https://x.com/i/article/2111270715995627520
AI 会让我们幸福吗？还是会让大家都完蛋？
今年 5 月《纽约时报》发了一篇报道，叫《硅谷正在为一个永久底层阶级做准备》，里面采访了五十多个 AI 研究员和经济学家，其中一位受访者说，他认识的大多数 AI 从业者都觉得大部分普通人要完蛋了，而且不知道该怎么破局。
最近我也一直在思考一个反直觉的问题，AI 在提效方面的能力毋庸置疑，但，AI 真的产生价值了吗？
提效并不等于产生价值，甚至可能损坏价值。
社会定义经济价值的方式是成功的交易，我生产了这么多，你消费了这么多，匹配上的才是价值，如果需求是 100，产量是 10000，剩余的 9900 都是无价值的。
我们假设 AI 让一个程序员的效率提升了 10 倍，让 10个 程序员的工作量变成了 1 个，那剩余的 9 个程序员，他们就没有工作了，如果因为有部分人失去了工作，那从公司角度来看付出的钱更少了，交易更少了，社会总价值并未因为提效而增加。
假设因为一个工厂 AI 提效而导致生产成本降低 10 倍，商品可以通过降价的方式获得更有竞争力的价格，进而获得更高销量，在这种情况下社会总价值才会增加。
但这种情况真的会发生吗？
如果每个工厂都可以通过 AI 提效 10 倍，那每个工厂也都可以降价 10 倍。假设所有的商品都降价了，但如果需求并没有改变，销量并不会增加，社会总价值并未增加。
当人人都有银弹，银弹就不再是银弹。
这种事情，并不是 AI 的问题，而是经济学的基本原理。
历史上每一次技术变革，都是以替代和提效作为切入点，并在过程中逐步蕴育新的机会。
工业革命，从 1780 年到 1840 年这六十年，英国的人均产出和工人实际的薪资：人均产出的曲线一路爬坡，五十年涨了差不多百分之五十，但工人实际到手的工资只涨了百分之十左右。这就是著名的恩格斯停顿。
资本并不会因为技术到来，就把更多的价值分给工人。如果不是工人阶级的抗争并在建立工会，可能到现在也不会。
但工会一直到 1871 年才合法，距离 1780 年已经过去了九十年，那是一代人的一生。
AI 这一次，也不例外。
软件行业的许多白领岗位，可能正在面临两百年前蓝领工人同样的现实，难道要在薄肌中等待一生？
历史上每一次技术变革，都是以替代和提效作为切入点，并在过程中逐步蕴育新的机会。
随着机器的升级以及社会的发展，文书记录的需求越来越多，打字机这种可以快速生成文字、制作副本的工具，就在 1880 年左右被办公室大量采购。在 1870 年的时候，美国统计到的女性速记员和打字员只有七个人；到了 1900 年，这个数字变成了 8.6 万人。
AI 这一次，也不例外，也会诞生很多新的机会。
AI 会让我们幸福吗？还是会让大家都完蛋？我们身在技术的剧变之中，暂时没有答案。
我把最近的思考告诉 Cola，昨天它主动为我推荐了一期播客，它说也许可以从历史中寻找这些问题的答案。
今天把这期播客推荐给大家，看完也许也能帮你找到内心的答案吧。
以下内容来自播客改写的文字版本，全文 1.2 万字，也欢迎大家去小宇宙收听。
一、1776 年的 SOHO 工厂，和 2026 年的 AI 工厂
一七七六年春天，英国伯明翰城外一个叫 SOHO 的工厂，七百多个工人在车间里做纽扣、鞋扣这类金属小件。在当时，SOHO 工厂已经是英国乃至欧洲最先进的工厂，一个著名的打卡圣地，各种企业家、贵族、名人都过来参观，就像今天很多人去参观硅谷大厂一样。
为什么一个做金属件的工厂会吸引这么多人来参观？因为这个工厂的合伙人，就是历史课本里那位改良蒸汽机的发明家詹姆斯·瓦特。有一天，作家鲍斯威尔跟亲友一起去参观 SOHO 工厂，工厂的老板马修·博尔顿亲自带着他们在车间里参观。鲍斯威尔第一次亲眼见到巨大的蒸汽机设备跟工厂的机器互相配合着运转，感叹人的智慧可以造出如此强大的机械力量。这次参观的过程被鲍斯威尔写进了《约翰逊传》，那本书也是反映第一次工业革命的重要资料。博尔顿的名言就这么流传了几百年：我这里卖的是全世界都想要的东西，动力。
时间跳到 2026 年 3 月，英伟达的 GDC 大会。黄仁勋说，英伟达的芯片是这一轮 AI 热潮的算力底座，数据中心就是 AI 工厂。这两件事刚好相隔两百五十年。当年工厂的原料是水和煤，产出的是动力；现在 AI 工厂的原料是电和数据，产出的是 token。还有一个很重要的相似点：无论两百五十年前的动力，还是今天最强模型的 token，都不是普通人能轻易负担的。当年的蒸汽机是卖给矿场主或者工厂的；今天虽然每个人也用得上 AI，但钱包越来越负担不起最好那档模型的订阅费。
二、CL 的一周 token 账单
今年 6 月，Anthropic 憋了好几个月的新一代旗舰模型 Claude Fable 5 终于发布了，能力确实挺强。在此之前大家公认的最强模型是 Claude Opus，在 Fable 面前只能算个小弟。但模型发布仅仅三天之后，6 月 12 号，Fable 就被美国政府实施出口管制，强制下架。过了十八天，6 月 30 号管制结束。好消息是 7 月 1 号 Fable 回归，坏消息是所有的 Claude 订阅套餐只能体验七天的 Fable，而且只能拿套餐里一半的额度来体验；过了这七天，想继续用就只能打表计费，用多少 token 付多少钱。
后来 OpenAI 也跟着推出了自己的旗舰模型 GPT-5.6，相对量大管饱。OpenAI 智能体工具 Codex 的负责人 Tibo，大家都叫他 Tibo 大善人，三天两头在 Twitter 上发帖给大家重置套餐额度。也许是感受到了竞争对手的压力，最终 Fable 是保留在了套餐里面。但那七天大家是不知道的呀，都以为订阅用户只能体验这七天，以后就得按量计费。所以 CL 当时所在的很多 AI 群里的小伙伴都在没日没夜地体验 Fable，他自己也是。一个天天在节目里呼吁大家不要 AI 焦虑的人，反过来在疯狂地被 AI 胁迫，说起来非常惭愧。
因为算笔账就知道，Fable 的打表计费他是真的用不起。Fable 的定价是每一百万输出 token 五十美元，每一百万输入 token 十美元。他让 Codex 算了一笔账，看看自己最近一周花了多少 token。注意，用的是 Codex 不是 Fable，Fable 又贵额度又少，一般脏活累活都不敢用它。算出来一周，注意是一周，他用了九点二亿的输入 token 和两百万的输出 token。如果这些 token 用 Fable 打表计费，而且假设全部都没有命中缓存，大概需要九千多美元，折合人民币六万多块钱。
普通人怎么可能负担得起一周六万多块钱的 token 费用。当然这个例子相对极端，确实用得多，也建立在缓存未命中的假设前提上。但把数字变成十分之一，一周六千多块钱，也是普通人很难负担的成本。
于是他就忍不住想：普通人是不是很难放开手脚去体验最强模型的能力，更别说把这些能力结合到自己日常的工作流里；而大公司、大机构或者相对富裕的个体，可以像当年 SOHO 工厂买蒸汽机一样负担顶级模型，产出比普通人高好几倍甚至好几个量级的生产力，收入继续增加，就更负担得起这些生产力工具，形成一个增长飞轮。反过来，用不起的人不只是原地踏步，更有可能往更低的阶层下滑：生产力相对较低，工作机会减少，收入下降，更加不可能负担得起昂贵的生产力工具，一开始看起来短暂的落后，导致再也无法跟上时代的速度。
这么简单的道理不可能只有他想到。去查资料，果然，硅谷已经给这件事起了个名字，叫 permanent underclass，永久底层阶级。今年 5 月《纽约时报》发了一篇报道，叫《硅谷正在为一个永久底层阶级做准备》，里面采访了五十多个 AI 研究员和经济学家，其中一位受访者说，他认识的大多数 AI 从业者都觉得大部分普通人要完蛋了，而且不知道该怎么破局。当然这是这位受访者的一面之词，报道里也说到，多数经济学家并不认为最坏的剧本一定会发生。
而把这个概念吵得最凶的是节目的老朋友，Anthropic 的 CEO 达里奥。他这两年一直在说，AI 可能在几年的时间内快速替代掉一半的入门级白领岗位，还在个人博客文章《Policy on the AI Exponential》里提出了一系列跟失业救助相关的政策想法。一边把模型能力不断拉高、把模型价格不断拉高，一边警告大家 AI 会催生出永久底层阶级，然后提出失业救助。CL 的吐槽是：有没有一种可能，达里奥，我的朋友，你直接停下来不就完了吗。
当然这是开玩笑。就算 Anthropic 今天真的是原地解散，还有这么多模型厂商和实验室，也不可能一起停下来。现在大家已经被架住了，谁先停下来，谁就有可能输掉客户、资本，甚至国家竞争中的位置。
那普通人是不是真的完蛋了？节目回到前两次工业革命找答案。
三、SOHO 工厂为什么要换掉水轮
这个造金属件的工厂为什么需要蒸汽机？因为它原来的机器是水轮驱动的，需要把水渠的水引过来推动水轮。但一旦遇到干旱，或者别的什么原因导致河水不够，厂子就得跟着停摆。于是厂长博尔顿找到了瓦特，用上他改良的蒸汽机，希望用一种不靠自然因素吃饭的动力来维持厂子的生产力。
其实蒸汽机刚发明的时候非常低效，非常费煤炭，所以最开始基本只在煤矿上用，因为可以就地取材，没那么心疼。直到瓦特改良了蒸汽机，把煤耗量优化到以前的大概三分之一，才第一次让蒸汽机进入了煤矿之外各种需要动力的厂子，也就有了瓦特蒸汽机进入 SOHO 工厂、替代原始水轮动力这一幕。
四、瓦特蒸汽机的收费模式，就是两百年前的按量计费
瓦特蒸汽机的收费模式比较有意思，它不是按整机收费，而是收专利费。计算方法大概是，对比老式的蒸汽机，算出瓦特蒸汽机每年省下来多少煤炭钱，然后收取省下来那部分的三分之一作为专利费。而有的工厂机器没办法精确计算省了多少煤，怎么办？他们就在机器上装一个计数器，机器每动一下就记一次数，结算的时候就按这个数字来结账。
是不是有点眼熟？朋友们，这不就是两百多年前按 token 打表计费的方法吗。
那当年一台瓦特蒸汽机整机多少钱？大概六百多英镑起步，贵的可能到两千多。同时期一个英国工人一年大概能挣二三十镑。也就是说，一个普通人不吃不喝二三十年才能买得起一台瓦特蒸汽机。所以最初的二十五年，全英国总共装了不到五百台瓦特蒸汽机。当时的普通人或者小作坊根本不会去考虑"我要不要买一台蒸汽机"这种想法，就像今天普通人或者中小企业也不会认真讨论要不要自己建一个 AI 数据中心。
五、手摇织工的黄金期
那当时没有钱买瓦特蒸汽机的人怎么生产？拿纺织业来举例。买不起蒸汽机的，还是以传统家庭作坊来生产。一个典型的纺织家庭，一家人靠着一台木质织机干活，男的做织工，老婆孩子帮忙绕线，每周固定把织好的布拿去布行卖钱。19 世纪初左右，一个熟练的织工一周能挣大概一英镑多一点点，在那个时候养家已经绰绰有余，在体力劳动里面算是比较体面的收入。
等等，不是说生产力工具淘汰普通劳动力吗，怎么还能有体面的收入？这份体面的收入其实得益于上一轮的生产力自动化。织布分两个步骤：先是纺纱，把羊毛或者棉花捻成纱线；然后是织布，把纱线一横一竖精密地交织在一起。纺纱这个动作非常机械化、非常重复性，正好是机器最擅长的，所以珍妮纺纱机一出来就淘汰了一大批的纺纱工人。但织布这个动作相对精细一点，机器一时间还做不到。于是市面上纱线的产量暴涨、价格下跌，而中间织布这道工序还是只能手工完成，仍然需要手摇织工。原材料一下子变多，能把纱织成布的人却没有同步增加，手摇织工成了整个产业链的瓶颈，收入就迎来了一段黄金时期。
六、动力织机：从"不至于替代我"，到一周五个先令
其实动力织机 1785 年就被发明出来了，只是当时的织布工人都不太看得上这个东西。初代的动力织机确实能织布，但是水平有限：织的时候断了线也不会停，织出来的布比较糙，比较费材料。就有点像早期 GPT 问世的时候，大家觉得这个东西好像是挺牛的，但它好像也不至于能替代我的劳动力。
但两百多年前的人跟我们一样，都忘了生产力的工具会在我们不注意的时候慢慢迭代，只是当年迭代得慢一些。随着时间的推移，工程师们不断改进动力织机。到 1822 年，动力织机已经可以做到比人工更便宜，织出来的布也更结实，只需要大概雇一个女工或者半大的小孩，就可以同时看管好几台机器。
于是纺织工慢慢发现，每一次去布行卖布，报价都比上次低那么一点。起初还以为是行情不好，就咬咬牙坚持一下，每天多织两个小时补回来。后来甚至全家上阵，从天亮织到后半夜，换回来的钱一年比一年少。每周的薪水从二十一先令一路跌到了五个先令，已经完全不足以养家糊口。
这个场景熟悉吗？以前程序员也是一个收入比较体面的工作，但这两年行情逐渐收缩，降薪、加班都是常态，大家不得不拼命卷。技术人员被 AI 淘汰，很少是突然某个人收到通知说"你现在被淘汰了"，而是像温水煮青蛙一样，薪资逐渐降低，岗位的数量逐渐减少，个人只能越来越吃力。
当时英国纺织行业有大概几十万人。国家也是真的想出手相救的，专门为这个事调查了几年，最后得出的结论是：这个行业没救了，你们转行吧。就是这么残酷。工人没有偷懒，技术也没有再退步，甚至他们是上一波浪潮里面的受益者，在下一波技术浪潮打过来的时候，就没有任何的还手之力。家里的那台木质织机从生产资料变成了一堆柴火。
像不像咱们刚刚被蒸馏成知识库和 skill 的前同事。
七、卢德运动：所有的路都被堵死之后
1811 年，诺丁汉的织袜业陷入了萧条。当时英法交战，两国互相制裁，物价飞涨，工厂主偏偏在这个时候搞了很多骚操作：趁着行情差压低每件产品的工价，雇佣那些没有完成学徒训练的廉价新手，同时也用上了宽幅织袜机，因为这种机器可以一次性造出更多的产品。产量上去了，质量和工人的工资一起下降。
工人们当时面对的情况是，到手的工资断崖式下滑，物价却涨得飞起。于是工人们凑钱写请愿书递到议会，要求不高，就想制定一个最低的工资标准，但议会驳回了请求。那工人阶级人多，能不能投票换个议员？不好意思，工人没有选票，议会里面的人本来就是跟地主和工厂主穿一条裤子的。那按今天欧洲人的方式，工会出来管管，或者一言不合就罢工？对不起，这几条路在当时也走不通。1799 年议会通过了一个叫《结社法》的法案，就是说工人哪怕凑在一起商量涨工资，这个行为就是犯了共谋罪。
那事情到这个地步，所有的路都被堵死了，怎么办？那就只有造反了。
所以在 1811 年 3 月 11 日，诺丁汉郡的阿诺德村，白天工人们正在诺丁汉城里面抗议集会，然后被驱散；到了夜里，工人们闯进作坊，抡起铁锤砸烂了 63 台织袜机。这就是当年卢德运动的开场。卢德这个名字据说是虚构的，当时工人们给自己虚构了一个统帅，隔三差五就用这个署名给工厂主寄信，要求工厂主给到工人合理的利益，如果做不到，那就砸机器。后来慢慢发展到砸机器成了诺丁汉晚上的一个日常，最猛的三个礼拜里，两百多台机器被砸毁。到了第二年，砸机器的风潮甚至蔓延到周边：北边约克郡的剪绒机被工人砸烂，西边兰开夏的棉织工砸烂了我们之前说过的动力织机。
看这些历史的时候，真的觉得跟今天又很像。今天大家经常开玩笑说什么"这个也怪 AI，那个也怪 AI"，其实大家不是真的在怪 AI，不爽的是很多模型厂商和资本借着 AI 的由头去侵占普通人的资源：AI 数据中心疯狂扩建，使得美国人的电费、水费单疯狂涨价，消费级的内存和硬盘也在涨价，还有企业借着 AI 比人高效的理由来裁员。当年英国的工人们当然也不是真的痛恨机器，大家只是想通过这种极端的方式把工厂主拉回到谈判桌上。但凡有点别的办法，也不可能用这么鱼死网破的方式。
但是可想而知，工厂主不太可能这样换位思考。他们联合了政府，派了大约一万两千名军队到各工厂驻军护厂、通宵巡逻，而且在工人堆里面安插密探。1812 年 2 月，议会火速立法：砸机器，直接判死刑。
八、拜伦在上议院的第一次发言
英国诗人拜伦当时作为上议院的议员，也看不下去了。1812 年 2 月 27 日，24 岁的拜伦第一次在上议院发言。他当时刚从诺丁汉回来，亲眼看到了工人的处境，就请议员们想象一下：一个父亲饿得皮包骨头，身边围着没有面包吃的孩子，现在却要因为砸坏机器接受法律的制裁，永远从这个家消失。拜伦质问：难道人的生命还不如一台机器值钱？
但是很可惜，这个发言最后也没有改变什么。
反正都已经这样了，这场对立就彻底朝着最撕破脸的方向发展。工人和工厂主之间不断发生冲突，有的工人就在砸机器的运动中被军队打死，也有工厂主在回家的路上被人暗杀，也有工人被抓起来真的执行了绞刑，或者有一部分人因此被流放到澳大利亚。卢德运动最终就是以这种被镇压的方式收场，但卢德分子指出的问题没有消失：这是普通人的权益跟规则之间的争论，是工业社会必须要面对的问题。
九、恩格斯停顿：产出涨了五成，工资涨了一成
机器的效率提升了这么多，国家肯定发展壮大了，总有人能享受到这个时代的红利吧？这就是这段历史最离谱的地方。
经济学家罗伯特·艾伦发表过文章，对比 1780 年到 1840 年这六十年英国的人均产出和工人实际的薪资：人均产出的曲线一路爬坡，五十年涨了差不多百分之五十，但工人实际到手的工资只涨了百分之十左右。这就是著名的恩格斯停顿，指的就是那五十年里面工人的工资停滞不前。这里的恩格斯就是课本里我们熟知的那个恩格斯，因为他当年在现场见证了一部分历史。
那几十年英国普通人在曼彻斯特的生活也真的没有好到哪里去。当年有几百万的工人从乡下被挤到城里做工。首先是圈地运动，原来村子里面共用的草场和荒地被地主占为私有；其次是 19 世纪前半段英国人口迅速增长，乡村又没有足够的土地和工作；再就是我们前面提到的纺纱机，抢走了很多家庭原本用来补贴生活的纺纱副业。农村人的生活空间就那么一点点被挤占，不得不进城务工。但城市也没有准备好接纳这么多人：曼彻斯特几十年里人口翻了几倍，房子盖不过来，工人们只能扎堆挤在离工厂比较近的地下室里面，生活条件非常恶劣，霍乱、伤寒隔三差五就来一波，每次都有大量的小孩和年轻人因此去世。
工厂里面的生活也不是什么好过的生活。机器只要不停，人就不能停，因为从资本家的角度来看，机器闲置一个小时就等于白亏一个小时。所以工人每天的默认工时就是十二个小时以上，也没有什么讨价还价的余地，还是熟悉的那句话："你不干，有的是人干。"那个时候还不存在什么劳动法，因为那是几十年后才会出台的东西。而且就算这样了，一个大人的工资付完房租也不太够一个家庭的生活，所以小孩一般长到六七岁也得经常干活。
1842 年，公共卫生改革家查德威克给议会递了个报告，里面有个记录说：曼彻斯特作为当时全世界蒸汽机最密集、技术最先进的城市，工人阶级的平均死亡年龄是十七岁；对比一百多英里之外的乡下拉特兰郡的农民工，平均死亡年龄是三十八岁。大英帝国，技术最先进的地方，人反而更加短命。
十、厂二代恩格斯，和他进工人街区的向导
就在同一年，1842 年，恩格斯来到了曼彻斯特。恩格斯算是标准的厂二代，因为他家就是开纺织厂的。但他并不是我们刻板印象里面那种少爷左派，从小就用笔名发文章骂纺织厂，骂纺织厂条件恶劣、招收童工，骂压榨工人的工厂主们，也就是他自己的老爹。
他爸在 1842 年把二十二岁的恩格斯送到了自家在曼彻斯特的纱厂上班，希望他能够见识真正的生意，把脑袋里面那些激进的想法给治好。但是他老爸显然是下错了棋。
在曼彻斯特，恩格斯遇到了他后来一生的伴侣，来自爱尔兰的纺织女工玛丽·博恩斯。玛丽带着恩格斯进入到了这个厂二代很少踏足的工人街区。这就是为什么人们后来能看到恩格斯写得那么细节的描写：主干道两侧是体面的商店，刚好把后面拥挤不堪、污水横流的工人住宅区挡住，一个体面人每天进城出城，可能一辈子都看不到工人的辛苦环境。
那这些工人的生活环境恶劣到什么程度？恩格斯也引用过一个医生的记录：有一个工人住的地下室甚至低于河面，他每天早上醒来的第一件事情，不是做早饭，也不是赶去工作，而是把夜里渗进来的水一桶一桶地舀到街上。很难想象当时的工人一天的生活是这样开始的，而且他每天的生活都是这样开始的。
于是有了后来恩格斯在 1845 年发表的《英国工人阶级状况》。1848 年 2 月，他和马克思的《共产党宣言》在伦敦出版；同一个月，巴黎革命爆发，然后席卷整个欧洲。
十一、事情是怎么慢慢好起来的
从打工人的视角来看，事情的走向到这里简直是天崩开局。但别急，我们来看看事情是怎么好起来的，虽然这个过程真的是非常缓慢。
1825 年，禁止工人联合的《结社法》被废除。1833 年，英国通过了工厂法，规定不得再雇佣九岁以下的儿童。1847 年，十小时法限制了纺织厂女性和青少年的工作时间，必须低于十个小时。1867 年，英国第二次议会改革让大量的城市男性工人第一次获得了选票。1870 年，公共教育开始铺开。1871 年，工会开始合法。1880 年，儿童入学成为了强制要求。
在卢德运动被镇压后的这几十年，技术进步的同时，国家也开始终于重视起来制度对普通人的保障，这才让我们之前说的那个工人产出跟收入的曲线有了比较合理的走向：在这六十年期间，英国的人均产出增长大概是百分之九十，而工人实际的工资增长超过了百分之百，甚至跑赢了产出。
工业革命给出的第一个答案是：生产力的变强，不会让普通人自动变富。技术让资本迅速变大，普通人能分到多少，还是得取决于规则和制度的完善。而制度的改变，又少不了像卢德运动中那些人去拼死为自己发声、为自己争取。但是这个过程实在是太慢了，漫长到超过了普通人的职业生涯甚至生命的长度。光靠等制度一点点完善，那肯定是不靠谱的。
十二、史蒂芬森：从文盲到铁路之父
就在卢德运动发生的一八一一年，英国北部的一个煤矿里面，有一个普通人也在跟蒸汽机打交道。这个人叫做乔治·史蒂芬森，出生在煤矿工人的家庭，父母都不识字，他自己到十八岁的时候也还是个文盲。他当时的工作就是看管矿井里面的蒸汽抽水机，主要就是负责给抽水机加煤、清灰，然后观察机器有没有什么异常的情况。他每天白天上班，晚上就花自己挣的钱去夜校学习识字、学习算术，以及他每天要打交道的这个机器的原理。
到了 1811 年，矿上的一台抽水机坏了，请了很多的工程师过来看，都没有修好。这个时候史蒂芬森就提出来让他来试试看。他大概花了几天的时间，把机器拆开，然后按照自己的理解重新装一遍。几天之后，矿上的积水就被抽干了，矿场主直接给了他十英镑作为奖励。比这个奖励更加有价值的是，整个矿区都知道了，有一个小伙儿自学的机器原理比正牌的工程师还要厉害，就是一个非常爽文的故事。
然后第二年他就被聘为了总机械师，年薪达到了一百英镑。再到后来，1822 年他出任斯托克顿到达林顿的铁路总工程师，年薪来到了六百六十英镑。再往后，1829 年利物浦到曼彻斯特的铁路专门办了一个公开的比赛，史蒂芬森和他的儿子造的火箭号直接拿下了冠军，所以第二年他们造的铁路通车，这个时候人类就进入了铁路时代。史蒂芬森被称为铁路之父。
当然，史蒂芬森的故事里面还是有不少运气成分：他刚好遇到了抽水机坏掉，遇到了持证的工程师刚好又修不好，然后矿场主也刚好同意让他试试看。但是我们不能忽视的是，他抓住所有的可能性去提升自己，去夜校学习，从认字开始一直学到机器原理，才让他有能力抓住那些刚好发生的机会。反观我们今天，我们能接触到的公开的资料、课程、开源模型，比起史蒂芬森的夜校可以说富裕多了，问题就在于能不能把这些资源真实地在问题里面应用起来。
十三、托马斯·库克：把现成的运力变成一个以前不存在的行业
同一个时期，也有一个普通人，他不是什么火车或者机械工程师，但是他也利用铁路开启了他的时代。这个人叫做托马斯·库克，是一个很大的旅游集团的名字；CL 之前在英国生活的那几年，到处能看到他们家的门店，出去旅游换货币也是经常在他们家换，他们家甚至有自己的航空公司。
库克出生在一个贫困的家庭，很小的时候就没了父亲，然后母亲改嫁。他自己为了生计，从小各种打杂，做过木工，做过印刷学徒，做过传教士。1841 年，他三十二岁，当时正在组织一个禁酒活动，就是希望人们不喝酒或者少喝酒的一个社会运动。这个运动经常需要把支持者召集到不同的城市去开会。那年夏天，禁酒协会在拉夫堡举办集会，那里刚好铺上了铁路，库克就开始动脑子了：为什么铁路只能运货呢？运人行不行？于是他就找铁路公司去聊了一下，聊下了一条专线列车。
在那年的 7 月 5 号，五百七十个乘客坐着这个专线从莱斯特前往拉夫堡，当天往返，每个人收一先令的车票钱。把这个模式跑通了之后，库克就慢慢放弃了之前的工作，开始尝试全职地拓展旅游业务。1845 年，他提前走访了从莱斯特到利物浦的沿途城市，踩点了这一路上好吃的、好玩的，还有性价比比较高的酒店，最后编写了一本《利物浦旅游手册》，组织了一次为期一周、三百五十个人参加的旅行团活动。所以托马斯·库克在今天被称之为旅游业的祖师爷。
在那个蒸汽机时代，库克不懂发明创造，也不懂史蒂芬森那套机械原理，但是他把铁路公司已经有的运力、经常有人需要在不同城市之间切换的需求，还有他自己组织活动的能力，创造出来了一个以前不存在的行业。库克的故事跟史蒂芬森相比，就像是应用跟基础的区别。
十四、卡内基：不跟机器拼手速的一家人
再倒回到纺织业，聊一个例外。
当时苏格兰有一个织布工人叫威廉·卡内基。跟之前的剧本差不多：一开始他家里甚至有几台织机，生活还算比较体面，但是当动力织机进入到苏格兰之后，一样的情况，订单越来越少，收入越来越低。1848 年，卡内基一家就果断卖掉织布机、卖掉所有的家当，换成船票，一家人带着十三岁的儿子安德鲁·卡内基去了美国的匹兹堡。
刚到美国，小卡内基还是进到了纺织行业，在纺织厂当童工，一周挣一点二美金，每天十二个小时，每周六天。但小卡内基的人生第一课，就是看着父亲引以为傲的手艺被机器慢慢碾碎。他知道再这么下去，就一定会把上面说的那种被淘汰的剧本重新走一遍。所以在十四岁的时候，他果断跳槽去了电报公司当跑腿，当那种送电报的信使。在那个年代，1849 年，电报绝对是一个前沿的行业，可以算是那个时代的新基建。
小卡内基在送电报的过程中练就了一个本领，就像很多电影里面演的那样，可以直接用耳朵来听摩尔斯电码，当时全美据说没有几个人能做到这个样子。于是他就靠着这个绝活，先是从信使升到了报务员，然后过了几年被宾夕法尼亚铁路公司的高管点名挖走，做私人的电报员助理。就这样，他先从电报行业进入到了铁路系统，后面再从铁路进入到了钢铁行业，所以最后历史记住的是那个赫赫有名的钢铁大王卡内基。
但对这期节目来讲，更有用的是他前半生的经历：他的父亲没有死磕那几台手摇织布机，他自己也没有在纺织厂里面跟动力织机拼手速。他们都在那个被新技术冲击的时代里，快速找到了新的、还处于上升期的行业，把自己的能力转移过去，而不是守着之前的沉没成本不放。
十五、打字机：从七个人到八万六千人
有人可能会问，史蒂芬森、库克、卡内基这算不算幸存者偏差？但工业化真正铺开之后，社会里面还是出现了大量的新工作岗位，比如说打字机的出现，就提供了一个相对不是那么个人、而是比较群体的例子。
在 19 世纪的 70 年代，美国的办公室文员基本上都是男性为主。打字机刚刚进入人们视野的时候，就跟之前的人们看到动力织机一样：这个机器打字会卡住，字打在纸上，操作的人当时甚至看不到自己打了什么。当时的人就觉得，拿笔写得好好的，为什么要买这个破玩意儿？但是随着机器的升级以及社会的发展，文书记录的需求越来越多，打字机这种可以快速生成文字、制作副本的工具，就在 1880 年左右被办公室大量采购。在 1870 年的时候，美国统计到的女性速记员和打字员只有七个人；到了 1900 年，这个数字变成了 8.6 万人。
这八点六万人证明了，我们也不是非得逆袭成前面说的那几个行业大佬。能做到当然最好，但是能在技术冲击传统行业的时代成功活下去，也就是一种成功了。新技术在消灭一部分岗位的时候，往往也会催生出新的机会。普通人的机会往往就在于及时发现这些机会，把原有的经验给嫁接过去。
十六、摩根家的电灯，和每年降价十倍的 AI
那么，普通人真的非得追着最新最强的模型，才有资格在这个时代站稳脚跟吗？历史还给了另一个答案：很多昂贵的技术会慢慢普及，价格也会大幅降价，变得更加容易获得。
一个非常常见的例子就是电力。回到第二次工业革命，当时的人类刚刚进入到电气时代，初期的电力肯定是绝对的奢侈品。在 1882 年的纽约麦迪逊大道，当时美国最有权势的银行家 J.P. 摩根，也就是今天的摩根大通的那个摩根，他家是全世界第一批大规模用上电灯的私人住宅，家里装了三百八十五盏电灯。为了用这些灯，他得先在地下室建一个小型的发电厂，专门配工程师，每天负责发电的运行和维护。这个就是那个年代的本地部署玩家。
但是今天看来，这个就非常没有必要了。今天不至于说我们要用什么电器还得去租一个发电厂，家家户户也不会说用不起电。不用说今天，就说 1950 年美国的居民电费，也比摩根那个时代跌了百分之九十七以上。
同样的道理，AI 的降价速度甚至更快。美国著名的风投公司 a16z 就统计过，同等能力的大语言模型，推理价格平均每年大概会下降十倍。比如说拿 GPT-3 模型的能力为基准，达到这个基准线的模型，价格在这几年时间从每百万 token 大约六十美元降到了六美分左右，差不多一千倍的差价。而且这几年经常发生的一个情况是，这一代旗舰模型的能力，可能过几个月就被下一代的中低端模型给赶上了。
当然，这不代表最强的模型没有价值。顶级模型在复杂问题上的表现大概率还是会更好的，资源充足的公司、机构当然可以靠最强模型获得真实的优势，这也是开头说的那个贫富差距问题成立的原因。但是现实世界不总是这样的：客户不会因为你用了第一名的模型就给你下订单，也不可能说虽然你解决了我的问题，但你用的是第十名的模型，我就拒绝用你的产品。对每一个具体的工作来说，找到最适合的大模型产品就好了。
普通人有可能在模型能力上落后，也完全有可能在自己的行业中或者在实际的问题中处于领先的位置。因为模型的能力再强，它也不可能自动地知道，比如说为什么客户不上门，或者听众愿意花四十多分钟听一期什么样的播客。我们用大模型的本质还是在于解决我们自己的问题。普通人也可以有普通人的增长飞轮：找到最适合我们的那一款 AI 的能力，来解决我们真正了解的问题，然后把这个解决方案落地，不管做成一个作品、一个服务还是一个产品，然后从真实的用户那边获得反馈、获得信任，或者更实在一点，获得收入，然后再不断地迭代这个过程。最后沉淀出来的无论是作品经验、方法论，还是客户口碑、收入，这些才是真正属于我们自己的东西。
十七、CL 自己的工作流
拿做播客来举例，CL 的工作流里也大量引入 AI，但不是"我说几句话，它就一顿操作帮我出一期播客"，那样做出来的肯定是没有人听的。他会试图让 AI 做那些重复性比较高的任务。
比如剪辑消耗时间，而且重复性高，最开始学剪辑还挺有意思，但同样的几个动作重复一千遍，人就麻了。AI 没办法真的帮他听音频，本质上还是把音频转成带时间戳的文字稿。于是他会把自己的剪辑思路和经验沉淀成一个 skill，帮助大语言模型去理解什么地方是应该删掉的，然后让它对照着时间戳把该删的地方删掉。为此他花大量的时间去研究哪家音频转文字的模型，也就是 ASR 模型，转换能力最强、时间戳跟文字的匹配度最高，最后找到一个最适合他的模型，沉淀出一套剪辑的 SOP，至少能帮他完成一个粗剪的操作，每期下来少说也能节省个小半天的时间，他就可以花更多时间打磨稿子。
再比如，他会让 AI 把做播客过程中整理的所有资料文献、稿子，反正就是所有跟播客制作相关的文字和数据，慢慢积累成一个资料库，这样以后跟 AI 沟通的时候，解释成本就会越来越低。没准随着资料库的扩大，以后就有一个什么"跨域请求宇宙"，也说不定。
这些目的想说的是，其实真的不需要用到最顶级的模型。真正留下来有意义的，是发出来的这些节目、积累的这些资料库、逐渐形成的 SOP 和流程，也包括因为做播客认识的很厉害的主播朋友，以及因为这个节目认识的有意思的听友。对不同的场景来说，能留下来的东西当然不一样，但是共同点就在于：假如你在用的这个模型明天就用不了了，这些能留下来的东西还在；换一个平台或者换一家公司，这些东西都能跟着我们走；换一个模型，我们的工作可以无缝地衔接，不会受到太大的影响。
十八、托马斯·库克的一七八年后
托马斯·库克的故事，在今天还有一个非常适合讲的结局。2019 年 9 月，距离库克组织第一次列车旅游的一百七十八年之后，以他名字命名的 Thomas Cook 集团，因为背了太多这种重资产，比如航空公司和大量的线下门店，同时又没有能及时向互联网转型，导致了巨额的债务，然后资金链断裂，最终被强制清算。英国当时大约有 15 万名游客一度滞留在海外，9000 名员工因此失去了工作。挺唏嘘的。
说实话，托马斯·库克最终遇到的对手，在某种意义上正是用他年轻时候曾经用过的办法打败了自己：当年的这家公司就是靠铁路交通网络起家的，结果在这个时代被互联网给逼到了角落。当然，最终 Thomas Cook 没有完全倒掉，他最后还是被别的公司收购了。但是这个结局提醒我们：没有人可以靠着选对一次方向就永远地躺下去，今天的破局者躺的时间久了，也可能会变成下一轮技术变迁里面被淘汰的人。
当然，今天的 Thomas Cook 也不是被库克本人给玩没的。真正可以从这个库克老爷子身上学到的，就是他年轻时候的动作：看到新的技术，了解真正的需求，然后结合自己的能力，把它们变成一个解决方案，而不是真的需要拥有铁路，或者像现在这样拥有最强的模型。
十九、四条线索，和一个留给自己的问题
历史没有办法给出一个保证每个人都可以翻身的答案，但还是有一些线索可以有点启发。
第一，技术带来的红利不可能自动分配给每一个人，早期往往是集中在少数人手里的，所以我们得去争取，争取政策和规则的改变。
第二，新技术有可能会消灭旧的工作，但是同时也会催生出新的行业入口。这个变化是持续的，而且不是瞬间完成的，所以我们自己要做的也就是持续地一点一点往新的入口去靠拢。
第三，我们没有必要紧追每一代的最强模型，先找到能解决眼前问题的、而且也是能负担得起成本的差不多的模型就可以了。
第四，不要让 AI 只做那种完成之后就结束了的任务，尽可能把省下的时间或者 AI 给我的加持，变成就算是模型关掉之后还能存在、还能留下的东西。
这些启发不能保证每个人都能成为卡内基或者史蒂芬森，但是总归能提高一件事的概率：浪潮过去之后，我们不用还守着那台已经没有人要的旧织布机。
节目最后留给自己、也留给听众的问题：如果明天我现在用的模型涨价了，甚至是消失了，我的手里还剩下什么？有没有什么东西是最终成为我自己的资产的？
另外还有一个坑没填：各家巨头为了争夺最强的模型，烧钱买芯片、买人才、建数据中心，这场军备竞赛到底什么时候是个头。最近有新闻不停推测 Anthropic 要以两万亿的市值在不久的将来上市，CL 说他会去招股书里面找答案。