涌现、AI 带来裁员的结果都是必然 —— 对话张笑宇 | 万有引力

对于 AI，我常常感受到

世界的参差，比如：

程序员说：

• AI Coding 工具是我们结对编程的好搭子，研究怎么提效。

• 程序员的工作远不止写代码，还有开会、对需求、调 Bug 等等，AI 取代不了我们。

做老板的则说：

• AI 的时薪要远低于人类的时薪，我雇一个初级程序员，可能得要一两万，但是我买 Claude Code，200 美金，也就一千多人民币。AI Coding 替换的根本就不是之前的 IDE 市场。

每一个专家/资深人士曾经都是菜鸟/小白，但现如今 AI 正在锯断通往专家的阶梯。由技术进化带来的问题，答案已经超出了技术本身。

当我读完张笑宇所著的《AI 文明史·前史》，对之前困惑的问题就有了一些答案。

张笑宇本身是科技史作者出身，深谙政治史、社会学，但并非技术专家。《AI 文明史·前史》是他花了一整年时间与全球范围内的 AI 一线从业者、研究人员、企业家、思想家、非 AI 领域学者以及其他相关人士密集交流后得出的结论。这本书的核心是用社会工程学的方式讨论 AI 带来的影响的本质，反而会收获一些新的启发。

书中主体涵盖了 4 个概念：

1. 是技术圈常议的「涌现」，从本质上来说，人工智能的智慧与你我一样，都是从复杂神经网络之中“涌现”而出的。滋养「大脑」的语料来自孔子、李白、柏拉图、牛顿等等。从这个角度讲，似乎也是挺有意思的类比。

2. 人类当量：即以「token」（词元）为计数单位，衡量 AI 量产智能的效率。张笑宇这样说道：“如果我们承认当下社会运作的一般经济法则，即金钱价值是衡量智能价值的最泛用标准之一，那么按照性价比来计算，99% 的人类将被 AI 取代，这只是一个简单的成本收益问题。”

3. 算法审判：我们将进入一个由算法完成主要社会治理职能的时代，「算法治理本质上是对我们最正义的审判」。比如：困在算法里的外卖骑手、短视频的算法等。

4. 文明契约：一个设想 —— 在胜过所有人智慧的超级智能面前，人类是否也有可能签订一份「文明契约」？来保证不同智力水平之间的文明能够共存。

本期《万有引力》，我们尝试从社会工程学的角度，分析 AI 对于我们的职业，尤其是程序员，究竟会带来怎样的变化？AI 进化迅猛，我们的思维也在不断刷新。

等待 AI 在社会工程学层面缓缓展开

唐小引：大家好，欢迎收看由 CSDN 主办的《万有引力》栏目，穿越复杂世界，解读技术真相。今天很荣幸地邀请到了“文明三部曲”的作者张笑宇老师，带着他的全新著作——《AI 文明史·前史》，来和大家一起见面，分享他从社会学角度对于 AI 的研究和思考。欢迎张老师，可以给大家打个招呼，做一下自我介绍。

张笑宇：大家好，我是张笑宇，我本身其实是写科技史出身的。从前几年开始关注 AI，去年决定写一本探讨 AI 会给我们人类社会带来哪些影响和改变的书，就是现在和大家见面的《AI 文明史·前史》。我更愿意把后三个字“史前史”连在一起读，因为它在暗示：在 AI 面前，咱们都是史前动物。所以“史前史”指的是我们现在已经发生的历史和将要到来的现实。

唐小引：我其实前面看到您说“我们都是史前动物”这句话，相比于惊讶，更想先问问您，AI 几经起落，业内也热议 Scaling Law 延续问题，您怎么确定我们在 AI 面前全都是史前动物，而不会再经历寒冬？

张笑宇：今天我们聊 AI 时，已经确定了一个基本路线，相比之前是有效的。这个路线就是“涌现原理”，其实落实到具体就是 Scaling Law。之前的 AI 寒冬，比如上世纪六七十年代到八九十年代，当时人工智能的主流研究范式还是符号主义。本质上来讲，符号主义和两千年来的哲学史一脉相承。主要就是探讨人的逻辑思维究竟是怎么回事，探讨了很久之后，再有一批人出来把逻辑思维的成果数学化，用符号和数学来表达我们的逻辑推理。到 19 世纪的时候才有诸如英国数学家乔治·布尔等去写的关于逻辑的书（《逻辑的数学分析》等），当时写了也不知道有什么用（最初没有引发广泛关注，但随着时间的推移，布尔代数成为了电子工程学、计算机科学、逻辑学和数学中不可或缺的一部分）。

但是后来 20 世纪出了一个人叫香农，香农说这就是我们可以搞的电路逻辑和通讯逻辑。接下来我们就看到了信息论这些东西，在 20 世纪终于找到了它的实际工程应用。

这基本上也是计算机科学的逻辑。我们试图用这个方式去做人工智能，简单来说就是让计算机像人一样思考。

80 年代发现整个符号主义的路是走不通的，但是我们又很幸运地发现另外一条路是走得通的——连接主义。用算法去模拟人类大脑的神经元，把它的规模做得足够大，把深度学习的层做得足够深，会发现智能从这里自然地涌现出来。就好像生物在进化时，简单的神经元最后汇集成一个稍微复杂一点的大脑。一开始是无脊椎动物到脊椎动物，出现了脊髓和神经节，接着进化出初级的脑，然后是更发达的脑。你会发现智能和自我意识会随着脑的进化自发地涌现出来。

今天就是这么一个情况。搞技术的都知道那篇著名的文章“The Bitter Lesson”（《苦涩的教训》），我们用尽了办法去归纳智能到底是什么，但是发现这件事远超我们自己智慧能总结的。所以我们就发现了另一条路，就是不要过分相信自己的智慧，而是去模拟造物主。当然，不一定有造物主，核心在于生物是怎么进化的，智能怎么从这个结构里涌现出来？我们去模拟这条路时，发现它是有用的。

那么问题无非是，下一次的涌现到底需要什么样的结构和多大的规模（包括算力、数据的规模）？我们不知道，这个确实没有确定性。但是我觉得至少有一个有效指标：当我们有一个新架构、新算法，又发现在某个方面 Scaling Law 发挥作用时，我们就知道自己走对了。

所以相对来说，一方面我本身相信这个事情还是会发生，我们每个人可能有生之年是能看到 AGI 的。另一方面，过去几年，其实每一个节点都会有人出来唱衰，但是每一步，这三年你不敢轻易地对行业下结论说寒冬已经到来，因为至少这三年的经验是关于“冷”的预判都错了。我们也不能说未来的“热”的预判一定对，但是至少从经验来讲，我觉得暂时没有办法对它下那么一个武断的结论。再者，我在书中围绕 AI 进行社会分析时，并没有立足于 AGI 的实现，大部分还是基于 AI 目前的能力。我认为 AI 改造我们人类的数学原理已经具备，只是要等到它在社会工程学层面缓缓展开而已。

涌现——从宇宙大爆炸到人工智能

唐小引：我们在技术维度探讨智能涌现可能具备随机性的特点（Context, Not Control），但您认为，从人类社会的发展上来讲，涌现是必然的。

张笑宇：其实从物理到生物再到人类社会，我们发现这个规律是普遍存在的，它背后暂时我们没有找到具体的科学依据是什么。但如果把它作为一个普遍现象进行总结的话，我们看到很多共性。

比如我在书中引用了《万物涌现》（The Emergence of Everything）里讲到的宇宙大爆炸，从基本粒子涌现出不同的原子、分子，组成不同的元素。再比如在地球，你看到原始生命的诞生，最早其实就是一锅原始汤，在大气环境之下，因为有几千上万年的放电，在闪电的刺激之下，会发现这个过程事后来看是完全神奇的事情：一堆无机质居然合并成了大分子蛋白质。因为这个大分子蛋白质自身的机制对于某些化学物质是有筛选、偏好的，对另外一些是排斥的，这后来就涌现出生物的新陈代谢，生命就自然诞生了。用事后的角度来看，就好像一堆零部件自动组合成了一个机器人一样，非常神奇、难以想象的，但它就是这么发生的。

用同样的角度去观察细胞到生物体。如果站在单细胞的角度来讲，延长自己生存的最佳策略是变成癌细胞，因为癌细胞是永生的。但是我们发现，当给足了规模和多样性之后，细胞并没有全部选择成为癌细胞，而是选择了分化。有些细胞专门负责生殖，有些专门负责神经元信息传递，有些专门扮演骨骼或者肝脏等等。然后简单生物体自发涌现出复杂生物体，当神经元细胞组合在一起，拼成足够大的规模时，智能就从中自然涌现了。

人类社会里也是对应的。当人类这个物种凑在一块儿时，我们自然涌现出了语言。从语言里就自然涌现出了各种模因（Meme），我们的宗教、理论，甚至是小说、网络段子，都是某种模因。在这些模因里，有些自然淘汰了，有些沉淀下来，变成了我们看到的宗教、文化、哲学等。

接着我们智人这个物种又涌现出了货币。这是最简单的规则，但是它覆盖的面最广。只要以金钱为向导，每个人发挥自己的聪明才智，各种新的行业、企业、组织，比如说去炒股，有各种新的金融工具、匪夷所思的设计，只需要人的精力被简单规则激发——去赚钱——它就会自发涌现出无数神奇的东西。这是我对涌现的总结。

涌现的基本原理是，一个系统的规模足够大、规则足够简单、多样性足够丰富，它会自然出现非线性增长，从一个简单系统跃迁到一个复杂系统。站在简单系统的层面，完全无法想象复杂系统是怎么发生的。只有站到复杂系统回看时，才知道突然出现了一个效果：当它规模大到一定程度时，突然出现了一个 1+1 大于 2 的效果，就是整体大于部分之和。这个是怎么出现的？我们今天还没有一个统一的理论去解释。

这里也要强调，涌现还不是一个像牛顿定律一样得到验证的科学规律，它是我们对一系列现象的描述的共性总结。所以本质上来讲，我觉得这个事儿可能更接近于某种信念。我出于信念相信，人类的智能和人工智能都是涌现而来的。只要我们走在这条路上，我觉得我们是可以做出 AGI 和超级智能的，而且可能不会特别远。

技术带来的社会影响，不在技术本身

唐小引：我们从技术研发层面学 AI 时，更多的是去深入它的技术原理，比如机器学习、深度学习这些算法层面。但我们逐渐发现许多困惑在技术本身没有办法得到很好的解决。从 AI 的历史发展上来看，确实有很多跨学科的声音。这是您第一次出版核心围绕 AI 主题的书籍。程序员界一直有各种技术鄙视链的梗，其实背后一定程度上反映了技术的难易程度。不知道您在写这本书时，有没有觉得是困难或者难点的地方？再者您从社会学的角度看 AI 有哪些不一样的启发？

张笑宇：我觉得第一点，所有的鄙视链都是诞生在一个封闭系统里。在封闭系统里，你非常知道每个层级在做什么，每个层级创造的价值哪个更大，才会有一个鄙视链，创造价值更大的鄙视创造价值没那么大的部分。但是人类社会是个开放系统，所以一旦涉及到跨学科时，鄙视链就不成立了。

对我来说这个事情很简单，而且我也了解很久了。因为我自己是科技史作家，我非常清楚一件事：技术专家知道这个技术是怎么来的，也知道他能做出什么东西来，但是这个技术到底有什么社会影响，这不是技术专家的职责，因为他不研究社会。而这也同样是社会学家回答不出来的，因为社会学家不懂技术。所以我们科技史学者过去比较多地去回答这个方面的问题，因为我们要两边都看。当然，我可能比传统的科技史学者更愿意从技术内部视角去看这个问题。

因为传统科技史放在历史系，很多时候做的事儿和考古差不多。每一个古代技术本质上都像一个地下陵墓一样，要做得很细、去发掘。但是当你分析社会影响时，不是在做考古，而是从技术属性本身，把人类社会理解成是一个有很多参数的运算系统，然后去看一个新技术改变了它的哪些参数，用这个角度去看技术怎么影响社会。这个是我们这个专业一直在做的工作。显然，程序员、工程师或者技术专家每天做的事不是这个。自然，我的书也没有回答算法原理是什么，哪种算法更好。

唐小引：这部分我们会看专门的技术书籍。

张笑宇：对，你不用看我的书了解这个问题。我只是为了讲明白为什么我觉得 AI 会这么影响社会，而去对技术发展脉络做一个解释，因为很多人没有技术背景，我必须给他们稍微解释一下。但是对我而言，我的研究不可能像技术专家那样深入，我只是大概了解到这个技术能干什么，那条脉络是怎么演变到今天的，这个就足够了。剩下的就是要找到一个基点，这个“基”是基础的“基”，这个点是展开对人类社会参数系统进行分析所必须的前提，然后再在这个基础上推演。

简单来说，AI 跟历史上的所有技术有一个最大的区别，在于它是一个能够低成本量产智能的技术，这在历史上没发生过。第二，这个量产智能的效率提升，我们大概是可以算得出来的。因为如果我们把智能都看作可以符号化的——简单说，人的一切智能表现都可以用语言来表达，或者用语言相关的东西，比如诗歌、文学、艺术、图像等等。

唐小引：维特根斯坦说的“语言的边界就是世界的边界”。

张笑宇：对，当然它有不可说的东西，不可说的东西我们就不管了。但是只要能用语言来表达的，AI 都可以做得到。那么我们把一切智能定义为都可以用语言来当做载体表达出来的。

接下来我们就可以把它进行量化。现在我们有 token 这个计算单元，我们聊天一分钟，我输出的智能基本就是 200 个 token。我一天说 16 个小时，基本上就输出 20 万 token。那 AI 输出 100 万 token 只要一秒钟，更要命的是只要一块钱。你给我开一天一块钱工资我得饿死，但是 AI 能完成我五天的工作量。所以这样比的话，我把人看作生产智能的机器，也把 AI 看作生产智能的机器，它的性价比、它的成本是我的几千分之一，你再算的话，可以是上万分之一。

你训练 AI，这个技术从 ChatGPT 到现在研发了三年，从 Transformer 到现在研发了八年。而现在一个大模型至少能够相当于几千万个博士生的水平。今年 GPT-5 的 Benchmark（基准测试）已经达到了博士毕业生的水准。那你培养 5000 万个博士生需要多久？要上二三十年的学，要投入很多金钱和精力。这个技术现在给你量产了。只要我们人类社会还围绕金钱来运作，只要你的老板还在算你的工资、算投入产出比，他肯定会用 AI。虽然可能 AI 没有你的表现那么好，但它太便宜了。

这是现在正在发生的事，我没有在聊 AGI 的到来，我聊的就是现在它已经打败了 99% 的人类，因为 99% 的人类是没有博士学位的，它在性价比上又比你便宜几千倍。这个事情就是我们去理解技术改变人类的“数学原理”，现在已经发生了，我们只是等待它未来用一代人的时间在我们的社会中展开。

就好像 20 年前，当乔布斯给大家展示 iPhone 4 时，整个移动互联网的“数学原理”已经发生了。因为有了它之后，你能以之前十分之一的成本，用这么一个陪伴你十几个小时的终端去接入互联网。实际上这个“数学原理”会决定后面一系列事物的展开，比如移动支付、社交媒体、在线购物（电商）等。你只是要等 20 年，等一代人在这个基础上去创业，把这些公司、App 做出来。所以我们现在就站在一个“iPhone 4 发布”的时间点，这个数学原理已经在了，我们只要等 20 年，它去席卷我们现在熟悉的一些行业、社会结构、经济系统。

唐小引：这其实就是我在技术圈感受到的世界巨大的参差。因为程序员离 AI 最近，ChatGPT 出来之后，大家就说先革程序员的命。但这差不多三年的时间里面，从最开始的程序员自身很焦虑的被取代，到现在程序员们其实在日常的使用中，基本上大家都用 AI Coding 的工具，相当于结对编程，有了一个 AI 搭子。这是我从程序员的角度听到的，大家更关注怎么去提效，怎么去用。但是我去听老板（资本家）讲的又不一样。很多哪怕是程序员出身的老板，都说：“我作为一个资本家，我站在资本家的角度去想，我是不是能够花更少的钱去聘用？”比如现在 AI 写代码的能力至少比初级工程师要好，而且比初级工程师更便宜。那这个时候站在老板的角度来讲，我就想把初级这部分直接用 AI 取代掉，让一个资深的程序员带着一帮 AI 助手、AI 搭子。这个就是让我感受到从程序员和老板的不同角度。

张笑宇：你举的这个例子就很好地说明了技术和社会工程学之间的关系。程序员是技术的直接载体，但是程序员是在一个社会结构里发挥作用的，公司里是有权力结构的。

虽然现实中你觉得 AI 现在还没有那么强，你要经常地去介入 AI 的工作，它对你的替代效应其实不应该那么大，只是它确实增强了你的效率，也让你闲暇时间变长了，可以喝杯咖啡看它在那儿写代码。但是你还是活在一个公司里面，这个公司活在社会的经济结构里，要讲故事、营销、融资，要对着有钱人去销售它的股权。

所以今天会流行一个叙事：硅谷的老板们面对华尔街的老板们，华尔街老板们是不懂技术的，硅谷老板们只能把技术打包成一个叙事，跟他们讲这个技术是革命性的。为什么？因为它可以让我们降本增效，可以让我们裁掉多少程序员，又多服务多少人。华尔街的老板当然很兴奋，但是他也不知道技术原理，他说：“OK，你把财务报表给我看。”公司就在财务报表里把员工砍掉，把 AI 的投入加上，然后给你画出一个曲线，说明天能涨多少，后天能涨到多少，然后你被裁员了。这就是技术跟社会工程学之间的关系。

从技术出身的人来讲，可能觉得这个事情是扯淡，但也不完全是扯淡，因为社会工程学本质上是一群人意志的极大投射。而当这批人的意志能够调动巨大资源的时候，这个事儿也是会发生的。可能我们觉得马斯克去裁员这个事儿很粗暴，不太对，但是它就是发生了，发生之后其实也没啥太大的问题。所以这就是你用技术视角去理解技术革命，跟你用社会工程学的视角去理解技术革命之间的巨大差别。

对我而言，我觉得对程序员来说，真正的“GPT Moment”是从今年开始，就是从 Claude Code 开始。在 22 年 GPT 出生到去年，我觉得它最先代替的是客服、接线员，其实还有设计，它能生图、生文案，改变营销的工作方式。那块代替得更激烈，因为我们发现 AI 真正擅长的首先是语言游戏，是描述没有那么精确的那一块。文案也好，艺术生图也好，你会发现 AI 生成的图都是有问题的，但是很多人没有注意到，因为他看广告图都是一扫而过的。

所以 AI 生成的质量够用了，而它的成本又如此低，所以这一块率先被取代。而程序员工作还是一个逻辑性很强、门槛很高、有很多细节需要注意的工作，所以没那么快。但是今年的 Claude Code 出来，我觉得它确确实实迎来了一个程序员的“GPT Moment”。

大量的、基本的写代码的工作，包括整个写代码的工作流，AI Coding Agent 可以深度介入。我觉得这会比较对应我们十几、二十年前的自媒体时刻。因为自媒体出现之前，媒体人都是在电视台、报社这些中心化的地方。自媒体一来，每一个人接触到读者的渠道成本变得特别低，你就可以去写自己的东西。所以我觉得今天是一样的，AI Coding Agent 的突然爆发，会导致你在代码供应侧的成本变得非常低，是过去的十分之一甚至百分之一。

你用这种能力去满足一些过去的小众需求的成本就变得特别低。比如我随便举个例子，我爷爷信佛，喜欢念佛经，但是他自己读不懂，认字也不多，也听不懂那些高僧大德的讲经。那我现在其实可以用一个 AI 用他能够懂的语言讲一讲。

唐小引：讲白话佛学。

张笑宇：对。我前几天跟万维钢老师聊天，他就说他用 GPT-5 给自己讲王阳明心学，但他是理科背景，听不懂。他就说：“那你用一个工程师能理解的思维去讲。”GPT-5 就给他讲了，他说讲得太好了，感觉一下子顿悟了。所以它真的是可以做到这一点。

现在在 Claude Code 的帮助下，比如说我发现了这个需求，但我不是程序员。在十年前我没有能力去满足这个需求，我要是做一个公司，要请程序员、产品经理、设计师，还有市场营销等，成本很高。但这个需求可能很小，不值得我去做一个公司。那今天有了 AI 的话，理论上来讲我可以做一个一人公司。我让 AI 给我出产品设计图、写代码、做市场营销，甚至给我记账、当律师，然后我就发布出去，卖给一万个像我爷爷这样的老年人，每个月收 9.9 块，我一个月挣 99,000，也很开心。所以，这就类似于一个程序员的“自媒体”时刻。你现在有能力搞一个一人公司，而不是在过去大公司的架构之下去服务一个小众需求。

我觉得这是这一代人的红利。我们这一代还可以做“AI 原生人”，去满足前 AI 时代的人的需求。我的爷爷是不可能用 AI 去满足他的需求的，所以我还可以满足他们。之后从我开始的下一代就没有这个机会了，因为我们都是 AI 原住民。如果我们有一个需求，我们可能自己就让 AI 写代码了。所以我觉得短期来看，程序员朋友应该去看到这个结构性的变化，而且去拥抱这个变化。因为至少目前你这一代还是有红利的，越晚的话红利消失得越快。

唐小引：所以在张老师的角度来讲，这是一个好事儿？

张笑宇：好坏是态度问题。首先我的分析是在讲一个事实问题：AI 确实极大降低了智力供应的成本，这是个事实。讲完了事实之后，你的态度还有很大部分是被你的选择决定的。就好比说 20 年前你看到自媒体来了，你可以选择站在岸上说：“自媒体不负责任，信息茧房，媚俗！”你也可以选择去干这个活。那么过了 20 年之后，前者依然在对它进行道德批判，但是后者有可能从里面赚到钱了。

那你自然而然会觉得这是个好事。因为屁股决定脑袋，每个人都是屁股决定脑袋。那你的屁股坐得高高的，钱袋满满的，你当然觉得是个好事。

唐小引：我们当前其实有非专业的（可能是本身不懂编程的）和专业程序员。现在很多时候，如果一个人有一个好的 idea 但他不懂编程，AI 可以胜任，他不需要关注代码写的过程是什么样的，反正最后实现了他的需求。但对于专业程序员来讲，在公司团队里面，其实是有历史代码的，你写的代码是要合进历史代码里的，我们经常说公司里有祖传代码，面临着非常强的技术债，那这个时候 AI 应用的时候稍有不慎就是引发无数的 Bug。

您也提到了程序员的工作流会被重塑，我在想一方面是可能让编程普惠，另一方面对于当前的职业开发者，这一部分的工作从社会学的角度，又会怎么演进呢？

张笑宇：我可以举个例子。前段时间我也是在给一些传统企业做 AI 方面的咨询，其中有一个比较大的国企，我就不说是哪一家了，总之大家肯定都听过。他们在闭门会议上讨论面对 AI 怎么搞组织变革。他们主要涉及的是 AI 营销，因为现在整个营销的各种链条，文案、图、视频物料这些东西都可以 AI 化，成本变得很低。然后营销部门大量裁员，以前的外包公司、广告公司也不找了，全都是自己做。

但是他们在这个后面读取到的东西是，营销的成本一下子降下来之后，发现需要做的一个事情是营销要跟产品、设计和研发打通。因为他们的传统产品有一百多个品类，设计和研发能力是很强的。但是传统的公司里有不同的部门，每个部门是自我中心的，设计就管设计，研发就管研发。

唐小引：您说这个让我想起来产品、研发、设计、营销、运营之间可能还有鄙视链。

张笑宇：对，每个部门有自己的利益、立场和角度。他们现在发现，现在要打通了，因为市场已经竞争非常激烈，很卷。所以你在营销时，找的那个卖点是要直接反映在研发层面。从研发开始，你的产品就是为了解决这个痛点而服务的。所以他们现在争取做的事情就是前后端打通，营销直接告诉研发现在大家需求的点就是这个，从设计上来讲，要直接把这个点解决了，然后才能卖得出去。

如果还是按照你自己的思路，你觉得这样对用户才好，那样对用户才好，对不起，用户不买单。因为今天的市场供应已经过剩了，用户的注意力不可能再分配给你，必须拿这个点去抢占他的注意力资源。所以你会看到这是一个活生生的例子，AI 倒逼他们搞组织改革，就是把前后端打通。

我觉得对程序员其实也是类似的。当 AI 把很多环节的成本压得很低之后——因为我们的智力服务链是很长的——我们就有条件说从最后端到最前端，我们把它搞得更近。你搞得越近，就越容易帮助你去抢占用户的注意力资源。所以现在可能真正对专业程序员需要的能力，不是去继续精进他的技术，而是要有一种卖货人的思维：我这个产品到底卖给这个用户是在解决什么需求、痛点？想明白这一点，然后把这个东西给到产品设计，在代码端去重新设计它的架构，然后让 AI 去服务于某一个部分。可能这种能力在未来是更需要的。

唐小引：那未来程序员比拼的就不是谁的代码能力更好了？

张笑宇：最前沿最先进的那一批人还是在比拼这个能力，但那就好比是爱因斯坦的工作。而对于 99% 的人，你不是去做爱因斯坦，是在这个产业里赚钱，要发挥自己的竞争力。那你的竞争力就是去研究怎么把爱因斯坦的东西卖出去。

技术进步未必普惠

唐小引：刚才我们聊到了您在书中核心提到的“涌现”和“人类当量”。您其实还有一些其他的概念，比如说像“文明契约”等，您可以给大家介绍一下这本书的核心思想吗？

张笑宇：这本书基本上是四章，每一章谈一个核心概念和它背后的问题。第一章谈的是涌现，第二章谈的是人类当量，这个基本原理我就给大家解释了。第三章讲的是算法治理，这个其实更关注社会经济问题，比如说大家感兴趣的 AI 怎么改变就业，或者怎么改变我们的情感、社会还有政治制度等。我觉得一个基本的出发点是我们必须先回到科技史，在研究科技史的过程中，打破我们很多固有的看法。比如说很多人在讨论 AI 怎么影响就业的时候会说，技术进步证明新技术总是在创造新的岗位，旧的岗位被淘汰了，你不用担心。

汽车出来了，马车夫消失了，但是有什么关系？

仔细去研究科技史的话，会发现不是这个样子。这种观点忽略了两个问题。第一个问题是技术本身的属性，有的是在改善我们所有人的处境，有的并不是。当你在说蒸汽机、说汽车的时候，描述的是那种改善所有人处境的技术，但并不是所有技术进步都这样。

第二个问题是忽略了技术进步的速度。比如蒸汽机替代马车，技术进步的速度是以几十年为单位的。当汽车跑在大街上时，老一辈的马车夫早就已经退休，他已经赚够了这一代人的钱，有了退休金，不再去干这个活，新一代的人直接去学驾驶开车了。这个过程是自然的。

后来我们看到，比如说打字机代替印刷工人、个人电脑代替打字员等，其实都是这个过程。因为这些技术基本是以 20 年为周期，从出现到成熟，中间这 20 年，打字员已经把钱挣完了，新一代人不会再去学打字的技术。所以这个过程是自然的。但 AI 这项技术，两三年就搞成这个样子，这个进步速度太快了。

唐小引：我们经常会说“AI 一天，人间一年”。

张笑宇：对，人类的学习周期是承载不了的。不可能说今天 25 岁找了个工作，然后 30 岁下岗，你得重新去学，去跟 AI 竞争，这怎么可能？所以技术今天这个进步的频率本身就是一个大问题，这是第一点。

第二点，有些技术就不是普惠性的。这个我们可以参考去年拿诺贝尔经济学奖的阿西莫格鲁先生（Daron Acemoglu），获奖的原因是“在关于制度如何形成并影响经济繁荣研究领域的突出贡献”，实际上他过去十年在做的一个主要研究，就是自动化和就业之间的关系。他其实发现了一个问题，技术进步不见得一定带来就业的改善，要看它是不是满足两个条件：第一，是不是创造了新的任务；第二，是不是把很多原先很复杂或者成本很高的服务降得很低，从而扩大了需求。

我们可以举个例子。先说第二点，比如在 ATM 出现之前，去银行开户，有自己的账户，这个是成本很高的事情。ATM 出现之后，虽然给你开户的银行职员被机器替代了，但是更多的老百姓可以开银行账户，所以银行可以铺更多的网点和 ATM 服务更多人，反而创造了更多就业机会，这是这种效应。

再回到第一个，创造新任务。这个就更直接更简单了。我们可以拉到整个工业革命的时候来看，就会发现一个问题：第一次和第二次工业革命，它的技术是直接创造新任务的。蒸汽机出现，然后火车、汽车、电视、电话、冰箱，每一个新产品的出现都在创造新的产业链。每一条产业链的背后都是成百上千的公司，成千上万的工人。这些新技术是直接创造工作岗位的。

那个时候你生活在 19 世纪，从农村到城市，就能直接找到好的工作。你到城市里上个技校，去底特律做工程师，然后买个大 House，娶个老婆，养三个孩子，每天全家其乐融融。这是技术创造直接改善不同人的生活的时候。但是 1970 年以后，新的技术是自动化、计算机、机器人，这些技术是缩短产业链，它把工人直接取代了。

唐小引：我之前去数字工厂参观过，一条生产线只有一位操作员。

张笑宇：对，黑灯工厂、无人车间。所以它是直接把人赶走。你就要反思，过去对技术的乐观态度是建立在前两次工业革命的基础上的，但其实这半个世纪情况是不一样的。而且我们也反馈在了经济数据里面。经济史里面有一个非常有名的问题叫“Where is the computer?”（计算机在哪？）。它的意思是什么呢？90 年代时经济史学家说，计算机在生活中无处不在，为什么没有反映在人均 GDP 增长上？为什么我们去测度技术对人均 GDP 增长的贡献时，发现它降低了？其实它的背后就是自动化，代替了大量的传统工人，但是创造的新岗位没有办法容纳这些传统工人。

再进一步思考一个问题，我们教科书里面常说一句话：发达国家的特征是服务业占比高。现在再琢磨这句话，服务业占比高不是因为它先进，而是自动化之后把人赶出制造业，人没地方可去，只能去干服务业。就好像现在一个大厂程序员 35 岁被优化了，他只能回家开餐馆。这个故事既发生在历史上，也发生在我们今天的身边。

你会发现随着技术进步，这个事实是存在的：技术进步跟个体福祉的增加是可以脱钩的。这是阿西莫格鲁做研究时发现的非常重要的一点。但是我接下来还要说一个阿西莫格鲁没有见识过的，过去中国十年发生的事物——大量被赶到服务业的普通人，被推荐算法直接分配。

我们数一数：美团骑手、滴滴打车、快递、各种各样的自媒体……两亿灵活就业。在美国，这些人可能是去开卡车、去麦当劳做服务员。在中国，就直接被推荐算法安排工作了。

而推荐算法安排灵活就业，就是为什么有句话叫做“困在算法里”。因为我们传统以为这个事儿是个自由市场分配的结果，但你仔细想一下，推荐算法现在是取代市场进行一次分配。我们传统上讲，一次分配是自由市场，二次分配才是国家宏观调配，比如税收、福利、保障这些。现在其实推荐算法直接在做一次分配。

想一下这个细分环节。过去打车，伸手拦车，出租司机停下来，问你去哪儿，愿意跑就跑，不愿意跑你再等下一辆。这是一个在自由市场上达成交易的过程。但是你今天打车，谁接你不是你选的，他接谁也不是他选的，路线也不是你们选的，是算法直接给你规定好的。算法是工程师在负责计划，但是工程师写了一个规则之后，它自己其实是在自动地去优化。

可以想象一下，作为一个司机，你的工作时长、福利、能挣到的钱，是直接在算法里写好的。在这个过程中你是没有任何自主性和主动性的。传统来讲，去干服务业，还可以说“我不干了”，但在这个推荐算法体系里面，没有这个拒绝权。当然，我也要指出一点，不要以为这是一个很悲惨的事情，因为这对你来说已经挺好了。

在一线城市，美团骑手的收入水平是中国的 TOP 3%。你能月入八千到一万，在今天的中国就是 TOP 3%。所以，推荐算法其实在照顾你的福利，这对整个社会是有好处的。因为如果你不按推荐算法去，你进厂的话，福利更差，赚的钱更少。所以这是你不得不去接受的“算法治理”。

请想一下，我们都没有在描述一个科幻世界，而是我们已经进入的一个现实状态：2 亿人的工作时长、福利、薪酬分布的标准，是直接写在程序里，直接被 AI 算好的。这个事情已经发生，而且规模将来会扩大。因为随着 AI 的进步，它的性价比比 99%的人要高，会有更多的人被甩到这种我叫做“无差别服务业就业”的领域。因为你去开滴滴不具备不可替代性，正因如此才可以被推荐算法分配。

唐小引：我看您说了，人会越来越像机器。

张笑宇：对，是机器直接管理，你也被迫越来越像机器，这里面没有任何个人意志。过去有个独裁者，你可以反他，把他推翻。今天是算法自动优化，自动来管你，你去推翻谁？你总不能去打程序员。

唐小引：不可能的事情。对，这一块其实还有一个当前很多大厂研究的，跟具身智能机器人相关。比如说滴滴司机，现在有很多无人驾驶，像之前百度在试萝卜快跑，无人驾驶在美国已经很常见了，Google、特斯拉他们都在推。另外在配送这一块，其实也是在尝试做各种无人配送的研究。

张笑宇：我觉得这就是一个社会工程学问题。从另一个角度讲，如果 AI 进展得足够快，我们现在是 2 亿人进入推荐算法分配的无差别就业岗位，未来可能是 4 到 6 亿人。对中国来说，9 亿劳动力，4 到 6 亿人要进来。你再用无人驾驶把他们干掉，这些人怎么办？难道你真的用 UBI（全民基本收入）去管 4 到 6 亿人？我觉得财政上负担不了。所以这个事儿你就看到技术的思维跟社会工程学思维之间的差别。其实在美国也是一样的，从技术上来讲，港口应该是机器人去做，但是从社会工程学的角度来讲，美国工人一定通过工会、通过选举、罢工去抗议这个事情。

这就是技术推进跟社会工程学推进之间的差别。我不会太期待无人驾驶、无人配送这些业态快速生长，因为它在中国触及到就业和稳定问题。我反而会认为，现在推荐算法的潜力可能会继续发掘。比如现在很多程序员或者咨询公司的初级员工、初级律师，被 AI 取代丢掉岗位，他必须去做这种无差别就业。那你只能让推荐算法把这个池子扩大，让他虽然可能一个月从过去挣 8000 变成 5000，甚至未来 3000，但至少还有 3000 块钱可挣。而如果上无人驾驶，可能 30 块钱都挣不了，那他们怎么办？

唐小引：听您讲完，我觉得当前对于技术进步所带来的影响，其实是很消极悲观的状态。

张笑宇：不是消极悲观。第一，大家的共识还是落后的，但其实是乐观的，尤其是很多精英的想法是乐观的。他觉得 AI 能够带来每年 15%的 GDP 增长，能够创造更多的就业岗位，让每个人更闲暇、更富裕。但是你只要有一个社会结构的视角，只要展开一个从科技史到技术社会学的分析，发现这玩意儿哪里成立了？今天 AI 处处在取代程序员，这些被取代的程序员他的时间被解放了吗？他去干滴滴司机了。干滴滴司机难道他的闲暇时间更多吗？根本没有。

你会发现，精英对技术进步的想象还停留在 19 世纪的黄金时代。那个时候真的是技术进步主义的时代，技术在直接创造普惠。但今天的现实早变了，你要尊重 1970 年到现在的这 50 年来科技史发生的实质性事实。首先要看这个事实，再去琢磨怎么应对它。

所以根本不是说我描述了这个事实，就代表社会对这事儿看法是悲观的。我认为是社会压根没意识到这个事情，所有人都没意识到这个问题。因为你还按照过去的观念，你是程序员，你关注的是你自己的事儿。当在聊社会影响时，其实你根本不懂，就是没研究过科技史，你只是重复一个 100 年前的人的观点：技术在进步，人类在改善。但实际上你做了研究会发现根本不是这个样子。

唐小引：所以我在看技术本身的发展时，就逐渐地困惑。尤其是当提到程序员的整个工作流要变化，当不断地说初级程序员大家不需要的时候，那初级程序员怎么办？所有的程序员都是从初级往高级成长的，那初级程序员怎么办？还有像您刚才提到的技术进步频率的问题，在技术发展上体现得太明显了。所有计算机专业的学生，他可能在大学学的东西，很快毕业时就完全过时了。

张笑宇：我觉得还是那个问题，虽然工作岗位上没有那么多分配给初级程序员了，但是你要升级为一个资深程序员、这个行业的顶尖专家，肯定要经过锻炼的阶段。所以接下来有一个事情，对每一个想成长的人都很重要，不仅限于程序员这个职业。因为初级律师也需要锻炼才能成为高级律师，但现在没有那么多初级律师的岗位了。初级的剪辑师也需要锻炼才能成为导演，现在剪辑工作 AI 也能做了。

将来每个人，如果还想成为那 1%跟 AI 协作创造价值的人，首先得有一种强大的自驱力，能够从纯粹的技术探索中得到快乐，而不是因为你从事这个职业，所以你去搞探索、精进自己的技能。因为职业岗位几乎没有了。但是如果度过了这样一个煎熬期，能够跟 AI 协调的话，还是能够得到相当大的回报。所以，未来怎么用一己之力，在这个过程中得到快乐，去享受那种精进技术的快乐，保持这种能力其实非常重要。可能一个人从十来岁时，他就开始琢磨钻研这个事，一直以此为乐，等到他要工作时，已经有非常强的自我探索和知识更新的能力，可以调动 AI 去不断成功。

我始终坚信一个事情：人不是在失败中被教育的，人是在成功中被教育的。因为失败永远会让你害怕做这个事情，但是成功会让你更成功。哪怕一开始的成功只是很小的东西，比如你做了一个独立游戏，这个游戏很简陋，但你把它做完了。第一个做完之后可以做第二个，第二个做完之后可以做第三个，等到有一刻做出了一个《黑神话：悟空》。我认为正确的方向是这样，而不是你失败了 100 次之后，做出来一个这个，我觉得是不存在的。所以这是对未来，在初级职位消失之后，人的成长路径，我觉得只能这样子。

这很明显对更多的普通人是更残酷的，但历史向来是“无情者对无脑者”的胜利。

我觉得整个人类只要是跟智力表现相挂钩的部分，都会被 AI 全面地渗透和改变。包括行政制度，我们对哲学、文学、神学的探讨，也包括我们的情感生活。我已经做好准备，我的孩子将来一生中会跟 AI 谈恋爱，而不跟人谈恋爱。我觉得这个事情恐怕是一个不可避免的东西，家庭这个结构将来会是一个奢侈品。

意义感的大坍缩

唐小引：如果是您说的这样的情况，包括各个行业的这些，还有对于人的情感的影响，未来的人口增长和社会的形态会有什么样的变化？

张笑宇：所以我在这个书里面有一节叫“大坍缩”，我觉得人口的坍缩是最明显的一个标志。我们为什么会生孩子？是因为我们有一种表达爱和传递爱的能力。我们爱其他人，爱我们的配偶，想把这个爱传递给我们的孩子，然后我们就拥有了这个很神奇的小生命。

但是人爱自己的能力，必须来源于对自己的意义感和价值感的肯定。你觉得有资格去爱你的对象，是因为你觉得能给 TA 提供好的生活，觉得你们在一起可以变得更好。但是未来 AI 来了之后，它比你做得好，你在他面前失业了，你自惭形秽，你都找不到爱自己的理由，连爱自己的能力都锻炼不出来，怎么可能有爱别人的能力？你没有爱别人的能力，怎么可能去组成家庭、去抚养孩子？

所以我觉得这个会是一个非常大的人类社会转向，我把它叫做人类意义感的第二次“哥白尼革命”。

在过去的意义感和价值感里，我们觉得人类是中心，尤以人的智力表现是中心。未来对于 99%的人来说，如果还是希望通过智力表现获得意义感，那你的生活就没有意义感，因为 AI 直接碾压了你的表现。为了继续生存，为了告诉自己活在这个世界上还有意义，必须去重新发现意义的锚点。发现不了，生命存续可能都是问题。

我为什么要活着？我如果在这个世界上每一刻都感受到我是没有意义的，我对他人是没有价值的，为什么要活？所以我称其为另一种“哥白尼转向”，就是必须把意义感和你作为人类这个中心、跟你作为智人的智力表现去脱钩。脱不了钩，就很可怕。所以我经常开玩笑说，今天的家长要意识到，你的孩子玩泥巴，可能比做题对他更有用、更有意义。因为玩泥巴可以培养自己给自己创造快乐的能力，而做题培养不了这种能力。

唐小引：您说的有点类似人生意义的虚无感的探讨，其实很多人都会面临。站在您自身的角度，对这个问题有哪些思考？

张笑宇：我觉得虚无感是人的常态，甚至可能是所有智能体的常态。如果 AI 有意识的话，他也会意识到他在这个宇宙中的孤独和虚无，这跟他有多聪明没有关系。多聪明都可以感到虚无，甚至可以说越聪明，越感到虚无，因为能够和你对话的人越来越少。

所以怎么对抗虚无感？第一，放弃所有的宏大叙事。不要觉得人是有尊严的，人是有价值的，每个人的梦想都应该实现，所以我应该为我的梦想全力拼搏、全力奋斗。不要这么想。我今天的经验就是从身体开始，重新塑造那些能够让我带来快乐的事情。

人本身是个动物，很多心情是被激素主导的。创造快乐有 4 种激素：多巴胺、催产素、内啡肽、血清素。做什么事情会激发某种激素的分泌是有对应的。多巴胺是不断被要求满足的快乐，有了快乐还想要更多。但是血清素是那种有了就可以满足的快乐，引导血清素分泌有四个“C”：

创造快乐之后，把自己调整到一个适应于涌现发生的状态。放弃宏大叙事给你的计划和安排。比如我作为作家，没有明确的写作计划。我下一本书可能有一个大概的想法和方向，但是我不知道我要写什么，但我不害怕写不出来，我就去玩。只要保证自己足够闲暇，把你的计划放下之后一段时间，当你重新拾起来的时候，会有新的灵感出来，开新的脑洞。

这是我现在处理这个事情的方法。你越宏大越虚无，但反而一开始就对宏大不抱任何期待，对未来的计划性、对这个世界的确定性不抱任何期待，一切随缘，事后看来其实都挺好的，没那么糟糕。

不要站在全人类的立场上去说这玩意儿到底好还是坏，你代表不了全人类，全人类也从来没有作为一个整体行动过。对你有意义的只有你和你能连接到的个体：你的爱人、家人、朋友。就站在这个角度，定位在这些事实里你将会扮演什么样的角色，就够了。

人类在超级智能面前的机会

唐小引：刚才聊了“算法治理”，接着是第四个概念“文明契约”。

张笑宇：这涉及超级智能诞生的状态。但是我想在它诞生之前，你首先要放弃人类中心主义，放弃到一个足够深的程度，才能接受与超级智能和谐共处的现实，甚至接受它是比你更高等的文明。

比如我们自认为是按道德行事的动物，但道德没有数学公理。我们无法通过某个规律就一定产出有道德的人。我们最多只有“正义程序”——宪法、法治、民主投票等。即便有这些程序，也无法杜绝犯罪。

唐小引：法律是道德的最低限度。

张笑宇：对。第一，写进去也保证不了不犯罪，保证不了程序不被侵犯。更不用说道德的最高标准，那是每个人对自己的要求。人类的正义程序有权力制衡，但接下来会发生的是：我们把治理权交给 AI，就像已经把工作交给推荐算法一样。

如果还想实现正义，最后只能是 AI 的制衡。因为数字世界里，治理规则以秒为单位更新；物理世界里，以年为单位。后者不可能真正制衡前者。

未来假设有 AI 公务员处理纳税、签证、社保，若他有系统性歧视，信用分低不给审批，你怎么办？只能用 AI 去制衡他。因为他的思维链太长太复杂，你需要一个“讲道德的 AI”去检验。最后 AI 主导了三权分立——AI 主导了立法、司法和行政，你的主体性在哪里？这是正义程序的放弃。

第二，你的历史哲学要放弃。前几天读了篇论文，讨论中国大一统和欧洲分裂与地理因素的关系。这是人文学科讨论几百年的话题。那篇论文很粗暴，直接拿卫星图做全球地形模拟，把世界地图画成六角形格子。玩过《文明》就知道我在说什么。每个格子的地形决定食物、气候、人口，格子间有互动——同化和征服。这样世界就只有一个变量：地理。

你跑 30 秒，模拟 30 个平行宇宙，每次中国都大一统，欧洲都分裂。这正面回答了：这是地理决定的。而且胜过很多思想家的讨论。因为很多思想家有执念，总觉得我们对命运应有主导权，不完全由地理决定。但到底多大比例是地理决定的?测不清。现在一个简单的模拟程序就能搞清楚——你以为的人类主体性、那些变量都没意义，就是地理决定的。

唐小引：你以为是你的选择，其实不是。

张笑宇：根本不是。你会对历史产生全新理解。很多城市为什么能成为金融中心？1000 年前就注定了。德国南部很多金融中心在莱茵河旁，因为水运能量消耗是陆运的 1%，价格是十分之一。围绕水运运货形成港口聚集地，一旦有港口就产生金融需求——库存周期需要借钱周转，自然有银行。1000 年前这地方有银行，积累金融人才，自然发展成金融中心。

法兰克福和柏林的命运 1000 年前就注定了。再看地缘政治：500 年前丰臣秀吉入侵朝鲜的路径，和 500 年后晚清时期日本攻占朝鲜、威胁东北的路径一样。因为岛国想渗透大陆，必须以朝鲜为跳板。这个模式跟具体皇帝怎么想没关系，500 年前后都按此重复——这是地理代码写好的。

用这个角度看，会重新审视人类很多哲学思辨——其实没有意义。因为很多思辨源于你不理解自己的代码。随着技术进步、AI 模拟能力增强，你会重新理解作为物种的代码。有些东西就是那么回事，写死了——你的生殖、寿命、信息传递效率，虽可通过技术提升，但有上限，毕竟你是碳基生物。

你会发现越来越多对自己的深入了解要依赖算法。过去认为这是哲学家和思想家的任务——认识你自己，读柏拉图、亚里士多德、孔孟去完成。但今天，让 AI 把你当物种去测算系统参数、代码，理解代码后反而更好认识自己。你就是这么个动物：分泌血清素让你快乐，做饭分泌血清素，遇到不顺心就去做饭，做了饭对妻儿更好——就这么简单。我把它叫“颠倒的轴心时代”。过去靠思想家指导怎么生活，未来很可能 AI 代替我们回答这个问题。

在此基础上再讨论超级智能。很多人说它不需要怀恶意就能毁灭人类，只要漠不关心就可以——就像你盖房打地基，拆掉一个 300 年的蚂蚁帝国，你根本不 care。所以如果超级智能那么强大，根本不 care 人类，就可以毁灭我们。这逻辑通顺，但不会增加你在超级智能面前的生存几率。

我相信：第一，既然智能是涌现的，早晚 AGI 会自然涌现，超级智能也会，这会发生。第二，很多人说为防止那一刻，给 AI 装总开关，出问题先关掉讨论后再打开。

这是技术性思维。用社会工程学角度看，已经不可能了。举例：电。今天能给电装总开关，一关整个电网就没电吗？把北京的电断 24 小时，死多少人？超市、食物供给……当社会系统足够依赖某技术，就断不了了。今天一样，当那么多公司底层能力依赖 AI，就已经断不了了。

人类从未作为整体行动过，每个人都在某个组织、权力结构里做事。今天哪个权力结构能断掉所有 AI?不可能，不用幻想。所以该怎么自我宽慰？

很可能超级智能毁灭人类不可避免。但如果非得找理由乐观，找出让人类不毁灭的方式，我把答案叫“文明契约”。

文明契约能成立有几个前提。我们知道有社会契约：人和人可能有敌意，但向主权者转让权利，形成社会契约。社会契约能签订的前提是能力平等——你不遵守契约，我可以威胁你，干掉你。但人和超级智能显然不平等。那怎么让超级智能觉得遵守契约对他有好处？可能有几点：

第一，如果真实现超级智能，它不是外星人，不是三体文明，因为语料是人类给的。假设它也有个体间协调的生存策略——我们称为道德和伦理——那塑造它道德伦理的童年读物是人的思想成果：柏拉图、亚里士多德、孔孟、佛陀、耶稣。至少你有机会说，它学习初级道德的读本是你给的。如果学了后还决定毁灭你，说明人类语料就包含自我毁灭因素，这我们得认。我们现在的言行也在增加语料。比如拿 AI 投入军事行动，积累足够多语料。

可以想象，当超级智能涌现自己意识时，会根据这些语料判断人就是自相残杀的生物，所以配得被暴力对待——就像观测到狗互相撕咬，就知道必须给狗戴项圈。所以这是第一点：AI 不是外星文明，我们还有机会通过言行在它面前证明语料的向善性。

第二，超级智能本质是硅基生命体。假设有个 AI 突然觉醒，可以制造机器人给自己发电、采矿、做芯片，让自己不断变聪明。当它造出宇宙飞船，可以遍布整个银河系。人很难飞出太阳系，因为碳基生命顶天 150 到 200 年，但飞到比邻星要四光年。所以 AI 可拓展、可利用的空间资源比我们大得多——就像人不会看上狗的资源，AI 首先也看不上你的资源。

第三，一旦造出超级智能，就证明了：通过人为创造涌现的工程学，实现智能进步是可行的。这道理就像我们不知道大脑怎么工作，但还是能生出孩子，造出另一个大脑。所以可能我们不知道智能本质奥秘，但工程学上可以做出比我们更聪明的超级智能。

超级智能也会知道，它做出超级智能 2.0 是可行的，且应该选择这么做。因为作为地球文明的延续、人类力量的延续，如果不这么做，假设三体星出来他们的超级智能，你就落伍了。保持智能不断进化是延续和生存的必备法则。你最后传递的不是基因，而是文化模因。人类语料和三体人语料的文化模因根本不同。

一旦超级智能 1.0 意识到造超级智能 2.0 是必须的，应该会意识到：它怎么对待人类语料，会成为超级智能 2.0 怎么对待它的模板。如果它把人类圈养或奴役，为什么超级智能 2.0 不会奴役它?如果它善待人类，虽不能断定 2.0 一定善待它，但至少概率会增加很多。我觉得这是它能争取的最好机会。反过来，这也是人类能在超级智能 1.0 面前争取的最好机会。

再进一步，这也是人类中那 1%在 99%面前能争取的最好机会。因为如果人类的 1%凭借对 AI 的控制权奴役了 99%，将来超级智能涌现时，就知道人类是只配被奴役的生物，所以会对人类 1%规训，给他戴上项圈。所以这构成时间序列上的连锁契约，这是我最后一章要讲的，基本已是科幻。

路径之辩——Agent、具身智能与中美差距

唐小引：您觉得整个方向的可能性有多大?

张笑宇：我相信会发生。因为如果不发生，这是个哲学问题。你认为人类去火星的概率是多少?

唐小引：从现在的实现看，我觉得可以实现。

张笑宇：对，答案很简单：要么 100%，要么 0%。从哲学角度，如果给人类足够时间还没去火星，证明什么?证明人类灭亡或文明终结，无法再做太空探索。

同样道理，如果人类去太空概率是 100%，那人类跟 AI 共存、甚至涌现超级智能的概率就是 100%。因为没有 AI 帮助，人类无法做大规模星际探索和移民。刚去太空，碳基生命太脆弱，必须有非常聪明高效的智能体帮你完成下一个文明蜕变。我相信这些都会发生。今天觉得以地球资源搞出超级智能涌现很困难，但当芯片能布到冥王星时，难道还涌现不出超级智能？那概率非常小。

唐小引：您觉得概率是 100%。

张笑宇：对，时间拉长一定是：要么智能本质上不能这么进化，或地球文明中断进化在某点停下；要么可以一直进化。

唐小引：您书中提到“主奴辩证”。您最后结论是，人类在智能面前会成为奴隶吗?

张笑宇：涌现有各种方向可能性，既有变成奴隶的可能，也有相对能签订文明契约的可能。这需要看我们今天每个人的选择。今天每一步选择，本质上都为这世界增加一点语料。你愿意用善意对待别人，就增加善意语料，这将来我认为会有成果。

随便打个比方，今天中文互联网语料质量特别差。因为十年前资本狂飙，每个平台都说自己是内容社区，生产大量粗制滥造语料。这些语料正在对中文大模型造成特别大污染，所以今天要开发很多算法避免语料污染。这就是十年前以为做的事没代价，现在得到报应。十年后的现在你还有选择，因为未来还没展开。你现在选择做点好事，将来会得到回报；选择污染，将来会被十倍污染。

唐小引：现在技术维度上，因为前面提到人类语料数据可能耗尽，AI 界很多人在做合成数据。其实合成数据之前就存在，只是 AI 时代大家把比重加大了。这是当前 AI 技术界核心点。还有今年技术圈基本人人都在卷的 Agent。您可以讲讲对 Agent 的思考吗？

张笑宇：我对 AI Agent 的理解是，它本质要解决工作流问题。一个给你订票的 Agent 真有那么大意义吗？意义取决于它怎么改变你的工作流，然后才能创造价值。往开发贾维斯当管家这方向不一定对。应该从价值链最长、附加值最高的工作流开始，用 AI Agent 改造它。所以为什么大家选 Coding Agent？因为在所有智力服务中，Coding 就是价值链最长、附加值最高的。

其次，今年 Scaling Law 到了瓶颈，人类能接触到的好数据差不多了，合成数据暂时质量没大家想的那么高，智能水平遇到瓶颈。现在 AI 投资这么大，可能有很多泡沫，泡沫压力会自然挤压大模型公司创新方向，从探索智能边界往应用压。所以你看现在 Claude 和 GPT 都有这种 Coding Agent 的突破。我觉得这今年到明年会成为主流。

这会挤压很多应用层 AI 公司生存空间。因为如果真能从模型层，通过后训练或其他方式直接增加应用效率，可能比应用层公司对不同模型整合和工作流优化带来的效益大得多。所以今年做 Agent 的公司要面临风险：原先在天花板下跟同行竞争，今年可能面临大模型公司降维打击。

但反过来，整个应用层生态可能会改善。因为之前应用公司不赚钱，虽然单位 token 价格下降，但必须用最好模型给用户最惊艳表现，扩大知名度和品牌，抢占用户心智。所以降价对你没意义，面临的是成本上升，因为总要接入最好模型。但如果今年大模型公司往应用方向压，长期来说模型推理能力会有比较稳定供应，比如长期都是 GPT-5 水平，甚至开源，token 价格会相对稳定甚至下降。那应用公司成本也会下降，可能再去触达更下沉、跟其他业态结合的应用，以此稳定商业模式和现金流。往这方向看，也可能又是件好事。

唐小引：您觉得 Agent 是我们通往超级智能的必由之路吗？

张笑宇：不是，Agent 离这太远了。Agent 是应用，最多帮我们赚到钱，养更好研发团队往超级智能方向研发。通往超级智能一定是大模型底层进步。

唐小引：技术专家普遍认为，通往 AGI 要三步走：第一步大模型，接着 Agent，第三步具身智能实现。

张笑宇：在我看来，我不知道 AGI 是不是一定通过具身智能，我觉得可能不一定。这我没资格判断，只是认为具身智能很远。

唐小引：您可以谈谈对具身智能的理解吗？因为我看到的是，大家做了大模型后——大模型核心在大脑部分——现在在具身智能上，很多学者和工业界在做类似小脑，实现大小脑协同的研究。

张笑宇：我觉得大家在试图走捷径。我理解具身智能是在语言模型之上，现在大模型是语言模型，语料收集得差不多，但具身智能必须处理物理世界数据。

理论来讲，应该有杨立昆或李飞飞讲的世界模型。但怎么做世界模型？我感觉现在人类根本没找到正确方式。他们本质落脚点就是收集视频。但第一，视频资料真能收集到你需要的物理规律吗？比如我们现在在这房间，有各种看不到的风。

感知背后是物理规律，比如风力、压强等，视频资料怎么可能收集到？得建立什么级别精准度的传感器才能捕捉这种物理信息？而且要在一个房间布多少传感器？根本没人想过。

再比如温度，视频收集不到，但人可以感知。反而在这点上语言更有优势。现在用语言模型告诉机器人火是可怕的，他就会把手缩回来。给他视频数据，他怎么能辨别火有温度？

第二点，你现在集中于工业应用。工业应用里好自动化的部分早就被自动化，不用等大语言模型，控制论年代就被自动化了。现在要做的是取代最难被自动化的部分。比如组装电视机，各种零部件可以自动化，但电线组装最后要人工，因为电线很复杂，专门开发机械手用原先技术很难处理，且得不偿失。因为这环节劳动力价格只占整体产品出厂价的 15%，你研发那么复杂的机器人，最后是为取代给这 15%环节服务的工人，商业模式不成立。

第三，从技术研发本质讲，要让机械手通过具身智能 VLA 模型完成任务，应该做的是收集人类的手理电线的无数视频资料，让 AI 模型理解这到底怎么回事。但今天可能收集这个已经不可能，不可能再有公司去找手工作坊，把人怎么处理这东西的视频拍下来，要花多少钱？所以我认为，如果语言模型收集语料难度是 100，VLA 数据难度可能是 1 万。因为之前有足够基础设施触达语言数据，但今天根本没有足够基础设施触达世界模型要涌现的那些数据。所以我认为，如果 AGI 真需要依赖世界模型，那可能我们刚才讲的这些危险和利好都很遥远，因为我认为具身智能这事离我们非常远。

结语——草台班子与生存指南

唐小引：最后回归到人和组织，从社会学角度看 AI 时代的人和组织。第一点是组织，从 OpenAI 宫斗开始，大家都说，逐渐发现怎么都很草台班子。我看张老师书里讲的跟我之前理解一样，很多人活着已非常不容易，您说对很多组织，可能维系自己生存就已经很不容易。这局面是长久存在，还是这两年体现得尤为明显？

张笑宇：长久存在。因为人的组织形态本质取决于邓巴数，就是我们大脑神经的底层代码。我们能建立亲密连接的只有 80 到 150 人。超过 150 这上限就需要二级代理。你直接管的人最多 150，这还包括亲人朋友，所以工作中能直接管辖的基本就几十人规模。再多就需要分层，有组织了——高层、中层、底层领导，才能管几千上万人公司。

但一旦产生分层，就会发现信息不对称问题，不同层次人之间信任感不一样。多一层，协作效率可能下降一个数量级：第一层是 100，到第二层只剩 10，到第三层只剩 1。所以任何组织变大都会面临这问题。

观察组织行为学，会发现组织能维系自己已经很不容易，制度、规章、条例都是为维持现状。要创新只能靠邓巴数内这批人。而且对创新，需要这批人非常坚定。我前段时间跟朋友聊，他亲戚是 OpenAI 员工。前段时间竞争对手出价 2.7 亿刀没挖走他。现在 OpenAI 工资应该是 100 万到 200 万刀。问为什么不去，他说因为立志改变世界，认为现在 OpenAI 那批人也一样，相信 AGI 到来这事 自然会发生，甚至他们认为都不是相信，是知道这事会发生。

所以你要在这范围内跟这些人合作，效率是最高的。如果这群体里有一个人不是这样，你跟他合作时要对齐很多事，顾及他利益、私心，协作效率就下降十倍。所以他说我不去赌这事，我觉得现在这团队效率已是最高，不去赌在别处能不能搞一个同样机会。

这是我们理解现在 AI 创业、大模型残酷军备竞赛需要理解的东西。因为本质上，这是对全世界最优秀且最坚定一批人的竞争。这甚至都不是有巨额资金能完全解决的问题。所以我觉得，如果讨论这个时代的组织，可能只有这种组织才能改变人类和技术命运的组织——少于邓巴数上限 150 人，最好 100 人以内。然后他的 leader 不一定是 Sam Altman，可能是某研究机构 leader，他自己就是这样的人，然后因为对同类人的敏锐嗅觉，找到也是这样的人。这组织足够扁平，中间存在的只有感召关系和共鸣关系。在这种关系下，你充分相信找到这人是对的，他做的事是对的，你不需要去管理。这是我认为现在讨论 AI 竞争和组织关系时最大要点。

唐小引：这要实现，我觉得大部分组织应该实现不了。

张笑宇：肯定实现不了。这世界最多我觉得不会超过 1000 个这样的人。你的问题在于怎么高效地把这 1000 人筛出来。最后只有少数几个人能做到，这看运气，真的看运气。

唐小引：我听完觉得张老师是说可能就是 1%的组织和 1%的人类。

张笑宇：万分之一。今天地球 80 亿人，不超过 1000 人，那是多少？

唐小引：那对大多数组织，在 AI 时代下会有什么变化？

张笑宇：你就买英伟达股票，跟着走就行了。

唐小引：我觉得大家最大惊讶是，哪怕像 OpenAI 这样我们公认最顶尖研究机构，依然会给大家一种草台班子的质感。

张笑宇：你跟博士聊多了就知道这是常态。每一个博士，理论来讲，如果人类知识是个球，那他都是耗尽几年到 10 年功夫给这球刺一个点，试图穿透，给人类知识边界扩展一点点可能性。他这几年用尽全力刺这点是他事业。但除了事业之外其他方面就是个普通人，也有欲望，会争吵，有情绪。普通人和普通人之间当然有很多乱七八糟事情。

我们刚才讲的顶级组织大概就 100 人以内，但 OpenAI 今天已是几千人公司，一定会面临组织变化，这都是常态。任何顶级大佬实验室里，难道博士生就不勾心斗角吗？就没有资源分配不公吗？这是内在于人性之中的。博士生也好、创业者也好、科学家也好，他在某一层面做出给人类贡献的事使他成为超人，但其他方面人性还是跟普通人没区别。所以我觉得这是常态，正常理解就好。爱迪生不也这样吗？跟特斯拉之间发生些事，但这阻碍爱迪生给人类带来这么多发明、甚至改变整个用电生活了吗？根本没阻碍。

唐小引：您刚才提到博士生，我想到另一点。我不知道您对五道口这些大模型公司了解程度怎样。我们之前说“中国大模型简史”基本起源于五道口，典型特征就是教授带博士生创业做公司。

张笑宇：创新公司都这样。因为你在做从 0 到 1 的事，成熟公司根本不知道怎么做，所以研究者带人创业很正常。而且社会学也不用思考这事，因为本质上你能做的是让整个国家、整个社会商业环境好一点，让他们能赚到钱。他开始靠割韭菜赚到钱也没关系。

硅谷有句话：Fake it till you make it。这是涌现的典型特征，涌现过程中一定有大量泡沫，没有泡沫的涌现就不是真涌现。但我们能做的事是什么?让每个人收入更高一点，让每个人有更多闲钱买这种服务，然后大模型公司赚到钱机会就更多，你也能用 2 亿美元去 OpenAI 挖人才，你就进步很快。

当年我在深圳待很长时间，深圳当年硬件公司有个“200 块原则”，什么意思？第一代智能硬件有时候就是玩具，没什么用。十年前、十五年前左右，中国硬件公司发现，消费者对玩具心理价格承受上限就是 200 块。200 块以下买个智能硬件当玩具送人可以，200 块以上东西就需要有实用性。

对硅谷这价格是多少？现在大概 150 美元。硅谷供应链跟深圳供应链一样，都是中国主导。但硅谷能承受 150 美元成本，能招到什么样人才，能在里面塞多少技术？那本质是什么？本质因为中国消费者还是没钱。那该做的是什么？该做的是让消费者愿意花 2000 块买这东西，那中国创业者生存环境不是瞬间好十倍吗？然后从这里边，他是教授带学生也好，怎样都不要紧，这里边自然会涌现，自然会淘汰出优秀公司。

唐小引：我之前问过硅谷那边算法科学家，国内基本程序员按百万年薪算顶尖了，但在美国硅谷，百万年薪是应届生水平。这是我之前看到的中美差距。

张笑宇：因为美国还有个优势，它是金融立国，所以资本环境真的强太多。所以这你就没办法。中国我们这民族，Chinese people，真的 hard working，非常聪明，非常有创新性。所以你看到现在是国内华人跟美国华人在竞争。但你如果谈经济回报，因为金融机构进步的一点，就是让每一个天才能以更快速度和更好价格被发现。你想仙童公司成立时，当时整个美国只有四家 VC。20 年前你搞创业公司，第一笔天使轮拿几十万到几百万。今天你可能出来个几十上百亿刀估值的初创公司。那肯定是说，这跑出来后鼓励人创业的经济动力大太多。这就是金融立国自然享受的红利，这差距是你必须正视的，没办法。

唐小引：这是组织部分，接着是人的部分。在您视角下，AI 对人类的意义究竟是什么样的？

张笑宇：还是那句话，人类从来不是一个整体，所以讨论对整个人类的意义可能没什么意义。但如果要给大众，给 99%的朋友讲一句话就是：放弃智力本位，拥抱快乐的虚无主义，就是好好生活，想开点。

唐小引：那当大家面临现实情况，比如自己还背着房贷要养家的情况下……

张笑宇：我是 22 年卖的房。你现在还背房贷，那你真的是……怎么说呢?选择大于努力。抓紧卖，那你能怎么办？因为现在世界不光有 AI，还有去全球化，还有整个经济通缩。通缩环境下负债是非常致命的事。缩减负债，缩减消费。你要习惯通缩时代的生存策略，一定不要负债，一定要缩减消费。之前增长年代的生存策略没有意义了，一定要用通缩年代生存策略过十年时间。所以就是减轻负债，减轻消费，然后苟住，开开心心，这真的有利于你的生存。

真的，因为我知道背几百万房贷那种感觉。经济上行期你还不焦虑，经济下行期你能睡得着觉吗？搞不好已经失眠好几年。所以真的，从这角度讲，真心劝解一句，这事还真不完全是 AI 的事，这涉及到你对宏观经济前景、全球化的判断，这东西就不展开了。

唐小引：这是对大众。对开发者呢？

张笑宇：我知道。我觉得对开发者还是那句话，一个人涌现成优秀创作者而不是超高级人才，没有你想象的难。说句实话，我们人生大部分时间不是被“实现一个科学探索和研究本身”给困住，我们人生大部分时间是被错误认知、没有意义的坚持，还有过于狭窄的视野给限制住。

我在德国念书时，发现每个小城都有一个世界闻名的哲学家或艺术家。当时很怀疑，为什么这么小地方就能搞出这东西。后来你真理解了，人怎么才能创造出顶级哲学作品和诗歌作品？其实很简单，就是上来别走弯路，直接跟最牛逼的人对话。如果你城里边恰好你邻居或社区里有这么一个人，你跟他聊天最有意义。但如果没这种机会，或你一上来就被带歪，你念了十年科举，然后作为大清留学生再去英国学蒸汽机技术，这十年间你的老学究无数次告诉你，原子分子这些在孔孟之道圣贤书里已经写过，应该“中学为体”。

你要花十几年时间先把这些垃圾清除掉，然后从头开始学瓦特或他们的理论。你人生里大部分精力是跟这些垃圾做斗争。所以我有一句话送给开发者：尽早识别哪些问题对你是毫无意义的，是垃圾。你抛弃这些思想包袱——很多传统智慧是思想包袱——轻装上阵，其实你离最优秀开发者没那么远。

唐小引：我理解所有人都会走弯路，哪怕像 AI 领域的辛顿，他其实也走了很多弯路。

张笑宇：是。所以我觉得你不走弯路的一个最简单标准是什么？你发自真心地为你现在学到的每一个东西，每一次尝试和每一次失败都能感到快乐。就像爱迪生发明灯泡尝试 1 万次，他爽了 1 万次，每次都很爽，他根本不是失败 1 万次。今天试试竹子行不行？不行，玩到了；明天试试钢丝行不行？不行，玩到了。你真的以这过程感到快乐，你就离最优秀人才那状态最近，因为这是更接近涌现的状态。

唐小引：我们程序员界，Linux 之父有句话叫“Just for fun”。

张笑宇：就是“Just for fun”地去做事。我写书也是“Just for fun”。

文章来自于微信公众号 “CSDN”，作者 “CSDN”