AI是能力提升的指数级引擎
加利福尼亚周六的清晨。Palo Alto, California Avenue。Zombie 咖啡馆外的露水尚未干透。我们四五人挤在那张老旧木桌旁。今天要聊一件你可能从未深究过的事。
阳光透过橡树枝叶的缝隙斜照在墙上。桌面上累积的咖啡渍层层叠叠，宛如一份档案。
一位刚将小公司出售给大公司的朋友十分激动地说：'Alan，再过五年，每个人都会成为一人公司。' Alan 喝了一口冰美式，没有回应。等他自己喝完，Alan 才缓缓开口：你想换个角度看吗？那好。今天我们就从底层逻辑开始，深度剖析这件事。
以下内容基于我们的对话整理而成。
01
AI 不是乘法，是指数
第一性原理
过去三百年的工业革命，大多只是将人的能力做乘法——即给所有人乘上一个相似的倍数。而 AI 是人类历史上首个将能力做指数级放大的工具。乘法尚且温和——它放大的只是常数；而指数则是另一回事——它放大的正是差距本身。
塔勒布在《黑天鹅》中反复强调：人类历史的真正变量，往往不在于那些平均、温和、可预测的事件中；它们隐藏在那些罕见、巨大、事后才能被解读的离群值里。蒸汽机是，电是，互联网是。
AI 是人类三万年历史中又一只黑天鹅。但与前几只不同的是——蒸汽放大体力，电放大时间，互联网放大连接。而 AI 放大的正是认知本身，即人类之所以为人的核心特质。
讲清这个数学逻辑只需两分钟。听懂这两分钟，后续的论述将顺理成章。
过去的工具，函数关系是 y = k · x。你的能力是 x，工具给你乘上 k。10 × 100 = 1000；1 × 100 = 100。差距从 9 拉大到 900 —— 这是线性拉开。
AI 则不同。AI 的函数是 y = x^k。你的能力不是被乘上一个倍数，而是被当作指数函数的底数。2 的 10 次方是 1024。3 的 10 次方是 59049。底数仅差 1，结果却相差五十多倍。
这就是为何使用 AI 的两人之间差距，会比使用电脑的两人差距大几个数量级。并非 AI 偏心，而是指数级数学本身便如此暴力。
Alan 的朋友 Goldman 工作了十二年，离职创业。使用 Cursor + Claude 仅两周，如今一人之力抵得上原来的三个副总裁加两个助理。他深谙如何编写 prompt、筛选输出、拆解交易。他原本是 10 —— AI 将他提升至 10 的某次方。
另一位我认识多年的朋友，过去三年总说'等 AI 普及了我就翻身'。等到人手一个 GPT，他写的商业计划仍是空话，做的 demo 仍有 Bug，剪的视频味道不对。1 的任何次方仍为 1。这听起来像段子，实则是数学。
还有一种更令人不适的情况——能力本身在缓慢退化的人。五年未读难书，五年未做舒适区外之事，五年仅被算法投喂、被流程推着走。这种状态在指数函数中相当于负指数：e^-x 在 x 增大时趋于 0。也就是说——在所有人指数级前进的世界里，不前进不是原地踏步，而是指数级倒退。大多数人并未意识到这一点。
塔勒布还有个词叫反脆弱：有些事物在剧烈波动中反而变强，因为波动赋予了它们非对称的上行空间。AI 时代的少数人是反脆弱的——外界越混乱他越获利，信息越爆炸他的判断越值钱。大多数人对这种波动是脆弱的，因为他们从未为自己预留任何反脆弱的缺口。
这就是本文的全部前提。AI 是一只黑天鹅。它放大的不是工作效率，而是能力之间的差距。
乘法是公平的。
指数是不公平的。
AI 是人类历史上首个指数级工具。
02
真正的瓶颈，从来不是做，是说清要做什么
第一性原理
在所有需要创造的工种中，瓶颈永远不在执行，而在规格化——能否用清晰的语言描述脑海中的构想。AI 将执行成本压至接近零，于是真正的瓶颈首次赤裸地暴露在规格这一端。指数函数的底数大小，便由此决定。
过去工程师 90% 时间用于写规格，10% 用于写代码。AI 干掉了那 10%。整个行业的瓶颈一夜之间从执行端前移至规格端——从'你能否做到'变成'你能否说清需求'。
然而，说清一件事比想象中难得多。大多数人脑海中只有感觉，没有规格。'做点酷的' '赚点钱的' '像 Notion 但更好的' —— 这些并非想法，只是情绪。
海德格尔有个词叫'常人'。指人活在世上，会不自觉用周围人的语言、欲望替代自己的。Girard 说得更直接：人的欲望大多是被模仿的欲望——你以为是你想要的，其实是看到别人想要才想要的。
这本身无对错，但面对 AI 时，问题就来了。AI 是一面反映内在偏好的镜子。前提是你得有东西可照。若输入'帮我做一个比较好看的、现代一点、面向年轻人、有科技感但不要太冷的、最好能让人转发的 landing page'，却抱怨 AI 输出'差点意思' ——
差的不是 AI，而是脑海中的图本就模糊。
这是 AI 时代极底层的发现：'做'变得几乎免费，反而让'想清楚'变成最昂贵的稀缺品。一个人能否在 AI 时代受益，第一道门槛不是会不会用工具，而是能否花十分钟安静地把一件事想透。这十分钟决定了你在指数函数中的底数。
执行是免费的。
想清楚，从来不是。
03
'我没时间'曾经是一块挡风的布
第一性原理
在 AI 之前，'我没时间执行' 是一种被默认的、互相心照不宣的集体借口。它让大多数人无需直面'想清楚'这件难事。AI 拿走了这块遮羞布——不是为了惩罚，而是因为它本就是执行成本编织而成的。
Alan 见证了二十年。几乎每位创业者都说'我有个绝妙点子，就是没时间/没技术/没资源做'。当工具递到他手中，他发现自己其实没有那个点子。
并非市场否定了他。是他打开 Cursor 那一刻愣住了——原来他从未想过这事如何落地。他以为手里有一个产品，其实只有一种'我应该做点什么'的朦胧焦虑。
YC 看过几万个路演，发现一条规律：90% 的'好点子'追问三层就崩了。'目标用户是谁？''年轻女性。''哪一类？''喜欢健康的。''今天如何解决？''不知道。''如何获取？''抖音吧。'
这不是讽刺，是普遍状态。大多数'好点子'不是一个命题，而是一团雾。雾是好的——它让人保持希望、热情、'我也能'的感觉。执行难度过去三十年一直在悄悄维持这团雾。
AI 把雾散了。从今往后，做不出东西，再不能怪资源、团队、资金——只能回到一个不太好回答的问题：我心里到底要什么？这是哲学问题，AI 一生都无法帮你。它只能做你说出口的，做不了你想不到的。
这一段听上去不温柔，实则是礼物。只是个不温柔的礼物。它逼人去做过去三十年一直可推迟的事：认真地、第一次、用自己的话讲清楚自己想要什么。
过去三十年逃避的功课，AI 不会替你做。AI 只会将它们一次性摊开在你面前。
04
判断力会变成 AI 时代最稀缺的资产
第一性原理
AI 的输出具有特殊性质——形式上极度专业，内容上不保证正确。这使得'判断输出对不对'从偶尔的能力变成使用 AI 每一秒都需要的元能力。判断力在 AI 前是加分项；之后是准入门槛。
心理学有个反复验证的现象，叫达克效应：能力越薄弱的领域，人越难判断自己的薄弱。这在 AI 时代被放大——因为 AI 输出'看起来'总是专业的。它会用学者口吻编造不存在的法律先例，用资深架构师语气给出炸裂生产的 schema，用麦肯锡句式给出逻辑不通的分析。
能否识别'语气专业、内容不专业'，是 AI 时代最关键的元能力。
讲两个真实对比。一位干了 20 年的诉讼律师，用 Claude 起草动议省下一天。他扫一眼就知道 case law 是否真实、论证是否站得住、策略对不对。AI 在他手里是杠杆。
另一位刚毕业的法学生，用同一个 Claude 起草动议直接提交法庭，引用了三个根本不存在的判例——AI 幻觉了，他没有判断力去检查。被法官罚款。这种事过去一年在美国法院已发生十余起。每起背后都是同一机制：使用者无法甄别 AI 输出的真实性。
更隐忧的一层——长期依赖比自己强的工具，会让原本该锻炼的肌肉萎缩。若未来五年每封邮件都润色、每段代码都写、每份 PPT 都排 —— 五年后'自己写第一稿'的肌肉会变薄。一旦需要脱离 AI —— 临场表达、谈判、紧急判断 —— 会卡住。
这不是劝不用 AI。是说用 AI 时必须保留不依赖 AI 的回路。判断力、品味、临场感、独立思考 —— 只能靠自己练。AI 不能代替练，只能在练好后放大。回到指数函数：判断力越扎实，底数越大，AI 的指数越值钱。
AI 时代值钱的不是'会用 AI'。值钱的是'能判断 AI 是不是对了'。
05
Taste是 AI 永远学不会的反均值能力
第一性原理
AI 模型本质是对训练数据分布的压缩与重建。产出皆收敛于训练分布均值。而 Taste 本质是对未来反均值的判断——'这个还没火的会爆' '那个已经火的会塌'。两者数学上结构互斥。
很多人理解'AI 时代一人公司'时，盯错了瓶颈。以为是技能问题——会代码、会设计、会文案、会卖货——既然 AI 都能干，那我就行了。
这不是真正的瓶颈。
真正稀缺的是在一千个看似都对的方向里，挑出那个真正会赢方向的能力。这叫 Taste。
Steve Jobs 不可替代的贡献不是工程、设计或商业。而是每个分叉口选对直觉—— iPhone 要不要键盘、要不要 Flash、要不要开放平台。一千个工程师讨论一年解决不了的问题，他十秒决定，而且对。
Taste 无法被 AI 化，原因极底层：AI 由过去数据训练，产出永远收敛于过去均值。Taste 本质是反均值判断。AI 越强，平均产出越精致——但同时意味着停留在平均水平的产出价值快速归零。
另一个警觉事实：现代人的 taste 已被算法训练 15 年。听歌、看视频、审美、世界观皆被算法投喂。'我喜欢'很多时候是'算法觉得我会喜欢'。当偏好是算法产物，再用 AI 放大——等于均值乘以均值。
真正能在 AI 时代做出独特价值的人，是过去 20 年有意识地保护、训练、磨砺 taste 的人——通过大量真实下注、承担选错代价、违背'大家都觉得对'的判断。这种保护孤独但值钱。在 y = x^k 世界里，taste 决定了 x 是 3 还是 1 —— 后面 k 再大，1 的指数还是 1。
当所有人都用同样的工具，谁的偏好更独特，谁的产出就更值钱。
06
AI 是一个consensus提纯机
第一性原理
从信息论看，AI 输出永远是输入分布的压缩重排。当全人类用同一批基础模型，产出在统计上会越来越像。这是数学必然，非模型缺陷。
Peter Thiel 有一句被引用烂了的话：'什么重要的真理极少数人同意？'真正值钱的是非共识正确——少数人同意但你是对的。这是所有超额收益的