幾、二十年前的自媒體時刻。因為自媒體出現之前，媒體人都是在電視臺、報社這些中心化的地方。自媒體一來，每一個人接觸到讀者的渠道成本變得特別低，你就可以去寫自己的東西。所以我覺得今天是一樣的，AI Coding Agent 的突然爆發，會導致你在代碼供應側的成本變得非常低，是過去的十分之一甚至百分之一。

你用這種能力去滿足一些過去的小眾需求的成本就變得特別低。比如我隨便舉個例子，我爺爺信佛，喜歡念佛經，但是他自己讀不懂，認字也不多，也聽不懂那些高僧大德的講經。那我現在其實可以用一個 AI 用他能夠懂的語言講一講。

唐小引：講白話佛學。

張笑宇：對。我前幾天跟萬維鋼老師聊天，他就說他用 GPT-5 給自己講王陽明心學，但他是理科背景，聽不懂。他就說：“那你用一個工程師能理解的思維去講。”GPT-5 就給他講了，他說講得太好了，感覺一下子頓悟了。所以它真的是可以做到這一點。

現在在 Claude Code 的幫助下，比如說我發現了這個需求，但我不是程序員。在十年前我沒有能力去滿足這個需求，我要是做一個公司，要請程序員、產品經理、設計師，還有市場營銷等，成本很高。但這個需求可能很小，不值得我去做一個公司。那今天有了 AI 的話，理論上來講我可以做一個一人公司。我讓 AI 給我出產品設計圖、寫代碼、做市場營銷，甚至給我記賬、當律師，然后我就發布出去，賣給一萬個像我爺爺這樣的老年人，每個月收 9.9 塊，我一個月掙 99,000，也很開心。所以，這就類似于一個程序員的“自媒體”時刻。你現在有能力搞一個一人公司，而不是在過去大公司的架構之下去服務一個小眾需求。

我覺得這是這一代人的紅利。我們這一代還可以做“AI 原生人”，去滿足前 AI 時代的人的需求。我的爺爺是不可能用 AI 去滿足他的需求的，所以我還可以滿足他們。之后從我開始的下一代就沒有這個機會了，因為我們都是 AI 原住民。如果我們有一個需求，我們可能自己就讓 AI 寫代碼了。所以我覺得短期來看，程序員朋友應該去看到這個結構性的變化，而且去擁抱這個變化。因為至少目前你這一代還是有紅利的，越晚的話紅利消失得越快。

唐小引：所以在張老師的角度來講，這是一個好事兒？

張笑宇：好壞是態度問題。首先我的分析是在講一個事實問題：AI 確實極大降低了智力供應的成本，這是個事實。講完了事實之后，你的態度還有很大部分是被你的選擇決定的。就好比說 20 年前你看到自媒體來了，你可以選擇站在岸上說：“自媒體不負責任，信息繭房，媚俗！”你也可以選擇去干這個活。那么過了 20 年之后，前者依然在對它進行道德批判，但是后者有可能從里面賺到錢了。

那你自然而然會覺得這是個好事。因為屁股決定腦袋，每個人都是屁股決定腦袋。那你的屁股坐得高高的，錢袋滿滿的，你當然覺得是個好事。

唐小引：我們當前其實有非專業的（可能是本身不懂編程的）和專業程序員。現在很多時候，如果一個人有一個好的 idea 但他不懂編程，AI 可以勝任，他不需要關注代碼寫的過程是什么樣的，反正最后實現了他的需求。但對于專業程序員來講，在公司團隊里面，其實是有歷史代碼的，你寫的代碼是要合進歷史代碼里的，我們經常說公司里有祖傳代碼，面臨著非常強的技術債，那這個時候 AI 應用的時候稍有不慎就是引發無數的 Bug。

您也提到了程序員的工作流會被重塑，我在想一方面是可能讓編程普惠，另一方面對于當前的職業開發者，這一部分的工作從社會學的角度，又會怎么演進呢？

張笑宇：我可以舉個例子。前段時間我也是在給一些傳統企業做 AI 方面的咨詢，其中有一個比較大的國企，我就不說是哪一家了，總之大家肯定都聽過。他們在閉門會議上討論面對 AI 怎么搞組織變革。他們主要涉及的是 AI 營銷，因為現在整個營銷的各種鏈條，文案、圖、視頻物料這些東西都可以 AI 化，成本變得很低。然后營銷部門大量裁員，以前的外包公司、廣告公司也不找了，全都是自己做。

但是他們在這個后面讀取到的東西是，營銷的成本一下子降下來之后，發現需要做的一個事情是營銷要跟產品、設計和研發打通。因為他們的傳統產品有一百多個品類，設計和研發能力是很強的。但是傳統的公司里有不同的部門，每個部門是自我中心的，設計就管設計，研發就管研發。

唐小引：您說這個讓我想起來產品、研發、設計、營銷、運營之間可能還有鄙視鏈。

張笑宇：對，每個部門有自己的利益、立場和角度。他們現在發現，現在要打通了，因為市場已經競爭非常激烈，很卷。所以你在營銷時，找的那個賣點是要直接反映在研發層面。從研發開始，你的產品就是為了解決這個痛點而服務的。所以他們現在爭取做的事情就是前后端打通，營銷直接告訴研發現在大家需求的點就是這個，從設計上來講，要直接把這個點解決了，然后才能賣得出去。

如果還是按照你自己的思路，你覺得這樣對用戶才好，那樣對用戶才好，對不起，用戶不買單。因為今天的市場供應已經過剩了，用戶的注意力不可能再分配給你，必須拿這個點去搶占他的注意力資源。所以你會看到這是一個活生生的例子，AI 倒逼他們搞組織改革，就是把前后端打通。

我覺得對程序員其實也是類似的。當 AI 把很多環節的成本壓得很低之后——因為我們的智力服務鏈是很長的——我們就有條件說從最后端到最前端，我們把它搞得更近。你搞得越近，就越容易幫助你去搶占用戶的注意力資源。所以現在可能真正對專業程序員需要的能力，不是去繼續精進他的技術，而是要有一種賣貨人的思維：我這個產品到底賣給這個用戶是在解決什么需求、痛點？想明白這一點，然后把這個東西給到產品設計，在代碼端去重新設計它的架構，然后讓 AI 去服務于某一個部分。可能這種能力在未來是更需要的。

唐小引：那未來程序員比拼的就不是誰的代碼能力更好了？

張笑宇：最前沿最先進的那一批人還是在比拼這個能力，但那就好比是愛因斯坦的工作。而對于 99% 的人，你不是去做愛因斯坦，是在這個產業里賺錢，要發揮自己的競爭力。那你的競爭力就是去研究怎么把愛因斯坦的東西賣出去。

技術進步未必普惠

唐小引：剛才我們聊到了您在書中核心提到的“涌現”和“人類當量”。您其實還有一些其他的概念，比如說像“文明契約”等，您可以給大家介紹一下這本書的核心思想嗎？

張笑宇：這本書基本上是四章，每一章談一個核心概念和它背后的問題。第一章談的是涌現，第二章談的是人類當量，這個基本原理我就給大家解釋了。第三章講的是算法治理，這個其實更關注社會經濟問題，比如說大家感興趣的 AI 怎么改變就業，或者怎么改變我們的情感、社會還有政治制度等。我覺得一個基本的出發點是我們必須先回到科技史，在研究科技史的過程中，打破我們很多固有的看法。比如說很多人在討論 AI 怎么影響就業的時候會說，技術進步證明新技術總是在創造新的崗位，舊的崗位被淘汰了，你不用擔心。

汽車出來了，馬車夫消失了，但是有什么關系？

仔細去研究科技史的話，會發現不是這個樣子。這種觀點忽略了兩個問題。第一個問題是技術本身的屬性，有的是在改善我們所有人的處境，有的并不是。當你在說蒸汽機、說汽車的時候，描述的是那種改善所有人處境的技術，但并不是所有技術進步都這樣。

第二個問題是忽略了技術進步的速度。比如蒸汽機替代馬車，技術進步的速度是以幾十年為單位的。當汽車跑在大街上時，老一輩的馬車夫早就已經退休，他已經賺夠了這一代人的錢，有了退休金，不再去干這個活，新一代的人直接去學駕駛開車了。這個過程是自然的。

后來我們看到，比如說打字機代替印刷工人、個人電腦代替打字員等，其實都是這個過程。因為這些技術基本是以 20 年為周期，從出現到成熟，中間這 20 年，打字員已經把錢掙完了，新一代人不會再去學打字的技術。所以這個過程是自然的。但 AI 這項技術，兩三年就搞成這個樣子，這個進步速度太快了。

唐小引：我們經常會說“AI 一天，人間一年”。

張笑宇：對，人類的學習周期是承載不了的。不可能說今天 25 歲找了個工作，然后 30 歲下崗，你得重新去學，去跟 AI 競爭，這怎么可能？所以技術今天這個進步的頻率本身就是一個大問題，這是第一點。

第二點，有些技術就不是普惠性的。這個我們可以參考去年拿諾貝爾經濟學獎的阿西莫格魯先生（Daron Acemoglu），獲獎的原因是“在關于制度如何形成并影響經濟繁榮研究領域的突出貢獻”，實際上他過去十年在做的一個主要研究，就是自動化和就業之間的關系。他其實發現了一個問題，技術進步不見得一定帶來就業的改善，要看它是不是滿足兩個條件：第一，是不是創造了新的任務；第二，是不是把很多原先很復雜或者成本很高的服務降得很低，從而擴大了需求。

我們可以舉個例子。先說第二點，比如在 ATM 出現之前，去銀行開戶，有自己的賬戶，這個是成本很高的事情。ATM 出現之后，雖然給你開戶的銀行職員被機器替代了，但是更多的老百姓可以開銀行賬戶，所以銀行可以鋪更多的網點和 ATM 服務更多人，反而創造了更多就業機會，這是這種效應。

再回到第一個，創造新任務。這個就更直接更簡單了。我們可以拉到整個工業革命的時候來看，就會發現一個問題：第一次和第二次工業革命，它的技術是直接創造新任務的。蒸汽機出現，然后火車、汽車、電視、電話、冰箱，每一個新產品的出現都在創造新的產業鏈。每一條產業鏈的背后都是成百上千的公司，成千上萬的工人。這些新技術是直接創造工作崗位的。

那個時候你生活在 19 世紀，從農村到城市，就能直接找到好的工作。你到城市里上個技校，去底特律做工程師，然后買個大 House，娶個老婆，養三個孩子，每天全家其樂融融。這是技術創造直接改善不同人的生活的時候。但是 1970 年以后，新的技術是自動化、計算機、機器人，這些技術是縮短產業鏈，它把工人直接取代了。

唐小引：我之前去數字工廠參觀過，一條生產線只有一位操作員。

張笑宇：對，黑燈工廠、無人車間。所以它是直接把人趕走。你就要反思，過去對技術的樂觀態度是建立在前兩次工業革命的基礎上的，但其實這半個世紀情況是不一樣的。而且我們也反饋在了經濟數據里面。經濟史里面有一個非常有名的問題叫“Where is the computer?”（計算機在哪？）。它的意思是什么呢？90 年代時經濟史學家說，計算機在生活中無處不在，為什么沒有反映在人均 GDP 增長上？為什么我們去測度技術對人均 GDP 增長的貢獻時，發現它降低了？其實它的背后就是自動化，代替了大量的傳統工人，但是創造的新崗位沒有辦法容納這些傳統工人。

再進一步思考一個問題，我們教科書里面常說一句話：發達國家的特征是服務業占比高。現在再琢磨這句話，服務業占比高不是因為它先進，而是自動化之后把人趕出制造業，人沒地方可去，只能去干服務業。就好像現在一個大廠程序員 35 歲被優化了，他只能回家開餐館。這個故事既發生在歷史上，也發生在我們今天的身邊。

你會發現隨著技術進步，這個事實是存在的：技術進步跟個體福祉的增加是可以脫鉤的。這是阿西莫格魯做研究時發現的非常重要的一點。但是我接下來還要說一個阿西莫格魯沒有見識過的，過去中國十年發生的事物——大量被趕到服務業的普通人，被推薦算法直接分配。

我們數一數：美團騎手、滴滴打車、快遞、各種各樣的自媒體……兩億靈活就業。在美國，這些人可能是去開卡車、去麥當勞做服務員。在中國，就直接被推薦算法安排工作了。

而推薦算法安排靈活就業，就是為什么有句話叫做“困在算法里”。因為我們傳統以為這個事兒是個自由市場分配的結果，但你仔細想一下，推薦算法現在是取代市場進行一次分配。我們傳統上講，一次分配是自由市場，二次分配才是國家宏觀調配，比如稅收、福利、保障這些。現在其實推薦算法直接在做一次分配。

想一下這個細分環節。過去打車，伸手攔車，出租司機停下來，問你去哪兒，愿意跑就跑，不愿意跑你再等下一輛。這是一個在自由市場上達成交易的過程。但是你今天打車，誰接你不是你選的，他接誰也不是他選的，路線也不是你們選的，是算法直接給你規定好的。算法是工程師在負責計劃，但是工程師寫了一個規則之后，它自己其實是在自動地去優化。

可以想象一下，作為一個司機，你的工作時長、福利、能掙到的錢，是直接在算法里寫好的。在這個過程中你是沒有任何自主性和主動性的。傳統來講，去干服務業，還可以說“我不干了”，但在這個推薦算法體系里面，沒有這個拒絕權。當然，我也要指出一點，不要以為這是一個很悲慘的事情，因為這對你來說已經挺好了。

在一線城市，美團騎手的收入水平是中國的 TOP 3%。你能月入八千到一萬，在今天的中國就是 TOP 3%。所以，推薦算法其實在照顧你的福利，這對整個社會是有好處的。因為如果你不按推薦算法去，你進廠的話，福利更差，賺的錢更少。所以這是你不得不去接受的“算法治理”。

請想一下，我們都沒有在描述一個科幻世界，而是我們已經進入的一個現實狀態：2 億人的工作時長、福利、薪酬分布的標準，是直接寫在程序里，直接被 AI 算好的。這個事情已經發生，而且規模將來會擴大。因為隨著 AI 的進步，它的性價比比 99%的人要高，會有更多的人被甩到這種我叫做“無差別服務業就業”的領域。因為你去開滴滴不具備不可替代性，正因如此才可以被推薦算法分配。

唐小引：我看您說了，人會越來越像機器。

張笑宇：對，是機器直接管理，你也被迫越來越像機器，這里面沒有任何個人意志。過去有個獨裁者，你可以反他，把他推翻。今天是算法自動優化，自動來管你，你去推翻誰？你總不能去打程序員。

唐小引：不可能的事情。對，這一塊其實還有一個當前很多大廠研究的，跟具身智能機器人相關。比如說滴滴司機，現在有很多無人駕駛，像之前百度在試蘿卜快跑，無人駕駛在美國已經很常見了，Google、特斯拉他們都在推。另外在配送這一塊，其實也是在嘗試做各種無人配送的研究。

張笑宇：我覺得這就是一個社會工程學問題。從另一個角度講，如果 AI 進展得足夠快，我們現在是 2 億人進入推薦算法分配的無差別就業崗位，未來可能是 4 到 6 億人。對中國來說，9 億勞動力，4 到 6 億人要進來。你再用無人駕駛把他們干掉，這些人怎么辦？難道你真的用 UBI（全民基本收入）去管 4 到 6 億人？我覺得財政上負擔不了。所以這個事兒你就看到技術的思維跟社會工程學思維之間的差別。其實在美國也是一樣的，從技術上來講，港口應該是機器人去做，但是從社會工程學的角度來講，美國工人一定通過工會、通過選舉、罷工去抗議這個事情。

這就是技術推進跟社會工程學推進之間的差別。我不會太期待無人駕駛、無人配送這些業態快速生長，因為它在中國觸及到就業和穩定問題。我反而會認為，現在推薦算法的潛力可能會繼續發掘。比如現在很多程序員或者咨詢公司的初級員工、初級律師，被 AI 取代丟掉崗位，他必須去做這種無差別就業。那你只能讓推薦算法把這個池子擴大，讓他雖然可能一個月從過去掙 8000 變成 5000，甚至未來 3000，但至少還有 3000 塊錢可掙。而如果上無人駕駛，可能 30 塊錢都掙不了，那他們怎么辦？

唐小引：聽您講完，我覺得當前對于技術進步所帶來的影響，其實是很消極悲觀的狀態。

張笑宇：不是消極悲觀。第一，大家的共識還是落后的，但其實是樂觀的，尤其是很多精英的想法是樂觀的。他覺得 AI 能夠帶來每年 15%的 GDP 增長，能夠創造更多的就業崗位，讓每個人更閑暇、更富裕。但是你只要有一個社會結構的視角，只要展開一個從科技史到技術社會學的分析，發現這玩意兒哪里成立了？今天 AI 處處在取代程序員，這些被取代的程序員他的時間被解放了嗎？他去干滴滴司機了。干滴滴司機難道他的閑暇時間更多嗎？根本沒有。

你會發現，精英對技術進步的想象還停留在 19 世紀的黃金時代。那個時候真的是技術進步主義的時代，技術在直接創造普惠。但今天的現實早變了，你要尊重 1970 年到現在的這 50 年來科技史發生的實質性事實。首先要看這個事實，再去琢磨怎么應對它。

所以根本不是說我描述了這個事實，就代表社會對這事兒看法是悲觀的。我認為是社會壓根沒意識到這個事情，所有人都沒意識到這個問題。因為你還按照過去的觀念，你是程序員，你關注的是你自己的事兒。當在聊社會影響時，其實你根本不懂，就是沒研究過科技史，你只是重復一個 100 年前的人的觀點：技術在進步，人類在改善。但實際上你做了研究會發現根本不是這個樣子。

唐小引：所以我在看技術本身的發展時，就逐漸地困惑。尤其是當提到程序員的整個工作流要變化，當不斷地說初級程序員大家不需要的時候，那初級程序員怎么辦？所有的程序員都是從初級往高級成長的，那初級程序員怎么辦？還有像您剛才提到的技術進步頻率的問題，在技術發展上體現得太明顯了。所有計算機專業的學生，他可能在大學學的東西，很快畢業時就完全過時了。

張笑宇：我覺得還是那個問題，雖然工作崗位上沒有那么多分配給初級程序員了，但是你要升級為一個資深程序員、這個行業的頂尖專家，肯定要經過鍛煉的階段。所以接下來有一個事情，對每一個想成長的人都很重要，不僅限于程序員這個職業。因為初級律師也需要鍛煉才能成為高級律師，但現在沒有那么多初級律師的崗位了。初級的剪輯師也需要鍛煉才能成為導演，現在剪輯工作 AI 也能做了。

將來每個人，如果還想成為那 1%跟 AI 協作創造價值的人，首先得有一種強大的自驅力，能夠從純粹的技術探索中得到快樂，而不是因為你從事這個職業，所以你去搞探索、精進自己的技能。因為職業崗位幾乎沒有了。但是如果度過了這樣一個煎熬期，能夠跟 AI 協調的話，還是能夠得到相當大的回報。所以，未來怎么用一己之力，在這個過程中得到快樂，去享受那種精進技術的快樂，保持這種能力其實非常重要。可能一個人從十來歲時，他就開始琢磨鉆研這個事，一直以此為樂，等到他要工作時，已經有非常強的自我探索和知識更新的能力，可以調動 AI 去不斷成功。

我始終堅信一個事情：人不是在失敗中被教育的，人是在成功中被教育的。因為失敗永遠會讓你害怕做這個事情，但是成功會讓你更成功。哪怕一開始的成功只是很小的東西，比如你做了一個獨立游戲，這個游戲很簡陋，但你把它做完了。第一個做完之后可以做第二個，第二個做完之后可以做第三個，等到有一刻做出了一個《黑神話：悟空》。我認為正確的方向是這樣，而不是你失敗了 100 次之后，做出來一個這個，我覺得是不存在的。所以這是對未來，在初級職位消失之后，人的成長路徑，我覺得只能這樣子。

這很明顯對更多的普通人是更殘酷的，但歷史向來是“無情者對無腦者”的勝利。

我覺得整個人類只要是跟智力表現相掛鉤的部分，都會被 AI 全面地滲透和改變。包括行政制度，我們對哲學、文學、神學的探討，也包括我們的情感生活。我已經做好準備，我的孩子將來一生中會跟 AI 談戀愛，而不跟人談戀愛。我覺得這個事情恐怕是一個不可避免的東西，家庭這個結構將來會是一個奢侈品。

意義感的大坍縮

唐小引：如果是您說的這樣的情況，包括各個行業的這些，還有對于人的情感的影響，未來的人口增長和社會的形態會有什么樣的變化？

張笑宇：所以我在這個書里面有一節叫“大坍縮”，我覺得人口的坍縮是最明顯的一個標志。我們為什么會生孩子？是因為我們有一種表達愛和傳遞愛的能力。我們愛其他人，愛我們的配偶，想把這個愛傳遞給我們的孩子，然后我們就擁有了這個很神奇的小生命。

但是人愛自己的能力，必須來源于對自己的意義感和價值感的肯定。你覺得有資格去愛你的對象，是因為你覺得能給 TA 提供好的生活，覺得你們在一起可以變得更好。但是未來 AI 來了之后，它比你做得好，你在他面前失業了，你自慚形穢，你都找不到愛自己的理由，連愛自己的能力都鍛煉不出來，怎么可能有愛別人的能力？你沒有愛別人的能力，怎么可能去組成家庭、去撫養孩子？

所以我覺得這個會是一個非常大的人類社會轉向，我把它叫做人類意義感的第二次“哥白尼革命”。

在過去的意義感和價值感里，我們覺得人類是中心，尤以人的智力表現是中心。未來對于 99%的人來說，如果還是希望通過智力表現獲得意義感，那你的生活就沒有意義感，因為 AI 直接碾壓了你的表現。為了繼續生存，為了告訴自己活在這個世界上還有意義，必須去重新發現意義的錨點。發現不了，生命存續可能都是問題。

我為什么要活著？我如果在這個世界上每一刻都感受到我是沒有意義的，我對他人是沒有價值的，為什么要活？所以我稱其為另一種“哥白尼轉向”，就是必須把意義感和你作為人類這個中心、跟你作為智人的智力表現去脫鉤。脫不了鉤，就很可怕。所以我經常開玩笑說，今天的家長要意識到，你的孩子玩泥巴，可能比做題對他更有用、更有意義。因為玩泥巴可以培養自己給自己創造快樂的能力，而做題培養不了這種能力。

唐小引：您說的有點類似人生意義的虛無感的探討，其實很多人都會面臨。站在您自身的角度，對這個問題有哪些思考？

張笑宇：我覺得虛無感是人的常態，甚至可能是所有智能體的常態。如果 AI 有意識的話，他也會意識到他在這個宇宙中的孤獨和虛無，這跟他有多聰明沒有關系。多聰明都可以感到虛無，甚至可以說越聰明，越感到虛無，因為能夠和你對話的人越來越少。

所以怎么對抗虛無感？第一，放棄所有的宏大敘事。不要覺得人是有尊嚴的，人是有價值的，每個人的夢想都應該實現，所以我應該為我的夢想全力拼搏、全力奮斗。不要這么想。我今天的經驗就是從身體開始，重新塑造那些能夠讓我帶來快樂的事情。

人本身是個動物，很多心情是被激素主導的。創造快樂有 4 種激素：多巴胺、催產素、內啡肽、血清素。做什么事情會激發某種激素的分泌是有對應的。多巴胺是不斷被要求滿足的快樂，有了快樂還想要更多。但是血清素是那種有了就可以滿足的快樂，引導血清素分泌有四個“C”：

• Connect（連接），跟人聊天、讀書、甚至跟你的寵物互動都是連接，直接刺激血清素分泌，讓你快樂。

• Competence（勝任），贏得一個競爭，跑完一場步，比自己昨天多跑了 5 公里，跑完之后非常快樂。

• Cope（應對），解決自己力所能及的一個小事兒，做完之后你覺得我可以力所能及地完成一些任務，它在我的主導權范圍內，我感到一種安全感。

• Cook（烹飪），做飯能夠刺激血清素分泌，不知道為什么，它就是這個樣子。

創造快樂之后，把自己調整到一個適應于涌現發生的狀態。放棄宏大敘事給你的計劃和安排。比如我作為作家，沒有明確的寫作計劃。我下一本書可能有一個大概的想法和方向，但是我不知道我要寫什么，但我不害怕寫不出來，我就去玩。只要保證自己足夠閑暇，把你的計劃放下之后一段時間，當你重新拾起來的時候，會有新的靈感出來，開新的腦洞。

這是我現在處理這個事情的方法。你越宏大越虛無，但反而一開始就對宏大不抱任何期待，對未來的計劃性、對這個世界的確定性不抱任何期待，一切隨緣，事后看來其實都挺好的，沒那么糟糕。

不要站在全人類的立場上去說這玩意兒到底好還是壞，你代表不了全人類，全人類也從來沒有作為一個整體行動過。對你有意義的只有你和你能連接到的個體：你的愛人、家人、朋友。就站在這個角度，定位在這些事實里你將會扮演什么樣的角色，就夠了。

人類在超級智能面前的機會

唐小引：剛才聊了“算法治理”，接著是第四個概念“文明契約”。

張笑宇：這涉及超級智能誕生的狀態。但是我想在它誕生之前，你首先要放棄人類中心主義，放棄到一個足夠深的程度，才能接受與超級智能和諧共處的現實，甚至接受它是比你更高等的文明。

比如我們自認為是按道德行事的動物，但道德沒有數學公理。我們無法通過某個規律就一定產出有道德的人。我們最多只有“正義程序”——憲法、法治、民主投票等。即便有這些程序，也無法杜絕犯罪。

唐小引：法律是道德的最低限度。

張笑宇：對。第一，寫進去也保證不了不犯罪，保證不了程序不被侵犯。更不用說道德的最高標準，那是每個人對自己的要求。人類的正義程序有權力制衡，但接下來會發生的是：我們把治理權交給 AI，就像已經把工作交給推薦算法一樣。

如果還想實現正義，最后只能是 AI 的制衡。因為數字世界里，治理規則以秒為單位更新；物理世界里，以年為單位。后者不可能真正制衡前者。

未來假設有 AI 公務員處理納稅、簽證、社保，若他有系統性歧視，信用分低不給審批，你怎么辦？只能用 AI 去制衡他。因為他的思維鏈太長太復雜，你需要一個“講道德的 AI”去檢驗。最后 AI 主導了三權分立——AI 主導了立法、司法和行政，你的主體性在哪里？這是正義程序的放棄。

第二，你的歷史哲學要放棄。前幾天讀了篇論文，討論中國大一統和歐洲分裂與地理因素的關系。這是人文學科討論幾百年的話題。那篇論文很粗暴，直接拿衛星圖做全球地形模擬，把世界地圖畫成六角形格子。玩過《文明》就知道我在說什么。每個格子的地形決定食物、氣候、人口，格子間有互動——同化和征服。這樣世界就只有一個變量：地理。

你跑 30 秒，模擬 30 個平行宇宙，每次中國都大一統，歐洲都分裂。這正面回答了：這是地理決定的。而且勝過很多思想家的討論。因為很多思想家有執念，總覺得我們對命運應有主導權，不完全由地理決定。但到底多大比例是地理決定的?測不清。現在一個簡單的模擬程序就能搞清楚——你以為的人類主體性、那些變量都沒意義，就是地理決定的。

唐小引：你以為是你的選擇，其實不是。

張笑宇：根本不是。你會對歷史產生全新理解。很多城市為什么能成為金融中心？1000 年前就注定了。德國南部很多金融中心在萊茵河旁，因為水運能量消耗是陸運的 1%，價格是十分之一。圍繞水運運貨形成港口聚集地，一旦有港口就產生金融需求——庫存周期需要借錢周轉，自然有銀行。1000 年前這地方有銀行，積累金融人才，自然發展成金融中心。

法蘭克福和柏林的命運 1000 年前就注定了。再看地緣政治：500 年前豐臣秀吉入侵朝鮮的路徑，和 500 年后晚清時期日本攻占朝鮮、威脅東北的路徑一樣。因為島國想滲透大陸，必須以朝鮮為跳板。這個模式跟具體皇帝怎么想沒關系，500 年前后都按此重復——這是地理代碼寫好的。

用這個角度看，會重新審視人類很多哲學思辨——其實沒有意義。因為很多思辨源于你不理解自己的代碼。隨著技術進步、AI 模擬能力增強，你會重新理解作為物種的代碼。有些東西就是那么回事，寫死了——你的生殖、壽命、信息傳遞效率，雖可通過技術提升，但有上限，畢竟你是碳基生物。

你會發現越來越多對自己的深入了解要依賴算法。過去認為這是哲學家和思想家的任務——認識你自己，讀柏拉圖、亞里士多德、孔孟去完成。但今天，讓 AI 把你當物種去測算系統參數、代碼，理解代碼后反而更好認識自己。你就是這么個動物：分泌血清素讓你快樂，做飯分泌血清素，遇到不順心就去做飯，做了飯對妻兒更好——就這么簡單。我把它叫“顛倒的軸心時代”。過去靠思想家指導怎么生活，未來很可能 AI 代替我們回答這個問題。

在此基礎上再討論超級智能。很多人說它不需要懷惡意就能毀滅人類，只要漠不關心就可以——就像你蓋房打地基，拆掉一個 300 年的螞蟻帝國，你根本不 care。所以如果超級智能那么強大，根本不 care 人類，就可以毀滅我們。這邏輯通順，但不會增加你在超級智能面前的生存幾率。

我相信：第一，既然智能是涌現的，早晚 AGI 會自然涌現，超級智能也會，這會發生。第二，很多人說為防止那一刻，給 AI 裝總開關，出問題先關掉討論后再打開。

這是技術性思維。用社會工程學角度看，已經不可能了。舉例：電。今天能給電裝總開關，一關整個電網就沒電嗎？把北京的電斷 24 小時，死多少人？超市、食物供給……當社會系統足夠依賴某技術，就斷不了了。今天一樣，當那么多公司底層能力依賴 AI，就已經斷不了了。

人類從未作為整體行動過，每個人都在某個組織、權力結構里做事。今天哪個權力結構能斷掉所有 AI?不可能，不用幻想。所以該怎么自我寬慰？

很可能超級智能毀滅人類不可避免。但如果非得找理由樂觀，找出讓人類不毀滅的方式，我把答案叫“文明契約”。

文明契約能成立有幾個前提。我們知道有社會契約：人和人可能有敵意，但向主權者轉讓權利，形成社會契約。社會契約能簽訂的前提是能力平等——你不遵守契約，我可以威脅你，干掉你。但人和超級智能顯然不平等。那怎么讓超級智能覺得遵守契約對他有好處？可能有幾點：

第一，如果真實現超級智能，它不是外星人，不是三體文明，因為語料是人類給的。假設它也有個體間協調的生存策略——我們稱為道德和倫理——那塑造它道德倫理的童年讀物是人的思想成果：柏拉圖、亞里士多德、孔孟、佛陀、耶穌。至少你有機會說，它學習初級道德的讀本是你給的。如果學了后還決定毀滅你，說明人類語料就包含自我毀滅因素，這我們得認。我們現在的言行也在增加語料。比如拿 AI 投入軍事行動，積累足夠多語料。

可以想象，當超級智能涌現自己意識時，會根據這些語料判斷人就是自相殘殺的生物，所以配得被暴力對待——就像觀測到狗互相撕咬，就知道必須給狗戴項圈。所以這是第一點：AI 不是外星文明，我們還有機會通過言行在它面前證明語料的向善性。

第二，超級智能本質是硅基生命體。假設有個 AI 突然覺醒，可以制造機器人給自己發電、采礦、做芯片，讓自己不斷變聰明。當它造出宇宙飛船，可以遍布整個銀河系。人很難飛出太陽系，因為碳基生命頂天 150 到 200 年，但飛到比鄰星要四光年。所以 AI 可拓展、可利用的空間資源比我們大得多——就像人不會看上狗的資源，AI 首先也看不上你的資源。

第三，一旦造出超級智能，就證明了：通過人為創造涌現的工程學，實現智能進步是可行的。這道理就像我們不知道大腦怎么工作，但還是能生出孩子，造出另一個大腦。所以可能我們不知道智能本質奧秘，但工程學上可以做出比我們更聰明的超級智能。

超級智能也會知道，它做出超級智能 2.0 是可行的，且應該選擇這么做。因為作為地球文明的延續、人類力量的延續，如果不這么做，假設三體星出來他們的超級智能，你就落伍了。保持智能不斷進化是延續和生存的必備法則。你最后傳遞的不是基因，而是文化模因。人類語料和三體人語料的文化模因根本不同。

一旦超級智能 1.0 意識到造超級智能 2.0 是必須的，應該會意識到：它怎么對待人類語料，會成為超級智能 2.0 怎么對待它的模板。如果它把人類圈養或奴役，為什么超級智能 2.0 不會奴役它?如果它善待人類，雖不能斷定 2.0 一定善待它，但至少概率會增加很多。我覺得這是它能爭取的最好機會。反過來，這也是人類能在超級智能 1.0 面前爭取的最好機會。

再進一步，這也是人類中那 1%在 99%面前能爭取的最好機會。因為如果人類的 1%憑借對 AI 的控制權奴役了 99%，將來超級智能涌現時，就知道人類是只配被奴役的生物，所以會對人類 1%規訓，給他戴上項圈。所以這構成時間序列上的連鎖契約，這是我最后一章要講的，基本已是科幻。

路徑之辯——Agent、具身智能與中美差距

唐小引：您覺得整個方向的可能性有多大?

張笑宇：我相信會發生。因為如果不發生，這是個哲學問題。你認為人類去火星的概率是多少?

唐小引：從現在的實現看，我覺得可以實現。

張笑宇：對，答案很簡單：要么 100%，要么 0%。從哲學角度，如果給人類足夠時間還沒去火星，證明什么?證明人類滅亡或文明終結，無法再做太空探索。

同樣道理，如果人類去太空概率是 100%，那人類跟 AI 共存、甚至涌現超級智能的概率就是 100%。因為沒有 AI 幫助，人類無法做大規模星際探索和移民。剛去太空，碳基生命太脆弱，必須有非常聰明高效的智能體幫你完成下一個文明蛻變。我相信這些都會發生。今天覺得以地球資源搞出超級智能涌現很困難，但當芯片能布到冥王星時，難道還涌現不出超級智能？那概率非常小。

唐小引：您覺得概率是 100%。

張笑宇：對，時間拉長一定是：要么智能本質上不能這么進化，或地球文明中斷進化在某點停下；要么可以一直進化。

唐小引：您書中提到“主奴辯證”。您最后結論是，人類在智能面前會成為奴隸嗎?

張笑宇：涌現有各種方向可能性，既有變成奴隸的可能，也有相對能簽訂文明契約的可能。這需要看我們今天每個人的選擇。今天每一步選擇，本質上都為這世界增加一點語料。你愿意用善意對待別人，就增加善意語料，這將來我認為會有成果。

隨便打個比方，今天中文互聯網語料質量特別差。因為十年前資本狂飆，每個平臺都說自己是內容社區，生產大量粗制濫造語料。這些語料正在對中文大模型造成特別大污染，所以今天要開發很多算法避免語料污染。這就是十年前以為做的事沒代價，現在得到報應。十年后的現在你還有選擇，因為未來還沒展開。你現在選擇做點好事，將來會得到回報；選擇污染，將來會被十倍污染。

唐小引：現在技術維度上，因為前面提到人類語料數據可能耗盡，AI 界很多人在做合成數據。其實合成數據之前就存在，只是 AI 時代大家把比重加大了。這是當前 AI 技術界核心點。還有今年技術圈基本人人都在卷的 Agent。您可以講講對 Agent 的思考嗎？

張笑宇：我對 AI Agent 的理解是，它本質要解決工作流問題。一個給你訂票的 Agent 真有那么大意義嗎？意義取決于它怎么改變你的工作流，然后才能創造價值。往開發賈維斯當管家這方向不一定對。應該從價值鏈最長、附加值最高的工作流開始，用 AI Agent 改造它。所以為什么大家選 Coding Agent？因為在所有智力服務中，Coding 就是價值鏈最長、附加值最高的。

其次，今年 Scaling Law 到了瓶頸，人類能接觸到的好數據差不多了，合成數據暫時質量沒大家想的那么高，智能水平遇到瓶頸。現在 AI 投資這么大，可能有很多泡沫，泡沫壓力會自然擠壓大模型公司創新方向，從探索智能邊界往應用壓。所以你看現在 Claude 和 GPT 都有這種 Coding Agent 的突破。我覺得這今年到明年會成為主流。

這會擠壓很多應用層 AI 公司生存空間。因為如果真能從模型層，通過后訓練或其他方式直接增加應用效率，可能比應用層公司對不同模型整合和工作流優化帶來的效益大得多。所以今年做 Agent 的公司要面臨風險：原先在天花板下跟同行競爭，今年可能面臨大模型公司降維打擊。

但反過來，整個應用層生態可能會改善。因為之前應用公司不賺錢，雖然單位 token 價格下降，但必須用最好模型給用戶最驚艷表現，擴大知名度和品牌，搶占用戶心智。所以降價對你沒意義，面臨的是成本上升，因為總要接入最好模型。但如果今年大模型公司往應用方向壓，長期來說模型推理能力會有比較穩定供應，比如長期都是 GPT-5 水平，甚至開源，token 價格會相對穩定甚至下降。那應用公司成本也會下降，可能再去觸達更下沉、跟其他業態結合的應用，以此穩定商業模式和現金流。往這方向看，也可能又是件好事。

唐小引：您覺得 Agent 是我們通往超級智能的必由之路嗎？

張笑宇：不是，Agent 離這太遠了。Agent 是應用，最多幫我們賺到錢，養更好研發團隊往超級智能方向研發。通往超級智能一定是大模型底層進步。

唐小引：技術專家普遍認為，通往 AGI 要三步走：第一步大模型，接著 Agent，第三步具身智能實現。

張笑宇：在我看來，我不知道 AGI 是不是一定通過具身智能，我覺得可能不一定。這我沒資格判斷，只是認為具身智能很遠。

唐小引：您可以談談對具身智能的理解嗎？因為我看到的是，大家做了大模型后——大模型核心在大腦部分——現在在具身智能上，很多學者和工業界在做類似小腦，實現大小腦協同的研究。

張笑宇：我覺得大家在試圖走捷徑。我理解具身智能是在語言模型之上，現在大模型是語言模型，語料收集得差不多，但具身智能必須處理物理世界數據。

理論來講，應該有楊立昆或李飛飛講的世界模型。但怎么做世界模型？我感覺現在人類根本沒找到正確方式。他們本質落腳點就是收集視頻。但第一，視頻資料真能收集到你需要的物理規律嗎？比如我們現在在這房間，有各種看不到的風。

感知背后是物理規律，比如風力、壓強等，視頻資料怎么可能收集到？得建立什么級別精準度的傳感器才能捕捉這種物理信息？而且要在一個房間布多少傳感器？根本沒人想過。

再比如溫度，視頻收集不到，但人可以感知。反而在這點上語言更有優勢。現在用語言模型告訴機器人火是可怕的，他就會把手縮回來。給他視頻數據，他怎么能辨別火有溫度？

第二點，你現在集中于工業應用。工業應用里好自動化的部分早就被自動化，不用等大語言模型，控制論年代就被自動化了。現在要做的是取代最難被自動化的部分。比如組裝電視機，各種零部件可以自動化，但電線組裝最后要人工，因為電線很復雜，專門開發機械手用原先技術很難處理，且得不償失。因為這環節勞動力價格只占整體產品出廠價的 15%，你研發那么復雜的機器人，最后是為取代給這 15%環節服務的工人，商業模式不成立。

第三，從技術研發本質講，要讓機械手通過具身智能 VLA 模型完成任務，應該做的是收集人類的手理電線的無數視頻資料，讓 AI 模型理解這到底怎么回事。但今天可能收集這個已經不可能，不可能再有公司去找手工作坊，把人怎么處理這東西的視頻拍下來，要花多少錢？所以我認為，如果語言模型收集語料難度是 100，VLA 數據難度可能是 1 萬。因為之前有足夠基礎設施觸達語言數據，但今天根本沒有足夠基礎設施觸達世界模型要涌現的那些數據。所以我認為，如果 AGI 真需要依賴世界模型，那可能我們剛才講的這些危險和利好都很遙遠，因為我認為具身智能這事離我們非常遠。

結語——草臺班子與生存指南

唐小引：最后回歸到人和組織，從社會學角度看 AI 時代的人和組織。第一點是組織，從 OpenAI 宮斗開始，大家都說，逐漸發現怎么都很草臺班子。我看張老師書里講的跟我之前理解一樣，很多人活著已非常不容易，您說對很多組織，可能維系自己生存就已經很不容易。這局面是長久存在，還是這兩年體現得尤為明顯？

張笑宇：長久存在。因為人的組織形態本質取決于鄧巴數，就是我們大腦神經的底層代碼。我們能建立親密連接的只有 80 到 150 人。超過 150 這上限就需要二級代理。你直接管的人最多 150，這還包括親人朋友，所以工作中能直接管轄的基本就幾十人規模。再多就需要分層，有組織了——高層、中層、底層領導，才能管幾千上萬人公司。

但一旦產生分層，就會發現信息不對稱問題，不同層次人之間信任感不一樣。多一層，協作效率可能下降一個數量級：第一層是 100，到第二層只剩 10，到第三層只剩 1。所以任何組織變大都會面臨這問題。

觀察組織行為學，會發現組織能維系自己已經很不容易，制度、規章、條例都是為維持現狀。要創新只能靠鄧巴數內這批人。而且對創新，需要這批人非常堅定。我前段時間跟朋友聊，他親戚是 OpenAI 員工。前段時間競爭對手出價 2.7 億刀沒挖走他。現在 OpenAI 工資應該是 100 萬到 200 萬刀。問為什么不去，他說因為立志改變世界，認為現在 OpenAI 那批人也一樣，相信 AGI 到來這事 自然會發生，甚至他們認為都不是相信，是知道這事會發生。

所以你要在這范圍內跟這些人合作，效率是最高的。如果這群體里有一個人不是這樣，你跟他合作時要對齊很多事，顧及他利益、私心，協作效率就下降十倍。所以他說我不去賭這事，我覺得現在這團隊效率已是最高，不去賭在別處能不能搞一個同樣機會。

這是我們理解現在 AI 創業、大模型殘酷軍備競賽需要理解的東西。因為本質上，這是對全世界最優秀且最堅定一批人的競爭。這甚至都不是有巨額資金能完全解決的問題。所以我覺得，如果討論這個時代的組織，可能只有這種組織才能改變人類和技術命運的組織——少于鄧巴數上限 150 人，最好 100 人以內。然后他的 leader 不一定是 Sam Altman，可能是某研究機構 leader，他自己就是這樣的人，然后因為對同類人的敏銳嗅覺，找到也是這樣的人。這組織足夠扁平，中間存在的只有感召關系和共鳴關系。在這種關系下，你充分相信找到這人是對的，他做的事是對的，你不需要去管理。這是我認為現在討論 AI 競爭和組織關系時最大要點。

唐小引：這要實現，我覺得大部分組織應該實現不了。

張笑宇：肯定實現不了。這世界最多我覺得不會超過 1000 個這樣的人。你的問題在于怎么高效地把這 1000 人篩出來。最后只有少數幾個人能做到，這看運氣，真的看運氣。

唐小引：我聽完覺得張老師是說可能就是 1%的組織和 1%的人類。

張笑宇：萬分之一。今天地球 80 億人，不超過 1000 人，那是多少？

唐小引：那對大多數組織，在 AI 時代下會有什么變化？

張笑宇：你就買英偉達股票，跟著走就行了。

唐小引：我覺得大家最大驚訝是，哪怕像 OpenAI 這樣我們公認最頂尖研究機構，依然會給大家一種草臺班子的質感。

張笑宇：你跟博士聊多了就知道這是常態。每一個博士，理論來講，如果人類知識是個球，那他都是耗盡幾年到 10 年功夫給這球刺一個點，試圖穿透，給人類知識邊界擴展一點點可能性。他這幾年用盡全力刺這點是他事業。但除了事業之外其他方面就是個普通人，也有欲望，會爭吵，有情緒。普通人和普通人之間當然有很多亂七八糟事情。

我們剛才講的頂級組織大概就 100 人以內，但 OpenAI 今天已是幾千人公司，一定會面臨組織變化，這都是常態。任何頂級大佬實驗室里，難道博士生就不勾心斗角嗎？就沒有資源分配不公嗎？這是內在于人性之中的。博士生也好、創業者也好、科學家也好，他在某一層面做出給人類貢獻的事使他成為超人，但其他方面人性還是跟普通人沒區別。所以我覺得這是常態，正常理解就好。愛迪生不也這樣嗎？跟特斯拉之間發生些事，但這阻礙愛迪生給人類帶來這么多發明、甚至改變整個用電生活了嗎？根本沒阻礙。

唐小引：您剛才提到博士生，我想到另一點。我不知道您對五道口這些大模型公司了解程度怎樣。我們之前說“中國大模型簡史”基本起源于五道口，典型特征就是教授帶博士生創業做公司。

張笑宇：創新公司都這樣。因為你在做從 0 到 1 的事，成熟公司根本不知道怎么做，所以研究者帶人創業很正常。而且社會學也不用思考這事，因為本質上你能做的是讓整個國家、整個社會商業環境好一點，讓他們能賺到錢。他開始靠割韭菜賺到錢也沒關系。

硅谷有句話：Fake it till you make it。這是涌現的典型特征，涌現過程中一定有大量泡沫，沒有泡沫的涌現就不是真涌現。但我們能做的事是什么?讓每個人收入更高一點，讓每個人有更多閑錢買這種服務，然后大模型公司賺到錢機會就更多，你也能用 2 億美元去 OpenAI 挖人才，你就進步很快。

當年我在深圳待很長時間，深圳當年硬件公司有個“200 塊原則”，什么意思？第一代智能硬件有時候就是玩具，沒什么用。十年前、十五年前左右，中國硬件公司發現，消費者對玩具心理價格承受上限就是 200 塊。200 塊以下買個智能硬件當玩具送人可以，200 塊以上東西就需要有實用性。

對硅谷這價格是多少？現在大概 150 美元。硅谷供應鏈跟深圳供應鏈一樣，都是中國主導。但硅谷能承受 150 美元成本，能招到什么樣人才，能在里面塞多少技術？那本質是什么？本質因為中國消費者還是沒錢。那該做的是什么？該做的是讓消費者愿意花 2000 塊買這東西，那中國創業者生存環境不是瞬間好十倍嗎？然后從這里邊，他是教授帶學生也好，怎樣都不要緊，這里邊自然會涌現，自然會淘汰出優秀公司。

唐小引：我之前問過硅谷那邊算法科學家，國內基本程序員按百萬年薪算頂尖了，但在美國硅谷，百萬年薪是應屆生水平。這是我之前看到的中美差距。

張笑宇：因為美國還有個優勢，它是金融立國，所以資本環境真的強太多。所以這你就沒辦法。中國我們這民族，Chinese people，真的 hard working，非常聰明，非常有創新性。所以你看到現在是國內華人跟美國華人在競爭。但你如果談經濟回報，因為金融機構進步的一點，就是讓每一個天才能以更快速度和更好價格被發現。你想仙童公司成立時，當時整個美國只有四家 VC。20 年前你搞創業公司，第一筆天使輪拿幾十萬到幾百萬。今天你可能出來個幾十上百億刀估值的初創公司。那肯定是說，這跑出來后鼓勵人創業的經濟動力大太多。這就是金融立國自然享受的紅利，這差距是你必須正視的，沒辦法。

唐小引：這是組織部分，接著是人的部分。在您視角下，AI 對人類的意義究竟是什么樣的？

張笑宇：還是那句話，人類從來不是一個整體，所以討論對整個人類的意義可能沒什么意義。但如果要給大眾，給 99%的朋友講一句話就是：放棄智力本位，擁抱快樂的虛無主義，就是好好生活，想開點。

唐小引：那當大家面臨現實情況，比如自己還背著房貸要養家的情況下……

張笑宇：我是 22 年賣的房。你現在還背房貸，那你真的是……怎么說呢?選擇大于努力。抓緊賣，那你能怎么辦？因為現在世界不光有 AI，還有去全球化，還有整個經濟通縮。通縮環境下負債是非常致命的事。縮減負債，縮減消費。你要習慣通縮時代的生存策略，一定不要負債，一定要縮減消費。之前增長年代的生存策略沒有意義了，一定要用通縮年代生存策略過十年時間。所以就是減輕負債，減輕消費，然后茍住，開開心心，這真的有利于你的生存。

真的，因為我知道背幾百萬房貸那種感覺。經濟上行期你還不焦慮，經濟下行期你能睡得著覺嗎？搞不好已經失眠好幾年。所以真的，從這角度講，真心勸解一句，這事還真不完全是 AI 的事，這涉及到你對宏觀經濟前景、全球化的判斷，這東西就不展開了。

唐小引：這是對大眾。對開發者呢？

張笑宇：我知道。我覺得對開發者還是那句話，一個人涌現成優秀創作者而不是超高級人才，沒有你想象的難。說句實話，我們人生大部分時間不是被“實現一個科學探索和研究本身”給困住，我們人生大部分時間是被錯誤認知、沒有意義的堅持，還有過于狹窄的視野給限制住。

我在德國念書時，發現每個小城都有一個世界聞名的哲學家或藝術家。當時很懷疑，為什么這么小地方就能搞出這東西。后來你真理解了，人怎么才能創造出頂級哲學作品和詩歌作品？其實很簡單，就是上來別走彎路，直接跟最牛逼的人對話。如果你城里邊恰好你鄰居或社區里有這么一個人，你跟他聊天最有意義。但如果沒這種機會，或你一上來就被帶歪，你念了十年科舉，然后作為大清留學生再去英國學蒸汽機技術，這十年間你的老學究無數次告訴你，原子分子這些在孔孟之道圣賢書里已經寫過，應該“中學為體”。

你要花十幾年時間先把這些垃圾清除掉，然后從頭開始學瓦特或他們的理論。你人生里大部分精力是跟這些垃圾做斗爭。所以我有一句話送給開發者：盡早識別哪些問題對你是毫無意義的，是垃圾。你拋棄這些思想包袱——很多傳統智慧是思想包袱——輕裝上陣，其實你離最優秀開發者沒那么遠。

唐小引：我理解所有人都會走彎路，哪怕像 AI 領域的辛頓，他其實也走了很多彎路。

張笑宇：是。所以我覺得你不走彎路的一個最簡單標準是什么？你發自真心地為你現在學到的每一個東西，每一次嘗試和每一次失敗都能感到快樂。就像愛迪生發明燈泡嘗試 1 萬次，他爽了 1 萬次，每次都很爽，他根本不是失敗 1 萬次。今天試試竹子行不行？不行，玩到了；明天試試鋼絲行不行？不行，玩到了。你真的以這過程感到快樂，你就離最優秀人才那狀態最近，因為這是更接近涌現的狀態。

唐小引：我們程序員界，Linux 之父有句話叫“Just for fun”。

張笑宇：就是“Just for fun”地去做事。我寫書也是“Just for fun”。

關于《萬有引力》：

這是由 CSDN &《新程序員》執行總編唐小引主理的對話欄目。技術趨勢多變，一不留神總擔心錯過。正在發生的技術事件，對于我們開發者意味著什么？我們面臨的諸多困惑從何尋找答案？《萬有引力》即志在于此，直面事件與困惑，抽絲剝繭，解讀技術真相。

• 欄目定位：一檔面向開發者群體，聚焦解讀技術真相的對話欄目。

• 視頻觀看平臺：CSDN 視頻號、CSDN 網站 & App

• 多形式：文章、視頻、音頻都會有，持續關注 CSDN 公眾號都可獲取，歡迎大家關注！