AI可能比人类更先出现无用阶级

一、快过期的token

最近遇到一个有点荒诞的烦恼。

我手里有两个AI产品的token，眼看就要过期了。可我对着它们发了半天呆，愣是想不出该拿它们做点什么。哪怕是想浪费，都不知道该往哪里浪费。

Opus 5.5它足够强，也足够便宜。claude下周的额度，我要在两天半的时间把它全部用光，opus5.5这么禁用，根本花不完。有它在，我没有任何理由再去用一个更弱的模型给它"打工"。

更麻烦的是，弱模型跑出来的东西，不仅没什么用，还会干扰AI的判断。把它的结果交给Opus参考，反而可能把Opus带偏。它说的每一句话，都得先怀疑一下、核对一下。它不是帮手，而是纯粹的干扰项。

那一刻我突然想到一个词：无用阶级。

二、一个曾经遥远的预言

"无用阶级"这个说法，来自尤瓦尔·赫拉利的《未来简史》。

赫拉利的判断是这样的：随着算法在越来越多的领域超过人类，大量的人会失去经济上的价值。过去的底层至少还能被剥削，因为社会需要他们的劳动。而未来的无用阶级，连被剥削的资格都没有。不是有人压迫他们，而是根本没人需要他们。

几年前读到这里，大多数人的感觉是：说得有道理，但离我们还很远。

可今天，这个预言没有先在人类身上应验，而是先在AI身上出现了雏形。那些充了钱、甚至白送给我都不想用的模型，就是AI世界里的无用阶级。

它们并非一无是处。放在几年前，它们的能力足以让人惊叹。它们之所以变得无用，不是因为它们太差，而是因为有别的东西太好了。

三、弱AI是怎么变得无用的

仔细想想，弱AI走到今天这一步，经历了三层变化。

第一层：强者不再稀缺

经济学里有个很经典的理论，叫比较优势，最早由李嘉图提出。它常常被用来安慰那些担心被技术取代的人。

举个例子：一位顶级律师，打字速度比他的秘书还快。那他还需要秘书吗？需要。因为律师的时间是有限的，他一小时的咨询费远远高于打字的价值，所以他应该把时间花在打官司上，把打字交给秘书。秘书虽然样样不如律师，但依然有存在的价值。

这套逻辑推到AI身上，本来可以得出一个乐观的结论：就算强AI什么都比弱AI好，它的算力也是有限的，它应该去做最难的事，把简单的事留给弱AI。

但现实击穿了这个逻辑。比较优势成立有一个隐含的前提：强者的时间是稀缺的。当最强的模型又便宜又用不完，就相当于那位律师有了无数个分身，每个分身都可以去打字。那他还要秘书干什么？

弱AI不是输在能力上，而是输在强者变得充裕上。它连"打下手"的位置都没有了。

第二层：弱者的价值变成了负数

我们通常以为，一个东西再没用，价值最低也就是零。但弱AI的情况告诉我们，价值是可以变成负数的。

一份产出真正的价值，等于它带来的收益，减去你验证它所花的成本。当强模型足够可靠时，你基本可以放心用它的结果。而弱模型的每句话，你都得打个问号。核对它的时间，可能比自己重做还长。它说错了没被发现，混进了强模型的判断里，损失就更大了。

所以弱AI不是"没有用"，而是"用了更糟"。这比无用更残酷。

第三层：差距只会越拉越大

有人可能会说，行业变化快，也许过段时间弱模型就追上来了。

但趋势恰恰相反。模型只会越来越强，头部的模型会以更快的速度进步。今天的强者明天会更强，今天的弱者即使进步了，也只是追上了强者昨天的水平。在一个所有人都只想用最好那个的市场里，第二名和第一名之间哪怕只差一点，结果都是天壤之别。

这就引出了一个更根本的问题。

四、这是必然的吗

弱AI变成无用阶级，是偶然发生的，还是某种规律下的必然？是数学的必然，还是物理的必然？

我的看法是：它更像是一种有条件的数学必然，而物理反而是那个相反作用力。

先说数学。至少有三个来自不同领域的理论，都指向同一个结果。

第一个是"超级明星经济学"。 这是经济学家舍温·罗森在1981年提出的。他研究的问题是：为什么顶级歌手、顶级作家、顶级运动员的收入，会比排名稍低的人高出那么多？他们的水平真的高出那么多倍吗？

答案是：不需要高那么多。关键在于，当一样东西可以几乎零成本地复制和传播，质量上的一点点差距，就会被放大成收入上的巨大差距。一张唱片录好了，可以卖给全世界。既然听最好的和听第二好的花的钱差不多，为什么不听最好的？于是需求高度集中在顶端，第二名拿到的份额，远远低于"第二名"应得的比例。

AI正是零成本复制的极端形态。一个模型训练好了，可以同时服务全世界的人。只要价格差不多，所有人都会涌向最强的那个。

第二个是比较优势失效的条件。 前面说过，比较优势依赖强者的产能有限。这是数学前提，不是道德承诺。前提一旦不成立，结论自然就不成立。

第三个来自生物学，叫"竞争排斥原理"。 上世纪30年代，苏联生物学家高斯做过一个著名的实验。他把两种草履虫放在同一个培养环境里，它们吃同样的食物，占据同样的空间。结果其中一种总会把另一种挤出局。两个物种如果争夺完全相同的生态位，就不可能长期共存，弱者一定会被淘汰。除非它能找到一个不同的生态位，吃不一样的食物，或者待在不一样的地方。

把这三个理论放在一起，可以归纳出无用阶级出现的三个条件：

做的是同一件事：弱者和强者在同一个生态位上竞争。

强者可以零成本复制：强者的能力可以无限扩散。

强者的供给不受限制：强者又便宜又用不完。

当这三个条件同时满足时，弱者被淘汰，几乎是数学上的必然。

那物理呢？物理其实站在另一边。算力需要芯片，芯片需要工厂，运行需要电力，电力需要能源，发热需要散热。强AI的供给不可能真正无限，物理规律总会让稀缺性以某种形式回来。所以物理不是推动无用阶级出现的力量，而是给它踩刹车的力量。

这意味着，无用阶级会不会出现、出现到什么程度，最终取决于那三个条件被满足到什么程度。

五、人类的无用阶级会怎样到来

说了这么多AI，真正让人不安的，是把这三个条件套回人类身上。

人类的工作中，哪些部分最先满足这三个条件？

大概是那些标准化的认知工作：翻译、基础文案、初级编程、数据整理、格式化的报告、常规的客服。这些事情，AI做的和人做的是同一件事；AI的能力可以零成本复制给所有人；而且AI越来越便宜，越来越用不完。三个条件，一个不落。

在这些领域，人类面对的处境，和今天的弱AI是一样的。不是人做得不好，而是有别的东西做得够好，还够多、够便宜。那个顶级律师有了无数分身，秘书的位置就消失了。

反过来，那些暂时还安全的工作，往往是在三个条件中至少有一个不满足。需要身体在场的工作，比如护理、维修、手艺，AI很难零成本复制到现场。需要信任和责任的工作，比如签字担责的医生、律师、决策者，出了事总得有个人站出来。需要人与人真实关系的工作，比如陪伴、教育、组织协调，人们在乎的恰恰是"对面是个人"。

按照竞争排斥原理，人类的出路只有一条：生态位的分化。不要和AI争夺同一个生态位，去找AI够不着、做不好或者人们不愿意交给它的地方。

但问题在于，AI的生态位在不断扩张。今天够不着的地方，明天可能就够着了。每一次模型升级，都有一批原本安全的生态位被吞并。人类能不断找到新的生态位吗？找到的速度，能跟上被吞并的速度吗？

六、"你有什么价值？"

赫拉利担心无用阶级，真正担心的也不只是失业。收入的问题，也许可以靠再分配来缓解。更难的是另一件事：当一个人连被利用的价值都没有了，他还剩下什么？

今天的弱AI，已经回答不了这个问题了。GPT的额度是我花钱买的，WorkBuddy的额度是别人送上门的，可我依然想不出该让它们做什么。它们没有做错什么，只是没有被利用的价值了。它们就在那里，安静地等着过期。

如果有一天，这个问题落到了我们自己身上呢？

未来最可怕的，也许不是有人指着你问"你有什么价值"，而是再也没有人来问了。