对AI越狂热的，可能越小瞧AI

人类总是容易对颠覆性通用技术产生不切实际的幻想。注意“颠覆性”“通用”，缺一不可。

在技术早期刚看到一点苗头，就开始幻想这项技术最终形态带来的改变，就好像一个人在大街上看到一位心动的异性，就开始幻想婚礼怎么办、孩子起什么名字甚至两个人葬在哪里，但实际很可能只是擦肩而过，连人家叫什么名字都不知道。

这被称为“技术远视”，能有一个专门名词形容这种现象，可见不是新鲜事了。此前享受过类似遭遇的是计算机，当年围绕计算机颠覆人类世界的讨论数不胜数，只不过当年互联网都还在雏形阶段，人类信息流通的速度非常慢，没有掀起今天围绕AI的大众讨论浪潮，当时的大众也很少有人会担忧计算机替代自己。

经济学家保罗·戴维1990年发表论文《发电机与计算机：现代生产率悖论的历史视角》，该论文在经济学和技术史领域引用率极高，是理解“索洛悖论”的经典文献，而“索洛悖论”是诺贝尔经济学奖得主罗伯特·索洛在 1987 年提出的一个经济现象，指虽然计算机和信息技术到处都在使用，但在生产率统计数据上却看不到明显的提升，原话是“计算机时代的踪影无处不在，唯独在生产率统计中看不出来”。

目前AI讨论的非常火热，各相关政府、公司累计投入号称达到数万亿美元，带动几十万亿美元的相关市值，全球都在热烈讨论AGI到底什么时候到来，担忧AI对人的替代。这跟20世纪70年代到90年代初，美国及其他发达国家在信息技术上投入大量资金的情况很相似。

但目前各方普遍认为AI对人类生产效率、产值的带动作用远低于此前预测。比如Anthropic发布的2026年经济指数报告，回应了外界对AI能带来多大经济增长的狂热期待，结论是从此前期待的每年额外增长1.8个百分点，锐减到0.6个百分点以下。

在报告中，Anthropic也分析了为什么会出现如此巨大的落差。

原因在于此前对AI效率提升的假设太过理想化了，默认AI永远正确，只需要考虑AI完成任务的速度，比如人阅读一篇文章需要10分钟，AI需要10秒钟，那就认为AI可以把效率提高60倍，就得出了可以带动劳动生产率每年额外增加1.8个百分点的结论。

但Anthropic认为AI会犯错，AI节省的时间甚至可能少于纠正AI错误消耗的时间；现实工作包含很多工作环节，限制整体效率提升的不是效率最高的环节，而是最低的环节。由此得出新结论：AI确实能大大提高速度，但成功率低且容易被瓶颈任务环节卡住。

雪上加霜的是，根据美国研究机构METR此前研究预测，AI处理的任务越长，成功率越低。

Anthropic用自身真实使用数据证实了这一预测，还发现当前AI并不善于自动完成任务，依据是直接通过应用程序编程接口（API）访问并使用AI的用户，AI处理时长超过3.5小时，成功率会降到50%以下，而使用Claude进行多轮对话的普通AI用户，成功率下降到50%的任务处理时间大幅延长到19小时。

出现如此悬殊差异的关键在于，API用户要求AI一次性输出结果，导致任务过于复杂超过了AI的能力边界，就会导致错误大增；反而普通的AI用户，把自己的需求拆解开了，一步步的交给AI完成，如果AI出错、跑偏了，人可以及时调整，而当前AI更擅长在人类指导下，处理一连串的简单小任务。

但务必注意，50%的错误率也就是编程、内容制作之类对成功率要求不高的领域还能接受，如果是工业生产，99.9%的成功率都很难接受。

由这个研究出发，小镇认为当前Agent的应用方向偏了。

很多人期待用Agent替代工作流，幻想一次性给出一个最终成果，这对AI的要求太高了，也会导致错误率大增。

AI的分析过程是黑箱，无法像传统方法那样复盘、纠错，也无非给出始终如一的确定性结果。比如给AI一堆合同文本，要求进行分析，最终AI给出了结论，但根本不知道AI分析过程有没有漏掉哪些条款。

所以，至少针对目前技术路线的AI工具，更佳的工作方式是把一项工作拆成尽可能多的小任务，把每一个小任务完成标准化作业，中间链接的环节交给人来处理，这已经可以实现大幅提效，关键是确保准确。企业使用AI，跟个体用AI编程和制作内容大不一样，必须做到准确、可追溯、能审计。

这就很像一百多年前泰勒的科学管理，他把工厂流水线的工人动作拆解成一个个标准化的步骤，每个工人只需要重复执行最简单的操作，就可以大幅提高生产效率，当然从每一个工人角度，劳动变得碎片化了。

参考这一案例，当前Agent使用，也需要有人来配合，不是AI替代人，而是AI令很多人的工作内容发生变化。就像一百多年前的工厂流水线工人一样，工作变得更加碎片化，而少数转变为管理AI的管理者或者借助AI的决策者。

这份报告还有很多有趣的内容，就不一一赘述了。

回到开头的论文。这篇论文作者将20世纪80年代的计算机与19世纪末的电力普及进行了对比，1881年纽约和伦敦建成了发电站，但直到20世纪20年代，美国制造业的生产效率才出现爆发式增长，关键原因是真正基于电力重塑了工厂生产模式。

早期工厂只是简单用电动机替代了蒸汽机，但仍然沿用传统工厂布局，标志代表是中央传动轴，又被称为“天轴”，甚至长达几百米，中间通过无数轴承支撑，每转一圈都会在摩擦、打滑中带来巨大的能量浪费，从蒸汽机输出动力到最终机床做工，能量有效利用率不到50%；当时的机器也只能围绕天轴布局，所以生产一个产品，需要进行反复搬运。

自电动机诞生以来，企业主们进行了很多尝试，一开始简单用电动机代替蒸汽机，但还是连接天轴，用皮带传输动力，这被称为“组驱动”。

后来拆掉了天轴，每台机器装上独立的发电机，瞬间把能量消耗降低到之前的三成左右，不仅节约了大量资金，还解放了工厂布局，机器可以按照生产工序排布而不是围绕天轴对齐，这被称为“单机驱动”。

最终福特在前人基础上，于1913年搞出来第一条基于电气化的流水线，随着第一个吃螃蟹的人大发其财，新生产模式迅速推广，在20世纪20年代席卷美国，推动美国制造业在1900年到1930年的三十年里，单位能耗下降30%，单位产量翻倍。

工厂也变得更加整齐、空旷，这才是真正的第二次工业革命。

所以，工业革命虽然以蒸汽机、电动机等关键动力机器的发明作为标志，但真正实现革命的效果，要等生产方式根据新机器的特点重塑才算开始。

同为颠覆性通用技术，电力从发电机发明到改变世界，用了40多年；计算机改变世界大概用了20年；而被认为第三次工业革命的互联网，改变世界用了大概10年。

看起来变革速度越来越快，所以有些人会认为AI的颠覆会比计算机、互联网更快，认为可能是5年左右。如果以2023年GPT破圈算起，那或许是2028年前后，如马斯克、黄仁勋、奥特曼等对AI的激进期待，就来自这一点。

但互联网乃至计算机，配得上第三次工业革命吗？真能够跟第一、第二次工业革命相提并论吗？

小镇持怀疑态度。

小镇个人更主张：第三次工业革命正在进行时，计算机、互联网只是这次革命的前奏，最终达到高潮从而像前两次那样重塑世界，要等到AI全面普及才算数。

因为人类工业革命的本质是能量的跃迁，是直接改造物理世界，是人类能量利用层级的大幅提升。

无论计算机、互联网还是当前的AI仍然停留在信息领域，充其量是信息的跃迁，主要降低交易和沟通的成本，对现实物理世界的改造非常有限。尤其是互联网，曾经行业巨头信誓旦旦的说“所有的行业都值得用互联网重做一遍”，结果如何呢？

现在全球包括世界500强在内，稍微大点的组织，就找不到真正实现信息化和数字化的，历史越悠久的组织，信息化、数字化的渗透度就越差，当然还有众多中小微企业，更谈不上信息化和数字化。

充其量只是把原本留存在纸上的信息，挑容易统计的放在了电脑里、网络上，组织结构并没有围绕计算机和互联网进行彻底的重塑。就像现在的工厂，无论黑灯工厂还是灯塔工厂，仍然是1913年流水线的变种。

现在把AI吹上天的，也并没有基于AI真正搞出来一套原生的组织结构或系统体系，仅仅是把AI嫁接到现存的体系中。有一些新兴小公司号称已经实现AI原生，比如用AI实现了两级扁平化、用AI代替人去进行管理等等，这都是形式而非本质，沿用的还是老一套的管理理论，当然只是做到这一步，已经可以提高效率了。

但只有当AI真正完成彻底突破，出现了根本的范式转变，并且能够基于AI去重新设计、制造、优化真实的物理世界，这才算能跟前两次工业革命等量齐观。

最核心的还是要基于AI带动人类能量利用和物理世界改造能力的跃迁，而现在的AI仍然只是适用于个体使用，还不具备企业化应用的能力，最关键的就是稳定性、可追溯、可审计、可复查等等基础能力，有过相关实际工作经验的应该会有同感。

现在的问题是人类世界分工太细了，很多人尤其网络声量过大的办公室白领、内容创作者以及互联网和金融从业者，严重缺乏对现实和生产复杂性的敬畏，对AI能力存在大量不切实际的幻想。

那么如何实现能量利用和物理世界改造能力的跃迁呢？

坦诚的说，目前人类仍然在探索中，对标电气化，当前AI大概相当于19世纪80到90年代，既直接用电动机替代蒸汽机的初始阶段。

小镇也只能基于自己的想象简单谈谈。

关键在于要借助AI完成数据深层使用和数智化，借助对大量超出人类能力边界的数据掌控，带动能量层级的跃迁。

比如用AI去驯服可控核聚变，目前可控核聚变最大难题是等离子体极度不稳定，人类手工或自动化调控根本跟不上，但AI很有可能实现，而且AI还可以带动超导材料等新型材料的突破，大幅压缩研发周期。比如2024年普林斯顿团队用AI提前300毫秒预测了核聚变等离子不稳定态。

还有数字孪生。过去人类要想验证或改造世界，需要大量试错，但现在有了数字孪生，甚至可以进一步实现实时的数字孪生，能够对一套系统可能出现什么问题进行预判，争取更多干预时间。

比如中国正在加速推进的“数字孪生水利体系”，还有英伟达旗下图形与仿真平台Omniverse，已经可以用于开发工业数字孪生、机器人仿真和3D协作应用，能够让AI在虚拟电网模拟无数次雷击或设备老化故障，进而反推物理世界应该如何实现最有调度，从而大幅降低能量损耗。

华为与多家钢铁集团联合研发的钢铁大模型，也实现了从靠经验炼钢到靠数据炼钢的升级，不仅大大降低每吨铁水的生产成本，还提高了冶炼品质。

在建筑和工程领域，生成式工程设计应用越来越多，2024年西门子推出首款工业工程设计生成式AI产品，也在改变人类工程设计流程。

人类世界诞生了海量数据，人类真正保存并应用的数据占比极低，这就导致人类对复杂的真实世界的理解也是有限的。

工业领域过于复杂，咱们就用个人生活举例，如果一个人特别喜欢记录自己的生活和感受，比如用摄像机、录音笔大量记录了海量素材，在过去这些素材基本是形式上存在，根本无法有效利用，因为一个人很难浪费大量时间去从海量基础数据中寻找有价值的东西。

但AI时代就不一样了，把这些基础数据扔给AI，之后就可以利用起来了。更简单的就如小镇，用“文件传输助手”累计记录了1.7万多条灵感，大多数灵感记录后仅在形式上存在，小镇自己都想不起来，更难以把跨越几年的不同灵感之间形成关联，但有了AI那就简单多了。

所以今年个人知识库特别流行，只要搭建好成熟的个人知识库，AI分身就顺理成章了。

上述只是数据的深层应用，这还只是AI重塑人类世界的上半场，下半场就要实现物理世界直接给AI反馈，要建立以AI为核心的“感知－决策－执行”的闭环，这才是数智化。

从目前人工和自动化模式以秒甚至分钟为单位，跃升到以毫秒为单位的动态调整，这会空前提高能量的利用层级和效率。

而要实现这一点，需要突破关键的物理接口，要打通现实世界同AI的虚拟世界，更重要的是要基于AI重塑整套社会运行和生产工作流程体系，这是非常漫长的过程。

- 5 -

小镇最近一直在给AI狂热泼冷水，强调AI现在没这么强，不要幻想所谓的AGI很快到来。有不少朋友留言认为小镇过时了、误人子弟、看不清AI带来的巨大变革。

小镇其实想对这些朋友说：越是认为AI改变会很快到来的人，很可能越小瞧AI。

因为新技术发挥效用需要过程和反应时间，与新技术不相配的现行制度和运行方式习惯也需要时间去改变和适应，要修改流程、商业模式、就业结构、教育认知等等，更关键的是引导调整人的习惯，人的习惯是很难改变的，达到工业革命级别的根本颠覆，基本要以20年为单位，大概是一代人。

只有那些技术层级没那么高，只是改变某个或某几个环节领域的技术，比如互联网和移动互联网，人类世界接受的速度才会很快。

互联网根本不配跟AI相提并论，不过是为王前驱，能够与AI在同一量级的技术，应该是电力和电气化，计算机都差了半个身位。

但电力和电气化，从1878年电动机发明、1881年首个发电站建成乃至1913年基于电力重塑生产布局，已经过去了一个多世纪，但人类至今仍然没有真正建立一个基于电力和电气化的原生文明。

目前中国是全世界最有可能进入电力原生文明阶段的国家，这会带来巨大的能力跃升和发展机遇，这也是小镇认为理解“十五五”期间乃至未来更长时间中国政策路线的关键切入点之一。

AI是未来，当前AI炒作是泡沫，这一点毋庸置疑。就像孙正义今年接受采访时从金融和资本市场角度谈道：AI至少比当年的互联网泡沫猛10倍，甚至可能大50倍，根本不是一个量级；互联网泡沫崩盘后，整个产业直接成长为超级巨无霸，AI现在其实才刚刚开场而已。

AI泡沫破裂是必然的，破裂之后可能会出现一段消沉期，似乎全社会对AI的关注下降了，甚至曾经对AI狂热的人变得特别失望，走上了否定AI的极端面，就像“速胜论本质是投降论”一样。

从现实数据来看，泡沫破裂后包括生产效率、GPD、技术应用等等都停滞了。

但这才是AI爆发的开始，因为在悄无声息中，正在进行系统重构，由一小批真正理解AI和现实世界的人开始，推动少数组织完成结构重塑或新生，由慢到快的滚雪球式改造世界。

对个体来说，除非确实需要AI解决实际的生活、工作问题，能够直接带来收益，否则不必把时间浪费在很快就会被迭代掉的过渡性工具上，更不要沉迷工具的使用。

工具一定会越来越简单，几周甚至几天就能学会的工具使用，算什么护城河呢？该不会觉得自己是超级天才，自己3天学会的，其他人花三年都搞不明白吧？真要这么厉害，那倒要问问，AI工具普及之前，自己成就如何呢？

真正有价值的是用AI重塑自己的认知，乃至调整自己的工作生活流程，进而改变周边组织运行，只会用工具算啥呢？就像大猩猩也会用傻瓜式相机拍照，厉害的不是会按快门的大猩猩。

其他文章推荐

（中篇）

（上篇）

欢迎分享，让更多人发现“大树乡谈”