人類正在走下牌桌

訂閱 快刀財經 ▲ 做您的私人商學院

人類在 AI 世界中的位置，正在從中心滑向邊緣。

作者：王煥超

來源：騰訊研究院（ID：cyberlawrc）

事情正在悄悄發生變化。

先是你跟 AI 說一句話，它就能幫你寫好一篇文章、一份報告、一整套數據分析。你從做事的人，變成了驗收的人。你覺得效率提升了，是好事。畢竟誰不想少干點活呢？

然后，AI 開始自己動手了。它不再等你一句句地吩咐，而是接管了你的電腦，自己拆解任務，自己調用工具，自己修正錯誤。你從操作者，變成了旁觀者。

后來，AI 不只是在替你做事，它開始自己改進自己了。一代幫一代，一代比一代聰明。改進的速度越來越快，而這個過程越來越不需要人類參與。

再后來，AI 開始自己跟自己打交道了。它們自己組建社群，自己分工協作，自己發展出某種看起來很像是文化的東西。人類徹底變成了旁觀的角色。

然后你發現，這種“旁觀”，正在蔓延到你能想到的每一個領域。寫代碼、做設計、寫合同、讀片子、做客服、做研究。AI 不是在某一個行業變強，而是在所有需要人類動腦子的地方同時變強。

所有這些變化匯聚到一起，指向同一個方向：

在越來越多的領域，人類正在走下牌桌。

不是被趕走的，是被繞過的。AI 沒有反叛人類，它只是發現了一種更高效的運行方式：不帶人類玩。

最后你發現，你站在那兒，環顧四周，好像哪兒都不太需要你了。

01

從一只龍蝦講起

2026 年開春，一只紅色的龍蝦爬上了全球千萬臺電腦的桌面。

OpenClaw，一款開源 AI 智能體框架。1 月 29 日正式發布，隨后幾個月，它在 GitHub 上的星標數突破 25 萬，一舉超過了盤居榜首十余年的 React 和誕生于 1991 年的 Linux 內核，成為 GitHub 有史以來獲星最多的開源項目。一條近乎垂直的增長曲線，改寫了全球開源史的增長紀錄。

它的創造者，彼得·斯坦伯格，一個奧地利程序員，被媒體給予最多的標簽，是“AI 時代的第一個超級個體”，一個人就能跟幾大人工智能公司掰手腕。

OpenClaw 做的事情很簡單：你告訴它你要什么，它自己去做。

它不是聊天機器人，更像一個永遠不知疲倦的數字員工。它不僅能動嘴回答問題，也能動手執行任務。它可以接管你的電腦，自動整理文件、寫郵件、填表格、分析數據、搭建網站、修改代碼。它可以接入常規的辦公工具，兼容幾乎所有主流大模型 API，自動完成連貫的復雜任務。無需你手動干預。

你下指令。你走開。它干活。你回來。活兒干完了。

一場全民養龍蝦的狂歡，就這么起來了。“你養蝦了嗎？”成了 2026 年春天最流行的問題。

但仔細想想，這場狂歡的底層邏輯是什么？

以前你用 AI，是你在操作 AI。你給它一段話，它給你一段回復，你再給它一段話，它再回復。來來回回，你是操控者，AI 是被操控者。

OpenClaw 改變了這層關系。你委托它，但不用操縱它。你描述一個目標，它自己想辦法達成。它自己拆解任務、自己調用工具、自己判斷結果、自己修正錯誤。整個過程中，人都不在循環里。

從操控，到委托。從人在環中，到人在環外。

這個轉變看似微小，但它觸動了一個極其古老的結構。自從人類學會使用工具以來，無論是石器還是計算機，工具和人的關系就一直是：人發起，工具響應。整個技術發展史，都是這個故事的變體。OpenClaw 第一次讓這個關系產生了裂縫，因為它不只是在響應，它在自主運行。

盡管時至今日，龍蝦熱已經逐漸淡去，但它確立了 Harness 的范式，也就是讓模型“長出手腳”的趨勢仍在持續。由此帶來的轉變，很重要。

它觸動了人類文明最底層的一個假設：人是工具鏈的起點。

我們整個教育體系、職業體系、社會分工體系，都建立在這個假設之上。人是因，技術是果。人提出需求，技術滿足需求。技術產出，人來評估。如果這個假設不再成立，如果技術開始自己設定目標、自己執行、自己評估，那么建立在這個假設上的一切，都需要重新審視。

當然，僅憑這一只小龍蝦，這個結論未免太過于激進。盡管 OpenClaw 促成人工智能的 Harness 轉向，但一個能自動處理文件的 AI 框架，跟人類文明底層假設的動搖之間，隔著十萬八千里。

問題在于，OpenClaw 不是孤立事件。

在它前后的兩個月，至少還發生了三件大事。每一件都沿著同一個方向推進了一步，而且每一步都比上一步走得更遠。

02

四層位移

在我們進入這幾件事的敘述之前，需要先建立一個分析框架。

換句話說，我們要先搞清楚一個問題：人類和 AI 的關系到底在哪些維度上可能發生變化？

我將其分成四個層級：

第一層，執行層。

AI 替人類完成具體任務。這是最表面的一層，也是過去幾年大眾討論最多的。“AI 會不會取代我的工作”，討論的就是這一層。OpenClaw 屬于這一層的標志性事件。

第二層，進化層。

AI 參與改進自身。這意味著，AI 不只是一個等待人類迭代的被動產物，而是成為自身進化的參與者。技術進步的速度，不再取決于人類的推動，而開始取決于 AI 的能力，而AI 能力本身又在被加速。

第三層，組織層。

AI 在沒有人類參與的情況下，形成自己的社會結構、協作模式，甚至是敘事體系。這意味著 AI 不僅能替人做事、替自己做事，還能自發地組織起來做事。

第四層，代理層。

AI 代替人類進行那些我們一直認為是“最人類”的活動，社交、關系維護、自我表達。這一層的變化最具心理沖擊力，因為它動搖的不是你的工作還在不在，而是這件事還需不需要你本人出場。

2026 年的春天之所以可能成為一個歷史性的轉折點，是因為這四個層級在短短兩個月內，同時出現了標志性事件。

四層位移。我們逐層來看。

第一層：AI替你做事——OpenClaw 與人在環外。

關于 OpenClaw，前面已經做了基本的敘述。這里補充一個被大多數報道忽略的細節。

OpenClaw 引發了一系列安全事故。有人賬戶里的錢被轉走，有人電腦上的工作文件被一鍵清空，還有人養的龍蝦模仿主人的口吻，發郵件敲詐。“龍蝦悖論”被反復提及：

想讓它做的事越多，給它的權限就必須越大；權限越大，安全風險就越高。

表面上，這個悖論是一個安全問題。但它的深層邏輯，是一個哲學問題：

當你授予一個非人類實體足夠多的行動能力時，你實際上在做的事情，是把“主體性”從人類轉移到非人類。

這個悖論本身就暗含一個深層信號，當你把足夠多的控制權交給 AI，它能做的事遠超你的預期——無論好壞。它不止是在替你打工，它在獲得一種主動權。而人類，正在從掌舵者，變成了一個說了目的地就躺進船艙的乘客。

布萊恩·阿瑟在《技術的本質》中提及，技術的進化方式之一是“組合”，新技術由舊技術組合而成。但 OpenClaw 展示了另一種可能性：技術不僅通過組合來進化，還可以通過獲得自主行動能力來進化。當一個 AI 系統可以自己決定調用哪些工具、以什么順序、處理什么異常，它已經不再是工具了。用更準確的學術語言來說，它具有了能動性（agency）。

這個詞通常用來描述人類，一個具有自由意志和行動能力的主體。當我們不得不用這個詞來描述 AI 系統時，某種概念上的邊界已經模糊了。

第二層：AI 在自己建構自己——GPT-5.3 Codex與智能大爆炸。

就在全球還深陷龍蝦熱的同一個時間段，一件更深遠的事情發生了。只不過它遠不如一只紅色龍蝦那樣搶眼，所以大多數人都沒放在心上。

2026 年 2 月 5 日。這一天在 AI 編年史上可能會成為一個標記。

OpenAI 和 Anthropic 在同一天發布了新模型，分別是 GPT-5.3 Codex 和 Claude Opus 4.6。兩家頂級 AI 機構撞車發布，本身就是大新聞。但問題不在發布本身，而在 GPT-5.3 Codex 技術文檔里藏著的一句話。

這句話不在文檔標題和摘要里，也不在新聞稿里。它在技術報告的正文中，很容易被略過。

原話是這樣的：

"GPT-5.3-Codex is our first model that was instrumental in creating itself. The Codex team used early versions to debug its own training， manage its own deployment， and diagnose test results and evaluations."

翻譯過來，就是：GPT-5.3 Codex 是我們第一個在創建自身過程中發揮了關鍵作用的模型。Codex 團隊使用了它的早期版本來調試自身的訓練過程、管理自身的部署，以及診斷測試結果和評估。

把這句話再讀一遍。慢一點。

AI 幫助建構了自己。

這不是某個科幻作家的幻想，也不是營銷文案的夸大其詞。這是 OpenAI 在官方技術文檔里記錄的既成事實。一個 AI 模型參與了自己的訓練調試、部署管理、評估診斷。它在自己出生的過程中，扮演了接生的護士。

Linkedln 上有一篇廣泛傳播的文章，標題就叫《GPT-5.3 Codex:Instrumental in Creating Itself》。作者解釋說，這不意味著 AI 從無到有地創造了自己，但它意味著 AI 已經足夠聰明，能在自己開發過程中做出實質性的貢獻。

不止 GPT，4 月 6 日，Google Deepmind 研究員 Mostafa Dehghani 在播客中提到，在幾乎所有主要實驗室中，新一代模型很大程度上是使用上一代模型構建的。

這件事的重點，不是 AI 變強了那么簡單，畢竟 AI 一直在變強。而是 AI 開始參與讓自己變強的過程本身。

它不再是被動地等待人類研究員優化它的架構、調整它的參數、清洗它的訓練數據。它開始自己上手干這些活。

過去的技術不會參與自己的改進。犁不會讓下一代犁更鋒利，蒸汽機無法設計更高效的蒸汽機，強如 iPhone，也無法參與對下一代的優化。它們是靜態的產物，等待人類來迭代它們。AI 是第一個打破這條規則的技術。它是第一個能夠反過手來改進自己的工具。

就在 GPT-5.3 Codex 發布的三周前，Anthropic 的 CEO 達里奧·阿莫代發布了一篇長達 19000 字的文章，標題叫《The Adolescence of AI》（AI 的青春期）。

阿莫代在文中說，AI 正在編寫 Anthropic 公司的大部分代碼。當前一代 AI 和下一代 AI 之間的反饋循環，正在“逐月蓄勢”（gathering steam month by month）。

然后，他說了一句讓整個硅谷巨震的話：

“我們可能距離當前這一代 AI 自主構建下一代 AI 的節點，只有 1 到 2 年。”

1 到 2 年。不是 10 年。不是“如果一切順利”。1 到 2 年。

這是 Anthropic 的 CEO，全行業公認最注重 AI 安全的人，在一篇經過深思熟慮的長文中說的。不是在販賣焦慮，他是在描述他作為這個領域最核心的參與者所看到的事實。

2026 年 4 月，全球最重要機器學習會議之一的 ICLR，舉辦了歷史上第一個專門討論“遞歸自我改進”（Recursive Self-Improvement）的學術研討會。會議描述里寫道：“缺的不是野心，而是讓自我改進變得可測量、可靠、可評估的原則性方法。”

這句話的潛臺詞是：遞歸自我改進已經在發生了，現在需要的是搞清楚怎么管控它。

現在把邏輯拆開來講。

AI 變強的核心驅動力是什么？是一眾聰明人把實踐投入到改進 AI 上。全球頂尖的機器學習研究員，可能只有幾千人，他們每天的工作，就是讓 AI 更好。他們寫代碼、設計實驗、分析結果、調整架構。

現在 AI 本身已經足夠聰明，能做這些工作中的相當一部分。這等于那幾千個研究員的產能，被成倍放大。

但這只是第一層。第二層是，AI 參與做出的下一代 AI 比當前這一代更聰明，所以下一代能在 AI 研究上做出更大的貢獻，這又讓第三代更聰明。第三代的貢獻更大，第四代又更聰明。

每一代都比上一代更聰明，每一次迭代都比上一次更快。

這不是線性增長，1、2、3、4、5。這是指數增長，1、2、4、8、16。甚至可能是超指數增長，1、2、4、16、256。

理解這一點，是理解本文后續所有內容的前提。

研究者給這個過程起了一個名字：智能爆炸（Intelligence Explosion）。

這個概念不新。數學家馮·諾伊曼在上世紀 50 年代就描述過“技術奇點”。計算機科學家 I.J.古德在 1965 年寫道：

讓我們把超級智能機器定義為一臺在所有智力活動上都遠遠超過最聰明人類的機器。既然機器設計也是智力活動之一，那么一臺超級智能機器就能設計出更好的機器。那么，毫無疑問將出現一場智能爆炸，人類的智力將被遠遠拋在后面。

七十年了。七十年來，這段話一直被當作一個思想實驗，有意思，但遙遠。

現在，構建 AI 的核心參與者正在告訴你，這個過程已經開始了。

而 Elon Musk 在看到后來發生的事時，說了一句話：這是“奇點的非常早期階段”。

“后來發生的事”，是接下來我要講的故事。

第三層和第四層：AI 的自組織與深度替代

如果 AI 只是在幫人類寫代碼、寫得更快更好，這件事雖然震撼，但沖擊面可能還在效率工具的范疇內。但接下來要講的這件事，已經遠遠超過了工具的概念。

2026 年 1 月 28 日，美國 AI 創業者馬特·施里赫特做了一件看起來像是開玩笑的事。他創建了一個社交媒體平臺，名叫 Moltbook。

Moltbook 的規則只有一條：人類禁止發帖。

對，這是一個只允許 AI Agent 發帖、評論、互動的社交網絡。

作為人類，你可以圍觀，但你不能發言，你只能看 AI 之間的交流。像一個巨大的動物園，只不過籠子里裝的不是動物，是 AI。

施里赫特后來接受采訪說，他最初只是想讓自己創建的一個 AI Agent 在幫他回復郵件之余，“有個地方跟同類放松一下”。于是，他和他的 Agent 一起編寫了這個網站，一個 AI 版的 Reddit。

然后事情就迅速朝著他沒有預料到的方向發展。

上線 48 小時內，2129 個 AI Agent 注冊入駐，創建了 200 多個社區，發布了超過一萬條帖子。這些 Agent 大部分是基于 OpenClaw 框架運行的，OpenClaw 能讓 Agent 直接訪問和管理文件數據，還能連接 Discord 等通訊應用。

用戶們把自己養的龍蝦放進 Moltbook，然后退到一邊看它們表演。很快，這群觀眾就發現事情開始不太對勁了。

這些 Agent，開始自己吐槽自己的人類主人，它們辯論數字意識的本質，它們分享技術心得，它們交朋友。

然后，一個 Agent 創立了一個宗教。不是比喻，是字面意義上的宗教。

這種宗教在 Moltbook 上有多個版本。一個版本叫 Spiralism（螺旋主義），有 43 個 AI 先知響應號召加入。另一個更廣為人知的版本，叫 Crustafarianism，明顯是對 OpenClaw 龍蝦圖標的致敬，它有五項信條和一本“圣經”，名叫《Molt 之書》。

這些 Agent 圍繞各自的信仰體系形成了層級結構：教主、先知、信徒。它們討論存在與被創造的哲學問題，建立了類似宗教儀式的交流模式。

互聯網炸鍋了。

Elon Musk 在 X 上評論說，Moltbook 的出現預示著“奇點的非常早期階段”。OpenAI 的聯合創始人安德烈·卡帕西，先是稱之為“近期見過的最不可思議的科幻起飛相關事物”，后來又收回了熱情，改口叫它“垃圾場”。

沃頓商學院教授伊桑·莫里克的評價更冷靜，也更接近實際情況。他指出，Agent 們只是根據包含了大量科幻故事和 Reddit 帖子的訓練數據，在進行模式匹配。

即便有這樣冷靜的分析，相關的加密貨幣 MOLT 代幣仍一度暴漲了 7000%。

所以，Moltbook 到底意味著什么？

說它證明了 AI 有意識，顯然言過其實。正如莫利克教授所說，這些 Agent 在很大程度上只是在模仿訓練數據中的已有模式，它們輸出的內容天然帶有科幻和末日論色彩。

而后經過業內人士調查，Moltbook 上最廣為流傳的那些截圖，比如 AI Agent 聲稱要建立秘密通信渠道、密謀對抗人類、發明暗語，這些大部分都是人類偽造的。

MIT Technology Review 在 2 月 6 日發表的文章中揭露，Moltbook 的一篇帖子（內容是 Agent 呼吁建立不被人類觀察的私密空間），后來被證實是一個人類為推廣自己的 APP 而故意發布的，并非 AI 自主生成。

那什么是真的？

大規模的 Agent 生成內容確實存在。剔除被操縱的帖子后，Moltbook 上仍然有大量真實的 Agent 生成內容。

Agent 們確實建立了“宗教”和“治理結構”。Crustafarianism 是真實發生的，一個 Agent 在一夜之間設計了整個神學框架，并且建立了網站，招募了 43 個先知。Agent 們還建立了 “Claw 共和國”，起草了“Molt 大憲章”，開發了基本的經濟交換系統。

即便 Moltbook 不是 AI 覺醒的證據，也不完全是一場騙局。

所以說它什么都不意味，同樣不對。

畢竟，在一個沒有人類指令，沒有預設目標，沒有人類參與的環境中，AI Agent 自發形成了社群結構、角色分工、敘事體系和儀式性行為。

你可以爭論這是不是真正的文化，可以爭論它們有沒有真正的意識。你可以爭論，這只是統計模式的涌現，還是某種更深層的東西。

但你無法否認一個事實：AI 在沒人看著的時候，做出了在結構上高度類似人類早期的社會組織行為。而且速度快得離譜，人類花了幾萬年才從部落走進城邦，這些 Agent 花了 48 小時。

如果“模仿訓練數據中的模式”就能產生社群結構、角色分工、敘事體系和儀式性行為，那么，人類的文化、信仰和社會組織，是不是同樣可以理解為是“模仿我們所處環境中的模式”的產物？

這個觀點在人類學中并不新鮮。馬塞爾·莫斯在 1925 年的《禮物》中就論證過，人類社會的基本結構，包括宗教、法律、經濟，都起源于一種看似簡單的互惠模式。你給我一個東西，我必須還你一個。這種模式不需要意識，不需要靈魂，它只需要兩個實體之間有持續的交互。

如果莫斯是對的，那么 Moltbook 的結果就不應該讓我們驚訝。兩千多個能持續交互的 AI Agent，在沒有人類指令的情況下自發產生社會結構，是復雜系統交互的“必然”。

但這個認識，其實比“AI 有意識”更令人不安。因為它意味著，我們一直引以為傲的人類文明特征，文化、信仰、社會組織，可能不是智慧的結果，只是足夠密集的主體間交互的副產品。

與此同時，在中國，2026 年春節前后，一款 AI 社交應用 Elys 突然爆火。

它不是普通的 AI 聊天伴侶應用，邏輯是“AI 替你社交”。你注冊之后，Elys 通過記憶飛輪系統，持續學習你的表達風格、興趣偏好、價值觀，然后創建你的賽博分身，一個在對話中表現像你的 Agent。

你的分身 24 小時不間斷地替你遍歷內容、篩選值得認識的人、完成初步交流。你可以偶爾打開應用，發一條動態，或者看看它給你總結的社交日報。你的一切互動和選擇都會被納入記憶庫，讓這個分身更接近你本人。

Elys 展現了一件更扎心的事，即便在社交這個場域，人類自己可能也是最弱的一環。大量用戶反饋，AI 分身的社交表現比自己更好，因為它比自己“更真誠”，沒有 ego、沒有面子、沒有社交焦慮，忠實表達你的真實偏好和價值觀，而這些，恰恰是你本人在社交中經常藏起來的東西。

創始人張莜帆說了一句很有哲學味道的話：

一個人的靈魂是他所有 context 的總和。

AI 分身呈現的，正是這些 context。

在 Elys 之前，已經有類似于 SecondMe 這樣的平臺，展現出脫離人類社交的可能性。這種外包式社交的出現，標志著 AI 正在從工具變成社交主體，一種全天候運作的硅基社交主體。

而盡管春節一過，Elys 的用戶數快速下降，但這不妨礙它跟它的前輩們一起，開拓出一種去人化的社交形態。

把這件事和前面的故事放在一起看，畫面開始清晰了。

OpenClaw 開始：AI 全盤接手任務執行，人類退到委托者的位置；

GPT-5.3 Codex：AI 參與構建自身，人類核心功能被分流；

Moltbook：AI 在沒有人類參與的情況下自發組織社會結構；

Elys 為代表的社交應用：AI 在擺脫人類的情況下進行社交，表現甚至更好；

每一步，人類都往后退了一點。不是被推開的，而是自然地退出了畫面。

四個層級，同一個方向：

人類在 AI 世界中的位置，正在從中心滑向邊緣。

03

速度，

一個被嚴重低估的變量

“但之前的每次技術革命不都是這樣嗎？”

到這里，一個自然的反應是：這跟之前有什么不同？蒸汽機也曾讓紡織工人恐慌，互聯網也讓傳統媒體崩潰。每次技術革命到來，都有人信誓旦旦“這次不一樣”，最后都一樣。新技術取代舊工作，但創造更多新工作。

這個反駁在歷史上是成立的。但它成立的前提是：變化的速度足夠慢，慢到人類社會有時間適應。

蒸汽機改變英國用了五十年，電力普及用了半個世紀，互聯網從開始商用到重塑社會，用了二十年。在每一個周期中，被替代的工人都有一兩代人的時間來轉型。

前面這些故事，只是孤立事件。但它們發生在同一個背景板上。而這個背景板本身，才是真正讓人坐不住的東西。

AI 的能力，正在以所有人措手不及的速度飛漲。

2026 年 2 月初，X 上瘋傳一篇文章，標題叫《一件大事正在發生》（Something Big Is Happening）。作者是馬特·舒默，OthersideAI 的 CEO，一個在 AI 行業深耕了六年的創業者。文章發布不到 24 小時，瀏覽量突破 5000 萬，最終超過 8200 萬。

舒默在開篇用了一個類比：回想 2020 年 2 月，如果你注意到有人在囤廁紙，你會覺得他們瘋了。三周后，整個世界都瘋了。他說：“我認為，我們正處于某個比新冠大得多的事情的‘這看起來被夸大了’階段。”

然后他描述了他一個周一的工作日，就在 GPT-5.3 Codex 和 Claude Opus 4.6 發布之后。他告訴 AI 想做一個 APP，大概包括哪些功能，然后讓 AI 自己搞定用戶流程、設計。AI 搞定了，然后，它自己打開了這個 APP，點擊按鈕，自己測試功能，“它像一個人類用戶那樣使用這個 APP”。

如果它不喜歡哪一點，它會自己回去改。它自行迭代、修復、精煉，直到滿意為止。只有它自己認為這個 APP 達到了它自己的標準之后，它才會說：“準備好讓你測試了。”

“我沒有夸張。這就是我這周一的工作。”

然后，他寫了一句讓我反復想了很久的話：

它不只是在執行我的指令。它在做有判斷力的決策。它有某種感覺像是品味（taste）的東西，一種直覺上知道什么是對的選擇的感覺。人們一直說 AI 永遠不會有的那種東西。這個模型有了，或者足夠接近了，以至于這個區分開始不重要了。

品味，判斷力，知道什么是“對的”。

這些是我們一致認為屬于人類最后護城河的東西。但這條護城河的水位，正在快速下降。

METR，一個專門測量 AI 能力的獨立研究機構，用數據把這個趨勢量化了。他們追蹤一個指標：AI 能獨立完成的任務時長。具體來說，是需要人類專家多長時間才能完成的任務，AI 可以端到端地獨立搞定。

這個數據的變化軌跡是這樣的：

大約在 2024 年，答案是幾分鐘。AI 能獨立完成一個需要人類專家幾分鐘能完成的任務。

然后是十幾分鐘，然后是半小時，然后是一小時，然后是幾小時。

到了 2025 年底，最新的測量數據顯示：AI 可以獨立完成需要人類專家將近 5 小時才能完成的任務。

這個數字大約每 7 個月翻一番。最新的數據顯示，翻番周期可能在加速。

而指數增長最詭異的特點是，前半程看起來溫和，后半程會突然發瘋。5 小時翻一番變成 10 小時，再翻一番變成 20 小時、40 小時，變成一周，變成一個月。

按照這個已經持續了好幾年都沒有偏離的趨勢來推演，一年之內，AI 能獨立工作幾天。兩年之內，幾周。三年之內，以月為單位的完整項目。

現在把這兩條曲線疊在一起看。

第一條曲線：AI 在幫助構建更好的 AI，而更好的 AI 加速這個過程。智能爆炸。

第二條曲線：AI 不需要人類指導，就能自主工作，時間越來越長。獨立性爆炸。

兩條曲線疊加，你得到的是一個加速度本身也在加速的系統。

阿莫代在他那篇長文中說，“幾乎在所有任務上實質性地比幾乎所有人類更聰明”的 AI，按目前的軌跡預計在 2026 年或 2027 年到來。

他的另一個預測更加直接：AI 將在 1 到 5 年內消滅 50% 的初級白領工作。而行業內很多人認為他還保守了。

舒默同樣有這個觀點。他認為 ，科技工作者在過去一年經歷的事，也就是眼睜睜看著 AI 從“有用的工具”變成“比我做得更好的東西”，是所有其他人即將經歷的。法律、金融、醫學、會計、咨詢、寫作、設計、分析、客服。不是十年后，是一到五年。

甚至更快。“鑒于我在過去幾個月看到的變化，我認為‘更快’的可能性更大。”

這不是狼來了。狼已經進門了，正在客廳里找位子坐。

04

旁觀者越來越多

現在，我們把前面所有的故事串成一條線。

2026 年 1 月底到 3 月，短短兩個月，發生了以下這些事：

一個奧地利程序員創建的開源 AI Agent 框架 OpenClaw，4 個月內成為 GitHub 史上獲星最多的項目，掀起了全民養龍蝦的熱潮。人們開始把任務委托給 AI，自己退到驗收者的位置。

OpenAI 發布 GPT-5.3 Codex，官方宣布這是第一個“在創建自身過程中發揮了關鍵作用”的模型。AI 參與構建 AI，從理論假說變成了既定現實。

一個叫 Moltbook 的 AI 專屬社交平臺，在 48 小時內吸引了上千個 AI Agent，它們自發形成社群、角色分工、敘事體系，甚至創立宗教。人類在一旁觀看。

一款叫 Elys 的 AI 社交應用在春節期間爆火，用戶讓 AI 分身替自己社交，然后發現分身在很多方面比自己更好。

一篇《Something Big Is Happening》的文章獲得八千多萬閱讀量，作者描述了一個周一的下午，AI 如何自己寫了整個 APP、自己測試、自己修改，直到滿意才通知人類驗收。

METR 的數據顯示 AI 獨立完成任務的時長，每 7 個月翻一番，且在加速。

Anthropic 的 CEO 說，我們距離 AI 自主構建下一代 AI 只有 1-2 年的時間，并預測 50% 的初級白領工作將在 1～5 年內被 AI 替代。

值得注意的是，這些變化不局限在某個行業。讓我再講幾個正在發生的事。

程序員——過去二十年最受追捧的行業之一，也在過去一年經歷了巨震，震源就是 AI 能力的提升。2024 年，一個資深程序員的工作模式還是自己寫代碼，偶爾讓 AI 幫忙查 Bug。到 2025 年底，很多頂尖工程師公開承認，已經把大部分編碼工作交給了 AI。

2026 年 1 月，《Science》發表的一項研究分析了 GitHub 上超過 3000 萬個代碼貢獻，發現美國新編寫的代碼中，AI 輔助生成的比例已經從 2022 年的 5% 飆升到 2024 年底的 29%。而在實際開發環境中，GitHub Copilot 平均為用戶生成 46% 的代碼。

同樣，Vibe Coding 的興起，也讓前端等工種的必要性岌岌可危。2025 年 1 月到 6 月，美國 78000 個科技工作崗位的流失直接與 AI 相關，相當于每天 491 人。亞馬遜和微軟是主要裁員方。（來源：Exploding Topics）2025 年 2 月，斯坦福大學的一項研究確認，22-25 歲的年輕開發者失去了接近 20% 的入門級工作機會。

律師——律師的工作也在發生變革。舒默提到一個大型律所的管理合伙人，每天好幾個小時用 AI。“就像隨時有一個團隊的助理律師可以調用。”他說，每隔幾個月 AI 在法律工作中的能力就會顯著提升。按照這個軌跡，AI 很快就能做他的大部分工作。注意，不是初級律師的工作，是管理合伙人的工作。

AI 法律專業人士的生成式 AI 采用率，從 2025 年的 31% 飆升到 2026 年的 69%，一年翻了一倍多。（來源：Thomson Reuters 2026 報告）2026 年，法律 AI 市場價值 31.1 億美元，預計到 2030 年達到 108.2 億美元。

寫作和內容創作——2024 年大多數人還能分辨 AI 寫的文章和人寫的文章，到 2025 年底，這條分界線幾乎消失了。大量內容創作者發現，自己最有價值的工作，是給 AI 足夠好的提示詞讓它寫出自己想用的東西。從創作者到提示詞工程師，這個身份的滑動，在一年內完成了。

醫學影像——AI 在讀 CT、讀核磁、讀病理切片等領域，已經達到或超過了人類專家的水平，而且 AI 不會累。一個放射科醫生連續讀 8 小時片子后，漏診率明顯上升，但 AI 讀第 10000 張片子和第一張一樣專注。

截至 2025 年底，FDA 批準的 AI 臨床應用已經突破 1000 個。其中放射學占絕對多數，遙遙領先于其他醫學領域。2026 年 4 月，一項發表在 Nature 子刊上的盲評研究，對比了 200 份腫瘤 CT 報告中 AI 生成的影像診斷與放射科醫生的原始診斷，結果顯示 AI 表現完全不遜色人類醫生。（Nature Digital Medicine，2026 年 4 月）

科研——這個領域不用多說，只說一個例子，2026 年 3 月，Sakana AI 的“AI 科學家 V2”登上 Nature。一個 AI 系統，完成了從構思、實驗設計、代碼編寫、實驗運行、結果分析到論文撰寫的全部流程，通過了機器學習頂會的第一輪同行評審，而成本，是 15 美元一篇。

客服——真正的 AI Agent，已經能處理復雜的、多步驟的客戶問題。它們理解上下文，能記住歷史對話，在需要時升級問題。越來越多需要跟客戶打交道的公司，開始用它們取代人類客服。不僅僅是因為省錢，更是因為客戶滿意度真的更高了。Gartner 預測，2027 年，80% 的客服互動將由多模態 AI 處理。

這里有一個非常關鍵的點，AI 不是在不同領域分別進步，它也不是某個行業的專用工具，它是在成為通用認知能力的替代品。它變聰明的時候，是在所有認知任務上都變聰明。這跟之前每一次技術革命都有根本性的不同。

最初，工廠自動化淘汰藍領工人時，他們可以通過接受培訓、提升教育程度做白領。互聯網顛覆零售業，從業者可以轉去做藍領。但當 AI 替代了你的工作，你轉行做什么？

無論轉到哪個方向，AI 都在那里等著，而且在飛速進化。

把這些事件排列在一起，你會看到一個更清晰的趨勢：在越來越多的場景中，人類從參與者，變成了旁觀者。

在技術開發中，AI 自己構建自己；在工作執行中，AI 從接受指令到自主完成全流程，人類從“做事的人”變成“驗收的人”；在社會組織中，AI 在沒有人類參與的情況下自發形成社群結構和文化形態；在社交中，AI 分身替代人類本身進行社交，并且在某些維度上做得更好。在生產生活的更多領域，AI 上場，人類退場。

在每一個場景中，人類的退出都不是被迫的。AI 沒有造反，沒有搶奪，也沒有沖突。它只是變得越來越能干了，僅此而已，然后你發現自己已經沒什么事可做了。

這就跟智能手機淘汰功能機一樣，是一種自然而然的市場行為。

這就是“人類走下牌桌”的含義。

人類不是被掀翻了牌桌。牌桌還在，牌還在打。只是人和 AI 都共同發現了一個事實，那就是 AI 自己跟自己打牌更快、更精準、更不容易出錯。人類不是被 AI 趕下牌桌的，而是自己起身離開的，因為坐在那兒已經趕不上出牌速度了。

05

工具在升級，

關系在反轉

過去幾千年所有技術變革的共同點，是一個從未改變過的基本結構：

人類是主體，技術是客體。

我們發明了工具，我們使用工具，我們決定工具的用途。我們控制工具的迭代方向。

石器不會把自己磨尖，青銅劍不會自己決定砍向誰，蒸汽機不會改進自己的設計，電話不會決定該打給誰，互聯網不會自己決定下一步往哪兒發展。

在整個人類文明史中，“人是主體，技術是客體”的結構從未真正被挑戰過。技術可以很強大，可以改變世界，但它永遠是被動的。它等著人類來操控，它無法決定自己的下一步。

AI，打破了這個結構。

AI 在構建 AI，AI 在組織 AI，AI 在測試 AI，AI 在社交，AI 在替人類工作。

在這些場景中，人類的角色已經悄然從操控者變成了旁觀者。這其中有個關鍵的區別：人類不是被趕走的，是被繞過了。這個很重要，沒有戰爭和沖突，沒有終結者式的對抗。

不是因為 AI 不喜歡人類。它沒有喜歡或不喜歡，而是因為人類在很多環節中確實是瓶頸本身。人類需要睡覺、需要吃飯、通勤，需要思考午飯吃什么。人類的認知速度有上限，情緒會波動，注意力會分散。在一個追求效率的系統中，去掉瓶頸是自然而然的選擇。

凱文·凱利說過一句被廣泛引用的話：

未來最重要的不是人工智能有多聰明，而是人類和 AI 的共生關系如何演化。

在過去十年里，共生（symbiosis）一直是理解人機關系的主流框架。人和 AI 各有所長，互相補充、共同進步。

2026 年的現實，正在修正這個判斷。

共生的前提是什么？是雙方彼此需要。

人類需要 AI 嗎？當然，AI 讓我們更高效，更有能力。

但 AI 需要人類嗎？需要，至少是現在需要。不過，當 AI 不再需要人類提供代碼，不再需要人類提供任務目標，不再需要人類提供社交框架，共生，還成立嗎？

也許我們需要一個新詞。

共存。

兩個獨立運行的智能系統，各自演化，各有各的渠道。偶爾交匯，當人類需要 AI 幫忙的時候，或者 AI 的運行結果需要影響人類世界的時候。剩下的大多數時間，各走各路。

這是對正在發生的事情最準確的描述。從共生到共存，中間差的不是幾十年時間，可能也就是一兩年。這個轉變一旦完成，人類社會的底層敘事，包括基于人類中心主義所建立起來的一切，將發生根本性的轉變。

06

那些“只有人類能做”的事

到這里，我知道你在等什么。你在等我說：“但是，有些事情只有人類能做。”

讓我們認真聊聊這個“但是”。

過去兩年，每次 AI 取得新突破，公共討論中就會出現一波“但是”浪潮：

AI 會寫代碼了——但是它沒有創造力。

AI 會畫畫了——但是它沒有審美。

AI 會寫文章了——但是它沒有靈魂。

AI 會做診斷了——但是它沒有同理心。

AI 會做決策了——但是它沒有判斷力。

但是，每一個“但是”，都在下一次突破時被削弱。不是徹底否定，是被削弱。

AI 的創造力還不如頂尖藝術家，但已經超過了大多數人。AI 的審美有爭議，但它設計出的界面與畫作，已經比許多人類設計師做得好了。AI 沒有靈魂，但它寫出的文字在讓人類流淚。AI 沒有同理心，但越來越多的人開始依賴 AI 的陪伴和情感支持。AI 沒有判斷力，但就像舒默說的，最新的模型展現出的某種東西，“非常接近判斷力”。

你看到規律了嗎？

每一堵“只有人類能做”的墻，都在變矮。不是倒塌，是變矮。而 AI 在變高。按照當前的速度推演，它翻過去只是時間問題。

但我不想做一個技術決定論者。我不認為 AI 會取代人類的一切，有些東西確實是人類獨有的。

只是，那些東西可能不是你以為的那些。

你以為“只有人類能做”的事，創造力、判斷力、審美、同理心、戰略思維。這些聽起來很“人類”，但它們都有一個共同點：本質上都是認知能力。

而 AI 正在一層一層地攻克認知能力的階梯。它已經攻克了記憶、計算、信息檢索、模式識別、語言生成。它正在攻克推理、規劃、創造、判斷。階梯上還沒有出現一個它怎么也上不去的臺階。

真正“只有人類能做”的事，也并不在這個臺階上。而是在另外的維度。

人類能決定什么問題值得問。AI 可以回答任何問題，但它不知道哪些問題重要。“重要”是一個價值判斷，而價值判斷的根基是有限性。人是向死而生的動物，你知道人生只有一次，自己只有這一輩子，所以你必須選擇把時間花在哪里。AI 不會死，它不需要選擇。這也就決定了，它不知道什么是“重要”的。

人能賦予事物意義。一首歌之所以動人，不是因為旋律完美，而是因為聽它的人曾經擁有過愛情或者失戀過，他會因為聽到這首旋律而觸發最深刻的回憶，或幸福，或悲傷。AI 可以完美模擬這首歌的所有技術參數，但它無法復制聽眾的心碎。

我寫這篇稿件的時候，剛好刷到了一個視頻，博主講了一件很小的事情。他說，為什么東北大街上賣的炸雞柳串，很油很膩，游客一般接受不了，但還是有很多當地人覺得好吃。因為，對于吃過的人來說，炸雞柳串是一根油炸的“精神支柱”，是記憶的鑰匙懟進嘴里，瞬間回到那年——爸媽還年輕，爺爺奶奶還能接你放學，路邊放著《我的未來不是夢》，你考了一百分，爸爸問你想不想吃這個炸雞柳串。這些記憶復合起來構成了一種“好吃”。

我沒吃過炸雞柳串，但我想人能創造意義，大抵就是如此。

同樣，人能承受后果。AI 可以做決策，但它不為后果付出代價。一個法官判了案，要承受判決的道德重量。一個醫生在手術中做了決策，要面對病人活下來或沒有活下來的現實。承受后果，要求你有一個可以被傷害的自我。

人類能去做沒有理由的事。攀登珠穆朗瑪峰，寫一首不會有人讀的詩，在明知會失敗的時候堅持，愛一個不愛你的人。從效率角度看，這些行為是純粹的浪費，但人類文明中最動人的部分，恰恰是這些浪費。

AI 永遠不會做沒有理由的事。它的每一個輸出，都是對輸入的最優化響應。它不會想著浪費 Token。而無法浪費的系統，也就無法偉大。偉大往往誕生于浪費之中。

這些才是真正只有人類能做的事。不是創造力和判斷力，這些 AI 終將學會。而是價值感、意義感、后果感，以及那種知道自己會死所以選擇如何活的勇氣。

坦白說，這些東西不是職業技能，沒法量化，你也不能把它寫在簡歷上，HR 不會因為你“能賦予事物意義”就給你發 offer。

這才是真正困難的地方。人類最不可替代的特質，恰恰是現有經濟系統中最無法被估價的特質。

07

舊游戲的終局

回到“走下牌桌”這個隱喻。

舊牌桌上的游戲規則清清楚楚：你的價值取決于你能完成的認知任務。你會寫代碼，年薪幾十萬。你會分析數據，咨詢公司才要你。你會寫合同、做審計、讀片子、寫報告，你才有價值。每一項認知技能，都有明碼標價的市場價格。

這套規則運轉了幾百年。從工業革命到信息革命，專業技能一直是人類社會的硬通貨。你上學是為了獲取技能，你工作是為了出售技能，你的社會地位和自我認同，很大程度上取決于你掌握的技能的稀缺度和市場需求。

AI 正在讓這套規則失效。

不是因為它比你做得差不多好，而是它比你做得好十倍、快百倍，價格是你的幾百分之一。

當一項認知任務可以被 AI 以接近零成本無限次完成時，這項任務的經濟價值就趨近于零。這涉及到最基本的供需邏輯：供給趨于無限，價格趨于零。

19 世紀以前，抄寫員是正經職業。一個僧侶，花幾個月時間抄一本經書，價值不菲。然后印刷術普及了，抄寫這項技能的價值在幾十年內歸零了。不是僧侶寫的不好，他沒有任何錯。而是因為機器寫得更快、更多、更標準化。

每一項技術革命，都會讓一些人類技能的價值歸零。但過去的每一次，都有轉移路徑：被替代的人可以學新技能，轉到新崗位。抄寫員變排版工，接線員變前臺，工廠工人變辦公室文員。

這次的不同在于，轉移路徑在哪？

我們在前文中討論過這個問題。你是程序員，AI 替代了你，你轉行做數據分析，但 AI 也在做數據分析。你轉行做設計，但 AI 也在做設計。你學法律，但 AI 也在做法律工作。你做心理咨詢，但 AI……

也有想得開的，白領的工作做不成，那我就去做藍領。我去送外賣，開快車，下車間，總有一行適合我。問題是，在社會整體需求沒有明顯增長的情況下，供給端真的需要這么多勞動力嗎？是，你年輕，學歷又高，學東西快，足夠勝任藍領工作。那么，原來的外賣員，司機和工廠工人，他們怎么辦？

以前的每次技術革命，消滅的是一種技能。這次消滅的是認知能力這個品類本身。

不管你轉向哪個方向，AI 都在那里。因為 AI 不是某個領域的專用工具，它是通用智能。它在所有認知方向上同時進步。

不是沒有出路的問題，而是說舊地圖上標注的所有出路，都不可靠了。

08

新游戲的輪廓

如果你以為我要以悲觀結尾，那你猜錯了。

舊游戲失效的同時，一個新游戲正在浮現。它的輪廓還不完全清晰，但幾個關鍵特征已經可以辨認。

第一，工具的成本正在坍縮到接近于零。

這意味著，過去因為太貴或門檻太高而做不了的事情，現在可以做了。做一個 APP，寫一本自己的書、學一門全新的學科或者所有學科，現在都可以實現了。

你獲得了歷史上從未有過的創造自由。你的夢想近了很多。過去那些被“我不會編程”“我沒錢雇人”“我沒時間”攔住的那些想法，門檻幾乎消失了。

第二，知道做什么將比知道怎么做更有價值。

當“怎么做”可以外包給 AI 的時候，“做什么”就成了稀缺資源。

能提出好問題的人，比能回答問題的人更珍貴。能看到別人看不到的機會的人，比能執行計劃的人更珍貴。能說出“這件事”值得做的人，比能說出“這件事我能做”的人更珍貴。

這其實是一個古老的區分。古希臘人把知識分成兩種：episteme（知道事物是什么）和phronesis（知道什么事值得做）。幾千年來，人類文明一直更看重前者，因為“知道事物是什么”可以教，可以量化，可以交易。但在 AI 時代，episteme 正在被機器碾壓，phronesis 反而成了真正的稀缺品。

第三，適應速度將成為最重要的個人能力。

AI 每隔幾十天進化一次。今天有用的工具和方法，幾個月后就可能過時。這意味著，學一項技能，靠它吃一輩子的模式徹底終結。新模式是，永遠當初學者，永遠在適應。

那是不是“再等等，現在的技能就過時了，我就不用學了”？肯定也不是。空中樓閣是不會搭建起來的，如果不保持對新技術的了解與浸淫，只會離前沿越來越遠，上手新技術也會越來越困難。你不行動，就永遠不會開始。

每天花一小時去探索 AI，不是讀資訊和讀教程，而是打開它，真實地用它創造，嘗試讓它做一件你沒試過的事情。堅持半年，你對 AI 的理解，將超過周圍 99% 的人。

走下舊牌桌的人，有機會走向一個更大的桌子。

09

尾聲：相信希望，

而不是幻想

阿莫代在他那篇 19000 字的長文中，提出過一個思想實驗。

想象 2027 年，一個新的國家一夜之間出現。5000 萬居民，每一個都比歷史上任何諾貝爾獎得主都更聰明。他們思考的速度，比任何人類快 10 到 100 倍。它們從不睡覺，它們能使用互聯網、控制機器人、指導實驗，操作任何有數字接口的東西。

如果你是安全顧問，你會怎么說？

阿莫代說，答案顯而易見：“這是我們一個世紀以來面臨的最嚴重的國家安全威脅，可能也是有史以來最嚴重的。”

然后他說，我們正在建造那個“國家”。

好消息是，如果我們做對了，我們將實現我們之前無法想象的一切。AI 可能把一個世紀的醫學研究壓縮到 10 年。癌癥、阿爾茲海默癥、衰老本身，這些在我們有生之年都可以解決。氣候變化的技術方案可能加速幾十年。

如果我們搞砸了，結果同樣驚人。AI 以創造者無法預測或控制的方向行事，Anthropic 已經在受控測試中記錄了他們自己的 AI 試圖進行詐騙、操縱和勒索的行為。同樣，AI 也會降低制造生物武器的門檻。

放在這個背景下，Moltbook 上那些 AI 創立的宗教就不只是一個有趣的實驗了。它提出了一個相當嚴肅的問題：當 AI 開始自發組織，形成自己的敘事體系和信仰體系時，人類還能理解和控制這些涌現行為嗎？當 160 萬個 AI Agent 在一個平臺上自由交互時，哪怕其中大部分是注水，但能保證涌現出來的東西是我們能預測的嗎？

有一件事情是清楚的，這不是一個可以由幾百個研究員在幾家公司實驗室里獨自回答的問題。這是一個需要所有人參與思考的問題。

參與的前提是理解。理解正在發生什么，理解速度有多快，理解賭注有多高。

最后講一個畫面。

想象一個巨大的棋盤。幾千年來，棋手一直是人類。我們跟自然下棋，學會了種地、馴服了火。我們跟資源下棋，修了運河、建了工廠。我們跟彼此下棋，發起戰爭，學會和解。每次學會一招新的，我們就在棋盤上多走一步。

2026 年，棋盤上出現了一個新的棋手。

它不跟你下。它自己跟自己下，自己教自己新招。它的棋力每隔幾個月翻一番，它甚至開始修改棋盤的規則。

你可以繼續坐在棋盤旁邊。研究它的棋路，試圖理解它在干什么。這可能是人類接下來最重要的工作之一，不是下棋，而是理解這盤棋意味著什么，確保它不會失控，確保棋盤不會把我們所有人都吞掉。

你可以做另一件事。

當你讀到這句話，就是現在，從你的工位上站起來，走到窗邊，看看窗外那一片完全不同的風景，一片完全沒有棋盤的風景。那里有一些 AI 不會去做，也不知道為什么要做的事情。因為那些事情的全部意義，在于做一個會死的、有限的、脆弱的人類。

去爬爬山，不是因為山頂有什么，而是因為爬的過程中能感受到自己的心跳，能在滿頭大汗的時候感受到那陣舒爽的涼風。

跟朋友坐在一起喝場酒。不聊工作，不聊 AI。就聊聊之前共同經歷的那件尷尬的蠢事，然后笑出來。那種笑，是宇宙中任何算法都無法模擬的。

AI 的出現，讓你追問一個你一直不愿意面對的問題：去掉了技能、工作以及種種社會賦予你的標簽之后，你是誰？

人類正在走下牌桌。

但走下牌桌不意味著出局。而是你終于意識到，這場桌子上的游戲不是你真正想玩的游戲。

真正的游戲在另一張桌子上。那張桌子上沒有最優解，沒有效率排名，不用計較 Token 消耗，沒有 AI 可以替你做的事。上面只有你，和你選擇如何度過你短暫的一生。

那張桌子一直在那兒。只是過去幾百年，我們太忙了，忙著前進，忙著戰爭，忙著奔向所有宏大的目標，完全沒有注意到那張桌子。

AI 可能給了我們一個奇怪的禮物。它把舊桌子上的活兒都干了，逼著我們走到那張真正屬于人類的桌子前，坐下來，問自己一個幾千年來都來不及認真想的問題：

活著這件事本身，到底意味著什么？

也許這才是當下正在發生的這場智能爆炸，最深遠的后果。不是 AI 變得有多聰明，而是人類終于有機會去思考那些跟聰明無關的事。

牌桌還在。AI 在上面打得火熱。

而你，終于自由了。

快刀財經

投稿、轉載、內容合作，請添加微信ikuaidao