金色財經
作者：Jordi Visser，華爾街資深分析師；編譯：Shaw，金色財經
所有人突然開始厭惡人工智慧（AI）「糟粕內容」。
AI 糟粕。AI 生成文章、AI 生成圖片、AI 生成研報、AI 生成影音、AI 生成 PPT。
這類批評大多言之有理。生成式 AI 幾乎零成本，就能批量產出大量看着像模像樣、實則拾人牙慧的內容。打開社交媒體，這類內容隨處可見。
在我看來，大多數情緒化抨擊 AI 糟粕的人，本質上是潛藏的 AI 盧德分子、技術反對者。但我認為，大家的怒火應當轉向一個簡單問題：在 AI 問世之前，人類產出的又是什麼東西？
平庸內容自古有之。人類一直在量產千篇一律的文章、趨同的研究、重複的演示文稿、空洞的企業話術、過目即忘的娛樂、毫無意義的會議，還有換湯不換藥的觀點。只是過去產出速度更慢、成本高得多，往往還頂着光鮮的資質背書。我以前常說上學有多枯燥。或許問題從來不是我沒法集中注意力，而是我對人類產出的糟粕容忍度很低。
AI 改寫了這套經濟邏輯。這個區分至關重要，因為在這場關於糟粕內容的爭論之下，正在發生影響更為深遠的變革。
AI 正在為認知勞動完成價格發現。
多年前，我從 PPT 開始思考這件事。某個時刻，我意識到自己再也不想做 PPT 了。這種挫敗感不只是針對軟體本身，我開始反思，製作一份演示文稿時，我到底在做什麼。
一份 PPT 本質上往往就是推銷說辭。我挑選能夠佐證論點的圖表，選定數據起始時間，決定哪些事實值得保留，再把這些事實編排成特定敘事順序，引導觀眾得出預設結論。每一位演示者都會做這類取捨，畢竟表達就意味著篩選。但這種取捨，也在表達與真相之間製造出一道天然矛盾。
企業產出了成千上萬份幻燈片，寫滿 「戰略重點」「轉型機遇」「增長路徑」；投行製作無數演示材料，論證交易的價值；分析師撰寫源源不斷的研報，證明最新資訊恰好印證他們早已定下的核心論點。
早在機器學會生成項目符號要點之前，人類就早已精通企業糟粕內容的生產，我自己也曾參與其中。
在所有這些產出背後，藏着一個我們很少正視的要素：時間。
一份 60 頁演示文稿要耗時數日完成；一份 40 頁研報可能需要數周；搭建複雜財務模型，還得接受專業培訓。這類成果消耗稀缺的人類時間，因此成品也附帶了創作過程所投入勞動的價值感。
AI 打破了這層關聯。
一件看上去需要 4 小時完成的工作，如今 4 分鐘就能做完。這不僅改變知識工作的經濟學邏輯，也重塑人們的心理認知。
近代歷史的大部分時間裡，腦力產出自帶一種隱形信號：投入的工作量。一份精修報告代表付出了勞動；複雜的表格代表專業能力；專業演示文稿代表充分準備。成品本身，承載着創作所投入人力帶來的聲望。
AI 剝離了大部分這類信號。
比特幣恰好存在一個有趣的反向對照。工作量證明（PoW）構建了一套體系：算力消耗是可驗證的，而非僅憑外觀推斷。網路不會因為一份結果看起來精密，就認定存在真實工作量；打包和保障區塊所需的算力消耗，可以按照協議規則核驗。
而在知識工作領域，我們過去的做法幾乎完全相反。看到一份精緻報告、複雜模型或者專業演示，我們就推斷背後一定投入了大量人力與專業積累。AI 正在削弱這種推斷。「看起來費了很大功夫」 這件事，變得廉價。也就是說，單憑成品，我們很難判斷背後的工作量、專業水平與判斷力。
我認為，這就能解釋為什麼 AI 糟粕會激起人們強烈的本能反感。
有些批評確實切中要害。專家往往最能識別 AI 的謬誤：優秀作家一眼看出套話堆砌的文字；資深程序員一眼看出脆弱不堪的代碼；頂尖投資者一眼看出缺少背景支撐的分析。專業能力讓人更容易識別糟粕。
但專業能力也催生了另一種局面：那些最擅長發現 AI 缺陷的人，可能耗費數十年打磨的技能，正逐步被 AI 復刻。
這兩種情況可以同時成立。
專家既可以是 AI 最合理的批評者，同時，他們自身也有強烈動機去維護人類專業能力的價值。
我也屬於這一類人。我花數十年打磨市場研究、資訊挖掘、觀點串聯、結論輸出的方法。我當然看得出機器生成研報的缺陷；我也親眼見證，過去要耗費我一整天的工作，如今機器幾分鐘就能完成。
這段經歷讓這套經濟邏輯，遠比單純爭論 AI 文筆好壞更值得探討。
設想一位分析師，花 5 小時調研撰寫一份投資摘要，成果尚可，大概 6 分水平。AI 只用 30 秒，同樣產出一份 6 分的摘要。
人們很容易指着後者，稱之為 AI 糟粕。但更令人難以面對的問題，是前者：
這份耗時 5 小時的報告，本質是什麼？
關於 AI 的很多爭論，都選錯了參照基準。我們總拿 AI 對標全世界最頂尖的投資者、作家、程序員、醫生、藝術家。但從經濟學角度，真正有意義的對比，應該落在普通水準上。
AI 和當下普通人類從業者的平均產出相比，表現如何？
AI 寫的投資備忘錄，對比普通分析師的備忘錄怎麼樣？AI 文本對比企業日常郵件如何？AI 生成演示文稿，對比分析師計劃花兩天製作的 PPT 又如何？
這類對比更具備顛覆性。它說明，很多我們曾經認為高價值的工作，一部分價值來源於產出的稀缺性。
完成這項工作需要時間；掌握這項工作需要專業能力；練就專業能力需要長年訓練。因此最終成品，承載整條生產鏈條的經濟屬性。
AI 把這些要素拆解開。
攝影大幅削弱圖像復刻的稀缺價值；計算器讓常規算術變得廉價；Excel 讓幾乎所有坐在辦公桌前的人，都能完成複雜計算。
電子表格還帶來一個有意思的現象：它自動化並削減了部分常規崗位需求，包括簿記、文書計算。與此同時，分析成本降低，人們得以搭建更多模型、測試更多情景，開展過去成本過高、耗時太久的各類財務分析。
我們完成了更多分析工作。
這就是應用在認知領域的傑文斯悖論。
智能變得更廉價，會提升我們消耗的總智能體量，釋放人類精力，專注創意、判斷與高階思考，同時減少達成目標所需要的人類糟粕內容。我自己寫作時深有體會：AI 幫我節省時間、提供輔助，讓我產出更多內容；而我的核心價值，依舊在於串聯線索、篩選值得深挖的觀點、把握讀者感興趣的方向，並找到最佳表達方式。
AI 會催生海量的研究、分析、編程、實驗與創意工作，因為每一次嘗試的成本大幅崩塌。所以 AI 不只是自動化故事，它成為認知勞動的價格發現機制，而價格發現，會揭示真正稀缺的資源到底是什麼。
這也是 AI 糟粕批評者最有力的論點。
人類天然存在產出上限。一名助理能做的 PPT 數量有限，分析師能寫的研報有限，記者能發布的文章有限。人類產出的糟粕，昂貴且總量有限。
AI 糟粕，廉價，並且理論上可以無限生產。
當多生成一篇文章、一張圖片、一份報告、一段影音、一份演示文稿或者一段代碼的邊際成本趨近於零時，供給潛力會變得極其龐大。但人類注意力，依舊是稀缺品。
這改寫了資訊經濟學。
人類歷史大部分時間裡，資訊生產成本高昂。AI 讓資訊供給變得充裕，於是價值開始轉移到別處。
判斷力變得更加稀缺，原創性變得更加稀缺，注意力更加稀缺，信任變得更有價值。
當任何人一夜之間就能生成 100 份投資報告，第 101 份報告就幾乎不存在稀缺價值。有價值的人，是能夠從中挑出三份關鍵報告、識別錯誤假設、鎖定值得關注的資訊源、捕捉變化、發現眾人盲點、串聯看似無關的線索，並給出行動方案的人。
這類需求催生一種新型仲介服務。
經濟重心從生產資訊，轉向篩選、解讀、落地資訊。
收益的來源發生轉移。
比特幣提供了一個有趣的先例。
比特幣與 AI 處在數字稀缺性的兩端：比特幣依靠機器，建立數字稀缺；AI 依靠機器，創造認知充裕。但二者都給用戶提供了具備經濟意義的東西：直接通路。
比特幣讓個人可以直接持有、轉移具備數字稀缺屬性的不記名資產。願意承擔對應責任的任何人，都可以自主託管資產。
即便有這條直接通路，龐大的仲介生態依舊圍繞它生長出來：交易所、託管方、錢包服務商、機構平台、ETF 都具備價值，因為很多人仍然追求便捷、流動性、安全、合規准入、易用性與信任。
這點至關重要：直接通路並沒有消滅仲介，而是改變了仲介業務的經濟邏輯。
一旦客戶可以繞開仲介，仲介就必須和這條替代方案競爭。一部分收益消失，一部分收益縮水；還有一部分仲介活下來，因為客戶認定這項服務值得付費。獲取資源本身不再稀缺，仲介的價值也就更容易被評估。
比特幣的經驗說明：當仲介能夠提供真實增量價值時，人們願意付費。人們願意為安全付費，為便捷付費，為內容甄選與整合付費，單純為節省時間付費。
如今，AI 正在向知識經濟拋出同一個問題。
我在自己的工作中，已經看到這個趨勢。
職業生涯很長一段時間裡，我的薪酬一部分來自產出研究。研究具備稀缺性，因為高質量研究需要消耗大量人類時間與思考。如今 AI 在早餐前產出的研究，比我一個月產出的還要多。
那麼，別人付費僱傭我，到底是為了什麼？
答案越來越指向判斷力：我捕捉到了什麼？我忽略了什麼？哪一份研究真正重要？市場共識錯在哪裡？什麼改變了我的看法？這件事和我過往見聞有何關聯？
舊資訊經濟下，我的報酬一部分來自生產研究。在充裕經濟中，越來越多報酬，是支付給 「判斷哪些研究值得去做」 這件事。
讀者現在擁有直接通路：他們可以直接向大模型提問，自行生成研究、索取摘要、製作演示文稿。
像我這樣的人，就變成了可選仲介，這是一種完全不同的經濟關係。
如果讀者能用 AI 智能體生成十份研報，我單純再多產出第十一份，幾乎創造不了價值。我必須給出理由，讓他們仍然選擇我。理由可以是判斷力、信任、內容甄選、便捷性、背景認知，或是幫他們捕捉那些原本會錯過的資訊。
所有仲介都要面對一個越來越清晰的核心問題：
我能提供什麼，讓用戶放棄直接通路，選擇經由我來獲取服務？
在充裕經濟里，信任需要日積月累。
過往業績很重要，推理過程要透明，區分事實與假設很重要，解釋不確定性很重要，證據改變時願意修正觀點很重要，公開犯錯並坦然承認，同樣重要。
在建立起可驗證業績之前，還存在核驗難題。AI 能輕鬆生成文筆流暢、看起來專業的成品，削弱了過去人們用來評判質量的信號。這提升了溯源與透明度的價值：標註資訊來源，列明假設，區分事實與解讀，解釋不確定性，清晰說明哪些證據會推翻現有結論。
這些做法帶給讀者的價值，遠勝於精緻的排版。它讓判斷過程可審計。
久而久之，這些行為會沉澱出無法瞬間生成的東西：贏得的信任。
長久以來，機構准入門檻與資質證書，是建立信任高效的捷徑。在資訊充裕的世界，經過驗證的判斷力，價值持續走高。
這或將成為 AI 經濟中最重要的一種人力資本。
話題回到 AI 糟粕。
這場爭論表面上是探討機器生成內容的質量。更深層的命題，是稀缺性。
在認知生產近乎免費的世界，會湧現海量平庸內容；同時，大量過去從經濟層面無法落地的研究、實驗、創意與分析，也會成為現實。
核心挑戰變成：找到真正重要的資訊。
AI 一方面產出人類史上規模最大的平庸內容，另一方面，也會消解平庸內容過去承載的大量經濟價值。
標準化、大眾化的內容變得唾手可得。人類有價值的貢獻，轉向原創、判斷、篩選、背景洞察，以及逐步贏得的信任。
技術給客戶打開直接通路，仲介變成可選方案。一旦我們變成可選項，就必須爭取留在鏈條中的資格。
這也是為什麼 AI 糟粕的爆發，對頂尖人類創作者來說其實是好消息。如果你的作品具備真正原創性、洞察力，或是獲得信任，海量平庸內容反而會把這種差距放大，而不是掩蓋。很多大聲抨擊 AI 糟粕的人內心的焦慮，歸根結底來自一個令人不安的認知：AI 不只是暴露機器產出的平庸，它迫使我們承認，人類原本就產出了大量平庸內容。
當 「身為人類」 不再能讓你的作品脫穎而出，你就必須真正言之有物。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
暢行幣圈交易全攻略，專家駐群實戰交流
▌立即加入鉅亨買幣實戰交流 LINE 社群（點此入群）
不管是新手發問，還是老手交流，只要你想參與加密貨幣現貨交易、合約跟單、合約網格、量化交易、理財產品的投資，都歡迎入群討論學習！
上一篇
下一篇
