未来会是什么样子
抛开前公司里每三个月一次的组织架构重组不谈，2025年一年的变化本身已经很大。25年年初的Deepseek-R1的发布，现在想来几乎已经算是上个世纪的事情了。带思维链的推理模型的巨大成功，让强化学习（RL）又回到了AI的主流视野之中，也带动了AI4Coding及AI Agent的发展，而后两者让大模型有了大规模落地，大幅度提高生产力的切实可能。
以前做项目，招人是很重要的一环，但现在脑中的第一个问题是“还需不需要人？”几个Codex进程一开，给它们下各种指令，它们就可以24小时不间断干活，速度远超任何人类，而且随便PUA永远听话毫无怨言。和AI工作，我最担心的是工作量有没有给够，有没有用完每天的剩余token数目。这也是为什么各家都在试验让AI Agent做几个小时连续不断的工作，看AI的能力上界在哪里。因为人的注意力永远是最昂贵的，人要休息，要度假，要允许有走神、睡觉和做其它事情的时间。减少人的介入，让AI自己找到答案，干几个小时活之后再回来看看最好。
这每个月交给OpenAI的20块钱，一定要榨干它的价值啊。
我突然意识到，就因为这区区20块钱，我已经成为了“每个毛孔里都滴着血”的肮脏资本家。我能这么想，全世界最聪明和最富有的头脑，也一定会这么想。
所以请大家丢掉幻想，准备战斗吧。
在帮忙赶工Llama4期间，我经常在加州时区晚上12点接到东部时区的组员消息，在伦敦的朋友们更是永不下线，熬夜折腾到凌晨四五点是寻常事，但大模型越来越强，辛勤劳动最终达到的结果，是看到大模型达到甚至超越我们日常作事的水准。
这应该说是一种陷入囚徒困境之后的无奈。
人类社会的“费米能级”
如果以后以AI为中心，那还需要人么？
如果考虑劳动力的投入-回报模型，传统思维会告诉你，工作经验积累越多，人的能力越强，回报也越大，是个单调上升的曲线。这就是为什么大厂有职级，职级随年限晋升，越老越香。但现在的情况已经不同了。职级已经没有意义，过去的经验也没有意义，人的价值从按照“本人产出的劳动数量及质量”来评估，变成了是否能提高AI的能力，人加AI要大于AI本身的产出，这样才行。
这样就让投入-回报曲线从一个单调递增曲线变成了一个先是全零，再在一定阈值之后增长的曲线（也即是soft-thresholding的曲线）。一开始人的能力是比不过AI的，而AI的供给只会越来越便宜，所以在很长一段成长期内，人本身是没有价值的。只有在人的能力强到一定程度之后，能够做到辅助AI变强，才开始变得有价值起来。
并且，在跨越阈值之后，厉害人对AI的加成，会高于普通人很多很多，因为普通人只会对AI的一两条具体产出花时间修修补补，而厉害的人在看了一些AI存在的问题之后，能提出较为系统性和普遍性的解决方案，结合手上的各类资源（GPU和数据等），可以进一步让AI变得更强，而这种效应随着AI的广泛部署，会被几何级数地放大。“一骑当千”这种小说笔法，将很快变成现实。
在这样一个非常两级分化的投入-回报模型之下，如果把人+所有个人能获取的AI当成一个智能体，整体来看，它的能力分布会和电子能级在材料里的分布很像：低于或达到某个水准线的智能体遍地都是，求着客户给它活干，以证明自己还是有用的；而高于这个水准线的智能体则指数级地变少，获取和使用它非常花钱，还常常排不到。
这个水准线，就是AI洪水的高度，就是人类社会的“费米能级”。低于费米能级的职业，可能在一夜之间就被颠覆掉，就像一场洪水或者地震一样，前一天还是岁月静好，后一天整个行业被端掉了。
随着时间变化，这条水准线还会一直往上走。其进展的速度，和它能获取到的，比它更强的数据量成正比。如果大模型的训练过程没有特别大的进展，那和自动驾驶无人车一样，越往上走，有用的数据是越来越少的，进展也会越慢，最顶尖的那部分人，还能在很长时间内保有自己的护城河。如果训练过程有突破，比如说找到新的合成数据手段，乃至新的训练算法，那就不好说了。
当然以上的判断是假设有无限的GPU和能源的供给，并没有考虑到各种资源短缺的情况。能源短缺，芯片产能短缺，内存短缺，整个地球能否满足人类日益疯狂增长的AI需求还是个未知数，这方面深究下去，或许可以做一篇论文出来。
遍地神灯时代的独立和主动思考
那么，接下来会怎么样呢？
未来的世界，或许不再是传统故事里描绘的那样——人们为了争夺稀缺的武功秘籍，或是千辛万苦寻找唯一的阿拉丁神灯、集齐七颗龙珠而展开冒险。相反，这将是一个“遍地神灯”的时代。每一个AI智能体都像是一个神灯，它们能力超群，渴望着实现别人的愿望，以此来证明自己的价值。
在这种环境下，真正稀缺的不再是实现愿望的能力，而是“愿望”本身，以及将愿望化为现实的那份坚持。
然而，在这个AI能力极其充沛的时代，巨大的便利往往伴随着巨大的陷阱。大模型提供了极其廉价的思考结果，在当前信息交互尚不充分的市场中，这些结果甚至可以直接用来交差并获取经济价值（例如那些一眼就能看出的“AI味”文案）。这种唾手可得的便利，会让许多人逐渐失去思考的动力，久而久之丧失原创能力，思想被生成式内容和推荐系统所绑架和同化。这就是新时代对“懒人”的定义：不再是因为体力上的懒惰，而是精神上没有空闲去思考，没有能力去构思独特的东西。
最终，变成一具空壳，连许愿的能力都失去了。
那我们该如何保持独立思考？如何不被AI同化？战术上来说，我们需要学会不停地审视AI的答案，挑它的毛病，并找到它无法解决的新问题。未来的新价值将来源于三个方面：（1）新的数据发现；（2）对问题全新的深入理解；（3）新的路径，包括可行的创新方案及其结果。利用信息不对称来套利只是暂时的。随着模型越来越强，社会对AI的认知越来越清晰，这种机会将迅速消失。如果仅仅满足于完成上级交代的任务，陷入“应付完就行”的状态，那么在AI泛滥的今天，这种职位极易被取代。
就拿AI Coding来说，用多了，我会觉得它虽然可以很快弄出一个可以跑的代码库满足需求，但随着代码越来越长，屎山也越来越高，它贡献的代码也就越来越不如人意，还是需要人来做大的设计规划。如何调教它让它更快达成自己的长远目的，这个会成为人类独有价值的一部分。如果只是盲目地命令它做这个做那个，而不自己去思考如何做才能和它配合做得更好，那就会和大部分人一样停留在应用层面，而无法理解得更深入，就更不用说独一无二了。
战略上来说，无论主动还是被动，每个人都将面临从“员工”角色向“老板”或“创始人”角色的转变。这种转变的核心在于“目标感”。如果心中有一个坚定的目标，并愿意动用一切手段（包括将大模型作为核心工具）去达成它，那么主动思考就是自然而然的结果。目标越远大，触发的主动思考就越多，激发的潜力就越大。
因此，如果将来的孩子立志要去土卫六开演唱会，或者想在黑洞边缘探险，千万不要打压这样看似荒诞的志向。因为这份宏大的愿望，或许正是他们一辈子充满前进动力，主动思考的根本源泉，也是让他们始终屹立于“费米能级”之上的关键。