越发察觉到一个不可逆的趋势——AI 让社会知识的流通效率大幅提升,但知识的生产意愿可能在下降。
工作留痕正在变成良币自我淘汰的回旋镖。沉淀在文档、平台、协作工具里的方法论和决策逻辑,随时可能被模型吸收为一句 prompt 即可调取的公共品。技能蒸馏从生物层面剥夺了脑力工作者完整的生产退出权——人可以离开公司,思维痕迹走不掉。
知识藏匿因此正在成为许多脑力工作者心照不宣的共识。草台班子式的,各自把真正值钱的判断力从公开界面上撤走。
脑力劳动的议价结构也在同步改变。过去不可替代性建立在信息优势和执行壁垒两根支柱上,AI 把执行壁垒锯短,操作层面的技能差距被模型抹平,信息优势反而成了更核心的议价资源。
而且这种信息优势的形态已经变了——从公开信息的检索效率,转向模型无法触及的私有认知。未数字化的一手判断、行业暗知识、没写进文档的经验直觉——维护封闭信源和非数字化经验通道,正在构成新的稀缺能力。
回归技术本身。大语言模型的能力建立在对公开文本的大规模学习之上。这些文本曾由无数创作者自愿或被自愿地放置在互联网上,构成事实上的知识公地。
当模型将其即时消化并以零边际成本再分发给数亿用户时,激励产生了断裂。搜索转介流量被 AI 摘要截留,受众不再寻找一手信息。创作者花数周写成的深度内容被模型吸收后转瞬成为平台流量,换回的只有更少的关注。
每个个体观察到回报递减后,都可能独立做出同一判断——停止公开写作,或转向付费订阅、封闭社群、私有知识库。整个过程不需要协调就会自发发生。
近两年的现象印证了这一方向:出版商大规模封锁 AI 爬虫,技术问答社区活跃度显著下滑,独立研究者迁入付费通讯,公开互联网上 AI 二次加工内容占比持续走高。最前沿、最有信息增量的那一层,正在从公开视野中退场。
高价值内容退入私域后,公开空间中模型能习得的知识天花板在下降,但使用者感知不到。AI 助手依然什么都能答,只是答案边界在往回收——收得极慢,慢到无人注意。有能力维持私有信源的机构,与只能接触公开 AI 输出的个体之间,正在形成一条安静的认知分水岭。
模型的能力依赖高质量人类内容的持续供给,模型的使用方式却在削弱供给侧继续参与的理由。这个循环的均衡,取决于归因与补偿机制的演进能否赶上知识提取效率的提升。
如果赶不上——我们可能正在进入一个表面知识唾手可得、实际前沿认知悄悄变贵的时代。