从电力到人工智能：一种通用技术如何发现和定价未来世界

本文作者陈玉宇，系北京大学光华管理学院教授、北京大学经济政策研究所所长。此文来自陈玉宇教授人工智能课程中的宏观历史专题，将AI放置在更长的时间维度下展开分析。

编者按：

一种技术能做什么，不决定人类会拿它做什么。中间隔着一个词：可计价的想象。

资本并不缺乏想象力，但它更容易为有尺子的想象下注。爱迪生的电灯可以拿煤气照明来估值，很快拿到华尔街的钱；摩尔斯的电报无法成现成的市场约定，最后靠国会拨下三万美元。市场每天都在给未来定价，但最熟练的，依然是那些已经能写成一个数字、拿去比较的未来。

人工智能一出生，面前就摆着一张巨额的账单：会计师、律师、客服、教师、医生，以及整个现代经济中的认知劳动。这张账单定制了，大到不需要国外找，也能活得很好。

这是它的便利，也是它的危险。

今天大量的人工智能应用，仍是在给旧阵地装上“电机”：律师更快审定合同，工程师更快写代码，医生更快写病历。电力史提醒我们，真正巨大的收益并不是来自电机更换蒸汽机，而是来自最终工厂拆掉天轴，围绕电力重新设计生产形式。

厂房会老，人会保卫自己的厂房。

与此同时，几亿普通用户正在初步试验出大量没有名字的“电器”：一个医生的私人病历流程，一个老师自己的教学方法，一个小店主处理邮件的方法。生成越来越便宜，新的障碍开始变成筛选：谁能从海量私人试验里认出真正具有一般价值的东西？

这也引出了一个政策建议。

政府可以承认自己不知道新用途在哪里，于是不挑企业、不挑行业、不挑问题，只用一小笔探索每个人的权力。全民Token，就是人工智能时代的公共仓库。

给每个参与者记下不可转让的模型使用额度，让更多的人去尝试那些还没有名字、也还无法估值的用途。试错没有关系；一旦试对，一个私人流程就可能被验证、扩散，最终成为新的市场。

人工智能的未来，不仅依赖模型还能变得更强。

这也取决于我们是否在市场上愿意还无法定价的时候，先给未知的用途留下一点搜索空间。

第一部分 一种力量找到怎样的用途

自然规律决定一种技术能做什么，从而决定人类会买它做什么。

一、八十年的距离

1800年，打把锌片和铜片交替叠，垫上了盐水的布，第一次得到了持续的电流。1831年，法拉第把强力插进线圈再抽出来，得到了感应电流。这两件事隔了三十年。从法拉第到1882年爱迪生在珍珠街塔那座有一座现代化的商业中央，又隔了五十年。

八十里，电并没有闲着。戴维1808年前后就在英国皇家研究院当众表演过弧光灯。1805年已经有人用电流在金属表面沉积出另一种金属，到1840年前后，伯明翰的工艺改进让电镀一门可以赚钱的生意。1840年代电报开始布线。灯塔用上了弧光灯。把电当作一种流行的治疗手段，集市上把它当作一种把戏。用途是有的，一个接一个医生地出现。

但这些用途之间隔很远，每一个都是隔离的。电报有电报的电池，电镀有电镀的电池，弧光灯有弧光灯的电源。一个共同的基础，没有一个日常的、标准化的电源，让人可以随手取用。从发现持续电流，到电成为可以随手取用的日常配置，中间是八十年，再没有到电像水一样进各户人家，又接是几十年。我说的空白，指的是可能距离。

也许历史提醒我们把两件事分开。一件是发现一种能力，另一件是围绕这种能力展开的活动。原来是给的，晚上不是。电磁感应写在物理逻辑里，电灯、电梯、冰箱、电车不写在物理逻辑里。它们是人发明的，而且发明得慢。

我们今天回头看，很容易觉得电的用途清单是现成的，只是等技术成熟就一个兑现。当时的人没有这张清单。他们不知道家里为什么需要电，工厂为什么需要电，城市电。电是一个强大的答案，摆在那里，问题却要一个地方需要一个。

二、电报：第一个大用途，也是最陌生的一个

电的第一个大用途是电报。这件事值得多说几句，因为它和后来的电灯很不一样。

摩尔斯是画家，不是电学家。 1832年他在从欧洲回美国的海边听人聊电磁铁，动了念头。到1838年，他和合作者已经证明编码信号能够沿着相当长的电线传送。接下来的五年他在私人投资者那里找到钱。他在私人投资者那里寻找专利和支持，仍然没有筹到峡谷长距离示范线路的钱。1843年美国国会拨了三万美元，第二年华盛顿到巴尔的摩的第一条线路建成。线路一通，私人资本很快就涌进了电报业。

不是没有人想要更快的消息。补货一直想更早知道价格，报馆一直想更早得到消息，为什么政府一直想更快的发货。需求在，只是人能说出这个需求有多大。当时能拿来比较的只有邮政驿站和马。如果拿邮费去乘，电报几乎不值钱，平安信几分钱，谁会快几天付大钱。但是电报后来联邦政府的事情，邮政从来没有出现过。它催生了通讯社，让各地的粮价和棉花价在同一天统一，让铁路可以按分钟调度火车，铁路和电报后来还共同推动了统一时区。这些东西在1843年都不存在，也没有人能替它们算账。

当然，摩尔斯的困难还有其他解释。技术上还没有在长距离上证明自己，第一条示范线路有公共品的性质，谁建谁吃亏，专利也不确定，摩尔斯本人在商界没有名声。这些都可能是原因，我不打算把融资困局难归结为唯一的原因。这个故事的用处提出了一个问题，并说明了一个答案：一个没有现成市场测量的未来，更难拿到第一笔验证的钱。第一笔钱到了，示范志愿者了，测量尺出现了，私人资本就来了。

摩尔斯的故事把两件事分开了：一个用途没有需求，一个用途的需求无法估价。电报到期。想象一下是有的，摩尔斯自己就想象了一张覆盖全国的网。资本不缺信心，缺一把尺子。你让我拿什么去估价它值多少钱？没有提及物，投资者就可以把它和其他机会放在一起比较。不能比较的东西，市场就很难给它定价。

三、爱迪生：想象有几何

四十年后，爱迪生又做了一件事。

1878年他宣布做电灯的时候，目标从第一天起就很明确：取代煤气灯。他设计的不只是一个灯泡，而是一个方便的整套系统：灯泡、电线、电表、灯座。整套系统都采用煤气照明的价格来设计。灯泡的灯泡要和煤气灯差不多，电费和煤气费差不多，直接的方式要像接煤气管一样。摩根和范德比尔特的钱很快就到了。

爱迪生当然也想未来。他想每个户人家都点上电灯以后的世界，那个世界比当时的煤气照明市场大倍。但他的想象有一个。煤气公司每年收多少钱是查到的，一个城市有多少户人家是可以数的，照明在家庭开支里占很大比例是有数字的。他说，如果我的灯煤气比便宜一点，这些钱就会流到我这里来。这句话年轻人听得懂。

把摩尔斯和爱迪生放在一起，差额就出来了。两个人都在想象一个不存在的未来。摩尔斯的未来没有东西可以拿来乘，爱迪生的未来有。之前花了五年才筹到国会的三万美元，一个月才拿到了华尔街的钱。

我把爱迪生的这种想象称为“可计价的想象” 。它仍然是想象，仍然可能错，爱迪生在黑暗和交流上就错了。但它是一个可以融资的错误。资本可以把它和其他错误进行比较，可以给它一个估值，可以分摊它的风险。摩尔斯的想象做不到这些。

四、主要品类是想象的定价依据

从这两个故事里可以抽出一个一般的说法。

资本市场并不缺乏想象力。它每天都在给未来估值，给还没投产的矿、还没上市的药、还没建成的估值。市场从来不只看现状。真正的估值，不同的未来，可估值的程度不一样。

一个已经存在的品类给想象提供了三样东西。第一，一个可以观察的支出规模，今年煤气公司收了多少钱。第二，一群已经的顾客，他们已经在为这件事付钱，你不用说服他们需要照明。第三，一套现成的语言，可以说“这个市场的百分之十”有了这三样，想象一下参照了。一个人可以说：现在的市场这么大，我得到了其中一部分，再假设市场还会长，那么未来值这么高。这个算式可能错得离谱，但它是一个算式，可以写在纸上，可以写在会议室里和其他算式比。

一个真正的新活动，普遍连“这个市场”都说不出来。它没有支出规模，因为还没有人在这上面消费。它没有顾客，因为要顾客不知道自己会不会这个。它的语言，因为需求描述的词还没有被发明出来。它只能靠一个人的信心。不能相加，不能信心比较，不能分摊。

所以这些品类的作用比“它已经在那里”要大。它是想象的估值参照。凡是能借它来想的未来，都比较容易得到钱。凡是借不上的，就要靠国会，靠赞助者，发明靠者自己的积蓄，或者干脆等，靠时间。

这比通常说的市场失灵要准确一些。市场并没有失败。它擅长在可以比较的未来配置资本之间，这件事它做得非常好。它只是不擅长给没有估值一个点的未来定价。这两件事经常被混在一起说成“市场发现需求” 。市场发现是“可估值的需求” 。

五、用途生用途

电力后来的历史可以按这个逻辑重讲。

电灯之所以先来，因为煤气照明给了它尺子。电动机进工厂之所以顺理成章，因为蒸汽机给了它尺子，一台电机可以按它替换掉的蒸汽马力来定价。电车很快就铺开了，因为马拉的有轨车已经在城市里跑了几十年了。每个早期用途都靠着一个旧品类站住脚。

真正新的东西要晚，而且它们的出现方式和电灯不一样。电梯在蒸汽和液压时代出现了，纽约和芝加哥在1880年代已经借助它们盖上了十层上下的高楼。电动机成熟以后，电梯变得更快，更可靠，楼层再多也不难，高楼的因此好算起来。制冷也是这样。它先在啤酒厂、肉库和冷藏运输中站驻脚，那里本来就是为了冰和保鲜付钱。制冷继续变便宜，家用冰箱才成为可以一个想要的东西；家用冰箱日后，超市和更完整的冷链又获得了新的扩展空间，最后改变了今天人们吃东西的整个方式。

这里有明显不同的机制，需要分开。第一个是替代挂钩。煤气灯之于电灯，旧品类给新提供了可以观察的市场规模，使容易融资。呼吸是吸气。制冷之于冷链，一个关键介入降价，让原来经济的活动变得经济。冷链的价值不能拿制冷的市场规模去乘，制冷只需增加可能。第三种是用途积累。已有的应用留下设备、标准、技能和供应链，下一种应用的成本就低了。第三种很重要，但只有第一种是肉类品类给出想象提供估值参照。后面两种给的不是尺子，是可能的。

所以类很少凭空出现。早期用途先借旧品类获得估值，站住以后，又通过降价、标准化和配套发明，为下一步用途打开空间。电力时代最大的一个新活动，都是这样一层一层搭上去的。每一层都要先站稳，先有价格，先有设备，下一层都有东西可借力。

这也解释了为什么革命这么慢。八十年没有一张总的账单列表可看，是因为没有一个足够大的旧市场能一下子把电吸进去。照明市场当时不算小，但和整个经济比起来很有限。工业动力市场有蒸汽机占着，电机要一个去替换。没有一个统一的、巨大的旧品电力电力提供一把总的尺子。电只能一个地找用途，每找到一个，就多一把尺子，再用这把尺子去想下一个。

六、走向人工智能之前

到这里就可以把话说回来了。

一种通用技术出现的时候，它面对的不仅仅是自己的能力，还有一个已经的经济。这个经济里有些东西有价格，有些东西没有。技术的搜索方向，仔细考虑到它出生时能借到什么尺子决定。电力出生时几乎借不到尺子，所以它被迫向外寻找寻找，了八十年。

人工智能诞生时的情况完全不同。它最像的东西，恰恰是现代经济里最昂贵、最普遍、最清晰的一项举措：人的认知劳动。律师、设计师、会计、客服、、医生、教师、分析师，每一份都有工资，有行业规模，有利润率，有统计表。人工智能一出生，面前就摆着一张全世界最大的报表，而且报表上的每一项，都可以直接拿来乘。

这就是下一部分要讲的事。

第二部分 人工智能一诞生，就看到了一个巨大的历史世界

七、人工智能第一次看见的世界

2022年底，人们第一次大规模使用一个能用自然语言对话的模型。几个月内，用途清单就出来了。会计师写代码，于是出现了写代码的助手。客服回答问题，于是出现了客服机器人。律师审合同，医生写病历，会计做账，老师备课，分析师做报表，每个职业后面都很快跟上了一个产品。

这张清单有一个共同点：上面的每一项都是现有经济中已经存在的活动，而且每一项都有工资。这不是巧合。做这些产品的人先开一张工资单。他们问的问题是：这张单子上有哪些昂贵的人工成本可以让机器接过去吗？

有人说这是想象力不够。我不这样看。做代码助手的人想的是一个软件到今天无法想象的世界，替剪刀写几行代码只是入口。这些想象都很大。它们的共同点在另一个地方：它们都用一个现成的数字来可以估计。

现有软件开发的工资成本乘以可以替代的比例。现有的客服成本乘以自动化率。现有的法律服务支出乘以可以替换机器的份额。每一个算式都有一个可以查到的乘数。这就是爱迪生式的想象。

八、人工智能出生时借到的尺子

把这东西和电力放在一起看，差别就清楚了。

电出生时没有一把总尺子。它像什么？它谁也不像。它不是马，不是蒸汽机，不是煤气。人们要花几十年，才弄明白它可以替代什么。

人工智能诞生时的情况正好。它像一样的东西，而且像得非常具体：它像一个在工作的人。它写的东西像人写的，它回答的问题像人回答的，它做的判断就像人做的。而人的认知劳动恰恰是现代经济里目最清晰的一个开始。

所以人工智能一诞生，就找到了一张全世界最大的发票可以借用。不需要八十年去一张地找，发票已经摆在那里，上面每一张都标好了价。发明者不用问“这个东西能不能搞” ，只需要“这张单子上的哪一张能干” 。

市场发现的是可估值的需求。人工智能诞生时，可估值的需求多到可以取用。这就是它和电力最初的差异。它的能力可能是通用的，它寻找用途的方式从第一天开始就是有方向的，方向由那张可节省的人工成本清单给出确定。

九、数字手工了

接下来是一些反常识的判断。

现有市场繁琐，反而可能减少寻找新品类的需求刺激。

想一想爱迪生的。煤气照明是一个可观的市场，但和整个经济比起来很有限。做完电灯，他的公司还得去找下一个用途，电机、电车、留声机。每一个新用途都要重新找尺子。电力时代的发明家是被逼着向外走的。做完一件，下一个不在比尔上，只能去找。

人工智能的账单大到完全不同的程度。全世界白领的工资，加上牵引，加上医疗，加上教育，加上法律，加上设计，加上管理，是几十万亿美元的量级。随便取一个替代率，得出来的数就足够写一份商业计划，足够融资金，足够撑起一家公司的十年。做完一份账单，上还有一百项。一家公司可以在这份账单上工作很久，从来不需要问“这个东西还有什么其他用” 。

于是出现一个奇怪的格局。早期电力的人不得不想象一个没有价格的未来。人工智能早期的人面前摆着一个大到惊人的、可以直接估价的现在。前面外面找，是因为向内没有什么可挖的。晚上向内挖，是因为向内的东西太多了。

我不认为这是短视。在几十张发票面前，不挖它才是奇怪的。问题去挖它的时候，别处就没有人去尝试了，人工智能外拓经济的潜力就埋没了。

十、方向为什么自我会加强

到这里实现，人工智能和电力的差价还只是起点不同。下面这个差价差。

电的物理性质不会因为某种用途的市场很大而改变。煤气照明市场再大，电灯用得再多，电子不会变得更适合发光。人们选择用电做什么，是一回事；电是什么，是另一回事。

人工智能不存在这种分离。模型的能力来自数据，来自奖励，来自训练者的选择，来自工程师的时间。人们的使用方向通过三条路影响下一代模型。使用带来收入，收入决定训练者把资源投向哪里。使用产生反馈，其中一部分经过收集、清理和评估，下回训练。训练者根据收入和反馈，优化什么、验证什么、发布什么。用户的每次使用并不能直接改变模型，但使用的领域和方向最终会改变能力的分配。

这里三个决定分开，他们通常被压成一个“比尔决定一切” ，经济学家说的市场规模。第一个门槛是资本往哪里去，这由可估值的活动决定，结算大的领域钱多。第二个门槛是能力在哪里长得快，因为数据和可验证性决定。代码和数学是模型进步最容易被观察到的领域之一，除了客户愿意付钱，还可以回答对错容易自动检查，对AI模型的奖励信号干净医疗和法律的工资同样巨大，模型在考试和文本任务上进度缓慢，可靠性的验证和实际部署缓慢，因为对错难以自动判定，错了又要有人负责成本。第三个是决定解决方案不能真正进入生产，这由责任、许可和组织的互补性。模型能力够了，谁对错误负责仍然没有部署部署，就不会发生。

三个阶段合起来就是一个圈。可估值的目的得到了钱，钱变成数据和奖励，在可验证的地方变成能力，能够让替代率的估计更可信，估值再得到更多的钱。电力时代只有第一个箭头，市场决定资本去哪里。人工智能时代每个箭头都有，而且首尾相接。

今天已经能看到这个闭环的痕迹。模型进步最显眼的地方是代码和数学，最薄弱的地方是那些没有人打分、没有人付钱、也没有自动验证的任务。人工智能对各种用途的适用性由账单和验证条件共同决定，很不一致。

于是那个反常识的判断又往前走了一步。数字巧妙，不只是让不去别处，还让模型本身变得更适合发票上的活。方向锁定了资本，也部分锁定了。开辟了空白的未来活动，介入不足，能力不够。

十一、人工智能读过的世界

还有一点它。电没有记忆。它对人类的历史一无相似。人们拿它照明所以不会觉得照明理所当然。人们拿它驱动电机，它也不会因此对工厂有什么成见。对用途是完全空白的。

人工智能是从人类的记录里长出来的。它读过它的东西，就是人类过去记录的事情。这些记录里有职业的分类，有行业的划分，有问题的提法，有需求的说法，有制度的样子。它继承了这一切。所以不是一个空白的世界。先读完了世界的地图，然后才出发。

这带来了一个电力没有的效果。资本把人工智能拉向已有的品类，人工智能自己的先验也指向已有的品类。你问它能，它会告诉你一张清单，那因为张清单来自它读过的世界。对“合同”“病历”“代码”“报表”有极其丰富的理解，人类写了无数这样的东西。它对那些没有名字的活动也很少，因为没有多少人写过。

一种通用技术拥有世界上已有的先验知识，这在以前没有先例。

十二、转译成本的疲劳

到了这里，人工智能看起来只是向内卷。如果悬浮停住，这篇文章就写错了。因为它同时有一股力量从来没有过的外部力量。

电从能力到用途，中间需要转译者。摩尔斯会把电磁铁变成一套编码和纺织线。爱迪生会把电流变成一个能亮几个小时的灯丝，再变成一套整套发电和自制的系统。每一个用途都要有人把物理力量外接一个装置。这需要工程师，需要工厂，需要材料，需要资本。翻译很贵，试一个用途很贵，试这样的人很少。

它人工智能的接口是自然语言。一个人可以直接说：我做这件事，你不能帮我。不需要懂原理，不需要造装置，不需要工厂。一个病人可以拿自己的化验单问它，一个老师可以拿自己班上的作业问它，一个小店老板可以拿自己的作业问它。尝试一个用途的成本降得很低。

电力时代，从能力到目的要经过少数转译者。人工智能时代，几亿人可以直接对着能力说话。这是一股走出去的力量，而且规模是电力时代没有过的。

十三、两股力量

这股力量在往相反的方向拉。向内部的力量训练在上层，在模型的公司，在投资的基金，在部署它的企业，拨款那里劳动力。外部的力量在底层，在个人，在小团队，在那些奇怪的、没有名字的需求里，翻译成本的疲劳强度在那里劳动力。

“人工智能有没有创造力”这个问法把事情放错了地方。该问的是：当尝试各种用途的成本降低到最低限度，而想象的起点又深深地继承了现有的世界时，人工智能最终将使用途更加集中，还是越来越分散？

我不打算在这里回答。第三部分先看看底层正在发生什么。

第三部分 人工智能的“电器时代”可能已经开始，只是我们还看不见

十四、电网

人们从来没有感受过是“电力革命” 。他们普及一盏灯，一台电机，一部电梯，一部电话，一台冰箱，一台收音机。革命这个词是后人加的。当时的人接触到的都是具体的东西，一样都有名字，有价格，有厂家。

这些东西背后有一个共同的基础，就是电网。电网的供电不仅仅在管道电。它更要紧的作用，就是把“发明一种新用途”变成“发明一种新电器” 。有了插座，一个想尝试新用途的人不需要自己发电，不需要架线，不需要懂发电机。他只要做一个能插上插座的东西。

这改变了谁能参与用途探索。爱迪生时代，试一个用途要建整套系统。电网普及以后，试一个用途只要做一个装置。做装置的电力比建系统低。于是发明电器的人从几十个变成几十万人。收音机、电熨斗、电风扇、吸尘器、洗衣机、电动工具，很多是小作坊做出来的，做的人不是电学家。

通用性居住电网里，用途居住电器里。电网把用途探索从少数工程师的大工程中，变成了分散、廉价和大量重复的实验。电力时代许多找到新用途，是在这个阶段的。

十五、人工智能的电网

人工智能已经出现了电网的雏形：云端模型，统一接口，按用法。

模型放在云端，通过接口调用，按药品训练。任何人都可以用一个账号接上去，写几行代码，或者根本不写代码，直接在对话框里说话。这和插座是同一件事。用户不需要模型，不需要买芯片，不需要懂它的原理。他只需要接上去。

但做一个人工智能的电网比电网走得更远。做一个电器仍然要设计机械结构，选材料，找工厂，建供应链，找电力渠道。这些都要钱，要时间，要专门的技能。做一个人工智能的“电器” ，有时只需要一段提示词，一个小脚本，一套固定的工作流程。一个人一个下午就能搞定，搞定了可以用，不满意可以扔掉重做。

所以人工智能“电器”的发明成本，比电力时代低了几个数量级。而且能做的人多分散。电力时代能做电器而且有工程技能的人，人工智能时代许多不会编程的人也能做。转译成本的负担，这里落到了实处。电网让用途探索分散化，人工智能的电网让分散到更多的人。

但也不是电网限制。电网稳定，统一，中性，插座不会在夜里换掉电器所依赖的物理规律。模型接口由少数公司控制，价格、规则、能力和访问权都可以修改，模型一更新，接在上面的电器就可能变样。今天接上去的人，接的是一个会动的插座。这一点是后面几节的判断，先记在这里。

十六、看不见的电器

有一件很重要的事：这些“电器”大多没有名字。

一个医生每天早上把前一天的病历模型整理成一个他自己设计的格式。一个中学老师用一套自己摸索出来的提示词，给每个学生的作文写出不一样的评语。一个做外贸的小老板让模型替他读所有的英文邮件，按他自己定的规矩分类。一个退休的人用它整理家谱。一个午间用它把几篇论文按一个谁也没有用过的标准重新分类。偶父母把三岁孩子看的小猪佩奇配上自己的声音。

这些最有几个共同点。没有成立公司，没有变成产品，没有行业代码，没有单独的收入。做人自己也不觉得这是创新。它只是一套私人的流程，在一个人的电脑里运行，别人看不见。

但它已经改变了行为。那个医生每天多看几个病人，那个老师批改作业的方式变了，那个小老板不再雇人读邮件，那个小孩经常与父母的亲近。这些变化加起来有多大规模，没有人，因为没有人统计。

这就造成了一种认识上的偏差。宏观统计看到的是大型公司的收入、芯片的销售额、企业软件支出、哪些岗位在减少。这些都是账单上的事。真正的用途创新可能先以无名的、私人的方式扩散，等它看到的时候，已经过去很久了。电力时代也是这样。 1900年的统计里能看到发电量和电灯数，看不到千家万户正在用电做的那些琐碎的事，而后来的大碎片产业有亮点是从那些琐碎的事里生长出来的。

十七、上层向弯，底层外拓

现在可以把这两股力量放在具体的位置上。

上层是训练模型的公司，投资他们的基金，部署他们的大企业。这一层被发票吸引。他们要融资，要给董事会看数字，要证明替代率。他们的能力建设、数据收集、奖励设计，都按报表的方向走。这一层越来越集中，几家公司，数千亿的投入，几张巨大的发票。

底层是几亿个用户。他们接上电网，做自己的人工智能时代的“电器” 。他们不需要融资，不需要证明市场规模，不需要向人解释这件事价值多少钱。他们的问题很多没有任何账单上，因为账单上只有那些已经有工资、有行业的活动。这一层越来越分散，每个人都在做自己的小实验，全部实验失败了，没有人记录，也没有人在意。

所以人工智能革命同时发生了两件看起来矛盾的事情：生产能力越来越集中，实验的用途越来越分散。上层向内挖那张账单，底层外面尝试那些没有名字的东西。

这层之间有一条通道是。底层的实验用上层训练的能力。上层的能力按账单的方向长，所以底层得到一个在完成账单上的任务统计、在账单外偏弱的工具。这也是循环的另一面。底层的人在用一个为现有世界优化过的工具，去尝试新世界的用途。工具在他们最需要它的最弱的地方。

这个通道也可以反过来走。底层的某种用途如果传开，多到一定，它有了名字，有了用户数，就有了可以估值的规模。这个时候它就上了账单，上层就会看到，资本就会进来，模型能力就会往这个方向长。电力时代的电器坊也是这样从作产业的。

所以两层之间并不窒息。底层向外寻找，找到的东西一旦长大，就变成上层的新的纽带。这是新用途从下往上的路。只是这条路很慢，而且不能保证走得通。问题就在筛选上。

十八、当发明不再稀缺，筛选开始稀缺

到这里的可持续性，我一直在说尝试一个用途的成本降低到了最低限度。现在要说这件事的另一个方面。

电力时代，做电器贵。昂贵的制造过程先过滤掉了大部分候选，一个想法要变成电器，先要有人为它押钱，押钱本身就是一次筛选。电力时代当然也有大量失败的、没人注意的、没有传开的发明，筛选从来不轻松。但大部分筛选发生在生成之前。

人工智能时代，这道事前的过滤彻底切断。私人电器每天都可以大量产生。模型自己也可以提出一种万种用途。生成不再稀缺，选择、验证和扩散的负担被推到了生成之后。于是问题就变成了：这么多候选里面，哪一个对别人也有用？谁来发现某个人的私人流程具有一般的价值？谁来验证它在另一个人那里也有效？谁给它起名字，把它标准化，用来传开？传开以后生长错误，谁承担？平台能看不到这些分散的试验吗？

这些问题以前不重要，因为候选太少。现在候选太多，选择就遇到了新的瓶颈。甚至可能因为试验太多，选择比以前更难。一个好的备选方案淹没在数百万个备选方案里，而且没有被发明出来差不多。

而且筛选需要的东西和生成需要的东西不一样。生成需要能力，模型有。筛选需要知道什么东西值得要，这个知识来自模型之外，来自那个病人、那个老师、那个小店老板，来自他们的生活。模型可以分别提出选项，不能替他们哪一个选项对应一个真实需要的。需求的价值不在文本里。

所以大模型降低的是试验的成本，试验的结果还是要被选择。这一部分说的分散探索，只是把用途发现的前一半变便宜了。后一半，识别、验证、命名、扩散，还是贵的，而且可能比以前更贵。这一层不补上，“底层遥远”的图景就太乐观了。

十九、极小需求有了自己的工具

我们需要再深入一层。

简单的那些没有名字的用法，不仅仅是零碎的便利。它们指向一个更大的事情。

每个人都有一些现有行业从来没有规定过的问题。一个病人想知道自己这三年的化验单放在一起说明什么，医生没有时间替他看，也是一个行业专门做这个。一个老师想给三十个学生三十种不同的练习，教材公司不做这种业务。一个小店老板想知道自己的账里有什么规律，会计师事务所接不了这么小单。一个孩子想问一个大人没空回答的问题。

这些需求以前太小，太散，太个别，不值得专门打造工具。没有一个行业会去做它，因为加起来看不出规模，分开看又不值钱。所以它们一直，一直没有被满足，也一直没有估值。经济学里称它们“被需求”存在都有些勉强，因为它们从来没有进入过市场。

文字、通用计算机、互联网、开源，本来也是个人需求可以使用的通用工具，一个人早就可以用它们做自己的事。新的地方存在定制成本。以前一个通用工具要适应一个人的具体问题，或者这个人自己学会编程，或者等有人这类问题专门做产品。现在探索的边际成本接近于零。一个人把自己的化验单、自己的、自己班上的工作岗位调动起来，就为这个人工作。这就是装备集合拓展：调用一次通用智能的成本降下来，原来经济的极小需求拉低了经济。

所以可以这样说：那些细小而各不同的个人认知需求，第一次有了自己的通用生产工具，而且为个人定制的接近成本为零。生产工具大多是为了可估价的需求造的，因为，造工具要成本，成本要靠规模回收，规模化要靠市场。这一次，没有市场的需求也得到了利器。如果电力时代有大量的新品类是从琐碎的家用电器里长出来的，那么时代人工智能的新品类，可能就藏在这些没有名字的私人医疗里，只要先过筛选这一关即可。

二十、谁站在市场之外

第一部分留下问题：电报是画家做的，电磁感应是装订工出身的法拉第做的。外面的搜索站在市场之外的人。人工智能时代，这些人是谁？

我不想把它写成局外人的浪漫故事。法拉第一个有皇家学会提供稳定的位置。摩尔斯没有这种保障，那几年他经济上很困难，靠合作者、家人以及有限的艺术和教学收入，再加上自己的长期坚持，坚持试验。两个人的数量不同，但却说明了同一件事：无法评估的搜索，必须承受一段没有市场验证的时间。这可以由一个人承担，也可以由一个人痛苦地承受。

所以用问他们是谁，不如问他们有什么：谁不一定有资格证明市场规模的探索自由？

人工智能时代有这样自由的地方广告：大学、公共实验室、开源社区、爱好者、非营利机构、不需要盈利的小团队。还有那几亿个普通用户，他们做的私人“电器”不需要向任何人证明什么。

但也有件事和电力时代不同。电力时代训练站在市场外面的人，用的工具和市场里的人是一样的，电就是电。人工智能时代市场站在外面的人，用的是市场里的公司外面的模型。他们的探索自由是真的，他们的工具却是别人按告示牌的方向造的。法拉第一个线圈不会因为照明市场就变得更适合照明。今天一个在大学里尝试新用途的人，手持的模型确实因为市场很大而更优秀的代码。

这一点我暂时不往下推。它只说明一件事：人工智能时代外面的搜索，比电力时代更容易开始，也更难走远。开始容易，因为电网的雏形是现成的，翻译成本很低。走远难，因为工具本身有方向，而且找到的东西要经过筛选。

但事情还不能掩盖收住。如果新的目的主要是在底层分散试探出来的，那么它就有一个直接的制度动力。

二十一、全民Token

今天公共政策支持人工智能，实现的大体是两种：给模型公司算力，给企业模型券。中国已经有大量算力券和模型券，主要发给企业、科研机构和开发者申请，者要先说清楚自己要做什么。在这是已经被识别的用途。按前面几节的逻辑，只它中继了上层。

这个这个区别今天已经很具体了。 2026年上海的政策甚至把模型券直接叫作“代币券” ，但申报者仍然是大模型和智能体的研发、应用单位。它补的是一个已经能够说清楚的项目。我这里说“全民”一个企

如果用途发现在每个基础上，还可以做另一件事：把一天的笔用途探索调整安置人。我把它叫作全民Token 。政府定期给每个居民支笔不可提现、不可注销的模型使用额度，居民拿它调用自己选择的模型，模型公司根据实际使用量向政府，没有用掉的额度结算形成支出。

全民Token仿照全民基本收入，分配的却是另一种东西。基本收入给予一般的购买力，让人能买已经存在的商品。全民Token赋予调用通用智能的能力，让人能尝试还没有名字的用途。两者没有替代关系，此前解决分配，稍后解决搜索更准确的一类比是科研必然。科研切实把探索权破解少数机构，全民Token把一笔探索权破解每个人。它就像罚款分给每个人的微型研究必然，政府不知道新用途在哪里，也不让人规定替代要解决什么问题，只是让更多的人有机会尝试。

因为这个新政策要买的就是分散。用途的知识普遍反对专家处方，它藏在具体的演习里。老人知道自己每天哪一步最麻烦，老师自己班上的学生哪里不一样，小店主知道哪一张表最费时间，病人知道哪一个信息又想问却没有人有空答案。政府无法事先知道这些问题分配在哪里，也无法一次依靠专家评审把他们挑出来。全民代币的“全民” ，并不是说每个人都能发明新用途，而是承认新用途可能从任何一个人的私人码头里长出来。

近来许多政策的理由不公平。一个人用模型整理病历、改进教学或者重做小店的流程，首先得到的是私人收益，单凭这一点就要求政府谴责。理由在于用途发现的外部性。一个人偶然形成的私人流程，后来可能被教师、医生、小企业采用，变成一个产品或者一个行业。最初的使用者承担了试验的成本，却获得了不到扩散以后的大部分价值。所以市场提供的试验量会偏少。政府买的不是一次对话，是一个更宽更多样的分配用途，是发现新用途的机会。

它还有一个方向的效应。模型公司按照已有的发票改进能力。如果只有企业和高收入者能大量调用模型，模型看到的需求也集中在他们那里，能力就往那个方向增长。全民通证让居民、老人、教师、小店主、农村居民和普通家庭也进入反馈模型的来源。既扩大用途搜索，也改变了下一代模型可能看到的方向。

设计上有几条不能让步。限额必须跟着人走，可以在所有合格模型之间使用，否则会变成一个必须指定公司的固定收入，政府就在替代社会挑衅技术方向。结算不能按企业自己报告的原始代币数，不同模型的代币没有共同，按量付费会鼓励模型把回答拉长，制造没有价值的计算更好的办法是规定标准的服务单元，让供应商竞争报价。政府不可能取得对话内容，它只需要知道某个租户用了多少额度、由哪家供应商提供。病历、家庭问题、私人试验之所以从来没有进入市场，往往正因为它们是私人而特殊。如果领取权利需要交出内容，最有价值的新用途反而不会出现。

确实发限额，大部分可能用在就会发生的聊天、写作和娱乐上。可以分两层。第一层是全民的小额基础保证，保证每个人都有尝试的机会。第二层是探索限额，给教师、医生、小企业、学生、假定这些愿意尝试新的人流程，但不事先规定他们要发现什么。大家提交脱敏以后的流程模板，形成一个公共的“电器库” ，被别人反复采用的流程，原创者获得了额外的额度。这样，私人“电器”才可能从无人看到，走到可以被筛选。但共享不能设定领取基础额度的条件，否则隐私需求和最特殊的需求会最先被排除出去。

夺取资金的流程不一定很大。它首先要扩大是用户的种类和第一次试验的机会，不需要替重度用户支付全部人工智能费用。每个人一支，定期重置，没有使用财政没有开支。一个人拿它流程聊了几天，什么也没有发现，也没有关系。用途探索本来就允许大量失败。只要极少数人形成了一个原来不会出现的因此，后来又被别人采用，社会得到的不好调用的私人收益。

这也说明全民Token和传统消费券的评价方法不同。消费券通常要问拉动了多少消费、乘数有多大。全民Token更问另外几件事：有多少本来不用模型的人试，有多少私人流程被反复使用，有多少流程被别人复制，有多少最后变成了新的服务和新的企业。是一项鼓励探索的政策，早期的失败很多并不说明政策失败；如果每次使用从一开始就必须证明价值，新的探索反而已经被取消了。

过去的产业政策把资源挖掘少数被挑中的企业，希望他们找到用途。全民Token走另一条路：政府承认自己不知道用途在哪里，所以不挑企业，不挑行业，不挑问题，只把一小笔探索权挖掘每个人。训练能力可以集中，发现用途需要分散。政府资助的不只是更大的模型，也应该是更多人模型的权利。

电力普及就是把插座接进每个户人家。人工智能的普及也不应该只靠建更大的模型，它还需要让每个人都接上电网的。全民Token ，就是人工智能时代的公共插座。

二十二、谁来运行全民Token

全民Token还一套运行机制，政府必需重视经营。

政府必要经营模型，也必要逐笔处理居民的调用。它可以把奥克兰搬迁单位受严格监管的私人企业。每个人都有一个全民Token账户，拿来调用自己选择的模型。模型公司完成服务以后，把农药用量标准调到全国公司，中部公司核验，再向政府结算。每次调用完成后，留下的是用药凭证，不是用户问过的问题。

这家公司的第一个职能像电表支付网。它将不同模型的计量单位统一起来，比较重复的价格和服务质量，帮助用户在模型之间进行转换，也代替政府的虚假和调用知道结算。政府只需要决定每个人有多少基础额度，不需要他拿这些计量单位做了什么。

隐私保护必须成为这套制度的底层原则，而且要分开三方各自能什么。政府看不到提示词。华为不能出售个人使用记录。模型公司一致同意，不能把全民Token产生的拿去训练。病历、家庭资料和试验，应当允许本地模型或者受保护的计算环境。三方各自只掌握完成自己所需所需的最少信息。全民Token赋予智能的权利，不能以交出自己的生活为代价。

分散试验者的知识，归试验者。一个摸索教师索出的教学流程，一个医生制定的病历整理方法，一个小店主发现的经营工具，不能用公共的代币平台可以提供加密保存、计时存证和权利登记。用户不愿意公开，知识就留在自己的保险箱里。用户愿意参与传播，平台才帮他验证、许可、获取收入。主动权首先在用户手中，平台的商业化服务只在他选择公开之后开始。

公共的钱也不能自动换来公共产权。政府资助而且一次探索机会，不是对探索结果的征用。否则最特殊、最有价值的试验会首先退出共享：一个人越觉得自己的方法有价值，相当于把它定位平台。真正的建设是一条自主的路——愿意公开的人能证明自己先发现，授权的人能得到收入，愿意一直私用的人也可以什么交。保护这种选择权，本身就是分散探索能够持续的条件。

在此基础上，这家公司将从吉隆坡业务里长出一套更大的服务。它可以帮助用户比较模型，可以替用户加密保存个人数据，可以验证一套私人流程在其他地方是否有效，可以为新用途寻找购买者，也可以把一个人的隐私人“电器”授权给学校、医院和企业。成熟以后，它还可以提供质量认证、责任保险、收益分配和创业融资。这样就有了一条完整的路：私人试验，原有保存，自行注册，外部验证，授权扩散，最后变成产品和企业。

这套制度最有价值的地方，可能不在本身Token 。全民Token让几亿人开始尝试，曼哈顿与发现平台让其中少数有一般价值的试验不至于消失。之前生成降低的成本，首先降低筛选和扩散的成本。筛选的负担被推到生成之后，这家公司做的就是生成之后的工作。政府提供基础的探索权，私人企业建设连接、验证和交易的能力。

所以这套制度其实在补两种稀缺。第一个是探索权：谁有机会近距离地尝试。第二个是发现能力：社会能不能从海量私人试验里认出那几个值得扩散的东西。只发全民Token ，第一个稀缺会，第二个会很快冒出来；只建发现平台，没有足够多的人先去试，平台也没有可东西筛。前面把入口铺到每个人身上，今晚把少数好办法从私人电脑里带出来。两件事接起来，才像一套完整的用途发现。

这家公司和大模型公司做的是两种业务。大模型公司生产通用能力，它的组织使用能力。大模型公司在上层训练，它在底层寻找。大模型公司出售答案，它把无数私人问题慢慢组织成新的市场。今天看，它是一家替政府记代币的服务商。未来，它可能成为人工智能用途市场的基础设施。

这里有一条底线。让一家私人企业先做事，不能让永久成为不可替代的独家入口。重庆标准应当开放，账户可以迁移，模型供应商接入平等。运营公司可以成功，长出巨大的商业体系，不能靠扣住全民的使用记录和私人知识成为垄断者。否则政府用公共的钱，养活的是最大的知识攫取者。

第四部分 替代很快，重组很慢

二十三、用途之后还有形式

前三部分说的是一种技术如何寻找它的用途。找到之后，还有一层。围绕这种能力，应当建立什么样的生产形式？一种技术要发现的不仅仅是它能完成什么任务，还有生产应该长成什么样的。这种形式“发现”可以。

那么用途探索有三层。第一层是替代已有的投入，电机替换服务机，模型替代或辅助阵地名称里的已有任务。第二层是满足新的需求，电梯和冰箱，那些没有的私人应用。第三层是重写生产形式，工厂按电重新设计，组织按人工智能重新设计。第三层最慢，收益也最大。电力的历史把这一层写清楚。

二十四、电动机厂三十年头

电动机在1890年前后就已经够好了。可靠，便宜，比蒸汽机省地儿，也不用锅炉。按理说工厂马上换。工厂也确实应该换了，但换的方式很奇怪。

十九世纪的工厂依靠辫子天轴传动。蒸汽机牵着轴贯穿全厂的长轴，长轴上挂着牵引，带动每一台机床。厂房的形状、机器的排列、工人的位置，都是围绕着这根轴设计的。机器要栓着轴放，重的机器要放在离最近动力的地方，厂房要建成长条形，多层楼要一层一层往上传动。

电动机来了以后，工厂做的第一件事就是把蒸汽机拆掉，装上一台大电机，接在同一根天轴上。抄照旧，机床照旧，厂房照，工人照旧。省了旧锅炉和煤，其他一切不变。后来还有一个阶段中间，一个车间一台电机，带了一段轴。这样前后过了三十年左右。

很长一段时间里，电气化的生产力并没有随着电机的普及而充分显现。经济史家对时滞到底有多长、早期收益有相当大，今天增长了不同的估计。但有一件事是明确的：电机进入工厂，并不等于工厂已经按电力重新组织。到了1920年代，美国制造业制造业明显加速，围绕电力重新设计生产形式成为其中一个重要部分。

原因并不复杂。工厂把新塞进了旧形式。电机替换了蒸汽机，但蒸汽机的逻辑还在。天轴是为蒸汽机的一个动力源设计的，电机可以有一千个动力源，不过很长一段时间没有人去用这个可能。

二十五、工厂重建以后

1920年代，事情变了。

变化的关键是每台机床装一个自己的小电机。这件事在技术上很快可以做，一直做很少，因为天轴还在。等到天轴终于被拆掉了，一连串的事情跟着发生。

机器不必再建造长条，可以建造单层的大平房，材料从一头进，产品从另一头出。楼上楼下不用传动了，重的机器可以放在地上。屋顶不用承重受天轴的重量，可以开天窗，车间第一次亮起来。皮带没有了，工伤少了。哪台机器坏了，停哪台，不用全厂停工。库存可以按流程放，工人的分工按流程定，管理可以按流程算。

福特的移动装配线1913年就在这个方向上出现了。流水生产的想法本身并不是电力带来的，福特承认受到了肉类加工厂传送线的影响。但如果命令机器按顺序排成一条线，动力就得可以随意分散。全球化的电力为大规模、灵活布置的流水生产提供了重要条件。

于是1920年代美国制造业的制造业增长明显加速。这次加速用的电机技术，和三十年前没有本质区别。变的是工厂的形式。

或许给历史的教训很清楚。电力对经济最大的贡献，来自于工厂围绕电力重新设计以后，而不是替换电机蒸汽机的那一刻。替换旧事业的收益有限，重写生产形式的收益大。而重写形式比替换轴承慢。

二十六、人工智能仍然在给旧工厂装电机

今天拿来历史看看，画面很熟悉。

帮人工智能律师更快审合同，帮程序员更快写代码，帮医生更快写病历，帮老师更快备课，帮分析师更快做报表，帮客服更快回答问题。这些都是真正的尝试，而且很有价值。

但他们有一个共同的前提：律师这个职业还在，会计师这个职业还在，医院的流程还在，学校的组织还在，公司的体制还在。人工智能被装进每一个现有的岗位，让这个岗位的人干得更快。岗位本身不动，流程本身不动，组织本身不动。

这就是把电机接在天轴上。新的塞进旧形式，省了一些煤，其他一切照旧。

这个阶段的生产力收益不会是零，因为认知劳动比动力更值钱，替换本身可以省下很多。但它仍然属于替换。它的上限是现有形式的效率，而现有形式是另一种技术设计的。

二十七、围绕人的认知建成的世界，也围绕责任建成

天轴是为传统蒸汽机这一现代动力源设计的。社会的大量制度，有一部分是为一种有限的认知能力设计的。

一个人一天只能读这么多东西，只能记住这么多事，只能同时想这么多问题，只能和这么多人说话。这些限制了很多东西的样子。公司因为决定了体制，因为一个人管不了太多人。专业要分工，因为一个人学不了太多东西。信息要汇总，因为上面的人没有看全部，所以要助理、专业、报告、摘要。咨询公司存在，企业自己没有足够的人手去想清楚一件事。

但把这些制度全部解释了人文的认知有限，是过于简单的。它们同时在解决其他问题：激励、权威、协调、责任、信任、风险、利益分配。中层不只是因为一个人管不了太多人，还因为要对某个部门的结果负责。证书不只是识人，还是发展事以后追究的职责。中间不只是替不掌握制度的人把关，还是把责任分到各级的方法。每一个细节中，都有一部分在授权认知，另一部分在配置权威和责任。

人工智能可以大幅降低信息处理的成本，但不一定会降低验证和承担责任的成本。它甚至可能让自由基系统增加。生成越多，越需要有人签字。建议越便宜，责任越稀缺。

所以长期的问题不能简单写成“为什么还要有中层、专业和证书”更好的问题是：这些制度里，哪些部分在节约认知，哪些部分在权威和责任？人工智能会消灭前期的问题，还是让晚上更加突出？如果是晚上，那么天轴拆掉以后，工厂不会变成没有结构的大平房，会变成另一种结构，周围责任除了要认知搭起来的结构。这个今天几乎没有人认真问，就像1900年没有人认真问为什么围绕天轴。

二十八、厂房会老，人会保卫自己的厂房

那么为什么重组这么慢？电力的例子给出了部分答案，人工智能的情况有几处不同。

旧工厂最后被重建，严重它老了。厂房会破，天轴会磨损，机器会报废。折旧到一定程度，重建比修复便宜，于是新工厂按新逻辑建。另外一个原因是人。相信天轴的那一代工程师退休了，在电机时代长大的工程师接了班。旧形式的消失，靠的是物理折旧加上一代人的更替。

组织形式的折旧比旧馆慢，第一个原因是它的地位是人。一个职业背后有收入，有身份，有资格，有地位，有可瞻的路线，有几十年的教育投资，有一整套组织记忆。一个中层的位置后面是一个人的生活计划和自尊。一个专业的边界后面是一个协会、一套考试、一组学校。这些东西不会像建筑物一样自己变旧。它们会防御。共识会用一切办法证明这个形式还有必要，而且它们往往是对的，至少在局部是对的。建筑物不会为自己防御，职业会。建筑物会老，人会保卫自己的建筑物。

第二个原因是旧组织周围有一整套互补的：东西，客户的信任，供应商的流程，保险，责任链条。这些东西互相咬合，动作一样要动全部。一家医院让模型写病历，但病历出错谁负责，法律没有变，保险没有变，病人的信任也没有变。这些不变，形式就不能变。把重组慢归到既得利益上，会漏掉这一层，同样把一个结构问题讲成一个利益集团的故事。

还有一个电力时代也有区别。旧工厂改造慢，新工厂按新逻辑建就快。20世纪初，那些拓展正在进行、能够新建厂房的行业，更容易关注围绕电力重新设计的生产形式；老厂则常常继续在旧结构上修修补补。人工智能时代可能也是这样：旧组织长期不动，按人工智能重新设计的新组织突然出现。总体上不再比电气化更慢，但会终止很长时间的不动，然后是拆除新东西的突然出现。

二十九、一个奇怪的时间表

这些放在一起，可以画出一张时间表。它和今天围绕人工智能的大部分讨论都不一样。

能力的进步极快，几个月一个台阶。任务的替代很快，一个阵地一个阵地被装上“电机” 。组织的重组很慢，新的要等旧的让出位置。

而最大的收益，可能会出现在最慢的那段时间。

今天的很多讨论前两段。哪些会消失职业，哪些任务会自动化，明年将会提高多少。这些问题都有意义，但它们问天轴上的事。电力的历史说，天轴上的事做完了，收益还没有真正开始。真正的收益要等到有人不再问“电机能更换哪台蒸汽机” ，开始问“没有天轴的工厂应该长什么样？” 。

放到今天，就是要等到有人不再问“人工智能能帮这个职业做什么” ，开始问“这个职业里哪些部分是在节约认知，哪些部分是在配置责任，之前没有了以后，晚上应该怎么重新组织” 。

这个转折什么时候来，我不知道。电力等了三十年，人工智能面对的旧形式更加顽固，也许更久，也许因为新组织可以另起炉灶而更快。但有一点说得非常确定：如果只看另一类的替代来估计人工智能的经济后果，估计出来的长期收益会小很多，对收益来源的判断同样错：它用生产形式的重写，算成已有的启动的节约。

这也是电力这一类比最有用的地方。它提醒我们，一种通用技术最大的经济后果，经常出现在人们不再谈论它的时候。 1900年人们都在谈电，1930年谈得少了，因为电已经变成了工厂的形状、城市的形状、家庭的形状。人工智能的那个时刻还很遥远。

第五部分类比断掉的地方

三十、类比为什么会断

前面四部分一直在用电力说人工智能。现在该说这类比在哪里靠不住了。

我不打算用一段时间总结总结。一类比最有用的地方通常是它断掉的地方。断口显着的区别，是一类比本身无法教给我们的东西。电力和人工智能的断口有三处。

三十一、电没有历史，人工智能有

第一处前面提过，这里把它推到底。

电是一种物理能力。它不知道人类以前是什么，也不在乎。人们拿它做的每一件事，对它来说都是第一次。所以电力时代的用途发现，是人们对着一片空白在想。

人工智能是从人类的记录里压出来的。它带着已有世界的先验知识诞生。这带来了偏向已有的品类。这里要说另一个面：它带来的不仅仅是已有品类的地图，还有已有世界没有满足的愿望的记录。

人们留下的文字里，除了物资的事，还有没有物资的事。有抱怨，有遗憾，有“可惜能这样就好了” ，有几十年来一直在问却没有答案的问题。这些东西电不见，人工智能读过。所以它的先验有两层。一层是已经有名字的活动，这一层把它拉向账单。另一层是那些被反复说起却从未实现的需求，这一层指向外部。

读过抱怨和愿望，并不等于知道其中哪一个有真正的价值。文本给出的选项要方向，不是需求的强度，更不是最终的目标。小说里的幻想、酒桌上的牢骚和一个真实的潜在需求，在文字里没有天然的标签。模型可以从记录里找出万个“如果能这样了” ，它不能记录自己判断哪一个值得实现。这个判断还是过筛选这个关，回到活着的人。

所以“已有世界的先验”这个说法要小心。已有世界不仅记录了自己的渴望，也记录了自己想成为什么样的。一个读过全部记录的东西，知道现有的物品类，也知道物品类之间的空隙。它不会去填那些空隙，会根据没有人问它，以及有没有人告诉它填哪一个。

三十二、电不会被使用加工，人工智能会

第二处是全文最深的一个断口。

再多的照明需求也不会改变电子的性质。电力的通用性是物理给的，人怎么用它，通用性都在那里。 1900年的电和1800年的电是同一个东西。

人工智能的通用性是训练给的。训练用什么数据，给什么奖励，往哪个方向优化，通用性就长成什么样。前面说的循环——可估值的目的得到了钱，钱变成数据和奖励，能力在可验证的地方长起来——说的就是这件事。

由此出来的一个电力时代从来没有过的问题：一种通用技术的使用方向，能不能反过来改变它的通用性本身？

这个问题今天没有答案，但它决定了前面所有判断的数量。如果从账单上学来的能力可以大量转移到账单以外，那么方向的锁定只是一个小扭曲，新品类照样会从旧任务的崩溃价格里长出来，电力的故事大接触重演。如果转移很少，就会那个别扭的组成：新用途靠基础的人去试，工具偏偏那里最弱，试错的信号也最弱。

我目前的观点是相当多，但很不形成。在代码这类可验证领域或求解出来的一部分能力，也能用于写作和分析。到了需要身体、现场和判断的地方，能借到的就少了。意味着账单的用途也分散了两类：一类能借到账单上练出来的能力，一类借不到。前一类会先发现。这比“人工智能能找到新用途”这个具体的分开，也是一个可以慢慢观察的事实观察的。

三十三、电不会提建议，人工智能会

第三处断口最简单，也最陌生。

电不会对人说：“你还可以拿我干这件事”。电力时代的每一个用途，都是人想出来的。技术是被动的，人是能动的。用途发现的方向永远是从人到技术。

人工智能会提建议。你问它然后，它会给出一张清单。你说一个困难，它会提出解决办法。你描述一个步骤，它会告诉你其他人在类似的终端下放置什么。用途发现第一个可能是尸体的。人向技术提问，技术向人提示，一起寻找。

这一下把前面的问题推到了一个新的地方。如果人工智能自己也参与了用途探索，那么它提出的用途从哪里来？还是来自它读过的已有世界？

我倾向于认为，单个建议大多来自现有的东西，因为它只能从读过的东西里组合。但组合本身可能就够了。很多新类没有依赖全新的自然原理，只是把原来分散在不同领域的元素重新组合起来。人工智能擅长的部分是把散在不同地方的东西放在一起。不一定能想出一个全新的元素，但它可能比人更快地穷尽现有元素的组合。电力时代大部分新类，就是旧元素的新组合。

注意，人工智能虽然参与了选定的生成和组合，但不能独立完成目的的价值选择。它可以说“这样东西可以放在一起” ，不能说“放在一起以后的那种生活值得过” 。第二句话需要什么对人是好的，这个知识在模型之外。一万个组合摆在前面，哪一个对应一种人们真正想要的生活，还是要由人来选，而且通常要试过才知道。

所以有话保留值得：它是历史上第一种会参与寻找自己用途的通用技术。但要马上跟上：它参与探索，明白拥有探索的最终目的。它能扩大候选范围，不能从自身内部决定哪一种值得生活实现。这条界线画清楚，由此探索才不会被误解成机器代替一个人要什么。

三十四、向内和向外

最后把所有东西压到一点上。

向内的力量明确得很。一张大到惊人的现成账单，资本按它估值，能够按它生长，模型自己的先验指向它，旧组织按它提需求。每一件事都在把人工智能拉回已经存在的世界。

它外面的力量也不弱。电网现成，翻译水平很低，几亿人直接参与，极小的私人需求有了工具，人工智能自己会提议，已有世界的记录里还藏着没有被满足的愿望。每一个都在把推向不存在的东西。而外面的每一步，都要过筛选那一关，那一关的知识在模型之外。

这两个股力量谁大，今天看不出来。所以不能说人工智能替代旧工作，也不能说它一定会造出大量新产业。两种说法都把一个仍在进行的过程说成结果。

能说的是，它的逐步和电力去年正好相反。电力革命开始的时候，人们不得不去想象没有价格的未来，因为眼前没有什么可以估值的。人工智能革命开始的时候，人们摆着几十万亿美元的、可以直接拿一个基准的现在。电力被迫向外寻找了八十年，才一层搭出了自己的世界。人工智能不需要外部找也能活得很好，它的便利，它的危险。

那么问题就变成了这样：一个从世界已有的训练出来、由已有的市场融资、却又能把探索成本降到很低的通用智能，最后会不会发现一个不再像世界上的新经济？

这个问题没有人能回答。但至少可以把它问对。电能做什么与人怎样使用它，是两件分开的事。人工智能能做什么与人怎样使用它，开始进行咀嚼。