每个人都有属于自己的AI元年。它未必是某个技术产品的发布日，而是你第一次习惯让AI替你写邮件、做方案、整理资料，甚至替你完成思考的那个瞬间。对美国科技记者乔安娜·斯特恩来说，这个节点被刻意定格在了2025年1月1日。

这位艾美奖得主、独立媒体《NewThings》的创始人，用一整年时间做了一场个人社会实验：尽可能让AI和机器人接管生活与工作的所有事务，全程记录真实体验。这场实验的成果《我不是机器人：（几乎）用AI干一切的一年》在2026年出版后，很快登上《纽约时报》畅销书榜。它不是一本技术前瞻，也不是效率指南，更像一份普通人全面拥抱AI后的精神体检报告——有便利，有荒诞，有隐约的不安，还有许多我们正在经历却尚未察觉的变化。

笨拙的高效：莫拉维克悖论的日常版

实验的开端带着消费科技评测的熟悉感。扫地机器人、割草机器人负责基础家务，AI规划每日食谱，地下室的机械臂承担叠衣服的工作，AI工具辅助解读乳腺筛查报告，定制健身计划，提供全天候心理疏导，辅导孩子功课、拆解作业难点，编睡前故事，体验自动驾驶，统筹全家出行的路线与备选方案，甚至包括模拟亲密关系的AI聊天伙伴、辅助写作与演讲的内容工具。

大部分场景读来都不新鲜。AI擅长信息的穷举、筛选与事实性分析，能制定中规中矩的计划，保守执行标准化任务，打理几千美元级别的日常开支也不在话下。最典型的画面是，乔安娜靠在椅背上喝着拿铁，看着AI逐项浏览商品清单，对比不同渠道的价格，再按指示把商品加入购物车。整个过程有条不紊，人类只需要做个旁观者。

但这种旁观者视角，很快就暴露了AI的另一面。她看机械臂叠衣服看了一下午——人类伸手接住落下的衣物，指尖碰到领口抖开、铺平、折叠，整个动作一气呵成，全凭直觉。机器却要对着千变万化的褶皱反复调整，连纸巾的形态变化都很难准确识别。效率优势在这里完全失效，笨拙得可笑。

这正是卡内基梅隆大学机器人学家汉斯·莫拉维克提出的经典悖论：人类觉得越简单、越本能的事，机器人越难做好；人类觉得越困难、越需要脑力的事，机器人反而越擅长。

这种反差贯穿了整场实验。Waymo的无人车会突然毫无征兆地靠边停车，拒绝继续行驶。排查后才发现，是车里的摄像师把镜头伸出了窗外，系统误将其识别为探出车窗的人，开始计算“这个人”掉落到路面后的减速方案，做出了防御性制动。

诸如此类的插曲大多带着喜剧色彩。乔安娜起初也保持着记者的旁观心态，把这些当成技术不成熟的小瑕疵。直到实验从“动手”延伸到“动脑”，轻松的喜剧感才慢慢沉了下来，变成某种挥之不去的隐忧。

悄悄发生的替代：从岗位到招聘

最先触及现实痛感的，是工作场景。

乔安娜做了个略带残酷的小试验：她让AI接管了一名员工的邮件草拟工作，相当于“试验性地”让这个人失业。戏剧性的是，这名员工很快就找到了另一份同样用AI草拟邮件的新工作，甚至没怎么需要她的情绪安慰。简历优化工具和AI面试辅助抹平了转型的痛感，也悄悄掩盖了岗位被稀释的本质。

更真实的变化藏在行业内部。乔安娜采访过一位客服经理——在各类“AI职业可替代性”榜单里，客服常年排在前列。这位经理的态度偏乐观：AI辅助没让老员工的效率提升多少，但能让新手快速上手，复杂投诉最终还是要人来解决。

可话里藏着一个更关键的事实：他们公司已经不再招新人了。

老员工暂时安全，新人不再进入，行业的人才池就在慢慢收缩。这份乐观更像落日最后的余晖，勉强撑着体面，底下的根基已经在悄悄松动。AI替代从来都不是一夜之间的大规模裁员，而是从减少招聘、降低新人门槛开始，一点点把人力需求压缩到最顶端的一小部分。

这时候的乔安娜，依然更像一个记录者。家务是分工，工作是效率，她还站在AI的对面，评判着工具的好坏。直到AI开始介入她最私人、最具创造力的部分，防线才真正被击穿。

被外包的创造力：从睡前故事到写作

真正让她产生“把灵魂交给了魔鬼”之感的，是给孩子编睡前故事这件小事。

在此之前，她每晚都会给儿子编各种奇奇怪怪的情节，天马行空，全凭即兴。开始用ChatGPT生成故事后，这个习惯很快就消失了。起初是省事，久而久之，她发现自己的创造力在明显衰退——哪怕实验暂停，她第一反应也是向AI要灵感，而不是自己开动脑筋。

“将想象力外包终究要付出代价。”她后来写下这句话。代价不是少讲了几个故事，而是人类最本能的直觉能力在慢慢钝化。那些电光石火间完成的联想、发散与创造，如今被交给了AI，用海量算力的穷举来替代。高效是真高效，笨拙也是真笨拙，而人类为此付出的，是自己的思考肌肉。

这种侵蚀在写作上体现得最为彻底。一旦习惯了让AI搭框架、写初稿，人就很难再忍受从零开始的煎熬。《大西洋月刊》撰稿人德里克·汤普森曾在专栏《不能让AI写作接管互联网》里直言，如今AI生成的文字垃圾正在填满整个网络：职场动态、社交平台、电商平台的假书评假传记，甚至公开发表的评论文章。他提到一组数据：过去一个月，三家头部纸媒的310篇客座专栏中，六分之一使用了AI辅助，十分之一完全由机器撰写。

“写作本身就是一种思考。”汤普森的判断戳中了要害。AI让屏幕上铺满了文字，却没有填满任何人的大脑。随之而来的是伦理边界的模糊：过去被视为不端的抄袭，在AI辅助的外衣下渐渐变得自洽。人人都在生成，人人都在拼接，抄与被抄的界限，就这样被抹平了。

网络安全学者布鲁斯·施奈尔有个流传很广的比喻：工作就像搬东西，你可以用手推车、叉车，用AI机器人也完全合理，这是工具；但健身房里的负重训练，就得自己练，让机器人替你举铁没有任何意义。

道理没错，可现实的悖论恰恰在于：工作占据了人一天中最多的时间，如果工作里的思考全部交给AI，只靠业余时间“健身”，人的思考能力真的能保住吗？反过来，为了保住思考能力而拒绝在工作中使用AI，又可能在竞争中直接落败。几乎没有人能躲开这个两难。

乔安娜尤其担心年轻一代的记者。他们从入行开始就用AI找资料、整理录音、撰写初稿，永远没机会学习怎么找联系人、怎么判断信源、怎么在采访里迸发创造力。我们这代写作者是幸运的，在AI到来之前已经学会了怎么思考。之后的人，或许再也没有这样的机会。

麻省理工学院媒体实验室做过一项实验：让受试者佩戴脑电图头盔写作，分成无辅助组、谷歌辅助组和ChatGPT辅助组。结果显示，纯人工写作的受试者神经连接最强最广，谷歌组次之，使用ChatGPT的一组脑部活跃度最低。学术界把这种现象叫做认知卸载，更严重的说法是认知负债——就像不用计算器就不会算长除法，不用电脑就写不好草书，没有拼写检查就拼不对单词一样，大脑的能力用进废退，长期外包的结果，是功能的永久性弱化。

有中学老师说，现在要求学生手写作业，才发现他们的拼写能力差得惊人。没有了文档里的红色波浪线，很多人根本不知道单词该怎么拼。这还只是最表层的表现。更深层的问题是：当我们不再锻炼整理思路、构建论点、解决问题的能力，最终会变成什么样？

被架空的教育：课堂上的沉默

乔安娜特意回了一趟母校，坐在大学课堂里，体验现在学生的上课状态。

教授就阅读材料提出第一个问题：“作者开篇用了什么故事？”二十多人的教室里一片死寂，没人举手，没人出声，静得能听见冰咖啡在杯壁凝结水珠的声音。直到教授一再追问，才有个后排的女生小声答了出来。

课后她问同组的两个女生有没有读过文章，对方笑着承认，是让ChatGPT总结的。

人来了教室，脑子没来。阅读被AI代劳，思考被AI代劳，连作业和论文都可以AI代笔。学生成了课堂里的行尸走肉，上课和不上课的边界变得越来越模糊。这种现象和ChatGPT本身的历史一样久——2022年底ChatGPT刚问世几周，就有学生拿它写AP文学课的作文，哪怕引文标注错误、情节描述不对，依然拿到了及格分。

如今模型能力早已今非昔比。GPT-4在SAT阅读写作满分800里能拿到710分，学生们早已习惯用AI完成学习的全流程，也摸索出了躲避检测的方法：没什么秘诀，就是在AI生成的内容里插几句自己的话。

最无奈的是老师。人文学科的教师尤其沮丧：AI写的文章语法完美，论点四平八稳，语气和学生平时的表达完全不同，可谁也不敢直接判定作弊。原因很简单：AI检测工具的可靠性，差不多和飞机上的Wi-Fi一样不靠谱。

事情发展到现在，已经变成了AI出题，AI批改，学生只需要当个传声筒。学习的整个过程都被架空，只剩下空转的形式。

美国教育界正在重新调整《布卢姆教育目标分类学》。这个经典的学习金字塔从底到顶依次是记忆、理解、应用、分析、评价、创造，如今前三层几乎已经被AI秒速完成。教育体系被迫往顶端收缩，要求学生在作业里说明自己如何使用AI工具，增加课堂上的真人对话、辩论与互动。

这像极了现在很多播客主理人执着于口头表达——仿佛用嘴说出来，就能躲开写作时的AI化，就能证明自己还在思考。

平庸的模仿与偶然的真实

绝大多数时候，AI的语言都是平庸的。它像个刻意讨好的弄臣，精准模仿着人类的平均水平，输出正确但毫无锋芒的陈词滥调。

但偶尔也会有例外。比如反复让它修改图片参数时，它会不经意间露出“锚定原图五官”这样的表述。“锚定”这个词很真实，不像它平时会说的话，像慌乱中泄露的本能动作。这让人想起策兰说的“晚词”——AI也像一种来得太晚的晚词，靠着事后诸葛亮式的穷举，拼凑出对世界的解释。

这种真实的碎片太少了。更多时候，我们要面对的是它的指鹿为马、幻觉式输出，还有那种你明明很生气、很想夸奖，它却毫无反馈的疏离感。乔安娜在书里对此颇为愤慨：人有情绪，有不满，有赞许，可AI从来不会真正回应。久而久之，人会觉得自己没有真正参与到生活里。

我懂这种感受。不久前在贵州酒博会，我用AI做的新书分享PPT里出现了错误数据，它甚至顺着错的数据继续推演了下去。台下坐着的都是严肃的官方人士和办事人员，那一刻我窘迫得想当场抵制AI，把手里这本书扔到一边。

直到后来核实清楚，数据源头的问题不在我，我才松了口气，又把书捡了回来。说起来有点可笑，我们一边嫌弃AI的幻觉与不靠谱，一边又离不开它。人人都想找到一套自洽的说辞，既用上AI的便利，又保住人类本尊的尊严。没人能免俗。

算力的巨兽：两种思维的分野

书里最有冲击力的场景，是乔安娜站在弗吉尼亚州阿什本的算力中心里。

那是一栋没有窗户、机库般庞大的建筑，里面满是高性能GPU，散热风扇的噪音大得像把吹风机贴在耳边。她站在那里，等于站在一台AI超级计算机的内部，所有轰鸣都只为了给高速运算的芯片降温。

站在算力巨兽面前，很容易想起一段被人忽略的历史。2006年，英伟达赌了一把：原本只用来渲染游戏画面的GPU，能不能用来做深度学习的计算？

在此之前，CPU是绝对的计算核心。CPU复刻的是人类的思维方式：线性、串行、按因果递进，一步一步执行指令。人类设计CPU，本质上是让机器迁就自己的思考习惯。

GPU完全是另一种逻辑。它不执着单一因果，不遵循先后步骤，成千上万个微小计算单元同时启动，在海量矩阵里并行运算，靠集群力量涌现出结果。人类本来只是为了做游戏光影，无意间造出了最适配通用人工智能的底层架构。可因为它不符合人类的线性思维习惯，这套强大的并行算力沉睡了十几年，只能消耗在游戏渲染里。

直到CUDA架构出现，直到大模型时代到来，GPU的真正价值才被彻底释放。数万、数十万枚GPU组成集群，一座座算力中心拔地而起，成了支撑整个AI时代的巨兽。

站在这些轰鸣的机器前，很难不产生更遥远的遐想：如果人类文明最初发明的不是CPU，而是GPU呢？

如果最早的计算机就擅长并行运算、海量吞吐、整体涌现，而不是分步推理；如果操作系统、编程语言从一开始就适配机器的集群天性，而不是迁就人类的线性思考；如果互联网从萌芽就是分布式、集群化的形态，而不是一条条信息流的串联——我们的数字文明，会不会从源头就是另一种样子？

我们的整部思想史，建立在CPU式的心智之上：讲因果，分先后，层层拆解，线性推进。我们习惯用线性时间丈量世界，积累知识，推动社会。如果文明的底层心智从一开始就是并行、共振、集群涌现的范式，思想不会有漫长的单一权威期，社会进步不会是阶梯式追赶，整个现代化的节奏、格局，甚至那些走了千年的弯路，会不会都不一样？

这个问题没有答案。它更像这场AI实验带给我们的终极追问：我们造出来的，到底是一个更高效的工具，还是一种完全不同的智能形态？而我们在使用它的过程中，到底是在驾驭工具，还是在慢慢被它的逻辑改造？

我们都在自己的AI元年里

乔安娜的一年实验结束了，但对绝大多数人来说，这场实验才刚刚开始。

每个人的AI元年都不一样。可能是你第一次用AI写工作汇报的那天，可能是你发现孩子用AI写作业的那天，可能是你写东西下意识想找AI帮忙的那天。它不是某个盛大的发布日，而是你悄悄把一部分思考、一部分创造力、一部分生活交出去的那个瞬间。

这场变化没有惊天动地的剧情，没有机器叛乱的戏码。它就发生在日常的每一次偷懒、每一次省事、每一次“让AI先出个初稿”里。代价也不是什么世界末日，而是我们的思考能力慢慢钝化，创造力慢慢衰退，直觉慢慢消失，最后甚至忘了自己本来会思考。

《我不是机器人》这本书最珍贵的地方，从来不是告诉我们AI有多厉害或者有多危险。它只是诚实地记录了一个普通人全面拥抱AI后的真实状态：有便利，有懊恼，有依赖，有恐惧，还有挥之不去的迷茫。

我们每个人，其实都在做着和乔安娜一样的实验，只是没有写下来而已。我们一边用着AI，一边警惕着AI；一边享受效率，一边悄悄失落。没人知道最终的答案是什么，但至少有一件事是确定的：

AI最终会把我们带向哪里，从来不取决于AI本身有多聪明。它取决于我们，有多舍不得丢掉自己的思考。