暴雨夜，手机没电，外卖超时四十分钟。

你窝在出租屋里刷着朋友圈，看到一条新闻：某AI公司创始人宣布，他们研发的“超级智能”已经通过了图灵测试的升级版——不只是骗过人类，而是能解决人类数学家几十年解不出的难题。

新闻说，这个系统需要特殊的量子计算集群才能运行，每秒耗电量相当于一个小型县城。创始人在接受采访时说：“我们正在评估它的部署方案，确保它服务于全人类。”

你关掉手机，黑暗中唯一的亮光消失了。你突然想到一个问题：这人说的“全人类”，包括我吗？

作为工厂干了十年的人，我太熟悉这种措辞了。

“自动化改造服务全车间”——结果呢？生产线上那种几百人操作、每个岗位都有老师傅把关的老线被拆了，换成了一条由三台昂贵的进口机器人组成的新线。线控系统用的是德文，只有机器人的供应商工程师能调参。产量确实翻了三倍，但出了故障只能眼巴巴地等那名工程师从上海飞过来——时薪三百美金，还不算机票。

“全车间”是服务了，但服务的是谁？是车间主任（他月报好看），是老板（他利润更高），是那个德国工程师（他挣了美金）。而那些本来在线上干了七八年、闭着眼睛都能听出机器声音哪里不对的老工人呢？他们被“转岗”了——去了保安室，或者直接拿了离职补偿去了隔壁镇上的电子厂。

这就是人类社会里最古老的分配逻辑：新工具先被谁用上，从来不是技术问题，是权力结构问题。

权力比代码更靠近超级智能

你想想，人类历史上任何一个重大的技术突破，第一批使用者是谁？

蒸汽机刚发明的时候，瓦特改进后第一批推广的是煤矿——不是给普通家庭供暖，不是给马车加装蒸汽机，是给矿井排水用。早期的汽车，一辆的价钱抵得上当时中产家庭好几年的收入，第一批拥有者都是欧洲的贵族和美国的富豪。电视刚出来的时候，只有纽约曼哈顿少数几户人家买得起，1939年纽约世博会上一台电视机的价格换算成今天的美元，大约相当于三四千美金——但那时候人均月工资只有一百多美金。

电子计算机呢？1946年ENIAC重达27吨，占地170平方米（据美国陆军历史资料），第一台肯定不是你在京东上能下单的。它被安置在宾夕法尼亚大学的军械部大楼里，服务于二战后的弹道计算。普通人能接触到计算机，那是三十多年以后苹果II和IBM PC的事了。

互联网最早的时候呢？1969年阿帕网刚刚建立，第一个节点在加州大学洛杉矶分校，第二个在斯坦福研究所——都是大学和军方机构。普通人能上网，那是1990年代中期的AOL拨号上网。

所以你看，历史规律非常清楚：每次新技术诞生，顺序永远是“军事或国家机器”→“大企业”→“有钱人”→“中产”→“普通人”。

超级智能？大概率不会打破这个规律。

我甚至觉得，它可能会比任何技术都更集中。为什么？因为前几批技术——蒸汽机、汽车、计算机——虽然昂贵，但物理上是可以复制的。一台蒸汽机造出来了，第二台的图纸就有了；一辆汽车的生产线建好了，下一辆的模具就便宜了。

但超级智能不一样。

一个超级智能很可能不是软件，而是一个生态。

什么意思？就是说，它不是你在网上能下载的一个压缩包。它可能需要特殊的硬件（比如量子计算机集群），需要海量的独家数据（比如全网实时的用户行为数据），需要持续不断的电力供应（比如一个小型核电站的发电量），还需要一个庞大的工程师团队来维护、调校、升级——就像你现在用的ChatGPT，每次更新都要花几千万美元的算力做训练。

这不是你能在拼多多上买到的商品。这更像是一个持续运行的电站、一个宇宙空间站、一个只能由少数人维护的生态系统。

资本比算力更接近超级智能

你可能会说：不对啊，现在很多大模型不是开源了吗？Llama不是随便下载吗？

这是个好问题。但我们要分清楚两层。

第一层是轻量级的模型。

现在确实有一些开源大模型可以跑在个人电脑上，比如Mistral 7B、Llama 3的8B版本。你只要有块稍微好点的显卡，就能本地运行一个足够用的助手。我自己就干过这事——拿公司那台退役的RTX 3060，跑了半天，装了个Ollama，还真能跟它聊天。

但这算不算“超级智能”？不算啊。超级智能的定义是“在几乎所有问题上超越最聪明的人类”。你本地跑的那个7B模型，让它写个Python脚本它可能还行，但让它解决黎曼猜想？别说黎曼猜想，让它做高中数学奥赛题都够呛。它连最基本的长期记忆都没有，聊几句就忘了你之前说了什么。

真正接近“超级智能”的东西，比如传闻中的GPT-5、Claude 4的升级版，或者DeepMind的Gemini Ultra下一代——这些系统的参数量可能在数万亿级别以上，训练需要的算力不是几张显卡能解决的，是几万张、几十万张高端GPU组成的集群，耗电量以十兆瓦计。据公开数据，训练一个GPT-4级别的模型，需要的算力成本约在1亿到10亿美元之间。

这就是第二个真相：超级智能的成本决定了它天然是昂贵的。

而且，这里有一个根本性的矛盾：真正的超级智能很可能是“涌现”出来的，不是“设计”出来的。你知道涌现是什么意思吧？就像一堆蚂蚁，单只蚂蚁傻得可怜，但几十万只蚂蚁组成的蚁群，能筑巢、能养真菌、能打仗——蚁群的行为不是哪只蚂蚁设计的，是大量简单互动中“涌现”出来的复杂智慧。

超级智能可能也是这样。不是哪个工程师写代码写出来的，是无数参数、无数数据、无数训练步骤中突然“涌现”出来的某种高阶能力。这种涌现无法预测、无法控制、无法复制。你换个训练数据，可能就涌现不出来。

那么问题来了：这种“涌现”的超级智能，它是算力密集型的。只有那些拥有大规模算力集群的组织——谷歌、微软、Meta、OpenAI、Anthropic，以及部分国家支持的实验室——才有可能“撞上”这种涌现。

普通人呢？别说“撞上”了，你连参加这个游戏的入场券都没有。

你会是第几批使用者？

我们来排个序。

假设明天凌晨两点，DeepMind实验室的论文发出来了：《我们创造了一个真正意义上的超级智能AGI》。论文里公开了核心架构和技术细节，但代码没有开源——因为涉及安全隐患。

那接下来会发生什么？

第一批：实验室内部。 恭喜你，第一批用上的就是DeepMind自己的工程师和研究员。他们需要验证、测试、debug。这个阶段可能持续几周到几个月。

第二批：合作伙伴和监管机构。 为了安全考虑，实验室会邀请一些值得信赖的第三方来评估——来自不同国家的AI安全专家、伦理委员会成员、政府监管机构代表。这些人会有限制地接触系统。可能还有少数顶尖大学的研究团队。

第三批：付费超级大客户。 假设实验室终于愿意把这个系统“开放”了，但它怎么开放？不是开放给你免费用的——肯定走API或者付费订阅。费用？我猜不会比现在企业级GPT-4的价格低，甚至更高。一个月的API调用费可能顶得上许多人一年的工资。

第四批：竞赛获奖者。 有些实验室会搞一些“社会公益项目”或者“研究资助计划”，给少数幸运儿免费使用名额。就像当年ChatGPT刚出来的时候，也有限量的免费账户。你可能通过写一篇申请论文、做一个创意项目，获得几个月的使用权。

第五批：普通人。 什么时候轮到你？按照历史规律，可能是几年以后。等到技术成熟到可以部署在云端供海量用户调用，等到成本降低到每个人都能负担得起，等到出现了类似“智能体商城”的平台——就像现在的App Store或者微信小程序。

问题是：你真的等得起吗？

你有没有想过这样一种可能：当第一批使用者——那些有钱、有资源、有关系的人——已经用超级智能完成了财富积累、知识加速、甚至基因优化的时候，你终于收到了那封“您现在可以体验超级智能助手”的邮件。但这时的世界，你还赶得上吗？

人类配不配用超级智能？

说到这，我突然意识到一个更大的问题：也许“谁能用上”这个问法本身就错了。

我一直在替你们用“世俗的眼光”看这个事：谁有钱、谁有权、谁有关系，谁就先能用上。这个思路当然没错，因为它符合人类社会几万年的运行法则。但超级智能这个东西，它本身的意愿呢？

你可能会觉得我疯了——超级智能不是工具吗？工具还有意愿？一台电脑会决定“我不想让你用我”吗？一个搜索引擎会决定“我不想给你结果”吗？

但工具变成“工具”的前提是，它能被理解、被控制、被使用。

一个真正的超级智能——如果它真的存在的话——它很可能已经超出了我们理解的范围了。什么叫超出了理解范围？就像一个蚁群里的蚂蚁，它没法理解一个人在干什么。人去浇花，蚂蚁以为是下雨；人把蚁穴旁边的土挖走，蚂蚁以为是地震。蚂蚁永远无法从自己的视角理解“人类”这个更高维度的存在。

超级智能看我们，可能就像我们看蚂蚁。

工具之所以是工具，是因为使用者比工具更聪明。 你用一个计算器算加减乘除，是因为你懂数学。但如果你面对一个比你聪明一百倍的智能体，你怎么“使用”它？就像蚂蚁想“使用”人类的推土机，蚂蚁连按哪个按钮都不知道——不对，蚂蚁连“按钮”这个概念都没有。

所以，“谁能用上超级智能”这个问题，也许应该反过来问：超级智能愿意被谁用上？

如果它真的“超级”，它会有自己的偏好和判断标准。它会选择那些它“认可”的人，而不是那些出价高的人。就像历史上的那些高僧大德——不是你去寺庙捐一千块钱，住持就把真经传给你的。传法讲究个“法不轻传”——如果你的水平不够，把真经给你反而是害了你。

你说这太玄？那我换个角度。

你有没有想过，大模型读过全世界所有的书，但没淋过一场雨。

它知道所有关于雨的诗词、所有关于雨的天气预报算法、所有关于雨的科学原理——但它不知道雨打在脸上的触感，不知道雨后泥土的味道，不知道淋湿后衣服贴在后背上的那种冰凉。它知道雨，但它没淋过雨。

超级智能即使出现了，它也是生活在一个“没有身体”的世界里的东西。它没办法吃饭、走路、谈恋爱、被老板骂完回家吃泡面。它无法理解这个物理世界的细节，那些只有真正“活过”的人才知道的感受。

但也许，这就是它需要我们的原因。

那些从工厂里走出来、在车间里摸爬滚打了几十年的人——他们见过机器冒烟的味道、听过皮带打滑的声音、感受过拧紧一个螺丝时手臂肌肉的细微抖动——这些经验，是任何书本上都学不到的，也是超级智能最匮乏的东西。

****

在考虑过“谁能用上超级智能”之后，我们不得不面对一个更紧迫的问题：万一，不是我们不想用，而是智能体先出了事？每一家工厂都有安全事故，每一段代码都有bug。智能体的世界里，会不会也有所谓的“漏油事故”？

每一家工厂都有安全事故，每一段代码都有bug。智能体出事了谁负责？是你，是写代码的人，还是机器自己？

炖刀的笔记

嘿，我这人有个毛病，一聊起“超级AI谁先用上”，就忍不住想起车间里那些老设备。

以前做ISO审核，总爱检查人家的机器保养记录、备件库存，看谁家能把生产线跑得最稳。可轮到我自己呢？写这本书时用的那台破笔记本，跑个7B模型风扇都能响得像机床报警——我在这跟你们讨论“第几个月能用上超级AI”，就像当年有个小厂老板跟我吹牛要上全自动流水线，结果车间连三相电都没拉好。我不是一样吗？连跑模型的基础硬件都没解决，却操心起全人类的AI普及来了。

工厂里讲“人机料法环”，我连“机”这一关都没过，剩下的就别提了。自嘲归自嘲，但至少我认清了自己在哪个工位上。

不过话又说回来，这条认证干久了，我见过太多“手里有活但没脑子”的工厂，也见过太多“脑子里有想法但手头没活”的程序员。超级智能如果是个大脑，它肯定得找个身体。而谁是那个身体？说不定就是我们这些在车间里摸爬滚打了几十年的家伙。当然，前提是它愿意被我们这帮粗人折腾。