最新配资门户
我们对未来的想象力，可能被锁死了。
现在大家纠结的，是 AI 写的文案有股人机味，是它能不能帮我工作让我早点下班。
Steve Newman 泼了一盆冷水：别盯着那些多出来的手指看了！那只是技术演化早期的「噪音」。
他引用了阿马拉定律——技术的短期影响往往被高估，而长期潜力却总被低估。
我们现在觉得 AI 添乱，是因为它还在努力模仿人类；可一旦它跨过那个「适应性阈值」，它将以人类完全无法理解的速度自我克隆。
一旦跨过这条红线，我们即将进入一个「不可认知时代」。
谷神星设想
当增长不再需要「说服」人类
Steve Newman 在文中提出「谷神星（Ceres）实验」，听起来十分魔幻：
2055 年，人类在小行星带部署了一套全自动工业体系。从采矿、能源到芯片制造，全部由 AI 驱动。
这套系统唯一的任务，就是指数级地自我复制。
为什么地点必须选在「地球之外」？
在地球上，任何技术的推进，本质上都是一场漫长且疲惫的社会协商。
要通过环境评估，要处理就业保护，要平衡政治博弈和既得利益。
在这里，技术进步被包裹在各种「结构性摩擦」之中，走一步退三步。
但在小行星带，摩擦力消失了。在谷神星上，AI 面对的只有材料强度、能量供给和物理定律。
增长，第一次不需要「说服」任何人。
更令人战栗的是增长的逻辑。
在 Newman 的设想中，会像生物病毒一样指数级自我复制。从 1 万到 2 万，从 2 万到 4 万 ……20 年后，将达到 10 万亿。
在生物界，这种增长通常意味着灾难；但在机械系统中，它代表着极致的效率。
这正是 Newman 想要强调的「文明断裂点」：没有失业，因为那里从未雇佣过人类；没有抗议，因为工业不在地球；没有政治，因为算法不需要选票。
当然，这只是一个极端的隐喻。但现实的发展一定会更混乱、更笨拙。
这个隐喻揭示了一个残酷的真相：一旦 AI 跨过某个自主性的阈值，人类社会将不再是必经之路。
当技术演化不再需要配合人类的节奏，我们所熟悉的那个世界，就开始变得难以辨认了。
劳动力终结
「人」不再是增长的锚点
人类所有的经济体系中，有一个前提：资本可以扩张，但劳动力不行。
你可以建更多的工厂、印更多的钞票，但「人」永远是一个慢变量。
培养一个熟练的工人、工程师或研究员，需要漫长的时间、昂贵的教育以及不可逆的经验积累。
正因为这种稀缺性，才有了工资、就业、福利制度，以及以此为基础的现代文明。
但 Steve Newman 指出：
一旦劳动力具备了「可扩展性（Scalable Labor）」，整套结构将被粉碎。
在他的设想里，AI 将替代并超越人类，成为「可无限复制的劳动力单元」。
培养一个成熟的人类专家需要 20 年；用 AI 克隆一个顶尖的数字大脑，只需要几秒。
历史上，技术进步总是伴随着旧岗位的淘汰，同时创造出新的瓶颈。
正如蒸汽机淘汰了体力劳动，却也放大了管理、工程、组织的需求；计算机将计算自动化，却让「认知劳动」更重要。
但 Newman 担忧的是：
当 AI 不仅能干活，还能比人类更快地学会「下一件事」时，这种新的瓶颈可能不再出现了。
这种迹象在 2025 年已经初见端倪。虽然多项研究显示，当前的 AI 编程工具可能在复杂任务中拉低效率，但企业并没有停止投入。
行业逻辑已经发生了天翻地覆的变化：整个开发流程正在「默认 AI 参与」。
METR 于 2025 年初进行的随机对照实验显示，在复杂真实任务中，允许使用 AI 的资深开源开发者平均完成时间反而更长。尽管如此，专家与开发者在事前与事后的主观预测仍普遍高估 AI 带来的效率提升。
最终的结果，可能不是裁员公告，而是根本不会有这种岗位。
Newman 没有使用「失业危机」这种常见表述，而是更冷静地指出：
当劳动力变成一种像电力一样可以随时扩容、随处调度的资源，传统经济学中关于「工资、成本、价值」的直觉将彻底失去锚点。
如果绝大部分生产和研发都不再需要人类，那么「谁来消费、谁来支撑循环」这类问题，将成为认知危机。
我们赖以理解社会运转的那套语言，正在失效。而这，仅仅是第一层断裂。
科研失速
当「真理」产出超过人类的带宽
Steve Newman 拆掉了科研界最后一个堡垒——人类的认知节奏。
他提出了一个后背发凉的设想：如果 AI 成了科研体系本身，会发生什么？
在谷神星的隐喻里，那万亿个「数字大脑」只负责推高人类知识的边界。
这种体系一旦成形，人类的整体研发能力将被放大到百万倍量级。
这不是说 AI 比爱因斯坦聪明一百万倍，而是科研第一次摆脱了「注意力」和「寿命」这两个人类专属的限制。
在人类的历史上，真正稀缺的从来不是灵感，而是验证灵感所需的时间。
一个理论要被验证，可能需要几十年；一个方向要被证明无效，也要耗掉一代人的职业生涯。
但在 AI 主导的体系中，失败几乎没有成本。模型可以并行探索无数路径，随时回滚、重组、再试。
这种趋势早已在现实中破土。在材料科学和蛋白质结构预测领域，AlphaFold 重塑了结构生物学中「假设—验证」的节奏。
类似的变化也出现在新材料发现、催化剂筛选、药物分子设计中。
AI 正在从「辅助者」变成「决策者」，由它来决定哪个方向值得投入，哪个方向该直接放弃。
但 Newman 真正担忧的，并不是效率的飞跃，而是「理解的滞后」：
当科研产出快到一定程度，世界的瓶颈将从「如何发现」转移到「如何理解」。
哪怕一个突破是正确的、有益的，人类社会是否来得及理解它的含义、评估它的风险、决定是否部署，都会成为问题。
这也是他提出「Unrecognizable Age（不可认知时代）」这个词的原因。
当生产、科研与部署形成了一个自我强化的闭环，人类才发现，自己正被 AI 飞速追赶。
历史坐标
临界点越来越近
Steve Newman 试图将 AI 放在一个更宏观的历史坐标系里观察。
他判断——我们目前所处的阶段，本身就极其不寻常。
在进入农业社会之前，生产力几乎无法积累；而在农业社会之后，增长也极其缓慢，任何微小的技术进步往往都会被增长的人口迅速抵消。
这种「平滑」的状态持续了上千年。
Our World in Data 整理的 Maddison Project 数据显示，从公元 1 年到 1800 年，全球 GDP 的曲线几乎是贴着地面移动。真正的「起飞」和加速，仅仅发生在工业革命之后的这两百年里。
这也解释了为什么 AI 产业的投入规模显得如此「反常」。
Newman 对比了一组极具冲击力的数据：在考虑通货膨胀因素后，当前全球用于 AI 数据中心和基础设施的年度资本支出，正迅速逼近、甚至可能在未来几年内超过二战时期美国峰值的军费投入。
历史上，每一次改变世界的技术跃迁，都必须同时满足三个硬性条件：技术路径初步可行、资本高度集中、社会具备承受长期试错的能力。
在 Newman 看来，AI 正在逐一满足这些条件。即便眼下的路径遇到瓶颈，整个行业也已经同步开启了替代方案的探索，从模型架构到能源方案，无一缺席。
他用「里氏 10.0 级」来形容这种震荡——一旦发生，事后再去讨论「应不应该」，往往已经没有任何意义了。
站在今天回看历史，很容易产生一种错觉：一切发生的都顺理成章。
农业出现了，工业革命发生了，电力和信息技术铺开了。每一次转折，都能被解释为「条件成熟」「技术必然」。
但对身处其中的人来说，从来不是这样。
变化不是用嘴说出来的，而是以预算、基础设施、流程重写的方式，一点点累积。
Steve Newman 想提醒的，正是这种「进行时」的危险感。
也许 AI 会经历泡沫，很多预言都会落空。
但只要投入规模、技术惯性和制度绑定没有松动最新配资门户，这个系统就很难简单退回原点。
领航配资提示：文章来自网络，不代表本站观点。
