AI 界三大现象揭示同一趋势：人类角色正在边缘化

全球开发者广泛使用的模型调用平台 OpenRouter，近日发布了一份榜单。

DeepSeek 的多个模型以压倒性优势占据榜首。并非因为其比 GPT-4 或 Claude 更聪明，而是成本极低——推理费用仅为顶尖模型的几十分之一。

开发者们用实际选择投票。逻辑很简单：若同等资金能调用几十次 DeepSeek，何必选择昂贵的那一次？

此事件核心明确：性价比正战胜纯性能。“智能”的溢价正在快速消失。

上周数据尚未公布

或许你以为 OpenAI 最关注的是评测分数。事实并非如此。

内部消息显示，OpenAI 真正的核心 KPI 只有一个：每周执行的实验次数。

他们设定目标，将实验量提升十倍。因为这背后有一个冷酷逻辑：天才想法不可控，但实验次数可控。尝试越快，碰对概率越大。每多一次尝试，成功概率便如复利般累积。

换言之，他们不赌某人突然灵光一闪，而是赌将研发变为流水线，把“尝试”变成可量产的零件。

此故事主题名为：迭代速度才是真正的护城河。

此前我曾分析过华尔街的动荡，真正值得读的是一篇被忽视的文章，虽争议巨大。Anthropic 这份重磅报告，标题含关键词：递归自我改进——让 AI 参与研发下一代 AI。

报告列出令人震惊的数据：

公司超 80% 的代码已由 Claude 自动生成

工程师人均代码产出提升 8 倍

在加速训练代码实验中，人类研究员 4 至 8 小时优化 4 倍，Claude 实现 52 倍

Claude 智能体独立解决 AI 安全问题，800 小时内完成 97% 目标，两人组一周仅完成 23%

一名员工在报告角落写道：“我已五个月未亲手写过一行代码。”

此故事主题是：智能的生产过程正在被自动化。

三件事看似独立。但背后有共同点，无一篇正文正面讨论。

DeepSeek 登顶说明，用户要的不是“最聪明”，而是“够用且便宜”。OpenAI 的 KPI 说明，研发过程正被拆解为可计件任务。Anthropic 报告说明，连这些“件”都不再需要人来做。

“智能”正从稀缺品变为标准化产品。

这是历史首次。

过去你花钱买的是“聪明人”。如今你买的是“调用次数”。聪明人昂贵，调用次数廉价。且调用次数背后的系统——那些真正“干活”的——正以人类无法企及的速度变强。

无人愿回低效时代。DeepSeek 对，OpenAI 对，Anthropic 也对。每一步都无比正确。

但一个沉默问题藏在所有正确之后：若智能不再稀缺，什么才是？

再看这三故事，你会发现共同怪象。

DeepSeek 屠榜中，主角是模型与价格，开发者是背景。OpenAI 故事中，主角是实验次数与基础架构。决策者只是背景。Anthropic 报告里，主角是 Claude 飙升的能力曲线。那些“五个月未写代码”的工程师，仅是图表角落的引语。

人类在这三故事中，均非主角。

非谁故意。是一群最聪明的人，以最理性方式追求目标时，造出的系统天然将人推向边缘。非因恶意，因系统追求效率、速度、可复制，恰与人类本性——慢、易错、难复制——相反。

一条轨迹在三文中若隐若现：

人类在 AI 研发中的角色，从全程主导，变为部分参与，再变为仅负责选方向，现正逼近“只负责观看”。

此轨迹终点为何，无人写在报告中。

两公司皆谈风险。Anthropic 谈失控风险，OpenAI 谈对齐问题。

但有一风险，无报告讨论：

若工程师从入行起未亲手写过底层代码，未亲手调过 Bug，未亲手在实验台熬夜——十年后凭何判断 AI 写的架构对错？凭何在数百实验结果中，凭直觉抓住转瞬即逝的反常信号？

此直觉非天赋。是无数次失败喂出来的。是无数次“自己动手”在神经回路刻下的。

如今，我们正在系统性地消灭这些失败机会。

非为省成本，是为追求效率。每家公司做最合理选择。一人管十智能体，何必自写代码？Claude 两小时解决人类两天工作，何必慢来？

但代价可能是慢变量。不在下季财报，不在任何基准测试榜。它在未来那个可能未写过汇编语言、却被要求设计下一代 AI 系统的年轻人身上。

爱迪生说：天才是 1% 灵感加 99% 汗水。

Anthropic 报告有句意味深长话：“我们看到，那 99% 的汗水正在被自动化。”

这是了不起成就，无人否认。

但爱迪生未说完的是：那 1% 灵感，是从 99% 汗水里长出的。

若铲掉土壤，不能假设种子还会发芽。

非说停下。是至少有人问：我们是否给“笨拙的人类理解”留后路？非为 AI 变弱，是为我们自己不变弱。

三事皆讲未来。但未来最大风险，或非 AI 超越人类。

而是人类在自己建造系统中，一步步，安静地，交出理解世界的能力。每一步都无比正确，每一步都离地面更远。

而那座摩天楼地基何物所成，可能很久后才有人发现。