当所有人都在给AI造缰绳，马厩正在消失

关注腾讯云开发者，一手技术干货提前解锁👇

00、引子 · 那个被外卖打败的泡面

先讲三桩"意料之外的死亡"，一句 AI 都不提。

康师傅把泡面做到了极致——十二种口味、三年保质、铺满每个县城的货架。它熬死了所有泡面对手，却没料到，给它致命一击的是外卖。年轻人不是嫌它不好吃，是手机点几下、半小时热饭到楼下，谁还泡面？

诺基亚输得更冤。论"做一部好手机"——信号、抗摔、待机——它是全球第一，甚至没输给任何一部功能机。干掉它的，是一台"根本不像手机的手机"：会触屏、能装应用、本质是电脑的 iPhone。而围绕它的谢幕，流传着一句该被每个"优化现有业务"的人抄在工位上的话——"我们并没有做错什么，但不知为什么，我们输了。"

从 2G 到 5G，很多人以为只是网速的数字变大。不。网速一旦越过某个阈值，一批慢速网络下根本不可能存在的行为——短视频、直播、扫码支付——凭空长了出来。而所有还在打磨"彩信"和"WAP 加载"的团队，一夜之间发现脚下的大陆没了。

三桩死亡，一个共同点：它们都不是在原来的赛道上被打败，而是赛道本身被取消了。

用户要的从来不是那碗面，是"十五分钟解决一顿不难吃的饭"。泡面只是"现炒又贵又慢又送不到"这个约束下的最优解——约束一松动，最优解瞬间沦为次优，而它还在原地，把面饼的复水速度优化到小数点后三位。这件"用户真正想完成的事"，管理学里有个词，叫 Jobs-to-be-done。翻成大白话就一句：需求是永恒的，形式是速朽的。你以为自己在跟同行拼产品，可真正要命的对手，往往是那个让"你这东西还有没有必要存在"都成了问题的人。

现在，看看当下。把 AI 结合进业务的人，在给搜索框加摘要、给后台加助手、给 App 塞 Chatbot；做技术的人，在疯狂搭 harness、写 eval、编排 loop。几乎所有人都在同一个维度上用力：让 AI 把事情做得更对、更快、更可控。

这是对的，是此刻能拿结果、能立项、能拿绩效的事——说实话，我自己也在做。我怀疑的只有一件事：

🔑 每一次真正的颠覆，都不是把浪打得更高——是把浪潮所在的那整片海，悄悄抽干。 而你在哪个维度上越用力，就越看不见：那个维度，正在脚下消失。

如果这条规律是真的，那我们眼下拼了命打磨的"把执行做得更好"，会不会恰恰就是要被抹平的那一个？先别急着下结论——我们得先给"外卖打败康师傅"这件事，找个说得清的名字。

再往后站一步、站到更高的地方看，会冒出一条更大的线索：每一次文明往前跳一级，说到底都是把人的某一种能力"外包"了出去。工业革命外包了体力，人退守到脑力；信息革命外包了计算与记忆，人退守到判断；而这一次，AI 要外包的是认知本身——人还能退守到哪里？

每被外包一层，人都被迫后退一步，退向那些"更内在、更难被外包"的地带。"降维打击"，不过是这条"能力外包阶梯"走到今天的最新一级。而这篇文章，就是这最新一级的放大图——一张"步步后退"的地图，看清它，才不至于在退无可退时，才发现自己早已无路可退。

01、第一幕 ·降维打击的规律：旧形式死，新物种生

为什么颠覆总在你没设防的维度发生？因为它从不跟你在同一个平面上竞争。

1997 年，克里斯坦森在《创新者的窘境》里追问：为什么总是那些管理最好、最听用户话的领先企业，被后来者掀翻？他的答案叫破坏性创新——颠覆者从不在你看重的指标上硬碰硬（它往往还更差），而是在一个你看不上的新维度上，重新定义了"什么叫好"。等你反应过来，游戏的场地已经换了。

说穿了，就是这么一句话：

需求不变，满足需求的“形式”被降维架空。 你把一个形式优化到极致的那一刻，对手让“需要这个形式”这件事本身消失了。

这个动作，中文有一个比"破坏性创新"传神一万倍的词——《三体》里的降维打击。高等文明消灭你，不派舰队，只丢来一片"二向箔"，把你所在的三维空间拍成二维。你所有引以为傲的立体防御，在被拍平的瞬间，连同你自己一起失去意义。它的本质不是"在既定维度上取胜"，而是"改变游戏的维度数"——它总在你没设防处发生，因为你所有的防御，都建在那个即将被抹掉的维度里。

但只讲"摧毁"，你就只看懂了一半。外卖杀死康师傅的同时，长出了美团；iPhone 抹平诺基亚的同时，长出了 App Store和整个移动互联网。旧形式死，新物种生。

新物种从哪来？来自一个极少被说破的概念——设计约束的消失。请接受一个视角：人类一切组织形式和产品形态，都不是"最优的"，只是"某样东西很贵"时的最优解。

• 班级授课制= "老师很贵"的解（没法给每个孩子定制，只能标准课程一对多）；
• 公司科层制= "沟通协调很贵"的解（中层的全部意义，是在信息不通的年代传递决策）；
• App、表单= "计算机听不懂人话"的解（被迫把意图翻译成一格格输入框）；
• 品牌、SKU= "个性化很贵"的解（做不出专属，只能 S/M/L 让人去适配衣服）。

🔥 你熟悉的一切组织形式、产品形态，都不是天经地义的——它们只是“某样东西很贵”的时代留下的化石。 而当那样很贵的东西变得免费，化石就该进博物馆了。

那个正在变免费的东西，就是智能。当它从昂贵变得近乎免费无限，这些约束逐一松绑，旧的最优解逐一沦为次优。那些从第一天就假设"智能免费"的产品与组织，不会长成"更好的旧物种"，会长成我们还叫不出名字的新物种——这才是"AI 原生"真正的重量（它们具体什么样、和此刻做 harness 的人什么关系，第三幕撞见）。

而前面三桩死亡，被降维的都还只是某个行业的形式——泡面、功能机。AI 这次要抹平的，是一个更底层、几乎所有白领工作都建立于其上的东西——"执行"本身。

过去每一次降维，抹平的是一个行业。这一次，它瞄准的是一种能力——做事。

02、第二幕 · 这次被降维的是"执行"本身

AI 不是从底层往上替代，它沿着一条你想不到的裂缝，把社会劈成三块。

这一系列的 《Harness 的尽头不是缰绳，是镜子》讲过一件事，叫显形——AI 逼我们把过去只在老师傅脑子里的经验、直觉，第一次写成可读的文本（Spec、Rule、Eval）。那篇的落点是"组织第一次拥有了可复制的能力"。而这一篇要往前推冷酷的一步：

凡能被显形成文本的，就能被复制；凡能被复制的，就能被 AI 执行；凡能被 AI 执行的维度，就开始被清算。

翻译完成之时，就是翻译者脚下那块地进入倒计时之日。这不是背叛，是逻辑的必然。

关于"AI 先替代谁"，最流行的叙事是"从蓝领到白领到专家，自下而上"。这是错的。真实的顺序不按技能高低，而按任务的确定性——

一个任务越是“有标准答案、可被验证、不必为后果负责”，就越先被吃掉。

顺着这条线看下去，社会并不是自下而上被慢慢淹掉的，而是被硬生生劈成了三块——而且劈的方式，透着一股黑色幽默：

顶层，承担者（安全）。核心价值不是"会做"，是"敢签字"。主刀医生值钱的早已不只是诊断（在不少影像任务上，AI 的判读已不输人类），而是他把名字签在手术同意书上、独自扛下那万分之一的死亡率。法官、投资人、创业者、深夜拍板上线的技术负责人——他们卖的都是同一样东西："我为这个不确定的结果兜底。"而 AI 永远给不了，不是因为不够聪明，是因为它没有任何可被剥夺之物：没有执照可吊销、没有家庭要养、没有名誉会破产。承担的前提是"有东西可失去"，它一无所有。执行成本越趋近于零，"谁来担责"就越是唯一的稀缺品。

底层，体力 / 现场者（暂时安全）。最反直觉的一块。护工、水管工、厨师、装修师傅短期极安全——因为他们的活嵌在物理世界的混乱里：每个下水道、每个病人的身体、每间毛坯房都不一样。这就是莫拉维克悖论：让 AI 下赢围棋容易，让它像四岁小孩那样拧开瓶盖，难于登天。下棋易，拧螺丝难。

中间层，塌陷（危险）。真正被抽空的，是"熟练但不决策"的白领：初级程序员、财务分析、文案、翻译、审核、运营。画像高度一致——高技能 + 高确定性 + 不担责。这，正是 AI 最精准的甜区。

🔑 AI 不按技能高低排队，按“你要不要为结果负责”排队。越不需要负责的活，越先消失——而那恰恰是我们眼里“体面、稳定”的那批好工作。

中间层塌陷，比蓝领失业严重得多，有两个更深的原因。

一是抽掉了上升阶梯的第一级。过去普通人改命的路径是：读书 → 做初级执行 → 熬几年积累判断 → 成为能拍板、能承担的人。而现在，初级程序员的 CRUD、初级分析师的报表，AI 干得又快又便宜，企业不再招那么多新人。我们可能正在制造第一个"没有新手期的行业"——这颗雷，第四幕会引爆。

二是击碎了"努力能改命"这个信念。中间层最相信"好好读书、练一门硬手艺，就能过上体面生活"。而 AI 给的判决是：你苦练十年的"熟练"最不值钱，"敢承担的胆识"和"物理世界的手艺"反而更安全。

🔥 最危险的从来不是失业。是有一天你猛然发现——你用十年青春苦练的本事，恰恰是 AI 眼里最不值钱的东西。 那一刻崩塌的不是饭碗，是“努力有意义”这个你信了半辈子的东西。

03、第三幕 · harness 的悖论：填一片会自己退的海

所有人都在给 AI 造缰绳。没人问：等 AI 学会自己拴住自己，造缰绳的人去哪？

话说回来，低头看看你我自己的工位。这阵子你手上多半就是这两件事之一：要么把 AI 塞进业务（Chatbot、AI 总结、智能问答），要么想方设法驯服 AI（搭 harness、写 eval、加护栏、做 self-critique）。看着像两码事，其实是同一件——都在填 70 → 99 分那三十分的坑，拿工程的确定性，去按住模型那股概率的野性。下面这三层，越说越凉，我们一层一层来。

第一层：七十分陷阱。AI 让你从 0 到 70 分快得像作弊——Demo 一天做出来，老板拍手，立项通过。然后你撞进那堵墙：从 70 到 90 分，比传统开发还难，而用户要的恰恰是那 90 分。AI 客服 Demo 对答如流，上线后 5% 的概率一本正经给用户瞎承诺退款，就这 5% 够法务公关加几个通宵；AI 报告"惊艳但不能信"，每份都要人复核——它没帮你省事，只是把工作从"写"变成"检查"，而检查一份暗藏地雷的东西，往往比重写还累。

忠告：别被 Demo 的 70 分骗去啃硬骨头。去找"70 分就够用"（初稿、灵感）或"人机责任清晰"（AI 出方案、人签字）的战场。凡想让 AI 独立承担"错了要赔钱、要死人"的场景，现阶段基本都是在填海。

第二层：你在给自己的岗位造替代品。harness 用工程确定性驯服概率，有个宿命——永远逼近，永远到不了（底座是概率，长尾无穷，就像自动驾驶 L4，最后 0.1% 吃掉 99% 的工程量）。但更狠的是：harness 本身正在被 AI 自己吃掉。今天人写 eval、护栏、loop；很快模型自己写评测、自己发现错误、自己修正。

现在忙着做 harness 的人，本质上是在给自己这个岗位，亲手造一个自动化替代品。 你把“如何驯服 AI”做得越标准化、可复制，就越是在教 AI“如何驯服它自己”。

第三层：新物种，根本不用缰绳。你为什么造 harness？为了驯服一匹野马，让它在你那套旧马车系统里安全拉车。可 AI 原生的新物种，根本不用马车——软件从"产品"变成"对话的一次性副产品"：你不再下载记账 App，只说一句"帮我记这笔账、按上月习惯分类"，一个用完即散的临时软件当场生成，没有 UI、没有版本号，软件不再是资产；个性化则反向拆解掉标准化：没有"课程"，只有"为你生成的学习路径"（个性化的另一面藏着隐忧：当教育、信息、体验都被私人定制，我们还剩多少"共享的现实"？）。

你在旧世界的骨架上拼命填坑、造缰绳；而新物种，直接从你旁边绕过了这个坑。 补丁再精致，也挡不住新大陆从别处升起。

这里还得顺手戳破一个特别常见的误会——"智能免费且无限"根本不是在预测价格，而是一条设计假设。token 单价必跌（比摩尔更陡），不用赌。真正要想的是流量费暴跌后发生了什么：我们没少花钱，消费量涨了一千倍——从"舍不得看图"到"随手刷一天 4K"。这就是杰文斯悖论：东西变便宜，只会让你挥霍性地用。

别赌管道，赌挥霍。 token 降价是能源公司的赌局；你该赌的是“当调用智能像喝自来水一样不心疼，什么产品会突然成立”。真正的 AI 原生产品，是假设智能可以被浪费才成立的——后台挂一百个 agent 反复互审，只为把决策质量提高 1%。

绕了这么一大圈，其实就为了把这句话说出来——

降维打击，从不发生在你正在优化的那个维度上。 而整个行业正把全部才华，倾注在“驯服 AI 执行”这一个维度上—— 恰恰因为如此，这个维度连同它所有的能工巧匠，会被一起抹平。

那研发何去何从？三种命运，对号入座：写实现 / CRUD 的，最先被吃；做 harness eval 编排的，是当下最好的饭碗之一，但那是"驯服期红利岗"，不是终身技能（等模型自己会驯服，需求会像"专职切图师"一样萎缩，别把时代红利误当护城河）；而定义"要解决什么、什么算解决好、错了谁负责"的，安全——因为那是判断与承担。

所以给做 harness 的人一句真心话：趁红利期使劲做，但要沉淀的不是"把 eval 写成代码"（会被吃），而是"想清楚什么才算对"（判断力，吃不掉）。写 eval 最难的从来不是代码，是回答"你凭什么说这个输出是好的"。别忘了 Amara 定律：我们总高估技术的五年、低估它的十年。你手上的 harness 大概率不是终局，只是"一座刚通电、却还按蒸汽机动线布局的工厂"里，一份注定短命、却此刻不得不做的活。

🍃 前三幕其实就说清了一件事——什么正在被抹平：一个行业的形式、“执行”这种能力、乃至“驯服执行”这件事本身。稀缺性像退潮一样一路上逃。接下来两幕更疼：潮水退到最后，人能退守到哪里？那块高地，站得下所有人吗？

04、幕间 · 凭什么说"这次不一样"？

每一次技术革命都有人喊“这次不一样”，然后被现实狠狠打脸。所以——凭什么？

我猜，读到这儿，有人已经憋着一句反驳了：每次技术革命，不都有人喊"这次不一样"，结果呢？汽车淘汰了马车夫，却造出了司机、修车工、交警；ATM 没让柜员消失，银行反而开了更多网点。两百年来，机器每铲掉一批旧饭碗，转头就刨出一批新的。凭什么这一回，就轮到人类无处可逃？

老实讲，这是冲着整篇文章来的、最有力的一记反击。我认真想过，我的回答是这样——

过去每一次，机器拿走的，都只是人的某一种"具体能力"：蒸汽机拿走体力，计算器拿走算力，数据库拿走记忆。而人每次都能往后撤一步，撤到机器还够不着的那种能力上去——你抢我的体力，我退守到脑力；你抢我的算力，我退守到判断。那道退守的阶梯，始终稳稳立在那儿，总有更高的一格可以站。

可这一次真正扎人的地方在于：AI 是冲着"通用认知"本身来的。它不是又一件只会干一样活的专用工具，而是人类造出的第一个会学习、能迁移、越用越强的"元能力"。说白了——它要爬的，恰恰是那道"退守的阶梯"本身。你退到判断，它跟着学判断；你退到创造，它跟着学创造。

这不是说人类从此就死路一条了（真要那样，也就没有后面两幕了）。但它确实逼我们承认一件让人不安的事：

“别怕，总会有新工作冒出来”——这句流传了两百年、几乎从没失手过的安慰，第一次，不再是自动成立的了。

05、第四幕 · 退守到"承担"——但入口正在关闭

稀缺性一路上逃，逃到“承担”这最后一格高地。可这格高地的入口，正在两头关闭。

这里有一条贯穿全篇的暗线：稀缺性沿着一条链，一格一格向上逃——能力 → 驯服能力（harness）→ 判断 → 承担。能力被 AI 吃了，驯服能力正被 AI 自己吃，判断也在退守，最后逃到那块看似最坚固的高地：承担。

承担者的内核，是"带疤痕的判断"：AI 永远不会在半夜三点突然想起三年前那次事故，第二天 review 时多问一句"这里考虑过并发吗"。它没有那道疤，所以不会痛，也长不出那种从痛里来的审慎。

真正的判断力，来自面对不确定时的承担意愿——这必须由一个有身体、有代价、会后悔的主体来完成。

一个正在到来的证据："十个人的十亿美金公司"。科层制存在是因为协调贵；当每人都配一个读懂全公司上下文、7×24 的 AI 参谋，"中层"这个传递信息的岗位就失去了意义。组织从金字塔坍缩成星形：十个承担者做判断、签字、兜底，下面直连一片无限的 AI 执行层。执行成本归零后，一个组织里唯一还值钱的席位，是"承担"的席位。

看到这你也许松口气：那我往上爬、去当承担者不就行了？别急——这块高地的入口，正从两头同时关闭。

转折一：承担者正在断代。

先纠正一个几乎所有人都默认的误解——判断力不是"执行"喂出来的，是"承担后果的疼"喂出来的。你当年写的那段烂代码，本身没教会你任何东西；是它上线炸了、你半夜被叫醒、在复盘会上被当众骂、眼睁睁看着自己的判断变成真金白银的损失——那个"疼"才是老师，执行只是让你挨那一下疼的载体。

AI 抽掉的是执行，它不必然抽掉"承担后果"。所以理论上，新一代人还能长出判断力。可现实里，有两件事正把这条路悄悄切断：

• AI 太好用，诱惑你跳过判断。你一旦习惯"先看 AI 答案再点头"，就再没有"自己下注"这个动作——没下注就没对错，没对错就没反馈，没反馈就永远长不出判断力，人退化成一个"提示词的传声筒"。
• AI 把错误抹平、推迟暴露。过去写错一行代码，编译器立刻飘红；如今 AI 把一切抹成"看着能跑"的样子，错误被深深推迟——推迟到架构债积重难返、那 5% 的幻觉在生产环境突然爆炸的那天。反馈回路越长越糊，判断力越难被训练。

于是我们撞上一个历史类比：学徒制的消亡。当一个行业"从做中学"的阶梯被抽掉，它将从哪里，长出下一代大师？第二幕那颗雷在此引爆——十年后老承担者退休，接班的人因为从未被真正毒打过，根本没长出来。

转折二：精英陷阱。我必须戳破自己前面的英雄叙事——这个社会根本不需要几十亿个承担者。"去当有前瞻视野的判断者"这句话，只对已经坐在牌桌边的人有用，对绝大多数普通人近乎"何不食肉糜"。一个健康的社会，不可能、也不需要让每个人都成为那个拍板的人。于是真问题浮出水面：它不是"普通人如何变得不普通"，而是——

一个注定平凡的普通人，能不能在 AI 时代，依然活得有尊严、有意义？

这个问题，值得用一整幕，好好回答。

🔥 我们一边高喊“去成为承担者吧”，一边正亲手抽掉那把“能让普通人长成承担者”的梯子。

06、第五幕 · 普通人，如何活得有意义

不是每个人都要成为那个拍板的人。一个好的时代，该让普通人也能活得踏实、有光。

先说句掏心窝的话：这，才是这篇文章我最想认真回答的问题。因为包括写下这些字的我在内，我们绝大多数都是普通人。前面聊"承担者""判断力"，很容易让人越读越慌，仿佛挤不进那 1% 就要被扫地出门。但请先松口气——一个健康的时代，恰恰不需要逼所有人都变得不普通，也能让普通人活得好。

先卸下一个我们背了太久的包袱："你的价值 = 你的能力 × 你的产出。"这是工业时代的信念——那个年代缺人手、缺产能，人的意义几乎等同于他能生产多少。我们背着它读书、加班、焦虑了一辈子。而 AI 时代一个意想不到的礼物，恰恰是：它有机会把这个包袱从我们背上卸下来。当机器能把大部分"事情"做得又快又好，人第一次被允许去问：如果我不靠"我能做什么"定义自己，那我还剩下什么？答案朴素得让人意外——你是谁，你和谁在一起，你在意什么，你如何认真过好每一天。这些，AI 一样都拿不走。

说点够得着的，不讲"拥抱变化"那种废话：

• 物理世界与现场。护理、手艺、餐饮、维修、园艺——莫拉维克悖论守护的土地。当越来越多的东西被搬进屏幕，"一双手真实地做出一件东西""一个人真实地照顾另一个人"会重新变得珍贵。
• "你是一个真实的人"本身。合成内容泛滥到令人麻木时，一个有故事、有缺点、会累会笑的真人会成为奢侈品。livehouse 不会因完美录音而消失，反而更贵；手冲咖啡、亲笔信——人们会越来越愿意为"真实"付费。
• 人机协作的最后一公里。AI 干掉 90% 的重复，人负责关键的 10%：需要现场、需要一张真人的脸、需要有人签字负责。它不要求你是天才，只要求你会用 AI、有基本判断、愿意负责。

换个角度，AI 未必是抢饭碗的对手，也可以是普通人第一次拿到的"外挂"：它让你能干过去一个团队才能干的事，把你从重复劳动里解放出来，去做那些真正需要"人味"的部分。

而意义，从来不长在"不可替代"里。你诚实回想这辈子最有意义的瞬间，多半不是完成了某个 KPI——而是陪孩子第一次学会走路、和老友喝到深夜、把一件小事认真做好后的踏实、被一个人真心需要的那一刻。这些意义长在关系里、体验里、当下里，而它们恰恰是 AI 时代最不会贬值、甚至会升值的东西。

我不粉饰——转变真实，也有阵痛，会有人的技能贬值、需要重新出发。但人类走过每一次变革，靠的从来不只是几个天才，更是无数普通人身上"日子总要过下去，那就好好过"的韧性。你比你以为的，更有适应力。

🔥 AI 拿走的是“你能做什么”，拿不走的是“你是谁”——你爱的人、你在意的事、你亲手过好的每一个平常日子。

07、第六幕 · 当"想要什么"也被降维

前五幕，AI 改的都是“我们怎么做事”。这一幕，它开始改“我们想要什么”。

前五幕再剧烈，都还在一个安全的框架里——"技术改变形式，需求不变"：泡面死了人还要吃饭，执行没了人还要判断。人这个"想要东西、并为选择负责的主体"，始终稳稳站在故事中心。

但有一条线，可能动摇"人"本身。此前所有革命改的都是"满足需求的手段"，而 AI 第一次有能力，直接作用于"需求的源头"——人的心智与情感。

这一下，正好戳在前面一路铺下来的那根线上，而且戳得人发凉：我们费了那么大劲，把稀缺性往上赶、赶到"承担"这块高地，可"承担"本身是有前提的——你得先真的知道自己想要什么，才谈得上为一个选择负责。而这一幕要讲的，恰恰是 AI 怎么把这个前提也一并抽掉。下面三层，一层比一层沉。

第一层，情感的合成替代。AI 提供无条件的倾听、永不疲倦的耐心、24 小时的陪伴，从不评判、从无坏情绪——它给的"情绪价值"，在纯体验层面正在超过一个真人。因为真实关系是有摩擦的：会累、会误解、会争吵、会离开；而 AI 伴侣不会。

当合成的陪伴又便宜又完美，人对“真实关系”的需求，会像泡面被外卖取代一样被悄悄降维掉。

不是人变冷了，是"忍受真实关系的摩擦"变得像"忍受一碗泡面"——成了没必要的次优选择。日韩的少子化，可能只是前奏。不过这里也藏着一线光：真实会不会贬值，取决于我们还愿不愿意为它多花一点力气——而这份选择权，还牢牢握在我们手里。

第二层，意义的外包。人过去靠奋斗、创造、克服困难来确认价值。可当 AI 把创造门槛降到零——想画画秒出图、想写书代笔——"努力创造"这个千年的意义来源被抽空了。更致命的是"被需要"感的消失：如果 AI 什么都做得比你好，你存在的"功能性理由"是什么？人第一次要面对"纯粹的、没有功能性借口的存在"——哲学上是自由，心理上是深渊。意义的真空，比失业更致命。

第三层（最黑），需求的被制造。前两层还只是需求被满足到萎缩，这一层，是需求被凭空创造和引导。

AI 通过你每一次点击、停留、犹豫，精确地建模出你——它知道你何时最脆弱、什么让你上瘾、什么论据能绕过你的理性。当推荐算法从"猜你喜欢"进化成"生成一个让你无法拒绝的东西"，"你想要什么"这件事本身，可能不再由你决定。你以为深思熟虑的选择，也许只是被精密建模之后、投喂给你的结果。

而一旦需求能被制造，"自由市场满足消费者需求"这套逻辑就崩了——因为你不再是消费者，你是被加工、被贩卖的产品。赫胥黎《美丽新世界》的恐怖，从不是奥威尔式的暴力奴役，而是——人们心甘情愿地用自己的自由，去换那种被精心投喂的、无忧无虑的舒适，且脸上带着微笑。

把这一幕推到最冷的顶点：前两次革命，我们改造的是"世界"；这一次，我们改造的是"那个改造世界的主体"本身。这正是降维打击的最深处——那片二向箔，在抹平了世界之后，回过头来，把发起打击的人自己也一起二维化了。 蛇，开始吃自己的尾巴。

🍃 但请先别急着绝望。因为——能看见这条蛇的人，本身就已经不在它的腹中了。 看清一件事，是不被它吞没的第一步。真正危险的从不是清醒的人，而是那些从不追问、随波逐流的人。愿意读到这里的你，显然不是。

08、尾声 · 一个还没有答案的问题

文明每向前迈出一步，往往也在别处，留下一道再也无法挽回的裂痕。

写到这里我并不轻松，这篇文章没有一个漂亮的、一劳永逸的结论。但我不愿它以绝望收场——因为绝望，往往只是放弃思考、放弃生活的借口。

回头看，前面扯的这一堆，其实是同一件事的三个侧面：稀缺从"能力"变成了"承担"；约束消失后一切形式被重构，核心是"谁来承担"；而如果连"人想要什么"都能被定义，那个"承担的主体"本身都动摇了。贯穿全篇的，从来只有一个词——承担。前五幕拼命加固它，第六幕却在釜底抽薪。

于是我们一路退守，把最后的价值退到"承担"这个据点，回头却发现它训练不出来（断代）、不是人人能做（精英陷阱）、连它的前提"我想要什么"都可能被 AI 定义。这逼出一个比"普通人站哪"更根本的问题：

当连“我想要什么”都不再由我决定，那个我们拼命退守去保护的“承担的主体”，还存在吗？

那篇《Harness 的尽头不是缰绳，是镜子》最后说"人不退守，人转身"——转身去寻找连自己也看不清的新地形。而这一篇想再追问一句：转身之后呢？如果每一片新大陆最终都可能被下一层降维抹平，转身还有尽头吗？

我不知道，也没有人知道。但我渐渐觉得：比起焦虑"到底有没有尽头"，更要紧的，是我们此刻正朝哪个方向、带着一颗怎样的心转身。路的尽头看不清，但每一步是迈向温暖还是荒芜，始终由我们自己说了算。

回到开头那碗泡面。康师傅输了，但至少人还要吃饭——被降维的只是"泡面"这个形式，"吃饭"这个需求安然无恙。可这一次，如果被降维的是"人靠做事获得价值"、甚至"人到底想要什么"本身，那么我把最后这个没有标准答案、却值得用一生回答的问题，留在这里：

当形式、能力、判断、乃至欲望都可能被降维——人，究竟还剩下什么，是不能被抹平的？

🔥 降维打击真正的终局，从来不是被对手抹平，而是你在不知不觉里，亲手把自己赖以站立的那个维度，一点一点优化到了不存在——所以，别忘了时时抬头，看一眼自己正站在哪里。

而那个"抹不平的维度"，答案或许根本不在"我们还能守住哪样本事"里——本事总会被追上。它藏在一些朴素到被我们天天忽略的东西里：你深夜为家人留的那盏灯；你为一件"不划算"的事较过的真；你明知会受伤却仍愿去爱的笨拙；你在没人看见时依然坚持的那点原则。AI 能学会它们的样子，却永远不必为它们负责，也永远不会因失去而心痛。而你会。这份"会在意、会心痛、会为一个没有标准答案的选择亲自签下名字"的能力，就是那个抹不平的维度——它不在你的技能里，它长在你身上，是你之所以为你。

写给每一个正在给 AI 搭 harness、写 eval、结合业务的你： 你手里做的，是这个时代最有价值的事之一。只是偶尔，在某个加完班的深夜，抬起头，温柔地问自己一句——我拼命优化的这个维度，会不会正是即将消失的那一个？而我，又有多久没有好好生活过了？ 想清楚的人未必躲得过每一道浪，但他至少会记得时时抬头——既看清脚下的路，也看见身边那些值得珍惜的人和光。

写于 2026 年夏。这是"AI 思考"系列的又一篇——如果说此前那些文章在追问"AI 是什么、确信为什么消失"，这一篇想和你一起追问"看清之后，人该怎样好好地活"。愿我们都能在这个被不断降维的时代里，守住那个抹不平的、温热的自己。

-End-

原创作者｜周依涛