去年冬天，麻省理工學院的一間寫作教室里，空氣凝滯，只有暖氣片在滋滋作響。

教授邁卡·內森（Micah Nathan）布置了一場小說研討會。他在MIT教創意寫作已經七年，見過太多STEM學霸在文學課上手足無措的樣子。這些學生能解最復雜的微分方程，但一讓他們寫一個短篇故事，整個人的語言系統就開始結巴。

那晚他讀了兩個學生的作品。讀了第一段，就知道不是人寫的。

太干凈了。每一個隱喻都恰到好處得像從模具里澆出來的。人物設定完整但沒有任何意外。情節弧線精準地落在該落的地方。他后來用了一個英文詞來描述這種質地：dead perfection。死掉的完美。

這兩個學生被叫到全班面前，一開始很安靜，然后其中一個哭了。她說她用AI不是想作弊，是害怕被嘲笑。她害怕自己寫得爛，害怕同學覺得她笨。

她先把故事丟給AI做語法檢查，AI建議改幾行，她接受了。AI又問要不要做結構性修改，她又接受了。最后AI說我可以幫你重寫整篇。等她回過神，故事已經不是她的了。

另一個男生聳聳肩，說他沒有寫過小說，有一個想法但不知道怎么開始。教授問他為什么不來問我。他沒說話。

那晚課堂里爆發的對話，被內森后來寫進了《衛報》的一篇長文里。有學生舉手問：為什么AI寫故事就不好，只要故事本身是基于我們的想法？還有人問：MIT從1959年就開始搞AI研究，我們為什么要在意這個？AI不就是用來讓生活更輕松嗎？

內森的回答是：寫作不是生產句子，寫作是在你試圖把一個模糊的感覺翻譯成清晰的語言的過程中，發現自己到底在想什么。大語言模型可以復制那個過程的外觀，但它不能替你完成那個過程。因為價值不在產出的那個東西里，在產出過程中發生在你身上的轉變里。

他說了一句話："寫作既是一輛車，也是一條路。"車是你開出去的，路是你在開的過程中鋪出來的。你把車交給別人開，你到了終點，但路沒鋪成。

不久前，2026年五月份，英國老牌文學雜志Granta公布了年度英聯邦短篇小說獎區域獲獎作品。

其中一篇加勒比地區的獲獎小說，被大量讀者懷疑是AI寫的。有人把它扔進檢測工具，結果說高度疑似機器生成。更尷尬的是，質疑很快蔓延到了另外幾篇區域獲獎作品。

到現在也沒人能蓋棺定論。畢竟，AI檢測工具不是法官，特別是在面對非英語母語作者、后殖民語境、邊緣文化表達時，檢測工具的誤判率可能更高。

但這整件事的重點根本不在最后能不能把一個作者定罪。

重點是一篇疑似AI生成的小說，穿過了匿名投稿、文學評審、區域獎項、老牌雜志發布這一整套流程。

者不是有人作了個弊那么簡單，而是一整套用來篩選"值得被讀"的機制，在一個節點上沒發現問題。

幾乎同一時間，又出了一件事。

一本叫《真相的未來：AI如何重塑現實》（The Future of Truth）的新書，被《紐約時報》發現書里有多處引用是AI編造的，或者是完全弄錯了歸屬。最黑色幽默的地方是：這本書的主題就是警告AI正在侵蝕真相和公共話語。

一本警告AI污染真相的書，自己被AI編造的假話污染了。而作者本人也承認他在寫作過程中，使用AI做研究，搜集素材。

這兩件事如果發生在某個垃圾內容農場，沒有人會在意。互聯網上從來不缺假圖、假視頻、假語錄、假新聞，但它們發生在文學獎、正式出版物、知名出版社這個層級。

這就不是"有人造假"那么簡單，這是信任的基礎設施在漏水，是系統性的崩壞，而大多數用水的人根本毫無知覺。

一、知識的轉基因化是不可逆的

之前我寫過一篇關于AI小說獲獎和《真相的未來》的文章。那篇文章討論的是：當假信息穿過了文學獎和出版社的防線，

但那篇文章有一個沒展開的維度。

類似食品安全。

轉基因食品（GMO）曾經惹起過極大的爭議，到現在也沒有取得什么普遍的共識性的定性。今天各國普遍的做法是，在進入市場之前，要通過審批監管、毒性測試、長期跟蹤。上市以后，要有明確標簽告知消費者"這是轉基因"。不同國家的標準不一樣，但一個基本共識是：消費者有權知道自己吃進去的是什么。

在歐盟，任何含有超過0.9%轉基因成分的食品都必須標注。在美國，2022年開始強制要求生物工程食品標簽。在中國，《食品安全法》對轉基因食品的生產、經營、標識有明確規定。

這不是因為轉基因一定有害，而是因為人類知道一件事：一旦基因層面的改造進入了生態系統，要逆轉幾乎不可能。

一個被改造過的基因通過花粉傳播進入野生種群，它就不再是"產品"了。它是生態的一部分。沒人能召回它。

現在可以把這個邏輯平移到知識領域。

你今天日常消費的信息：公眾號的文章、短視頻的觀點、搜索引擎返回的答案、AI替你總結的摘要。這里面混著多少"基因被改造過"的內容？

這些內容從哪來的？經過什么處理？誰在什么時候用什么方式加入了什么？有沒有標簽告訴你哪些句子是人寫的、哪些是AI寫的、哪些是人寫但AI潤色的、哪些是AI生成后人刪了一行的？

答案是你不知道。

而更麻煩的是：知識的"轉基因"，已經不在人工可控的實驗室階段了。它進入了野化傳播階段。

什么叫野化傳播？就是你今天喂給AI訓練下一個模型的語料里，已經混著上一個AI生成的內容。這些內容沒有標簽，沒有來源，沒有責任人。它看起來像人寫的，語法正確，邏輯通順，但它不是基于任何人的真實經驗和判斷。它是基于概率分布的產物。

然后這些內容被下游的AI學習，再生成新的內容，再被更下游的AI學習。每一輪循環，"人"的痕跡就淡一層，系統性錯誤就深一層。

這已經不是比喻了。

2024年，《自然》雜志發表了一篇后來被大量引用的論文。來自牛津、劍橋和帝國理工的研究者給出了"模型崩潰"（Model Collapse）的數學證明：當一個AI模型用前代AI生成的數據來訓練時，輸出質量會發生不可逆的退化。幾輪之后，模型開始吐出無意義的垃圾。

這個過程有一個很形象的叫法：數字銜尾蛇。AI在吃自己的尾巴，自己拉自己吃。

2026年4月，一篇發表在arXiv上的論文把這個模型推向了新的邊界。研究者構建了一個雙層SIR傳染病模型——就是疫情期間大家熟悉的那個傳播模型——用來模擬AI生成內容在信息生態中的傳播。結論很直白：AI內容的再生數R?大于1。

R?，流行病學里最核心的概念之一，指一個感染者平均傳染幾個人。大于1，意味著感染會自我維持；小于1，意味著感染最終會消失。

AI生成內容在信息生態中的R?大于1。

你不需要坐下來主動"使用AI"。你只需要正常地搜索、正常地閱讀、正常地轉發。AI生成的內容會在這過程的每一步里被你再生產、再擴散。你成為傳染鏈條上的一環，你自己都不知道。

到了這個狀態，"知識轉基因"就不需要經過任何審批了，它已經成為了我們的認知背景，或者說，我們進化的環境。

二、類似轉基因視頻，知識攝入在分層

如果只是一個"信息被污染"的故事，這篇文章不用寫這么長。大家都知道網上假東西多。

我想說的是一個更具體的類比：食品安全領域建立了一整套監管框架，風險評估、審批流程、標簽告知、市場分層。但在信息消費這件事上，我們對"轉基因內容"連最基本的防范都沒有。

這個空白不是某個人忘了填，是整套信息消費體系在設計上就沒打算填，也幾乎填不了。

先說審批。

轉基因食品上市之前要做的安全性評估，少則幾年，多則十幾年。有急性和慢性毒性測試，有過敏性評估，有營養成分分析，有環境風險評估。

中國的《農業轉基因生物安全管理條例》1996年就出臺了。歐洲食品安全局（EFSA）對每一種新的轉基因食品都是逐案評估。

但AI生成的內容，不需要通過任何"認知安全性審查"就直接進入了公共信息流。

斯坦福2026年AI指數報告的數據：目前互聯網上超過一半的新內容已經由AI生成或輔助生成。這個比例在2023年還不到10%。

不是說AI生成的所有內容都有毒。但你也說不出哪部分有毒、哪部分沒毒。沒有機構在做這件事。沒有標準來定義"內容毒性"。沒有流程來測試一篇AI生成的文章對人的判斷力、認知習慣、現實感會產生什么長期影響。

沒人管，管不了，也沒人想管。因為管意味著你要承認"有些信息是垃圾"，而信息自由的框架不允許多數人說這句話。

再說標簽。

如果你在美國超市買一根轉基因玉米，包裝上要標"生物工程"（Bioengineered）。如果你在歐盟買一包轉基因大豆，包裝上要標"GMO"。

你刷到一篇公眾號文章。這篇文章是用AI生成初稿、人工修改過的。這個人的修改量是多少？10%還是90%？改的是結構還是措辭還是事實？你不知道。

你搜一個問題的答案，AI給你一串看起來很確定的回復。這些回復里哪句話有原始出處？哪個數字是編的？哪個"專家說"是一個不存在的人？你不知道。

Google Gemini 3發布之后，有研究者做了系統性核查。在它給出的"正確答案"里，56%沒有可驗證的來源。

56%。一多半。你看了一個答案，覺得它說得挺好，邏輯也通，例證也像回事。但它的證據基座是空的。

這相當于你買了一包沒有配料表的食品。上面只寫了"食品"。吃不吃隨你。你可能會說，AI給的信息我不全信，我查一下出處。

問題就出在這里。

今年WWW 2026（世界萬維網大會）上有篇論文，研究者模擬了一個檢索增強（RAG）的搜索場景。當搜索池子里AI生成內容的污染率達到67%時，用戶有超過80%的概率接觸到被AI污染過的結果。

翻譯一下：你以為你在"查證"。實際上你是在一個已經被污染的水庫里換了不同的水龍頭接水。

這就到了第三層：市場分層。

在食品市場上，有機、非轉基因、帶有原產地認證的農產品賣得比普通農產品貴。普通農產品不一定不安全，但這種溢價買的是知情權和控制感。

信息市場上這個分層已經開始了，只是大多數人還沒有意識到他們站在分層的哪一邊。

上層是少數有辨別力的人使用的信息源：經過篩選的、有出處的、有責任人可以被追究的。這層信息不在算法推送里，不在免費信息流里，通常也不在AI自動生成的摘要里。

下層是喂給絕大多數人的東西：推送、推薦、切片、AI批量產出的"看起來像專業內容"的內容。

下層可以被稱為"信息喂養層"。不是說人有選擇哪個層的自由，大多數人并沒有。你不是在選擇進入哪一層。你的注意力支出、你的工作強度、你剩多少精力來處理"元信息"，決定了你被分配到了哪一層。

一個每天工作12小時的騎手，在15分鐘的休息時間里刷到的每一條內容，都利用了他的疲憊。他沒有精力查出處，他甚至沒有"查出處"這個概念。

那些有時間、有訓練、有資源"查出處"的人，正在逐漸退出公域信息生態，進入需要某種認知門檻才能進入的私密信息圈。

結果就是：有能力分辨真假的人，不玩這個游戲了。還在玩的人，不知道這個游戲在玩他們。

一個社會的公共知識基礎的污染，不是均勻的。它先淹沒那些最沒有防御能力的群體。

三、死的完美：AI對認知的四重污染

2025年，《柯林斯詞典》把"slop"選為年度詞匯。Slop本來是指喂豬的泔水，在AI語境里，它指的是用AI批量生成然后灌進互聯網的低質內容。

但問題是從什么時候開始，slop不只是意味著"互聯網上有很多垃圾內容"，而變成了"垃圾內容看起來不再像垃圾"？

2026年的AI生成內容，和2023年的已經完全不是一個東西。2023年你還能靠"首先其次最后"的機械結構、六根手指的圖片、懸浮在空中的錯位感來判斷"這是AI做的"。到2026年，最危險的AI產出恰恰是那些你完全看不出問題的。

它語氣穩定，結構完整。措辭體面，引用像真的，情緒也恰到好處。它懂得收斂，懂得轉折，懂得在合適的地方加入限定詞讓自己顯得更審慎。

MIT那位教授內森引用了一句話來描述AI產出的文本。它來自19世紀英國詩人丁尼生（Tennyson）：faultily faultless, icily regular, splendidly null。大意是：錯謬般無瑕，寒冰般規整，輝煌地虛無。

他把這叫"死的完美"。

這是一個很精確的診斷。它不是說AI寫出了爛東西，而是AI寫出了太像好東西的爛東西。而辨別這兩種東西，需要一種大多數人不具備的訓練和注意力，尤其在"效率"被當成首要價值的時代里，這種辨別能力幾乎沒人有耐心去練。

對這套污染的完整理解，我認為可以分四層來看。

第一層：源頭污染。

訓練下一代的語料庫里，已經不可避免地混入了AI產出的內容。這不是一個假設。Epoch AI的預測是：高質量人類文本數據將在2026到2032年之間被耗盡，之后的模型訓練將越來越依賴"合成數據"，也就是AI自己生成的數據，來填補缺口。

用它自己的話說：我們已經把網上能拿到的東西都吃完了。

有一個數字很能說明問題。北京智源研究院和密歇根大學的研究者今年發表的論文里提到：訓練數據中每增加0.01%的虛假數據，模型輸出的有害率就上升11.2%。0.01%。不是1%，是萬分之一。千分之一克的毒藥可以攪渾一池水。

第二層：管道污染。

搜索引擎、AI摘要引擎、知識庫、各種"智能整理"工具。這些被我們當作"信息基礎設施"來用的東西，它們的輸入源是已經污染的開放互聯網。

我剛才提到的WWW 2026那篇檢索崩潰論文說的就是這個。當信息檢索系統從開放網絡中自動提取內容時，它無法區分哪些是人類原創的、有出處的東西，哪些是AI生成的、沒有責任鏈的內容。用戶以為自己得到了"綜合整理過的知識"，實際上得到的是一個更高濃度、更不可追溯的污染混合物。

第三層：信任終端污染。

這是最隱蔽的一層。前面說的Granta和《真相的未來》這兩件事就是樣本。

信任終端的意思，是這個社會里人們默認可以相信的最后幾個地方：正式出版物、同行評審期刊、專業媒體、專家署名文章、大學課程內容、獎項評審結果。這些東西本來不是用來做"信息真實性驗證"的，但它們在實際運行中承擔了那個功能。

普通人沒有時間親自驗證每一種藥是否有效、每一份財報是否真實、每一條新聞是否準確。他們把判斷外包給了這些終端。

這套信任外包系統本來就不完美。出版社追逐市場，專家有偏見，獎項不是上帝的眼鏡。但它們至少提供了一個相對穩定的社會分工：你不用從零開始懷疑一切。

當AI生成內容開始穿透這層終端，當一篇AI寫的小說拿了文學獎，當一本討論真相的書里夾著AI編造的引用，當一個所謂的"專家"被AI憑空創造出來并在幾百篇文章里被反復引用，崩潰的不是某一本書的可信度。

崩潰的是"這個終端可以信任"這個基礎假設本身。
而現代文明，在很大程度上，是以這個基礎假設為地基的。

第四層：感官污染。

AI內容不只是污染信息源。它在污染我們判斷信息的那個器官。

Anthropic去年底做了一個實驗。52名程序員分成兩組，一組用AI輔助學習一個新編程框架，一組完全靠自己。測驗分數：用AI的整體低了17%。而且AI組里出現了巨大分化：會用的人得86%，完全依賴的人只有24%。

MIT媒體實驗室做的腦電圖掃描發現：長期使用ChatGPT寫作的人，大腦神經連接密度低于自己寫的人。

你可以不相信這些初步數據，它們是相關不是因果，但邏輯本身不太需要實驗驗證。任何器官，你不長期行使它的功能，它就是會退化。

判斷力尤其是這樣。

判斷力不是一種"知識"。它是一種需要反復練習、反復受挫、反復在不確定信息中掙扎才能建立起來的肌肉。

而這個時代在系統性地懲罰慢。短視頻懲罰慢，算法懲罰慢，熱搜懲罰慢，AI摘要也在懲罰慢。它們一起說：別去查了，答案在這里了。

然后有一天，你想查了。你發現自己不知道怎么查。

這才是"認知下層"的真正含義。識字能力還在，但從信息走到判斷的那段步行的能力，萎縮了。

四、不可訓練的東西和人

最近推特上有一篇熱門文章，文章里提出了一個概念：the untrainable，不可訓練的東西。

邏輯線是這樣的：任何可以被清晰地測量、標準化地評估的工作，最終都會被AI模型學會并替代。因為"可測量"就是"可訓練"。

有一個明確的評分標準，就有一個明確的目標函數，模型的梯度下降就會一波一波地逼近它。

但有很多事情，它的正確性是"私有"的。存在于一個組織的內部流程里，存在于一個行業的隱性知識里，存在于一個醫生對一個患者的判斷里，存在于一個律師對一樁交易的風險嗅覺里。

這些東西沒有公開的排行榜，沒有標準答案，不是因為你更聰明就能拿到的。你必須要"在場"足夠久，承擔過足夠多次的決策責任，才能積累出那種判斷。

文章把這些東西叫the untrainable。可訓練的東西會被AI吞噬。不可訓練的東西，才是未來人的價值所在。

但是，不可訓練的地盤也在縮小。

AI在變聰明，但更根本的原因是我們在主動把越來越多的東西變得"可測量"。我們建排行榜、寫評估標準、做標準化考試、把一切隱性的判斷打成分數。每做一次這種簡化，AI就多了一塊可以訓練的食物。

你把判斷力外包了，然后AI學會了你怎么外包，然后你再也拿不回那個本來屬于你的判斷空間。

這和一個在教育領域講了很久的概念是對應的。英國學者海倫·比瑟姆（Helen Beetham）今年寫的一篇文章里，把AI對高等教育的沖擊描述為"對專家知識的系統捕獲和商品化"。

她的一個觀察讓我印象很深：AI不是在幫學生學習成為專家。AI是在把專家的成果拆成可販賣的小塊，再賣回給學生和老師。一人當學生，一人當老師，中間坐著一個收租的AI。

這不就是"知識轉基因"的商業模型嗎？

從源頭上說，AI生成的內容從來不是在"創造知識"。它是在對已有的人類知識進行解構、概率重組、再以極低的成本大量復制。然后這些復制品涌入公共知識空間，擠占了人類產生新知識所需要的"消化時間"和"安靜空間"。

這里有一個悖論。

轉基因食品的支持者有一個很強的論證：如果不引入轉基因技術，全球糧食產量根本不足以養活不斷增長的人口。你需要高產、抗蟲、抗旱、能適應不同氣候的作物。自然選育的效率跟不上人口增長的速度。轉基因是拿技術換時間。

這個論證放在糧食上，至少在工具理性層面是成立的。

但如果你把這個邏輯平移到知識領域：因為人類產生的知識跟不上社會對"新內容"的需求，所以我們需要AI來大規模生產內容。這成立嗎？

社會需要更多的"內容"嗎？還是只是平臺需要更多的內容來填充人的注意力，以維持廣告收入的增長？

糧食是人必須吃的東西。數字泔水不是。

五、AI飼養40天速成的肉雞

現在，我們可以重新理解MIT文學課上那個女孩的眼淚了。

她不是因為懶惰才用AI的。她其實主要是怕，怕在同學面前顯得笨拙，怕被評判，怕那種"把不完美的自己暴露在公共空間里"的羞恥感。

內森在文章里寫了一段話，是AI無法生成的：

"好的學生寫作有一種動人的笨拙。作者想說的話和實際寫出的話在紙上搏斗。文字踉踉蹌蹌，像小馬駒初學走路，腿還在發抖，日后優雅的輪廓已經藏在里面了。這種笨拙不可跳過。它倘若消失了，只能說明一件事：這匹馬從未真正學過走路。"

這段話之所以有力量，不是文筆好，是它解釋了一件事：笨拙不是缺陷，而是不可跳過的一步。你跳過它，就等于跳過了成長。

那個女生把這種"從笨拙中生長"的過程從課堂里刪掉了。AI幫她刪的。AI不會問：你愿意承受這個嗎？AI只會問：你要不要我幫你做？做得更好？

當她坐在教室里哭的時候，她哭的恐怕不只是被教授發現了。她哭的是她意識到自己已經不知道怎么寫一個屬于自己的句子了。那個過程太快了。從語法檢查，到修改建議，到全線代寫，它發生在三十分鐘里，而她甚至覺得"也沒什么不對"。

沒有一條線，沒有"過了這個點，你就不在寫自己的東西了"的警示。AI不會設置這條線。AI提供的是一個斜坡，坡很緩，每走一步都合理，等你意識到的時候，已經快到山腳下了。

在那次課堂討論之后，內森重新設計了他的課程。他在大綱里寫了一段話：

"我不需要學生用AI寫作。我要他們自己造詞。我要接觸到他們的思考、他們的聲音、他們尋找想說的東西和最好的方式說出來的掙扎。我要看到當一個人試圖在沒有中介替他完成思考的情況下穿越語言時，發生了什么。"

這就像一個農夫捍衛一片試驗區。別人都在施化肥，他堅持土耕。化肥當然種得出大葉片。但有些東西，化肥種不出來。他知道。

六、在完美的烏托邦里，還有沒有錢，和判斷力？

最近，塞爾維亞裔經濟學家布蘭科·米拉諾維奇（Branko Milanovic）在個人博客上重發了一篇2015年的舊文。他的專業領域是全球不平等，但他的個人寫作經常從經濟學跳到哲學和歷史。

那篇文章討論了一個非常規問題：在一個完美的烏托邦里，還有沒有錢？他的推論挺繞的，感興趣的可以找原文看。結論部分有一段關于"烏托邦悖論"的話：

在停滯的經濟里，"99%的烏托邦"是可能的。大部分商品和服務免費且無限量供應，大部分工作由機器完成、剩下的人因為樂在其中而不是因為報酬而做。但因為最好的餐館和最差的餐館之間永遠有差距，永遠會有沒人愿意干的那1%硬工作，這1%會把某種準貨幣重新拉回來。

所以你可以有99%的烏托邦，但做不到100%。

但在增長的經濟里，問題更復雜。經濟進步讓我們越來越接近烏托邦，同時讓我們離烏托邦越來越遠。因為你每創造一個免費的烏托邦商品，你就同時發明了一個新的、稀缺的、需要被配給的新東西。所以他說："全部的幸福，只有在停滯中是可能的。"

米拉諾維奇沒有討論知識轉基因。但我覺得這個框架可以借用一下。

在"信息烏托邦"里，如果我們想象一個大部分基礎知識都免費、無限供應、由AI維護和分發的世界，人類認知面臨的是一個同樣的悖論：系統越接近"全面方便"，我們就離"自己的判斷"越遠。

免費讓大多數人覺得"夠了"。而永遠有人在付費購買那個AI碰不到的東西：私有的、不可測量的、在一個人多年積累的身體經驗里緩慢發酵出來的判斷力。

我們在之前的文章中提到，目前硅谷最流行的一個詞，就是"永久底層"。
創業者謝里丹·克萊伯恩（Sheridan Clayborne）在接受《華爾街日報》采訪時，用了一個短語：Permanent Underclass。他說："這是積累代際財富的最后一個窗口。你必須現在賺錢，否則你就會淪為永久的底層階級。"

這個詞非常扎眼，也非常刺人，但它出現在這個歷史關頭，本身就是一個信號。

在馬斯克所描述的AI未來里，物質極大豐富，人類甚至可能有"普遍高收入"（Universal High Income）。吃不飽不是問題。問題是：你除了被喂養，還有沒有別的角色？

《紐約客》不久前的封面文章里，記者把這種社會分化畫成了一個粗暴的選擇題：你是做豬食的那個人，還是吃豬食的那群人。這里的豬食指的就是slop，泔水。

用"豬食"這個詞當然有冒犯性，但它揭開的那個東西是真實的：未來社會結構的一大特征，不是你窮不窮，是你吃進去的信息被誰決定了。

對于處在信息分層上層的人來說，高質量的、有出處的、帶責任鏈的內容是有的，只是要付費、要花時間、要主動篩選。他們在吃有機食品。

而絕大多數人被自動分配到了信息的下層：沒有出處的內容、不可追溯的引用、被算法推送過來的AI摘要、混著slop和少量真信息但沒人幫你挑的混合物。他們在吃轉基因泔水。

他們不是自己選擇吃這個的。他們沒有"選擇不吃"的經濟條件、時間條件和認知條件。

這是知識轉基因最深的暴力。受害最重的和最輕的之間，有一道沉默的、不可見但一天比一天寬的裂縫。

和“永久底層”相伴隨的一種狂熱，是硅谷的人在搶一張船票。在那座通往下一個新世界的吊橋升起之前，這是積累代際財富的最后機會。

知識領域的那座吊橋也在升起，但沒有聲音，更沒人在橋上售票。

你吃進去的每一條信息，都在參與塑造你未來的判斷力。而"判斷一件事該不該信"、"一個人值不值得讀"、"一段話到底有沒有出處"，這些在AI可以做所有"智力活兒"之后，正在變成最奢侈的東西。

一個你以為永遠都免費的東西，正在被悄悄定價。

那個MIT女孩止住了眼淚之后，內森跟她做了一件事，不是懲罰。

他讓她回到桌上的白紙前面，自己寫。笨拙地寫。寫出不像樣的句子。寫那種她怕被笑話的東西。寫到一半寫不下去，也要硬寫。寫到第五遍，她突然意識到有一句是自己的。

她形容那種感覺，"就像你很久沒有用過的肌肉，突然酸了一下。"

酸是對的。【懂】

這篇文章引用的主要信息源包括：MIT寫作教授邁卡·內森在《衛報》發表的課堂實錄；《自然》雜志關于模型崩潰的數學證明；WWW 2026關于檢索崩潰的論文；arXiv 2026.04雙層SIR傳播模型研究；斯坦福2026 AI指數報告；Epoch AI數據耗盡預測；Gemini 3驗證性研究；Anthropic程序員實驗；布蘭科·米拉諾維奇的烏托邦悖論；海倫·比瑟姆關于AI與高等教育批判的文章。

經叔最近做了一個網站:https://budongjing.com

人肉篩選挖掘的硬核優質內容及深度原創，重點關注科技、文化、財富、權力四大要素以及它們之間的互動與影響。網站定價1999元/年，目前內測優惠價1299元/年，感興趣的讀者可以加經叔微信訂閱。

另外，歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由