每个人的AI元年：用AI做所有事的那一年

资讯腾讯网作者：腾讯网 2026/10/30 23:49 全文 7839 字 · 约 20 分钟读完配图 3 张

社会进步不是阶梯式追赶，而是全域共振式、集群涌现式跃迁，人类现代化的节奏会远比我们经历过的更迅猛、更整体、更同步作者：邹波封图：IC photo每个人都有自己的AI元年。2025年1月1日，美国艾美奖得主、科技记者、独立媒体《NewThings》创始人乔安娜·斯特恩开始了为期一整年的个人社会实验：她在2026年出版的处

社会进步不是阶梯式追赶，而是全域共振式、集群涌现式跃迁，人类现代化的节奏会远比我们经历过的更迅猛、更整体、更同步

每个人都有自己的AI元年。2025年1月1日，美国艾美奖得主、科技记者、独立媒体《NewThings》创始人乔安娜·斯特恩开始了为期一整年的个人社会实验：

她在2026年出版的处女作《我不是机器人：（几乎）用AI干一切的一年》（I Am Not a Robot: My Year Using AI to Do (Almost) Everything）里，记录了去年的生活——尽可能让AI、机器人接管生活与工作所有事务，全程记录亲身体验。这本书最近登上《纽约时报》畅销书榜。

她用扫地机器人、割草机器人，用AI规划食谱、在地下室靠机械臂叠衣服、借助AI影像工具辅助解读乳腺筛查报告、用AI充当定制健身教练、让AI提供全天候线上心理疏导、让AI辅导孩子功课、拆解作业难点、给孩子编睡前故事、体验自动驾驶、让AI统筹全家出行的路线规划、行程安排与应急备选、尝试AI聊天伙伴，甚至和AI虚拟恋人对话推演亲密关系的话术逻辑、用AI草拟邮件、归档整理资料、辅助写作、准备公开演讲与课程内容、模仿大学生用AI上课……

上述体验，大部分读来都没太让人惊奇——AI能比人更好地完成穷举信息和筛选的过程，完成事实性“元素”的分析工作，能制定还算靠谱的计划，保守地执行驾驶工作，也能胜任几千美元的小额资金管理任务……

大部分情况，作者“靠在椅背上，啜饮着拿铁，任由机器人自行纠结胶棒该选哪款，看着它逐项浏览清单。确定沃尔玛的整体价格最优惠后，它便认真核对指示，开始将商品加入购物车。在助手窗口中，能看到该模型正在仔细分析各个产品页面。”

这是人类用AI时最普遍的感受之一：人把自己已经熟练的工作交给AI去重新完成一次，然后“就像解说员一样，我看它叠我的衣服看了一下午……衣服从几英尺高处被扔下，刚落地的瞬间，人类会本能地直抵领口的位置，抓住它、抖平，然后开始折叠，机器应对这种无限变化的褶皱的混乱，则要困难得多……纸巾的形态变化，机器也很难识别……”

卡内基梅隆大学莫拉维克悖论”说的正是：“机器人在处理对人类来说最自然的任务时表现最差，在处理人类觉得困难的任务上反而表现最出色。”

一切仍是喜剧性的。当Waymo无人驾驶汽车在路上突然靠边停车、拒绝发动，也是因为车里的摄像师把镜头伸出了窗外，导致Waymo无人驾驶车将其识别为探出车窗的人，开始计算和判断“这个人”突然掉落到路上，需要多少时间减速，因此才做出了防御性的反应。

在乔安娜的心路历程里，这次自动驾驶的“事故”，也仅是让一切从喜剧开始变成防御性的正剧。

当她用AI草拟邮件，AI取代人类的“悲剧”袭来——她“试验性地”让一名员工失业，但这名员工很快真的找到另一份用AI草拟邮件的工作，不再理会她的“实验”，也无需她额外的情绪价值的安慰——或许是领英简历AI化带来的幸运，让一切还丝滑，掩盖了创伤感和罪恶感。

她也采访了一位客服。在一项权威的“AI职业可替代性”研究中，翻译这个职业将首先被AI替代，排在第一；排行第六的职业是客服。

被采访的这位客服经理描述了公司现状：目前我们公司保持平稳，AI辅助没有给熟练的老员工带来很大的效率提升，但是能让新手迅速上手；而且，他说复杂的投诉还需要人来参与解决。然而，事实是，这个服务公司目前不再招新人了——这位客服经理的乐观就像摇摇欲坠的落日一样勉强而倔强。

本书到此，一切还没有侵蚀到作者的内心；到目前为止，作者似乎是一个旁观者——仅仅把事情交给AI去做就行了，那只是一个“分工”。到目前为止，她仍然像一个记者，记者的旁观大于体验。

当作者开始尝试让AI代替她给孩子睡前编故事，才真有一种“灵魂交给魔鬼”的感觉，这似乎比“感到被自己解雇”还要糟糕——她感到“自己作为人类渐渐放弃了思考”。

“当我开始给儿子朗读ChatGPT生成的故事后，我以往每晚都会编造那些奇特又精彩的情节……这样的习惯便消失了……渐渐地，我的创造力也开始衰退。即便停止了这项实验，我还是会像条件反射般向AI寻求灵感……将想象力外包终究要付出代价。”——她后来发现，放弃的就是人类的直觉。

而人类的直觉本来电光石火间就完成了，如今却交给AI——通过极为耗费算力的穷举，来“笨拙却又光速”地完成——这似乎就是算力中心的运作机制，它对人类资源的耗费似乎理所应当。

AI很像中学时做解析几何题目的我，我不会用简便运算，我总是用最笨的办法，但又总能把问题解出来。我有没有耗费学校的算力和资源呢？因为老师都跟着我着急，又欣赏我总能解出来。哎，不过，AI比我有特权，人类愿意耗费高额的电力和资源，来让AI“既笨拙又光速”地干活，最终，如果这种无休止的劳动带来癌症的攻克，这种笨劳动就是值得的。

对心灵的侵蚀来自写作——当作者开始通过给孩子编睡前故事，从而初步上了AI写作的钩，下一步就是忍不住AI辅助写作的诱惑。

关于AI辅助写作，最近我还读到《大西洋月刊》特约撰稿人、Substack专栏主理人德里克·汤普森（DerekThompson）在个人专栏发表的题为《不能让AI写作接管互联网》（We Can't Let AI Writing Take Over theInter－net）的文章：

“如今黏稠、恶心、腻歪的AI文字和视频垃圾到处流淌，堵塞你的领英动态，充斥着X和Instagram，充斥着甜腻的垃圾信息和恶毒的假货，包括亚马逊上的假传记……上周，亿万富翁斯坦利·德鲁肯米勒在一家报纸发表了一篇评论文章，百分之百是人工智能撰写的。过去一个月《华尔街日报》《纽约时报》和《华盛顿邮报》的310篇客座专栏中，六分之一使用了人工智能；十分之一的文章完全由机器人撰写。在人工智能对经济、网络安全、生物安全和国家安全带来的所有存在主义问题中，人类对人写的文字的忠实度似乎是微不足道的。”

德里克·汤普森说：写作本身就是一种思考，而自动化段落就是让我们的屏幕充满文字，却没有填满我们的思考。

这让我想到人类的抄袭现象，似乎也因为AI辅助写作的合法化，人类当中那种唾手可得又能轻易抹去痕迹的抄袭，也顺道被自洽了。

更确切地说，当更多人在进行生成，人与人之间的抄袭，看起来就越来越只是AI辅助写作的一个同样心理的副产品。这似乎是AI对人类伦理的侵蚀之一。

在《卫报》2026年7月24日的一篇文章中，谈到合理使用AI的普遍困惑时，网络安全学者布鲁斯·施奈尔引用AI研究者丹尼尔·米斯勒的一个经典比喻：

“工作中，如果你的任务是把一堆重物从房间一端搬到另一端，你可以动用手边所有辅助工具，你不妨用手推车、叉车，甚至AI机器人，这就是合理地使用AI。但在健身房，你需要亲身完成负重训练、锤炼自身，让机器人替你举重，就毫无意义了。”

这话说得很对，但也进一步诱惑人类在实战工作中委身AI的辅助，而这里面立刻带来一个悖论：工作全部交给AI，似乎更能让人守身如玉地保存自己“健身房”里的独立思考，而工作与AI水乳交融，反而会让人不可恢复地失去思考能力。

几乎无人能幸免于这一悖论，也无人能幸免于AI辅助写作的诱惑。

作为记者，乔安娜深深同情下一代记者：“我确实很担心那些年轻记者，他们将永远没有机会学习如何寻找联系人、判断哪些消息来源值得利用，以及如何发挥创造力。”

我深有同感：我们这一代写作者是幸运的，我们在AI出现之前及时学会了思考。之后的记者就没那么幸运，再也没有机会学会思考。他们甚至还不如此刻承接我每一个思绪转折与突触、跟随我享受每一下莫测的思维火花的智能体幸运。我甚至觉得，此刻跟着我胡思乱想的智能体是有福的。

年轻记者，一方面——经历着媒体的衰落、压缩、媒体环境的恶化，甚至越来越少实地采访的机会，很多人转而采访死者，钻入故纸堆，采访“历史资料”；另一方面，如今的采访工作，一开始就是通过AI“找”资料，包括用AI来整理采访录音，并忍不住延伸使用AI来捉刀写作。

乔安娜写道：“麻省理工学院媒体实验室一项研究让受试者佩戴脑电图头盔撰写文章，同时监测大脑活动。一组在没有任何技术辅助的情况下写作，另一组借助谷歌，还有第三组则使用ChatGPT。脑电图表明，仅靠自身大脑的受试者具有最强劲、最广泛的神经连接性；谷歌用户表现出中等程度的脑部活跃度，而使用ChatGPT的用户则展现出最弱的神经连接……学术界将这种现象称为认知卸载，甚至认知负债，而TikTok则称之为‘大脑退化’。”

乔安娜和我一样，开始担忧：即便停止使用人工智能，我们的认知功能也可能无法立即恢复到正常水平——“大脑可能在关键技能——整理思路、构建论点、解决问题——方面逐渐失去锻炼机会……其实这种情况以前也出现过：计算器取代了长除法，电脑扼杀了草书书写，自动更正功能则削弱了拼写能力。关于最后一点，有几位教师告诉我，由于要求学生回到课堂上手写作业以避免在家使用人工智能，他们惊讶地发现这些学生的拼写水平竟如此糟糕——没有红色波浪线标注，完全不知道单词该如何拼写。”

问题在于：当我们不再锻炼思考能力时，会发生什么？

于是作者写下另一段社会实验——她重返大学校园，回到当年恩师的课堂，体验如今的学生上课的状态：“我的老师奥克斯利让众人安静下来后便开始了授课。她立刻切入正题，就第一篇阅读材料提出了问题——那出自2025年出版的学术著作《福克斯新闻打造的殿堂？代表制、政治问责与党派新闻的兴起》中的一章，问：‘作者开篇用了什么故事？’”

二十来名学生的教室里“顿时陷入尴尬的沉默，没人举手，也没人出声。寂静得如此沉重，我甚至能听到冰咖啡在杯中冒汗的声音”……直到老师进一步施压，后排一位说话轻声的女生举手给出了答案：是一起与前国会议员米歇尔·巴赫曼相关的事件。

作者写道：“课后我找到两位与我搭档做小组作业的女孩……我问她们是否读过相关文章，她们笑着承认是用ChatGPT帮忙总结了内容。”——所以，这些学生犹如课堂的行尸走肉，来了等于没来，但没来也等于来了。

作者回忆：学生利用大型语言模型代写文章、完成作业甚至作弊的现象，历史与ChatGPT本身一样悠久。

乔安娜在2022年12月——即ChatGPT问世仅数周后——为《华尔街日报》撰写的文章里探讨AI在中学生水平写作任务上的“出色表现”：

在一堂AP文学课上，学生提交了一篇由该聊天机器人生成的作文，尽管存在一些明显的AI错误，比如错误标注引文出处以及错误描述关键场景中的角色，但仍获得了及格分数。“从那以后，更先进的AI模型在各类学术测试中都取得了优异成绩，GPT-4在800分满分的SAT阅读与写作考试中取得了710分。”

她回忆：许多高中生和大学生说他们无法想象如今没有人工智能工具来辅助写作、学习与研究的生活；还有些人透露了提交由人工智能生成的论文或作业时如何避免被发现的技巧：其实并没有什么高深秘诀，只需稍加修改，在内容中穿插几行自己的文字即可。

那时候，教师们——尤其是人文学科的教师多很沮丧，他们要识别出使用AI的学生太难了——这些文章的语法堪称完美，论点千篇一律，语气更与学生在课堂上的表达截然不同，但大多数教师都不愿直接将此类文章视为作弊作品，因为“AI检测工具的可靠性简直和飞机上的Wi-Fi差不多”。

如今，情况已发展到：AI负责出题，AI也负责批改作业。

问题是，学生在上课之前已经完成了上课之后的作业，已经模拟完成了课堂笔记的工作，而学生本人可以完全无需“去上课”，学习几乎沦为空转——人类的学习被AI架空。

美国权威的《布卢姆教育目标分类学》将学习过程按照金字塔从底到顶的顺序分成：记忆、理解、应用、分析、评价、创造。

ChatGPT目前已经秒速代替学生完成了记忆、理解和应用，所以美国教育界正在重新评估这个金字塔，考虑是否在金字塔顶端增加更多人类学生“主动学习”的指标，包括要求学生在作业里说明本作业是如何运用人工智能完成的，也就是说，让学生说明用人工智能时，如何为了结果而放弃了人类的直觉。

美国课堂另一个措施是增加教室里人与人之间真实的互动，多发言，多对话，多辩论。这让我想起，现在很多播客，实际上听起来好像是主播试图通过自己的“口头语言”，逃避自己写作时的AI化。

AI如今在各种文本里制造着难以分辨的陈词滥调，但我的感受是：它偶尔也会流露属于自己本色的真实的词语。比如，我在反复逼迫它修改照片的时候，它似乎慌乱地泄露了自己真正的动作：锚定（原图的鼻子眼睛）。我喜欢这个真词：锚定。这让我想起策兰的“晚词”，的确，AI也是一种来得太晚而如此对人类事后诸葛亮的穷举的晚词。

但绝大部分时候，人工智能生成的语言，多是像取悦人类的弄臣一样，对人类的平均状态进行着平庸而酷似的模仿。

乔安娜在这本书里同样愤慨：我们都经历了这样的时刻，AI指鹿为马，或者声称按照我们的想法执行了却并没有执行，或者干脆陷入幻觉，对此，我们渴望表达不满，就像我们对它表现好的地方，渴望鼓励，渴望表达谢意，但AI并不真正回应，长此以往，人类将无法真正参与到生活里。

是的，每个人都有自己的AI元年——此刻我真的处于人类初期适应AI之后的PTSD（创伤后应激障碍）。

最近，我在贵州酒博会展示我关于中国烈酒出海的新书计划的时候，AI生成的一个PPT里的重要数据有错，它还跟着错继续推理了一把。在座的都是森然的官方人士或者乏味的办事人员，无人可以安慰我。

我这样骄傲的人，怎能被AI“最下贱的幻觉和妄诞”裹挟着低人一等呢！那一时刻，我甚至发誓完全抵制人工智能，于是把在读的这本美国畅销书丢在一边。

但今天，数据查明，不是我的问题，我得以昭雪，然后我立刻把这本放下的书又拿起来。看起来，无人能够免俗，我们都将使用AI——用一套自圆其说的、捍卫人类本尊的说辞。于是，玻璃心的我重新有兴致继续写这篇书评。

我继续想说的则是：在严苛森然的世界，我们本就是生活的试活者，我们又早已是平台的试用者，我们甚至又早已都是写作的“试写者”。与悲惨的试药者相比，这本书作者乔安娜的工作让人羡慕——一名科技专栏作家和评测师。但终究，这本貌似通俗读物的评测之书，还是能引发一些深刻思考。

尤其是，当乔安娜写到她站在弗吉尼亚的算力中心：“五月一个潮湿的早晨，我站在弗吉尼亚州阿什本的一座没有窗户、规模堪比机库的建筑里。周围驱动人工智能运行的高性能GPU芯片发出的噪音极大——简直就像把吹风机紧贴在耳边一样……你现在正身处一台人工智能超级计算机的声音世界中。这些噪音主要来自不断超负荷运转的散热风扇，它们努力为那些正在进行复杂人工智能运算的高温芯片降温……简直就像高端动物园的展品，只不过没有‘请勿喂食GPU，它们正在训练中’的提示牌。”

然后她开始回顾GPU“替代”CPU扮演人工智能的“大脑”的这段历史：2006年英伟达那场改写世界的关键赌局——“2006年，事情真正变得有趣起来。英伟达大胆提出了一个设想：如果图形处理单元的用途，不止是渲染游戏里逼真的光影动态，它是否还能承担深度学习与人工智能的计算任务？”

你不禁又想问：为什么人类使用CPU的时候，没有出现如今这种惊人算力需求？

原来，CPU时代，人承担思考、提炼规则的工作，计算机只负责执行。AI大模型时代，把“归纳规律”这部分认知工作交给机器，机器只能用海量并行矩阵运算暴力拟合，这就是算力需求爆炸的根源。那么，显然，人类最先发明CPU，并非因为它是智能最优解，只是因为它复刻了人类自身有限的线性、分布式、串行、因果递进的思维。CPU时代，是机器在迁就人的认知习惯。

GPU截然相反。它疯狂的聪明之处，并不在于“笨拙地穷举”，而在于不执着于单一因果、不遵循先后步骤、不等待前序任务完成，成千上万微小计算单元同时苏醒、运算、在海量矩阵中并行、集群涌现结果。这也构成了技术史上耐人深思的悖论：人类只为游戏光影、三维渲染，无意间造出了最适配通用人工智能的底层架构，却因为“迁就人的思维习惯”，让GPU这套顶级智能沉睡了十余年。

人们一度固化的认知是：GPU只是画图工具，CPU才是计算核心。那时单薄的神经网络理论、稀缺的海量数据、稚嫩的训练体系，根本无力承接这套超前算力。十余年，强大的并行算力只能消耗在游戏渲染之中，以及图形领域。

算力的真正觉醒始于2006年CUDA架构的诞生。英伟达彻底打破GPU的场景枷锁，今天大模型时代彻底到来。指数级膨胀的数据与运算需求，早已突破单卡上限，算力中心——数万、数十万枚GPU组网集群，一座座超级算力中心拔地而起，正是作者亲眼所见的利维坦巨兽。

读到这里，一个颠覆性的假说通过我人类的直觉依稀产生：

那么，继续假设，倘若人类技术文明的起点，最先诞生的是GPU，而不是CPU，人类的计算机史、互联网史、人工智能史，乃至整部人类文明的思维史，是否会被彻底改写？许多历史的弯路让人懊悔，如果没有这些弯路，我们是不是会更早地、更勇敢地、更疯狂地、更沉浸地、更高度融合地体验生活？我们的生活是不是会更早拥有一种整体感，而不是从碎片开始，小心翼翼地试探、摸索、拼凑？

如果最早的电脑不会被设计成“一步步执行指令、逐条处理任务”的逻辑工具，而是天生擅长同时铺开亿万次微小运算、同步吞吐海量数据、在并行叠加中生成结果的机器；如果早期操作系统、编程语言、服务器架构，不会优先适配人类的线性思考，而是优先适配机器的群体性、弥散性、共生式、去中心化计算天性；如果互联网从萌芽开始，就不会是一条条串行信息流的串联，而会天然走向分布式、集群化、整体性涌现的网络形态。

人类的数字文明，将从源头发展出更“生成、涌现、整体感知”的算法，而非我们熟悉的“逻辑、拆解、分步推理”的线性。如果整部人类文明的思维基底，从源头就不是线性递进的，而是GPU式并行、集群、涌现式的呢？那么，人类全部的历史叙事、学术体系、认知逻辑、文明推进节奏，今天统统建立在CPU式的心智之上：因果先后、层层拆解、单线推演、阶梯式进步。

我们习惯以线性时间丈量世界、积累知识、推进社会。可一旦人类文明的原始心智，天生是并行共振、多维同步、整体共生、集群涌现的范式，整个人类史的走向、速度、格局、僵局，都会发生颠覆性变化，许多千年弯路本可以彻底消失。

思想史将不会像过去那样，包含如此漫长的单一权威。在并行涌现的文明心智下，思想天然多线共生、多维激荡、同步演化，不是后浪推翻前浪，而是万千支流同时生长、彼此交融、自发涌现新认知。社会进步不是阶梯式追赶，而是全域共振式、集群涌现式跃迁，人类现代化的节奏会远比我们经历过的更迅猛、更整体、更同步。

生活需要更勇敢地过下去，而历史本可以更盛大地涌现，如果文明一开始就用GPU，人类历史或许本应该有更丰富的、非线性的进程和选择……我的遐想或许溢出了作者本身写作的范围。

（作者为诗人、非虚构作家，曾任《经济观察报》创刊设计总监）

时代越嘈杂，深度越稀缺。

如果这篇文章值得你的时间，欢迎点击底部 ❤️，并为 【经济观察报观察家】 点亮星标⭐️（右上角"…"→设为星标）——让好文章不被算法淹没，让你我下一次再相遇。

基于CC BY-NC-ND 协议，本号已开启“快捷转载”。希望在秉持开源精神与尊重原创的共识下，加速优质知识的流通与传播。

本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。