追本之箭 — AI时代的姿态

2026-05-11 Mon 12:37

起点

"当世界以 AI 这种进化速度狂奔的时候,你不可能在某一天『想清楚了』就停下来!

你只能保持『校准』的姿态:观察、思考、行动、回顾、再校准。

如果这一场月末直播能给你留下三件事,我希望是这三件:

第一,把你和 AI 的关系,从『我问 AI 答』升级到『我设目标,AI 替我做』;

第二,把你的注意力、时间、资本,从一个增长见顶的人口经济,转向一个指数级增长的算力经济;

第三,AI 已经把分析能力压缩成商品,真正稀缺的是判断力、品味、和提出好问题的能力——这些只能向内寻找。"

表面是三条建议加一句口号。

真命题藏在第一句,而且冷得多:

"想清楚"不是变难了——是变成了负资产。

旧世界,结论是存款:想清楚一次,利息吃十年。

AI 时代,结论是冰块:出炉那一刻就开始化。

当结论的保质期短于生产它的思考周期,

"想清楚再行动",期望收益翻负。

所以这段话不是劝你"持续学习"。

是在宣布一种资产的死亡:答案,作为可持有资产,正在清零。

但等一下——三件事看起来就是三个答案。

一个说"停不下来"的人,给了三个停下来的结论。

这根箭,从这道裂缝射进去。

第一层 · 折旧

先给"不能停"找硬地面。它不是鸡汤,是一道资产定价题。

任何结论都是带折旧率的资产:

V(t) = V₀ · e^(−λt)

λ = 环境失效率:你的结论所依赖的前提,以多快的速度被推翻。

旧世界 λ ≈ 0.02/年量级——学一门手艺,前提三十年不动,

所以"想清楚→执行到底"是理性的:思考是一次性成本,持有是长期收益。

整个 20 世纪的职业规划、五年计划、人生定论,全建在小 λ 上。

AI 时代的 λ 不由你定,由能力曲线定。

METR 2025 年的测量:AI 能稳定完成的任务时长,约每 7 个月翻一倍

(METR, "Measuring AI Ability to Complete Long Tasks", 2025)。

翻倍周期 7 个月,意味着任何"AI 能做什么/不能做什么"的结论,

半衰期不到一年。

临界条件一行写完:

当 λ · T_think ≥ 1(思考周期内结论已折旧大半),"想清楚"不再值得生产。

你花一个季度想清楚"AI 的边界在哪",

出结论那天,AI 已经半代更新——

你清楚的,是上一个世界。

"不可能想清楚了就停下来"——

不是因为你不够聪明,是因为没有任何清楚熬得过自己的生产周期。

第二层 · 闭环

换控制论的地面。"校准的姿态"有精确的数学身份。

开环控制(想清楚→执行到底):

误差随环境漂移累积,e(t) ≈ ∫漂移·dt——无界增长,且不自知。

开错的方向,时间越久偏得越远。

闭环控制(观察→思考→行动→回顾→再校准):

误差有界,e ∝ 漂移速度 / 回路频率。

这就是答案:校准产出的结论照样折旧——

但闭环根本不靠结论的寿命活着,靠回路的频率活着。

开环持有结论,闭环持有误差信号。

第一次换底:从"对",换成"对得快"。

但这个回路有两条工程约束,漏掉任何一条都是死法——

频率下限(采样定理):

采样频率低于信号频率的两倍,你看到的不是信号,是混叠(aliasing)。

按年总结 AI 的人,看到的"趋势"是假频率拼出来的幻影——

不是信息少了,是信息错了,还自带说服力。

频率上限(Kalman 增益):

每次观察该改多少信念,有最优解:

K = 先验不确定度 / (先验不确定度 + 观测噪声)

观测是噪声级(每日新闻、demo、推文)→ K 小,小步改;

观测是结构级(benchmark 跳级、成本曲线拐点)→ K 大,大步改。

每条新闻都重写世界观 = 增益拉满 = 追噪声——

whipsaw 之下,比开环死得还快。

对称陷阱摆上桌:

校准 ≠ 善变。校准 = 带最优增益的闭环。

第三层 · 慢变量

换动力系统的地面,解掉起点那个矛盾。

快变系统不是处处快。任何快变系统都有时间尺度分层:

快变量在表面翻腾,慢变量构成它们运动的流形(fast-slow decomposition)。

变量按折旧率分层:

回头逐条验三件事——每一条都刻意避开"解",只钉"生成器":

第一条不告诉你用哪个 AI(那个答案三个月就死),

只改你和所有 AI 的关系拓扑:从调用(你在回路里,每步过手)

到委托(你在回路上,只设目标和验收)。

第二条不告诉你买什么(那个答案一个财报就死),

只指认哪条曲线在指数增长——曲线比曲线上的任何一个点都慢变。

第三条不给你任何具体判断,

只指认出判断的那台机器。

矛盾解了:说"停不下来"的人敢给三个结论,

因为这三个结论不在折旧最快的那一层。

它们是回路的参数,不是回路的输出。

它们也折旧——但慢一个量级;改它们需要结构级证据,不是新闻。

第四层 · 判分

先让 bear case 站着把话说完——它赢了一半:

平均品味已经死了。推荐系统二十年前就把大众审美商品化;

RLHF 把"人类觉得好"直接压成 reward model。

"品味稀缺"的弱版本不成立——AI 的品味比多数人好,现在就是。

提问也大半可以。AI 一分钟生成一百个像样的问题。

那剩下什么?分界线必须画得精确,否则"向内寻找"就是安慰剂。机制:

可商品化的边界 = 可判分的边界。

凡是存在外部判分函数的能力——对错可验、收益可比、基准可测——

都可训练、可蒸馏、可复制成商品。

分析正是:它有标准答案,所以它先死。

判断、品味、好问题的硬核,不是"做得好"——

是判分函数本身的制定。

到这一步,地面换成逻辑:

优化器不能从内部生成自己的目标函数。

想把"提出好问题"也委托给 AI?可以——

先写个 spec 告诉它什么算好问题。

写这个 spec 的动作,就是提问本身。

委托产生回退,每一级都需要上一级的 spec,

链条终止在一个不可再委托的点。

那个点没有任何技术含量,只有一个属性:是你。

休谟 1739 年就把闸放下了(《人性论》,is-ought 鸿沟):

事实推不出价值。翻译成 AI 时代——

把全部数据喂给模型,"该要什么"依然推不出来;

不是数据不够,是推导类型不允许。

Goodhart 定律补刀:一旦把品味写成指标,指标即被优化,品味即死。

连"绕过去"的路都焊死了。

所以"向内寻找"的脱魅版,与冥想无关:

向内 = 认领判分函数的署名权。

凭什么是你署名?因为目标函数需要锚,锚 = 不可逆的代价。

你的时间单向流,身体会坏,资本会清零——

你输得起的东西有限,所以你的"想要"有重量。

AI 没有死期,它的每一个"想要"都是借来的。

判断力的物理基础不是智力,是可损失性。

第五层 · 自指

"想清楚"的对象是世界。这个世界包含什么?

包含所有正在想清楚的人。

包含将被你的结论改变的部分。

你想清楚 → 你行动 → 世界改变 → 你的清楚作废。

所有人同时在跑这个回路——

认知改变对象,对象再改变认知(反身性,Soros《金融炼金术》用它解释市场)。

"清楚"是一个不动点,但这个系统没有不动点:

求解动作本身就是扰动。

AI 之前这个回路也在,只是延迟以十年计,一代人可以假装它不存在。

AI 把回路延迟压到以月计——

你第一次肉眼看见自己结论的尾气。

到底检验。再问一次:为什么不能停下来?

——因为停下来的前提是世界停下来,

而世界包含不停下来的你们。

只剩同义反复。触底。

底:"想清楚了就停下来"不是难,是自指不可能——清楚一旦行使,就摧毁清楚自身的成立条件。

终点 · 校准回路的工程参数

钻到底,该问的问题从"我想清楚了吗"换成"我的回路参数对吗"。

诊断五问

① 这条信念是解,还是生成器?——测试:下一代模型发布后它还成立吗?成立 → 慢变量,可写进回路;不成立 → 快变量,持有即付折旧。

② 这条轴,我上次校准是什么时候?——校准频率低于环境变化频率 → 你看到的不是趋势,是混叠。

③ 眼前这条证据,该改多少?——噪声级(新闻/demo/推文)→ 增益调小;结构级(benchmark 跳级、成本拐点、范式更替)→ 增益调大。

④ 这件事有外部判分函数吗?——有 → 它在商品化轨道上,撤出比拼、交给 AI;没有 → 它是判分函数本身,署名,不可外包。

⑤ 我说"想清楚了",是出了结论,还是想停下来?——前者会顺手写出下一次校准的触发条件;后者写不出。

触发器表

三个反模式

❌ 把校准当焦虑出口——每天重想人生 = 增益拉满追噪声,比不校准死得快

❌ 把"向内"当退出——不可委托 ≠ 不用 AI;署名权恰恰要靠最大化使用求解器来行权

❌ 把三件事背成答案——它们是回路参数,也折旧,只是慢;改它们要结构级证据,不是情绪

最后一句

旧世界的智慧是名词:答案、立场、定论。

AI 时代的智慧是一个频率:

你的回路,转得比世界的漂移快,比噪声慢。

清楚不是一个状态。

清楚是一个速度。

(箭到底了。)