不知你是否有冒冷汗的感觉

这几天，接连发表了《我们在AI时代如何工作和生活？》和《《AI能创造新的就业机会？水管工的工作比白领安全？》两篇文章，分别介绍了马斯克和“AI教父”杰弗里·辛顿关于AI时代就业与失业问题的观点。其实，说就业和失业，并不完全确切，更准确地说，是我们在AI时代还能干点什么？我们的位置在哪里？

尽管马斯克给我们提供了一种乌托邦的前景，但就现实的意义而言，对于我们每个人而言，特别是对于我们的后代而言，这都是根本性的、极为严峻的挑战。我们可以先来看看这两位的一些震撼性的判断：

2026年AI将大规模替代职业，尤其冲击白领，每7个月能力翻倍正加速这一进程（辛顿）。

未来90%的人都要学会适应失业（马斯克）。

2026年起，白领工作将永久消失，因为任何涉及敲击键盘、移动鼠标、处理信息的任务，AI都能胜任（马斯克）。

对于“AI能创造新就业”的观点，我表示怀疑。“你必须具备极高技能才能从事人工智能无法胜任的工作”（辛顿）。

人类将经历“最痛苦的三到七年转型期”，这个过渡期是残酷的（马斯克）。

这是一场技术资本对劳动市场的全面接管 ，是一场对从体力劳动到脑力劳动的无差别攻击（辛顿）。

未来的工作场景可能是什么样的？

如果说辛顿在某种意义上是一个悲观主义者，那么，马斯克则是一个长期的乐观主义者。但实际上，这里的悲观主义与乐观主义并非是水火不容的，他们面对并正视的是一个共同的问题。

所以，孙立平教授这样来表述，《即使前面是光明，也要通过一条幽暗的隧道》。问题是，这条隧道究竟有多长有多么可怕？在这条隧道中我们普通人会经历什么？我们如何才能走出这条隧道？

我想，我们可以把一个问题作为我们思考的起点：未来的工作场景可能是什么样的？

在农业时代，家庭是基本的劳作单位。在农业时代向工业时代转变的过程中，诞生了小作坊的工作场所。而在大工业时代，我们见到的是规模庞大的企业或公司。这种大企业，是建立在精密劳动分工的基础上的，组织的结构是等级制和科层化的。这就是人类历史上曾经出现过的工作场所。

那未来的工作场所会是什么样的？

最近，马斯克提出一个一人公司的概念。马斯克所说的 “一人公司”，并非传统意义上的个体工商户或独资企业，而是一种基于 AI 智能体的新型组织形态。

在这种一人公司的工作场所中，核心的构成是”单人 + AI 智能体”。其中的那个人，即公司的创办者，可能就是一个人，他负责战略、产品与客户价值，而AI 则承担着80%-90% 的执行工作，如开发、设计、客服、数据等。

这意味着什么？从最表层来说，首先是公司创办成本的断崖式下降，个体创业者能够以极低的门槛进入市场，实现 “轻资产、快迭代、高弹性” 的运营模式。 其次，是效率的指数级提升。一个掌握 AI 工具的个体，其效率相当于过去一个小型团队的总和。 第三是组织边界的模糊化，很多的事务会在不同的公司间协作解决。

作为个体的我们的位置在哪里？

马斯克还提出了这样一个说法：在未来10 到 20 年，人类社会将进入 “后工作时代”。

后工作时代，意味着什么？首先意味着我们通常意义上的就业的消失，或者说意味着失业常态化。正是在这种意义上，马斯克说，我们未来不是要解决失业问题，而是要适应失业。

前几天，我曾经说过，在和一位做就业咨询与培训的朋友聊天的时候，我谈到一个想法：不要仅仅从就业的概念考虑就业了。未来就业问题的实质，是我们如何在这个世界上拥有一个位置。这个位置能够表明我们对这个世界是有价值的，有用的，同时也能为我们自己带来意义。

这个位置在哪里？

马斯克将其称之为 “解决具体问题”，或者说是从岗位雇佣到项目协作的转变。这实际上是工作本质的一种根本性变化。至少自工业时代以来，人们脑子里的就业，是指一个组织为你提供一个有报酬的岗位，或者说，这是一种岗位雇佣制。

但在马斯克看来，未来的工作将不再是稳定的岗位雇佣关系，而是围绕具体问题展开的项目制协作。这至少意味着：

第一，从 “岗位” 到 “项目” 的转变。传统的就业模式是， “找工作 — 签劳动合同 — 按流程执行 —获得报酬” ，按马斯克的看法，取而代之的将是 “识别问题 — 匹配能力 — 完成项目 — 获得报酬” 。工作不再是稳定的 “饭碗”，而是一系列需要解决的具体问题的组合。如果是这样的话，传统的 “铁饭碗” 模式将彻底消失，取而代之的是基于项目的灵活就业。

第二，能力定价从 “资历学历” 到 “解决问题的实绩”。在未来职场中，学历、职称、工作年限等将不再是主要定价依据，决定能力定价的基本因素，将是能否快速定位问题本质、提出有效解决方案并落地执行。这包括能够准确识别问题的要害，能够提出突破性的解决方案，能够整合不同领域的资源，能够准确评估解决方案的有效性。

第三，从 “被公司需要” 到 “让市场找到你”：未来职场成功的关键不是 “找到好公司”，而是 “成为某类问题的权威解决者”，让有需求的组织主动找上门。个人品牌和解决问题的声誉将比简历更重要。马斯克强调，真正解决问题的人讲得出细节，他们知道解决问题的关键是什么。因此，个人需要通过实际成果建立专业声誉，成为某类问题的权威解决者。

想起西北的麦客

我不知道大家看完这篇东西的感觉是什么样的。反正我在写这篇文章的时候，心里并不是很舒服。当然，我承认那可能就是未来的现实，但对这个可能的现实，我一点都不感到鼓舞。

不知怎么，看到马斯克这里的从 “岗位” 到 “项目” 的转变，看到马斯克这里的从岗位雇佣到项目协作的转变，我就不禁想到当前我们社会中的灵活就业，特别是想到西北的麦客。

麦客是流行于中国北方陕、甘、宁等地的流动替人割麦的职业群体，又称“赶麦场”者。其以镰刀为传统工具，通过跨区域迁徙缓解麦区收割压力。麦客群体的形成与麦熟时间差异直接相关：晚熟区农民南下收割，早熟区农民北上劳作，常结伴携带镰刀、干粮露宿村镇待雇，以高强度劳动换取微薄收入，生计多依赖雇主提供饮食。

这也许就是问题解决者或项目协作吧。

邵振国在《麦客》中精准描绘了这一场景：天刚亮，庄浪麦客们蜷在街头石阶上，一边搔着蚊子叮咬的伤口，一边紧瞅行人，生怕错过雇主；有队长来招工，四五十人瞬间被挑走，晚反应的只能继续等待，甚至被迫接受“一亩一元二”“光管饭”的低价，即便如此也不敢挑剔。

文中雇主招工的场景更凸显竞争的残酷：拖拉机一来，吴河东瞬间腾身跳上车，儿子顺昌奔到跟前时，雇主已摆手说“人够了”，顺昌扒着车帮苦苦央求，却只能眼睁睁看着车离开。这段描写，尽显麦客在资源争夺中的被动与卑微。

关于麦客的记载，最早见于明清地方志。也许那就是关于灵活就业，或者如马斯克所说的岗位雇佣到项目协作的早期例子。当然，我知道马斯克所说的带有选择性的项目协作与西北的麦客不能同日而语，但我想说的是，并不是所有带有选择性的事情都是那么美妙。

这里需要正视的一个基本现实是，物质的极大丰富，并不意味着能自动地给人带来衣食无忧的富足生活。这是我们在马斯克的乌托邦面前应该保持警惕的。

来源：网络

读者推荐

平常遇到一些不遵守公共规则的人，所谓“素质低”的人，还有一些巨婴式的不顾及他人感受的人，我都在想，我们身边真的有太多人，都不是真正意义上的现代人。

这并不是一句“低素质”就能概括，而是涉及到一个重要的命题：什么才是现代人？

如果使用着最现代的工具，头脑却是古代人的模式，那他们就都是些“假现代人”。

真正的现代人最核心的变化，其实并不在技术，也不在制度，而在两种意识的重组——个体意识与公共意识。

古典社会与现代社会的区别，表面上是制度的变化，本质上却是人如何理解“我是谁”，以及“我与他人、与社会是什么关系”。

而一个人是否真正成为现代人，关键就在于：他是否同时建立起清晰的个体意识，以及成熟的公共意识。

在古典伦理之中，个体意识是被压缩的。以孔子为代表的伦理体系，并不鼓励人去强调“自我”，而是强调“位置”。

在这种体系下，人不是一个独立存在的主体，而是关系中的一环。你首先是某个人的子女，其次是家族成员，再是社会角色，最后才是“你自己”。个体并不是出发点，而是结构中的结果。

所以在古典社会中，一个人很少需要反复追问“我想要什么”。更重要的问题是：“我在这个位置上，应当做什么”。

个体意识被伦理秩序压制，它不需要被张扬，甚至经常需要被克制。一个过度强调自我意志的人，往往会被视为不合群、不稳定、怪异，甚至是不道德、没有责任感的。

这种文化带来的，是一种高度稳定但精神封闭的社会。

看起来有个好处是：个体的选择空间有限，但心理负担也较轻。因为大部分决定，并不需要你自己来承担。

坏处是：一旦这个“绝对秩序”崩了，就是最惨绝人寰的灾难。古代王朝每一次的更替，代价都是半数人口的死亡。

而现代伦理的出现，恰恰打破了这一点。从伊曼努尔·康德开始，个体第一次被明确为伦理的起点。人被理解为具有自主意志的存在，而不是被动嵌入社会结构的角色。

你是谁，不再由关系决定，而由你自己的选择与判断来塑造。

从此以后，个体意识被前所未有地释放出来。你可以选择职业，可以选择生活方式，可以质疑传统，可以重新定义成功与幸福的标准。

个体不再只是“被安排”，而开始“自我构建”。

但这种释放，并不是一件轻松的事情。因为一旦个体成为起点，所有问题都会回到你身上——你要什么？你为什么这样选择？你是否愿意承担后果？

很多人会在这里感到不适应。因为他们习惯了在既定的路径中行动，而不是在开放空间中做决策。他们看起来生活在现代社会，但内在仍然依赖某种“外部答案”。

一旦缺乏明确的指引，这种人就会陷入焦虑甚至失控。这也是为什么我说“没素质”往往意味着现代意识的缺失，因为他们不懂得“自律”这件事情的重要性。

他们不排队、不按规矩开车、不怕侵扰别人的空间、爱争抢，就是因为他们从未理解过“自己约束自己”这种感觉。

而是：反正有个“绝对存在”控制一切，那我只要不违法就可以为所欲为。

如果说现代性只是强化个体意识，那么社会很快就会滑向另一种极端——每个人都只关注自身利益，公共秩序被侵蚀，信任结构瓦解，最终反而削弱个体本身的安全感。

这也正是很多转型社会中常见的困境：个体意识觉醒了，但公共意识却没有同步建立。所谓的“欠发达国家搞民主容易导致社会走向乱局”，其实是因为这个原因。

在古典社会中，公共意识并不需要被单独强调。因为个体本身就嵌入在整体之中，对家庭、对集体、对秩序的责任，是自然而然的。这种“公共性”，更多是一种结构性约束，而不是自觉选择。

但在现代社会中，情况完全不同。

当个体从结构中“脱嵌”出来之后，公共意识就不再是默认存在的东西，而变成了一种需要被主动建立的能力。你不再因为身份而对他人负责，而是需要基于某种理解，主动选择对公共事务承担责任。

这正是最容易被人们忽视的一点。他们要么陷入“民主的暴政”——以为民主就是“想干嘛就干嘛”，或者就是陷入内斗——以为否定他人的观念就是坚持自己的观念。

一个充斥着非黑即白人格的社会，不可能拥有真正的现代意识。

很多人把现代性理解为“个人自由的扩张”，却忽略了它的另一面——公共责任的内化。

从卢梭提出“公意”，到密尔讨论自由的边界，现代思想始终在回答一个问题：当每个人都是独立个体时，社会如何仍然可能存在？

答案并不在于回到古典秩序，而在于建立一种新的公共意识——它不是来自强制，而是来自理解。

一个真正具有公共意识的人，会意识到：个人的行为，并不会停留在个人层面。你如何对待规则，如何使用权利，如何面对他人，都会在无形中影响整个社会的运行。

他遵守规则，不是因为害怕惩罚，而是因为理解规则的意义；他关注公共事务，不是因为被要求参与，而是因为知道自己是其中的一部分。

这种公共意识，本质上是一种“自觉的连接”。

需要有这样一种潜意识：我的存在，与他人的存在，是相互关联的。

恰恰相反，我们身边很多人，根本就看不到“他人”。他们骑电瓶车横冲直撞，开车加塞插队，电梯门一开就往里冲，挤到撞到别人从来不觉得是个事儿。

因为他们没有与他人的连接感，只有“我自己为了自己活着”这种感觉。这就是没有现代性的表现。

有些人只学会了“为自己争取”，却没有学会“为共同体负责”；只强调权利，却忽略义务；只在意短期利益，却不考虑长期结构。

这种不平衡，会让整个社会陷入一种低信任状态。每个人都在防备他人，每个人都试图占据更多资源，而最终结果，是整体效率的下降与个体安全感的削弱。

从这个角度看，现代人并不是“更自由的人”，而是“更需要自我约束的人”。

因为外在约束减少了，内在约束就必须增强。

一个成熟的现代人，既不会回到古典社会那种压抑个体的状态，也不会滑向极端个人主义。他会在两者之间，建立一种动态的平衡。

在个体层面，他清楚地知道自己是谁，想要什么，并愿意为此承担代价；在公共层面，他理解自己与他人的关联，愿意为维持一个可持续的社会环境付出成本。

这两种意识，并不是对立的，而是相互支撑的。

没有个体意识，公共意识就会沦为空洞的口号；没有公共意识，个体意识最终会反噬自身，变成一种短视的自利。

总而言之，什么样的人才能算是一个现代人？

不是那种高喊着自由口号的人，更不是那些盲目服从规则的人。

而是那个既能独立做出选择，又能理解共同体意义的人；既能为自己负责，也能为他人与社会承担责任的人。

现代人真正的标志，并不是他拥有多少选择，而是他在拥有选择之后，依然能够与他人共同生活，并且试图让这种共同生活变得更好。

来源：独立中文笔会

读者推荐

————大模型时代的人工智识分子与人类的前途

托马斯·索维尔（Thomas Sowell）在《知识分子与社会》（Intellectuals and Society）里，有一句非常抓人的定义：知识分子是“以观念为主要工作成果的人”。他们靠生产思想、话语、论证谋生，而不必直接为观念在现实世界里的后果负责。在生成式人工智能爆发的当下，这个定义突然多了一层含义。已经出现了一种新的“观念生产者”——不是教授、作家、评论员，而是大模型，是全天候写作、编码、翻译、分析的人工系统。它们和人类知识分子(Human Intellectuals)勾连在一起，形成一个混合的、半人半机的“人工智识分子”群体（Artificial Intellectuals）。

在很多办公室里，这个群体已经悄悄接管了写邮件、做方案、起草合同、写代码的大量工作。律师、会计、程序员、咨询顾问、媒体编辑，都在和它们“协作”，也在被它们取代。麦肯锡在一份报告里估算，大模型可以影响到全球数亿知识工作者的日常任务结构，对高收入白领的冲击甚至比对蓝领更大。这一变化不只是技术新闻里的数字问题。它会冲击整套“知识分子与社会”的旧结构。索维尔批评的那些毛病——脱离后果的观念、缺乏约束的影响力、话语和权力之间的暗通——在人工智识分子身上会不会被放大？还是会被重新排布？这个问题，和未来几十年对中国文化、政治、经济的理解，都纠缠在一起。

人类知识分子 vs. 人工智识分子

索维尔在书里反复强调一点：现代社会把大量权威交到了“观念工作者”手里。外交政策、城市规划、教育改革、司法理念，背后都站着一批作报告、写社论、写学术论文的人。他们的成果是文字，是理念，是框架，而不是具体的桥梁、工厂、公司。

在索维尔看来，这群人有几个结构性的问题：他们对观念的“美感”和自洽性，比对后果的可检验性更敏感。他们的主要反馈来自同行评价和媒体声望，而不是政策效果本身。他们常常用“道德优越感”覆盖不确定性，把复杂问题说成简单的对错。

这种批评在冷战、在反越战运动、在种族议题上，都有具体例子。索维尔的主要担心其实很朴素：当一群不用为后果买单的人，却掌握了塑造舆论和政策的巨大权力时，社会会走向偏斜。

按照索维尔的定义，人类知识分子有三个核心特征：主要工作是处理符号和观念，而不是直接动手做实物。成果形式是文本、理论、叙事、图像、代码。影响力主要通过媒体、教育、出版、政策网络扩散。

今天，这个逻辑很容易延伸到大模型。因为它们也是“以观念为成果”的生产者，而且生产速度远超任何一个人。人工智识分子——以大模型为代表的智能系统——在这三个点上几乎完全符合：它们不修桥、不种地，只处理语言、图像和结构化数据。它们的成果是文章、合同草案、法律分析、市场报告、代码片段。它们通过搜索引擎、办公软件、社交平台集成，迅速进入公共空间。

所以在知识生产的意义上，人工智识分子已经是“同类”。但相似之处到这里就变成分叉。至少有四个关键差异：

第一，责任主体不同。人类知识分子至少在理论上要为自己的观点负责，哪怕只是名誉风险。人工智识分子本身没有人格，它的“责任”被重新分配给模型开发者、平台公司、监管机构，以及那个按下回车键的人。这种责任的拆散，让“谁该为观念后果负责”变得更模糊。

第二，经验来源不同。人类知识分子有个人经验，有情绪，有偏见，也有成长和反思。人工智识分子的经验来自训练数据——书籍、新闻、网页、代码库、社交媒体。它在统计意义上“综合了世界”，却没有亲身的疼痛和损失。

第三，规模和速度不同。一个人一天能写几篇文章？一个大模型一天能生成多少文本？这种规模差距，意味着人工智识分子可以在短时间里向社会投放前所未有的观念量。信息环境会更像一条洪水，而不是一条河。

第四，嵌入方式不同。人类知识分子分布在大学、媒体、智库、出版社。人工智识分子则嵌在各类平台的底层。它们通过 API 进入政府办公系统、银行风控、律所工作流、媒体写作平台。它们不像一个个具体的人，而像一层看不见的“知识基础设施”。

这几条差异，让“人工智识分子与社会”的问题，比索维尔当年的问题更棘手：不止是“观念生产者的权力过大”，而是“观念生产能力本身被技术放大，并且与责任和经验剥离”。这种硅基生命体的能力放大和人工智识分子与社会责任的剥离，已经对社会造成巨大冲击。

从“创造性破坏”到“破坏性创造”

过去二十年里，自动化主要冲击的是制造业和部分服务业。流水线工人、柜台售票员、超市收银员，都是第一批承受压力的人。

生成式 AI 出现后，风向明显变了。麦肯锡、普华永道、德勤等机构的研究都在强调一点：大模型对“非体力、以文本和符号为主”的工作冲击更大。律师可以用模型起草合同、整理案例。会计可以让模型先做账目归类和风险扫描。记者可以用模型写快讯、整理数据。程序员可以用模型写样板代码、查 bug。

这类“AI+人”的工作形态，被很多人类学者和科技评论者称为“半人马模式”（centaur model）：人和机器像半人半马那样组合，人负责直觉判断、伦理底线、复杂协商；机器负责大规模检索、语言组织、模式识别。

在这种模式里，传统意义的人类知识分子——学术界、媒体界、智库界的专业人士——也在被拆开。研究的“文献整理”和“初稿撰写”，可能交给模型；论证结构和核心观点，交给人。新闻写作的“素材收集”和“摘要”，交给模型；现场采访和判断，交给人。

表面看，这是一种辅助。长期看，这是对“谁有资格发言”的重新划分。因为任何一个懂得提问和修改的人，都可以借助人工智识分子迅速生成可读文本。传统知识分子赖以维持权威的门槛——语言能力、文本生产速度、信息掌握能力——正在被技术压平。

电商干掉一部分实体零售，流媒体干掉录像带店，线上广告挤压纸媒广告，这些都是典型案例。如果把人工智识分子的出现放在这个框架里，有一个微妙的变化：这次破坏的，不只是旧行业，而是一整套知识生产和判断的方式。

熊彼特（Joseph Schumpeter）把资本主义形容成一个不断“创造性破坏”（creative destruction）的过程：新技术、新企业、新模式不断出现，在创造价值的同时摧毁旧的行业和岗位。可以说，这更像一种“破坏性创造”（destructive creation）：它在创造一个前所未有的知识生产机器，但也在破坏人们对“知识是什么”的传统理解。它在创造高效率的文本、代码和分析，但也在破坏“谁该为这些内容负责”的清晰边界。它在创造新的协作形式，但也在破坏很多人的自我价值感和职业尊严。

过去，创造性破坏依赖企业家、发明家和资本。现在，破坏性创造背后还有平台算法和大模型的黑箱。熊彼特曾经预言，资本主义可能不是死于失败，而是死于自己的成功：当创造性破坏太强，社会承受不了，反而会寻求稳定和管制。

在人工智识分子的问题上，也可以看到类似趋势。一方面，社会享受它带来的效率；另一方面，对失业、谣言、深度伪造、算法偏见的恐惧又在上升。结果是，技术在前面狂奔，而监管、伦理和社会心理在后面追赶。这种追赶的关系，无处不在。《跨文化下的社会认知偏差》作者王野林指出，AI存在着“我不用，别人会用” 的心态，存在着“竞争”，国家之间也会如此。 但到一定的时候，人类总会意识到要共同防止人工智能异化为人的主人。

人工智识分子的创新与破坏

从技术乐观的角度看，人工智识分子的出现，至少带来三种新机会。

一是加速。很多琐碎的知识工作——查资料、做摘要、写初稿——可以交给模型。研究者、律师、记者、教师可以把更多精力放在真正需要人类判断的部分。对资源紧张的教育系统、医疗系统，这是一个实在的缓解。

二是扩音。过去，一个普通人很难写出结构清晰、逻辑完整的长文，更难用多种语言表达自己。大模型可以充当“语言放大器”，让更多人有机会参与公共讨论。有些边缘群体的经验，也许因此更容易被整理出来。

三是知识民主化。索维尔批评“主流知识分子”垄断解释权。人工智识分子在某种程度上，削弱了这一点。任何人都可以要求模型解释某个理论、概括某本书、展示不同观点。知识获取门槛被拉低。当然，这种民主化有前提：模型是否开放，还是只在少数机构的私有云里运行。训练数据是否多元，还是严重偏向某种话语。用户有没有足够的“媒介素养”去辨别输出的可靠性。如果这些条件不能满足，“知识民主化”很容易变成“知识幻觉”：大家以为自己知道得更多，实际只是被算法喂了更多相似的答案。

从技术悲观的角度看，人工智识分子的破坏性也非常明显。

一是白领失业和职业降级。高盛等机构估计，生成式 AI 可能影响全球 3 亿左右的全职岗位，大部分集中在高技能白领。 很多律师助理、会计助理、编辑、客服、翻译，面临被“AI+少数人类”取代的风险。这不只是收入问题，也是身份问题。很多人的自我认同，建立在“我是专业人士”“我是靠脑力吃饭”的基础上。人工智识分子对脑力劳动者的冲击，比对某些体力岗位的冲击更强大。

二是认知污染。大模型可以生成大量看起来“像那么回事”的内容。假新闻、伪学术、伪评论、伪数据分析，会在网络里迅速扩散。对普通读者来说，真假界线变得更模糊。索维尔担心知识分子的“观念脱离后果”，在人工智识分子这里变成“观念脱离来源”：很多内容找不到清晰出处，也没有明确作者，责任变成了一个迷宫。

三是责任失落。当政策建议、判决参考、医疗建议中大量使用模型时，一旦出错，究竟是谁的错？是工程师？是使用者？是监管机构？这种责任的稀释，会削弱一种很重要的文明机制：犯错者需要对自己言行负责，付出代价，社会才能学习。而在算法系统里，错误和偏见可以被当作“统计噪音”轻描淡写，受害者却是真实的人。

对中国来说，这样的责任问题还会和行政权力叠加：当“智能系统”被挂上“国家工程”的牌子，质疑和纠错就会更难。由于言论自由的限制，信息来源受到行政扭曲和篡改，造成的认知污染更严重。

中国语境下的人工智识分子

谈知识分子，总会想到中国两千多年的文人传统。科举制度把“会写文章的人”送进权力结构，读书人既是道德批评者，又是行政机器的一部分。

在当代，中国的“知识分子”至少有三层：体制内学者和政策顾问，靠研究报告和内部简报影响决策。大学和媒体里的公共写作者，靠专栏、讲座和新媒体账号影响舆论。平台算法筛选出的“网红讲师”和“知识 IP”，用短视频、直播和图文输出观点。

人工智识分子融入这个结构，有几个特别的点。第一是国家层面的工程想象。中国提出过“新一代人工智能发展规划”，把 AI 明确纳入国家战略。 这意味着，大模型不只是一个市场产品，而是被当成“新质生产力”的关键基础设施。教育、医疗、政务、工业，都被鼓励“+AI”。

第二是强监管下的知识边界。针对生成式 AI，中国在 2023 年出台了专门的管理办法，要求算法不得生成“危害国家政权、颠覆社会主义制度、传播谣言”等内容。 这为人工智识分子设定了比较清晰的政治边界。这意味着：在历史叙事上，模型会自然向官方版本收拢。在现实政治上，它不可能成为“异议知识分子”，更可能是“制度内技术顾问”。在文化生产上，它适合作为传统文化的“翻译器”和“整理者”，而不适合作为颠覆叙事的发起者。

第三是对传统文人角色的双重冲击。一方面，人工智识分子非常适合做“整理工作”：数字人朗读古文，模型批量翻译典籍，AI 生成对联、写诗、写书评。这些能力会推动一个新的“机械文人”阶层，抢掉很多入门写作者的饭碗。另一方面，对真正有独立判断、能在夹缝里说话的知识分子来说，大模型又是一个工具：可以更快查资料，更便宜做初步分析，更容易和普通人沟通复杂问题。

所以在中国，人工智识分子既可能加固体制性的知识边界，也可能在边界内部释放一些创造力。它既是新“士大夫”的秘书，也是他们的替身。人工智识分子不仅改变工作方式，也在重塑人们理解中国的角度。

在文化上，大模型可以把浩如烟海的古籍、地方志、档案整理出来，以前需要几十年冷板凳的梳理工作，现在可能在几个月内完成一个初步框架。对研究者和文化爱好者来说，这是前所未有的工具。

但同样重要的是，大模型如何“讲述中国”。训练数据决定叙事风格。如果数据来源偏向官方论述，模型就会天然偏向某种语气；如果加入大量民间材料，模型的声音就会多皱褶一些。这个选择，既是技术问题，也是政治问题。

在历史上，生成式 AI 已经开始进入博物馆、纪念馆、课堂。讲解员的脚本、互动问答，都可能由模型生成或润色。这意味着，普通人接触历史的方式，很大程度上会被“技术话语”过滤过一遍。哪些事件被强调，哪些被淡化，哪些视角不被提起，这些变化是看得见的，也是需要警惕的。

在政治上，人工智识分子一方面会被用作政策工具。政府部门可以用它快速分析文件、起草简报、总结调研。但另一方面，它又可能成为舆情管理的利器，自动生成正向评论、自动纠偏“错误观点”。在这种场景里，人工智识分子延续了索维尔所说的“观念影响权力”的传统，却让权力更难被看见。

在经济上，AI 被视为提高生产率的关键技术。中国近年来反复强调“新质生产力”，AI 是其中的重要支点。金融、制造业、物流、互联网行业，都在用大模型做优化。

这样一来，人工智识分子既是“提高效率的工具”，也是“新的生产要素”。谁控制这些要素，谁就掌握新的经济权力中心。对地方政府、央企、互联网巨头和小型创业公司来说，这是一场新的权力再分配。

在“破坏性创造”中为自己设定方向

在“人工智识分子与社会”的框架里，人类知识分子并不是要被时代淘汰的角色。真正需要调整的是他们的“任务描述”。

过去的知识分子，以“知道答案”为核心价值。谁掌握更多文献，谁能更快写出厚书，谁就有更强话语权。人工智识分子出现后，“知道答案”这件事的稀缺性在快速下降。

接下来，有几类能力会变得更重要：

提出好问题的能力。模型擅长在给定问题下生成内容，却很难自己提出有洞察力的问题。哪些问题值得问，哪些问题不该问，这需要经验、伦理和对现实的敏感。

设计制度和规则的能力。人工智识分子的输出怎样进入司法、医疗、教育等关键领域，需要人去设计边界和流程。哪些可以自动化，哪些必须有人签字，哪些完全不该交给模型，这些都是制度问题。

守住价值底线的能力。技术可以优化过程，却无法替人决定目的。平等、尊严、自由、公正，这些词不是算法算出来的，而是长时间历史斗争的产物。有人必须持续提醒社会：效率不是唯一标准。

从这个意义上说，人类知识分子如果愿意调整角色，不是被人工智识分子取代，而是有机会借助它，从“文本工人”变成“问题发明者”和“价值守门人”。

索维尔提醒读者，要看知识分子的观念在现实中的后果，而不是只看他们在纸面上的优雅。今天，这个提醒同样适用于人工智识分子。

大模型可以在一瞬间写出一篇看起来很漂亮的政策建议，也可以用流畅的语气为任何立场辩护。关键问题是：谁在用这些文本？它们被用来干什么？它们造成了什么长远后果？这些后果由谁承担？

在人类文明的长时间尺度上，人工智识分子的出现，确实像一次“破坏性创造”。它创造出一种前所未有的“知识机器”，同时在破坏旧制度、旧职业、旧安全感。人类社会正在被这股力量推着往前走，却普遍缺乏对终点的清晰想象。

这既是风险，也是机会。如果把人工智识分子当成一股“自然力量”，一切交给技术决定论，那结果很可能是：少数掌握模型和算力的机构，获得前所未有的知识权力，而大多数人被迫适应一个自己从未参与设计的系统。

如果把它当成一个需要被驯化、被民主化、被反复质疑的制度性创新，人类知识分子还有很多事可做。可以重写教育目标，可以重设职业路径，可以参与制定 AI 治理规则，可以用文学、电影、非虚构写作不断提醒公众：每一套技术系统背后，都有具体的人在受益，也有具体的人在受伤。

人工智识分子不会消失。它已经是新的常量。真正的变量，是社会如何划分它的权力边界，人类愿不愿意为此付出思考和博弈的代价。

在这场“破坏性创造”的浪潮里，那些愿意坚持提问、敢于承担责任、愿意为具体的人发声的知识分子——无论是人类的，还是在人的控制下运行的人工系统——才有可能让文明在加速中保持方向感。

参考文献：

McKinsey Global Institute. The Economic Potential of Generative AI: The Next Productivity Frontier. McKinsey & Company, 2023.

Sowell, Thomas. Intellectuals and Society. Revised and Expanded ed., Basic Books, 2012.

“Generative AI Could Raise Global GDP by 7%.” Goldman Sachs Global Economics Analyst, Goldman Sachs, 2023.

“Schumpeter’s ‘Creative Destruction’ Explained.” The Washington Post, 10 Sept. 2025.

“New Generation Artificial Intelligence Development Plan.” State Council of the People’s Republic of China, 2017.

“Interim Measures for the Administration of Generative Artificial Intelligence Services.” Cyberspace Administration of China, 2023.

作者投稿