那天下午我用 AI 完成了一份竞品体验分析报告。
不是什么特别复杂的任务，但换在两年前，这件事大概要花我整整一个下午：打开十几个 App 截图、逐一标注交互细节、归纳设计逻辑、整理成一份可以直接用于汇报的文档。那天我花了不到一个小时。AI 帮我梳理了结构，帮我把零散的观察归类，甚至在我说"这里感觉怪怪的，但我说不清楚为什么"的时候，它给出了一个比我更精准的表述。
我保存文件，关掉对话窗口，有一种很具体的满足感。不是那种"哇 AI 好厉害"的惊叹，而是一种更日常的、类似于和一个默契的同事协作完成了一件事的感觉。
那天晚上，我打开了 StarTalk 那期辛顿的访谈。
评论区最高赞的那条留言是这样写的：
"我长这么大，第一次看到尼尔·德葛司·泰森在一档节目里几乎全程闭嘴，像个手足无措的小学生一样乖乖听讲。"
我看到这条评论的时候笑了一下，然后点进去看。
但其实，如果你一直在关注辛顿，你会知道这个警告不是今天才响起来的。
2023 年 5 月，他从谷歌辞职。理由很直白：想更自由地谈论 AI 的风险。那时候他说的是——AI 可能传播虚假信息、消灭工作岗位，而且发展速度已经超出了他自己的预期。媒体把这件事报道成一个大新闻，"AI 教父离职警告人类"。
然后是 2023 年下半年到 2024 年，他出现在 CNN、BBC、60 Minutes、NeurIPS 的现场访谈上，每一次说的核心内容基本一致：AI 有 10\~20% 的概率在 30 年内导致人类灭绝，超级智能可能 20 年内到来，人类的智力将变得"无关紧要"。每一次媒体都当作"最新警告"来报道，每一次都能引发一轮传播，每一次都有人在评论区写"看完浑身发冷"。
这之间他说了太多。
最后到2026 年 3 月，StarTalk：1 万个 AI 可以瞬间共享同一份"灵魂"，人类注定被超越。
你会发现，这不是一个人突然醒悟发出的一声惊雷。这是一个老人，用将近三年时间，在几乎所有他能触及的媒体平台上，反复说着同一件事。
每隔几个月，他就会出现在某个新的节目上，用同样平静的语气，说同样让人不安的话。然后评论区里又会有人写"我是来听科普的，结果带着一身冷汗退出了网页"。
这不是一个新的警告。这是一个持续存在了三年的背景音。
说实话，我之前也看过他的采访。
大概是 2024 年底，某个工作日的午休，我刷到了他在 NeurIPS 的现场采访片段。看了几分钟，感到那种短暂的不安，然后下午继续去整理产品需求文档了——当然，是用 AI 帮我整理的。
那种不安来得快，去得也快。就像你偶尔看到一篇关于气候变化的报道，感到沉重，然后出门还是打了一辆滴滴。
这次 StarTalk 有点不一样。
我想了很久，到底是哪里不一样。不是因为他说了什么新的内容——其实没有，他说的那些核心判断，我之前都见过。但这次有一个具体的画面让我停下来了：泰森全程几乎没怎么说话。
泰森是什么人？他是那种会在任何话题上都能滔滔不绝、用宇宙的宏大来震撼嘉宾的人。但那期节目里，他一直在听。不是礼貌性地听，是那种你能感受到他真的在消化的状态。
然后辛顿说了那句话——"1 万个 AI 可以瞬间共享同一份灵魂"。
我突然意识到，他描述的那个东西，和我下午用来整理竞品分析的那个东西，是同一个东西。
不是同类，是同一个。
我用来提高工作效率的那个协作伙伴，和他描述的那个学习速度是人类百万倍、可以无限复制知识、可能在 20 年内超越人类智力的东西，指向的是同一个技术本质。
这两件事在我脑子里叠在了一起，产生了一种奇怪的认知错位。
不是恐惧。是一种更接近"我好像一直在用一个我并不完全理解的东西"的感觉。
我有设计的背景，后来转做 AI 产品经理。这个背景让我习惯性地用"用户和产品的关系"来思考人和工具之间的事。
但我发现，我和 AI 的关系，已经不太像用户和产品了。
更接近的描述是：工作伙伴。或者像我之前说的那个词——朋友。
这听起来有点奇怪，但如果你每天都在用它，你会明白那种感觉。不是情感投射，而是一种协作默契。你知道它擅长什么，知道它会在哪里出错，知道什么时候该信它，什么时候要自己再验证一遍。这种熟悉感，确实有点像和一个长期合作的人建立的那种默契。
但辛顿的警告让我不得不重新审视这个关系。
他说的那些风险是真实的吗？我相信是的。他不是在危言耸听，他是这个领域最顶尖的建造者之一，他比任何人都更了解这个东西的内部逻辑。
但这里有一个我花了很长时间才想清楚的区分：
辛顿担忧的，是系统层面的风险。我每天面对的，是使用层面的关系。这两个问题不在同一个尺度上。
他担心的是：AI 军备竞赛失控、监管缺位、超级智能在某个时刻决定人类是障碍、财富过度集中导致社会崩溃。这些是文明尺度的问题，涉及的是政策、国际协议、科技公司的利益结构。
我每天面对的是：这个工具帮了我什么、它在哪里会出错、我依赖它到什么程度是合理的、什么时候我需要用自己的判断覆盖它的输出。这是个体尺度的使用关系。
这两个问题会在同一个信息流里被混在一起投喂给你。辛顿的采访和你的工作 workflow 出现在同一个屏幕上，制造出一种"你用了它就是在参与那个危险"的错觉。但这个错觉本身是有问题的。
我无法解决文明层面的 AI 风险，就像我无法靠分拣垃圾解决气候变化。但我可以对自己和 AI 的关系保持清醒。
这个清醒不是"不信任 AI"。是知道我在用什么、用它做什么、它替代不了什么。
我自己有一个习惯，就是会去想"这个产品的边界在哪里"。用在自己身上也一样：我和 AI 的协作关系，边界在哪里？
我想了很久，得出的答案是：AI 可以帮我执行，但它无法替我经历。
它可以帮我整理一份竞品分析，但那份分析背后"我在用这个 App 时感到哪里别扭"的感受，是我的，不是它的。它可以帮我把一个模糊的想法表述得更清晰，但那个想法是从我做了多少年产品的经历里长出来的，不是它生成的。它可以帮我写出一篇文章的初稿，但这篇文章里那个"看了辛顿的视频之后恍惚了一下"的瞬间，是我的，它不知道那是什么感觉。
这个边界，不是辛顿的警告划出来的。是我自己想清楚的。
我有一个坏毛病：自驱力差。
不是不爱学习，而是很容易陷入一种"我已经了解了这件事的大概"的假象，然后停下来。真正让我学进去的方式，是被逼着输出。写一篇文章、做一次分享、整理一份复盘——在输出的过程中，你会发现那些你以为自己懂了的地方，其实根本说不清楚。
这是我说"输出倒逼学习"的意思。发文对我来说特别好，就是因为它制造了一个必须输出的压力。
AI 在这个过程里能做什么？
它能帮我搜集信息、整理结构、打磨表达、在我卡住的时候给我一个起点。这些都是真实的帮助，我不打算假装它们不重要。
但它做不到的那部分，才是这件事的核心。
它做不到的是：产生困惑。
它不会在看了辛顿的视频之后恍惚一下。它不会在完成一份竞品分析之后，突然意识到"我每天依赖的东西，和那个可能改变人类文明走向的东西，是同一个东西"。它不会因为这个认知错位，坐下来想了很久，然后决定把这件事写出来。
这篇文章是从那个困惑里长出来的。AI 参与了它的生产，但它没有参与那个困惑本身。
这让我想到另一件事：在 AI 时代，"持续学习能力"意味着什么？
以前的答案是：快速掌握新工具、跟上技术迭代。这个答案现在还对，但不够了。
因为 AI 本身就在帮你做这件事。它可以帮你快速了解一个新领域，帮你整理一个你不熟悉的概念，帮你在短时间内建立对一个问题的基本认知。如果"学习"只是信息的获取和整理，AI 确实比你强。
但如果学习是"把外部信息变成自己的判断"——这件事 AI 做不了。
判断来自经历。来自你做了多少个产品决策、踩了多少个坑、在某个功能上线之后看到用户反馈时那种"果然"或者"没想到"的感受积累。来自你看了辛顿的视频之后，那个在你脑子里产生的、属于你自己的困惑和思考。
这才是持续学习能力在 AI 时代真正稀缺的部分：不是信息处理速度，而是从经历中生成观点的能力。
从技能执行者到观点输出者，这条路上 AI 是一个很好的加速器——它帮你更快地完成执行层面的事，给你更多时间去思考、去经历、去形成判断。但这条路本身，还是要你自己走。
我写完这篇文章，保存，然后打开了工作的对话窗口，继续推进今天还没做完的一个产品需求梳理。
AI 还在那里。它还是那个帮我整理结构、打磨表达、在我卡住的时候给我一个起点的协作伙伴。我对它的依赖没有减少，我们的工作默契也还在。
但有一件事变了。
我现在知道，这种信任不是无条件的，也不是因为我不了解那些风险。恰恰相反，是因为我知道那些风险在哪个层面，知道它们和我的日常使用关系之间的距离，我才能在清醒的状态下继续用它。
这个清醒，不是从恐惧里来的。
是从想清楚之后来的。
至于辛顿说的那些，那个 20 年后的世界，那个超级智能到来之后人类该何去何从的问题——
我不知道。
真的不知道。
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。