个人认为，AI 本质上是一个更低获取代价的工具系数。它降低了专家级资源的物质门槛：以往需要钱或人才能获得的一对一，现在代价缩减，这是真实的进步，但它做的是乘法，不是 avg

乘法在于基数，基数是人，而非工具，基数是一个人对 AI 输出做出有效判断的最低知识阈值。以 coding 为例：不懂任何编程的人让 AI 写一个完整应用，得到的是无法评估修复的黑盒，结果全靠抽卡，而有基础的人让 AI 完成具体模块，出了问题能读懂能修。基数为零，系数再大，乘积还是零

阈值因领域而异。这个阈值在不同领域之间存在数量级的差异。在以自然语言为输出、以生活常识即可评估的领域，如法律常识，医疗症状解释，行政流程，有效判断的门槛接近基础识字，avg 在这些领域可能真的接近普遍。而这些恰好是传统上黑话最多信息最不平等的地方

因此我判断：AI 在”精英知识”的维度上做乘法，放大了人与人之间的差距。在”基础信息”的维度上做平均，正在消解一些最古老普遍的信息剥削，两者并行不悖

对于有主动学习意愿的人，AI 还能参与抬高基数本身。出错 追问 理解 再使用，这个循环是真实的螺旋上升。但螺旋的起点始终是人：你得愿意在出错时多问一句 why，入场券是主观能动性，而这本身也不是平等分配的

AI 的普惠效应还受到三个维度的制约：供给侧的基础设施差距尚未消除，山区基建差，AI 的门槛对他们根本没有降低。需求侧人与人之间的能力与意志差距始终存在。工具本身的质量不均等，且结构性地流向更强的人：能触达更好模型的人，往往已经具备更强的信息获取能力和付费意愿，豆包，deepseek，Claude 等模型差距确实存在

但，更根本的问题在于，所谓知识平权作为一个系统性承诺，从一开始就被过度售卖了

一个勤劳的人处于高成本环境，可能是 50×1＝50。一个懒惰的人处于低成本环境，可能是 1×50＝50。两者结果相同，路径完全不同。真正的飞跃只发生在主观能动性与优质环境共同发力的时候。知识平权的政策逻辑，本质上是在优化环境系数，却假装在解决人的问题，打地鼠罢了

上层不是被动地受益于不平等，而是主动地生产和维护它。学历贬值了就卷名校，名校普及了就卷海外，AI 让更多人能写代码，竞争就转移到架构、判断力和 taste，这些东西更难被工具化，更难被平权。每一次平权推进一步，壁垒就在更高处重建一次

这个叙事之所以能持续流通，是因为它对各方都有用：它给互联网公司提供道德背书，给政策制定者提供抓手，给普通人提供希望。它的功能不是解题，而是给不平等一个可接受的解释框架，把结构性问题转化为个人问题，把权力博弈转化为教育议题

“平权不会发生”确实难说，但不可否认的是 远比它被售卖的样子小 慢且局部，且始终面临结构性的反向力量

AI 真实地消解着某些领域最古老的信息剥削，也真实地在更多地方加速着已有的分化。它没有改变人是决定性变量这一事实，也没有改变壁垒会持续重建这一机制。值得追求，但作为可实现的系统性终态，它在人类社会的结构中从未真正成立过

AI 的出现，不会让它成立，只会让这件事更快变清，它是加速器，但加速器不考虑方向