最近一直沉浸于 OpenClaw 世界，把它当作身外化身，上线到云端虚拟机、本地电脑，甚至是树莓派，尝试去做各种不同的事情，探索它的能力边界。当它完成各种意想不到的任务，带着令我惊叹的结果回到现实时，我发现全世界还在盯着英伟达的财报、OpenAI 的新模型、以及下一代芯片的算力。而我从与 OpenClaw 的合作中感受到另一个更冷酷的现实：AI 可能正在修改很多社会机制的“默认前提”。
过去两百年里，我们很多制度与共识，常常暗含一个温和的背景：人的能力差异虽然存在，但大体是连续的、差距有限的，于是“多数人的参与”和“规则的约束”才显得合理。 ![[AI 繁荣的幻象：从“正态分布”到“权力幂律”，我们正处于旧秩序大崩塌的前夜_image_1.jpg]]
而 AI 更像一个能力杠杆。它未必平均地提升所有人，它更可能先把少数人的能力推到一个不连续的量级，让权力分布从类似“钟形曲线”的世界，转向更尖锐的“幂律尾部”。那是一条真正收割普通人的斩杀线！
这篇文章不讨论 AI 能写多少代码，而是讨论一个更底层的问题：当能力差异从“可协商的差距”变成“不可协商的鸿沟”时，我们熟悉的民主、法治和中产结构，会发生什么变化？
在硅谷的叙事里，生成式 AI 的热潮常被解释成“啤酒上的泡沫”：上游（芯片、云、数据中心）是真实利润，市场只是对未来有些乐观。
但这里有一个更直接、也更容易量化的张力：基础设施成本已经变成一种硬约束，而应用层收入增长仍然是软的、慢的、分散的。
红杉资本的 David Cahn 在 2024 年 6 月 20 日发表过一篇文章《 AI’s $600B Question 》，把这个张力说得很尖：当全行业把巨额资金投入到 GPU 、数据中心、网络与电力之后，应用端需要用多大的新增收入去“对齐”这条资本开支曲线？他的结论不重要，重要的是这个问题本身：上游投入是确定的账单，下游收入却未必能按同样速度变成确定的现金流。
从结构上看，这里容易形成一种自我强化的循环：资金进入模型公司与应用公司，这些公司把大量成本变成云端算力支出，云厂商再把需求传导到芯片与服务器链条，最后在财报里表现为上游高景气。问题是，这条链条里，最缺的那一环是“终端愿意长期付费的稳定需求”。
所以真正值得担心的不是“有没有泡沫”，而是：当资本开支是刚性的，而付费需求是可变的时，系统的稳定性就更像一根被拉得很紧的绳子。 一旦宏观环境变差、融资成本上升、或企业预算收缩，这根绳子会更容易出现断点。
为什么应用层收入不容易按同样速度增长？这里有一个让人不舒服的悖论：AI 能明显提高供给侧效率，但它对需求侧的影响未必同向。
过去的工业化浪潮中，机器替代了大量体力劳动，但同时扩展了大量新的分工：文职、工程、管理、服务业等。旧岗位消失，新岗位出现，工资结构也发生变化，但整体上，需求侧并没有被系统性抽干，反而在很长时间里被扩展了。
这一轮 AI 的不同之处在于：它直接冲击的是大量“认知型中等收入岗位”。企业引入 AI 的一个常见动机是降本增效，而最直接的降本方式就是减少人力支出。于是你会看到一个很尖的结构：企业把一部分工资成本转化为算力成本，同时还希望收入继续增长。
问题在于，当中等收入群体被压缩时，社会的总购买力可能同步变弱。供给侧变强，需求侧变弱，系统就容易出现不闭合的状态。把它说得极端一点：一个社会可以生产出很多很好的商品与服务，但如果很多人没有稳定收入，这些东西最终卖给谁？
这不是在说“AI 一定会导致大规模失业”。更准确的说法是：如果企业的节省主要来自工资压缩，而新增价值主要被少数人占有，那么需求侧的韧性会下降。需求侧一旦变脆，上面那条“基础设施硬账单”的绳子就更容易绷断。
面对“需求侧可能被压缩”的担心，很多人会提出 UBI （全民基本收入）：用税收或分配机制，把高效率体系的收益返还给大众，维持消费与社会稳定。
从经济模型看，这个方案并不荒唐。但现实世界里，它不是一道算术题，而是一道文化与政治题。不同国家、不同文化传统，对“工作”和“领取”的道德理解差异极大。尤其在美国语境里，工作常被赋予强烈的身份意义：它不只是收入来源，还和尊严、价值、贡献绑定在一起。
因此，UBI 往往会引发激烈的叙事冲突：有人会把它视为保障，也有人会把它视为奖励“无所事事”。而一旦这种冲突与党派政治绑定，政策就会被拖入长期拉扯。于是可能出现一种很难受的顺序：在系统完成有效再分配之前，社会先进入更强的对立与极化。 经济问题还没有被解决，社会的共识先被撕裂。
到这里，我们可以把前面三段的担忧收束成一个更底层的问题：即使经济上能找到某种平衡方式，社会结构是否还能维持原来的“可协商性”？
很多现代制度之所以能运转，背后常常暗含一个温和但关键的背景：人的基本能力差异虽然存在，但大体是连续的、差距有限的。 这和“正态分布”很像：大多数人聚在中间，少数人特别强或特别弱，但差距通常仍在一个可理解、可竞争、可追赶的范围里。于是我们会默认：精英需要群众的配合，组织需要大量普通人的参与，规则对所有人都有约束力，因为没有谁可以强到完全不需要规则。
AI 可能改变的是这一点。AI 更像一个能力放大器，而且它的放大往往先服务于最顶端的人：最有资源的人更容易拿到更好的模型、更强的算力、更好的数据、更成熟的团队与流程。结果是，能力差距可能不再是“同一条线上拉开一点”，而是出现“不连续的断层”。
当这种断层出现时，权力分布就会更像幂律：少数人拿走大部分影响力与收益。彼得·蒂尔在谈创业与投资时用过“我们生活在幂律之下”的说法，它本来是讲商业回报的长尾结构。但 AI 可能把这种结构从“资本回报”推向“社会能力与影响力”。
你可以把它想成一个简单的思想实验：如果一个人借助 AI 代理群集，在信息搜集、分析、内容生产、传播与组织动员上，能达到过去需要成千上万人才能达到的规模，那么“多数人的参与”对他来说还重要吗？当“协作依赖”变弱，规则的约束力也会变弱。
这就是我在标题里说的：从“正态式的温和差异”，走向“幂律式的尖锐差异”。一旦权力分布变得更尖，基于“人头”的许多制度安排会被迫重新解释，甚至被迫重写。 因为契约的心理基础之一是：大家的差距虽大，但仍属于同一个世界。
把这些线放在一起，你会看到一个更清晰的图像：
上游的硬成本在上升，下游的稳定收入未必能同速增长；企业在追求效率时，可能压缩需求侧的韧性；再分配方案会撞上文化与政治阻力；而更深处，能力分布的形状可能在变化，导致权力更集中、差距更不连续。
这不等于“世界一定会崩塌”。更准确的结论是： 我们可能正在靠近一个需要重写很多规则的阶段。 旧秩序是否能平稳过渡，取决于很多因素：监管能否跟上、竞争能否保持、开源与公共基础设施能否降低门槛、教育与再训练能否有效、以及政治体系能否形成新的共识。
而对个体而言，最现实的不是去预测大势，而是去降低自己被幂律甩出去的概率。你此刻在做的很多“小事”，可能都有同一个方向：保存自己的数据、维护自己的工具链、减少对单一平台的依赖、把关键知识沉淀在自己可控的系统里。它们看起来很小，但在权力更尖的时代里，这些小的“可控性”会更值钱。
也许我们真的正在进入一个新阶段。它不一定是“新封建”的必然到来，但它很可能是一个更强调主权、边界与控制的时代。而你手里那一点点不愿外包的控制权，可能就是你在风里不被卷走的锚点。
这篇文章最早发布在我的个人空间 Hacker Digest （公众号同名）。在那里我记录了更多关于 OpenClaw 部署、补丁、架构和应用的折腾细节，如果你对这套‘数字大脑’的底层实现感兴趣，欢迎来找我交流。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。