从工具革命到价值重排
最近AI在全世界范围内迅速升温，几乎成了一种新共识：人人都该学会使用AI，掌握者被视为“跟得上时代”，不会用的人则隐隐被放进“迟早要被淘汰”的队列。各类鼓吹AI效率的媒体文章充斥屏端，诸如“一个人顶一支团队”、“一个人完成一年的工作”等标题党式的口号层出不穷。 这种叙事将复杂的社会劳动简化为单纯的算力输出，试图构建一种“效率至上”的技术乌托邦。表面上这是一场工具革命，实际上更像一场价值重排：谁先进、谁落后；谁高效、谁低效；谁值得被投资、谁可以被牺牲。技术焦虑因此并不只是一种“学习焦虑”，它更像一种身份焦虑——你担心的不是“我会不会用”，而是“我会不会被归类”。
理解这种焦虑，必须先承认一件事：技术从来都不只是一套方法，它总会携带一种社会性的评价体系。所谓“效率”“进步”“创新”，在不同语境中常常并不是中性的词，而是可以用来划分等级、制造边界、分配尊严的词。人们以为自己只是在讨论工具，实际上是在讨论谁更体面、谁更可被替换。
我最近读到《镀金的鸟笼》时，对这一点感触更深。这本书写科技企业，也写一种更普遍的社会逻辑：当一个社会高度强调工具理性时，技术转型往往伴随着对“过去”的道德审判。所谓“高科技”“高精尖”不仅是产业分类，更是道德等级；相应地，那些曾经解决大量就业、推动经济增长的行业，却在转型叙事里被称作“低端”“污染”“重资产”。因此，倒闭、破产、下岗、辞退不再被理解为结构性变化中的代价，而更像一种“你活该”：活该你不够先进，活该你被时代抛下。更残酷的是，这套叙事会反过来塑造人的自我理解——被定义在“低端”的人开始自卑，仿佛自己的劳动本身就不体面。
今天围绕 AI 的热潮，正在复制类似的机制。AI 当然能提升效率，但当它被奉为圭臬，效率就会从“手段”变成“道德”：快是对的，慢是错的；自动化是对的，手工是落后的；会用 AI 是体面，不会用 AI 是“你该努力”。于是“工具”变成了“标准”，“标准”变成了“筛选”。在这种筛选里，最先被挤到边缘的往往不是能力最差的人，而是那些工作本就靠时间堆出来——靠缓慢积累、经验沉淀，以及不确定与反复的人。
当AI写进KPI
在互联网大厂工作的朋友说，互联网越来越机械，设计部门、视频部门甚至被要求把“使用AI辅助创作”写进KPI。于是AI不再是“你觉得好用就用”的工具，而成了一种必须完成的指标。我们进入了一种“为了科技而科技”的状态：不是因为它真的让作品更好，而是因为“不用AI”会显得落后。格雷伯在《毫无意义的工作》（Bullshit Jobs: A Theory）里把这种处境说得更尖锐：当组织把大量精力花在证明自己“在工作”、完成可展示的指标与流程，而不是在创造真正有意义的成果时，工作就会变得越来越机械——人也越来越难从劳动中获得尊严与意义感。技术在这里不再是帮助人，而是变成一套考核人的制度——它以“创新”的名义，把人的工作方式改造成更可量化、更可比较、更可替换的形式。
更进一步说，当AI不只是“可选工具”，而是被写进流程、写进KPI、写进绩效考核时，它就可能变成一种新型剥削手段：同样的工资，要求更高的产出；同样的工时，塞进更多任务；在“效率提升”的名义下，把原本应该由组织承担的成本——学习成本、适配成本、加速带来的焦虑与风险——转嫁给个人。韩炳哲在《倦怠社会》里提醒我们：当“更快、更强、更能产出”被内化为一种道德命令时，剥削就不再主要来自外部强迫，而会变成一种自我驱动式的过度消耗——你把自己当成项目来优化，也把自己当成机器来催促。你必须更快交付、更频繁迭代、随时在线优化，甚至还要为机器生成的瑕疵背锅。更隐蔽的是，创作本身也在这种“可量化”的考核里被重塑：那些本来最珍贵的部分——反复试错、绕路、停顿、灵光一闪的偏离、与素材长期相处后形成的“火候”和独特风格——很难被KPI计量，于是被当作冗余挤掉。
更重要的是，随之而来的风险也不在于“用不用AI”会把人分成三六九等，而在于 AI 在扩散过程中很容易与一种单一的效率主义标准结盟——把“速度、成本、可量化、可复制”推到评价劳动的中心位置。当“使用 AI”被制度化为默认规范，它就可能成为衡量工作价值的隐性指标：不同类型的劳动被迫用同一把尺子衡量，缓慢的经验积累，复杂的判断与责任，以及难以量化的质量与关系性工作，反而更容易被贬值。换言之，争议的核心不是工具本身，而是工具背后那套把效率当作唯一真理的评价体系。
而当这种逻辑进一步扩张，它改变的不只是工作节奏，更是我们理解“人”的方式：人被当成一个可以不断升级、随时纠错、随时替换的系统；关系被当成可管理的变量；失败与停顿被视作需要清除的噪音。这让我们想起美剧 《西部世界》（Westworld ）里的设定：当一个系统能随时重置、随时替换时，人的故事与尊严就会被降格为“可删数据”。它提醒我们的不只是“机器人会不会取代人”，而是当效率与可控成为单一目标，我们会不会先学会把彼此当成可归零的部件。与这种“一键清空”的幻觉形成对照的，是项飙谈“附近”时所说的：“附近不是你挑选出来的社群，而是你必须面对、无法完全绕开的关系。附近就是那个你讨厌却搬不走的邻居。”——生活并不是一套可以自由退订的服务：你必须处理摩擦、承担后果，也必须在不完美的共处里重新学会协商与修补。也正因如此，当我们越来越沉迷于可替换、可优化、可清除的“系统式关系”，更需要警惕的也许不是机器变得像人，而是我们自己正在变得越来越不像人——越来越不愿意为真实的关系与作品停下来、付出、忍耐与负责。
AI生成：预制菜式的标准答案
一位从事设计行业的朋友告诉我，在AI刚出现时，她和同行私下把它叫作“拼尸块”——因为它把无数人的作品与心血拼接融合，却并未得到原作者的允许。那时他们几乎是鄙夷的：觉得它“不尊重原创”。但很快，这种道德判断变得难以维持：AI的产出确实又快又“像样”，身边越来越多设计师也开始使用它，作品速度更快、效果更好。你当然可以指责他们没有底线，可她更直接地说：这并不完全是个人选择，而是“病态的社会所迫”——因为大部分公司只看结果、不问过程。于是 AI 作为一个只追求结果的商业工具，反而在逻辑上是成功的：它大幅压缩设计时间，帮助公司“降本增效”，也把“结果主义”的偏好推向极致。她一度觉得好笑：打开各种App，满眼都是“一个模板刻出来”的作品——整齐、漂亮，却高度相似；而原创的难能可贵，反而在这种同质化中更清晰地显影。
更讽刺的是，在所谓“AI大潮”下，她形容自己像被赶鸭子上架：不得不学、不得不用，但用的同时又必须努力和“AI感”割裂开来，逼着自己重新练习如何判断“什么是美”“什么是共鸣”，如何做出她所说的“活人感”。在她看来，AI生成的作品始终缺乏情感与叙事，它的机制仍停留在图像处理与风格拟合这一层：很多由AI主导的设计，看起来“只有美丽”，却没有逻辑、没有故事，也没有真正的关系感。好的设计依然需要以设计师的审美与判断为主导，而AI更合适的位置也许只是辅助：节省时间、生成素材、提高试错效率——但最终把作品从“漂亮”推向“有意义”的那一步，仍然要靠人来完成。
有时候我会把AI生成的文字和作品，想象成一种“预制菜”。它当然能做到快、稳、标准、不出错：结构完整，调味均匀，端上来就能吃。可问题在于，预制菜省掉的不只是备料时间，也省掉了火候——那种在场的试探、临时的调整、偶然的失手与突然的灵光。更重要的是，一旦预制菜被当作“先进”，甚至写进KPI，现炒现做反而会被重新定义为低效与落后。AI的危险也在这里：当它从工具变成圭臬，我们失去的可能不是某项技能，而是许多“慢工”才能生成的经验与思想。我们在批判预制菜的时候，是觉得自己不该被敷衍；可当我们越来越依赖AI生成“标准答案”，把工整、快速、可复制当成优点，难道不是也在生产另一种形式的预制菜吗？
Manus的首席科学家季逸超在访谈中承认，许多Agent的短期客户并不是专业人士，而是“不会做、但又有需求的人”。原因并不神秘：专业工作流由许多环节构成，只要某个关键环节“没做好”，整体体验就会被乘成“零分”。他用“乘法关系”来比喻：在高度协同的链条里，任何一项掉链子都会让结果不可用。于是，一个面向专业剪辑师的端到端剪辑Agent很难一步到位；相对而言，为“不会剪辑但有剪辑需要的人”提供工具——哪怕只是完成粗剪、自动字幕、模板化节奏这类基础环节——反而更容易达到“够用”的效果。这段话的诚实之处正在于：AI的短期价值往往不是替代专业，而是把一些低门槛、可标准化的环节做得更省力，从而扩大“可以做”的人群与场景。但也正因为它主要处理的是基础环节，它的价值更接近一种新型基础设施，而非某种值得无限溢价的“高智能”。所以更不能把“会不会用AI”以及“拥抱新技术的姿态”当成一种文明等级的分水岭，仿佛不用就落后、慢一点就不体面。基础设施的意义在于降低门槛、扩大可达性，而不是反过来变成新的筛子：用它来筛掉那些无法被标准化衡量的人，把差异与缓慢重新命名为“低端”或者“被淘汰者”。
AI 与新的等级生成
这种“新等级”的生成，并不只是抽象判断，它正在许多具体行业里变得可感、可触，甚至带着一种日常生活层面的刺痛。我最近听到两个很“落地”的例子。
一位做外语教学的朋友告诉我：在讲解方法、语法拆解、例句生成这些层面，AI 的确可以替代相当一部分人工。真正难以被替代的，反而是语言在真实交流中流露出来的人类情感：犹豫、试探、幽默、尴尬、关系的亲疏远近——这些不是“文字输出”，而是人在特定情境中完成判断后，带着体温的表达。可如今越来越多的声音在提倡：以后完全不用学习外语了，只需要一台翻译器就可以自如交流。语言于是被简化成一种可外包的表层转换，仿佛字符对应正确就等于沟通完成。但当语言被降格为可一键替代的输出，真正被抹去的其实是人作为主体的思考与情感劳动：那些“温度”和“灵魂”不但被降格为可有可无的点缀，甚至会在效率叙事里被视为需要被压缩、被剔除的“冗余”。
另一位金融领域的从业者也说，在他们的行业里，AI能做的越来越多：信息整理、产品筛选、方案草拟，都可以被算法接管；但“客户陪伴”仍然是目前最难被替代的部分，尤其是面对高净值客户。陪伴并不只是提供建议，而是承接对方在市场波动中的焦虑与犹豫——更重要的还在另一面：当客户投资成功、资产增长、某个决策终于被验证正确时，他同样需要一个人来分享那份喜悦，需要有人能理解这份喜悦背后的风险、忍耐与等待，并在恰当的场合一起庆祝、一起把“成功”转化成关系与信任的加深。很多时候，客户找的不是一份冷冰冰的“最优解”，而是一种被见证、被理解、被共同经历的过程。他开玩笑说：“在东北，很多时候甚至可以陪客户去搓澡——总不能派个机器人去。” 当“陪伴”也被迫写成一种“不可替代的竞争力”时，人类关系本身就被重新商品化了。
这两个例子让我更确信：所谓“AI不能替代的部分”，并不天然更高级，它更像是技术逻辑挤压之下，人类劳动被迫退守的最后领地。而一旦“可被替代”被默认为一种道德判断——等同于“低端”“不体面”“不值得”——新的羞耻也就出现了：你不仅要工作，还要不断证明你的工作里有某种“人味”；你不仅要有能力，还要能解释为什么你的能力不该被自动化。于是，“效率”不再只是手段，而逐渐变成一种新的价值审判：谁被允许慢一点、细一点、有人情味一点，谁又被要求更快、更标准、更像机器一点。
“慢”，作为一种方法
在我们社会科学领域，很多经典的田野调查之所以以“年”为单位，是因为你至少要在一个地方经历完整的四季更替：雨季与旱季、节庆与禁忌、热闹与冷清，才能知道人们如何在不同的节奏里生活。你也要尽可能在场于所有重要的社会时刻：婚丧嫁娶、添丁、迁居、分家、争执与和解；要看到重大仪式如何发生，更要看到仪式之外那些不起眼的日常——例如：很多时候，仪式的“体面”恰恰是女性的劳动堆出来的：她们负责准备、协调、收拾残局，却常常在正式的席面与话语中心被挤到一旁，甚至连进入仪式场域都被禁止。你只有把这些分工与位置看清楚，才会明白所谓“传统”“秩序”并不是抽象的规则，而是话语与沉默如何被分配、情感如何被组织、谁被看见、谁被遮蔽的结果。更重要的是，时间让你看到的不是“一个事件”，而是事件之间的关联：同一套说法在不同场合如何被重复、被修正、被挑战；同一个人今天怎么说，半年后又怎么说；你第一次以为是“规则”的东西，后来如何被现实拉扯、被关系网重新解释。
我曾经在一个偏远的离岛做过两年的田野调查，几乎每一天晚上我都会把当天的见闻和思考手打成笔记。整理这些文字至少需要两个小时——很累，很耗时，尤其在经历白天的奔走之后。但这一步对于一篇鲜活的民族志却又那么必不可少：正是在这个过程中，我会发现遗漏的信息，会把分散的细节重新连成线索；一些看似无关的场景，会突然和之前的材料发生呼应；新的疑问、新的概念，甚至下一阶段的调查方向，也常常在打字时冒出来。换句话说，打字并不只是“把口述搬到纸面”，而是一种把经验重新组织、重新理解的过程。那些文字因此带着烟火气：它们不标准、不规范、也不够精练，但它们有灵气——因为它们仍然和身体、和现场、和犹豫、和突然的联想连在一起。
而现在，AI 可以在几分钟内把一段语音、一堆碎片整理得工整、标准、几乎不出错。它当然也能提供发散点，但那种发散往往更像一种“模板化的聪明”：正确、周全，却少了现场摩擦出来的意外。问题不在于 AI 做得不够好，问题恰恰在于它做得“太像一个标准答案”——而标准答案往往意味着一种收缩：它收缩掉犹豫、收缩掉绕路、收缩掉那些看似低效却能生成新问题的时间。我们开始以为自己节省了时间，却可能失去了思想生成的条件。詹姆斯·斯科特（James C. Scott） 在《国家的视角》中指出，现代治理最偏爱的往往是“可读性”（legibility）：把复杂世界变成可量化、可比较、可管理的简化版本——但这种标准化的代价，往往正是把那些只在细节、关系与语境中才看得见的真实，连同它们的意义一起抹平。
结语
作为一个社会科学工作者，我并不是要否定AI的价值，也不是反对技术进步本身。AI在很多具体情境里确实能节省时间、降低门槛、让更多人获得原本难以触及的能力。问题不在于工具，而在于我们如何使用工具，以及我们用什么来衡量人。当对技术的掌握被默认为一种“优越”，当对效率的追求被当作道德与体面的标准，技术就不再只是帮助人，它开始参与划分等级。我的反对，指向的正是这种把“会不会用AI”“够不够快”当成价值评判尺度的社会气候。
所以我真正担心的并不是“AI会不会取代我”，而是：当AI变成一种道德标准，我们会不会把许多本来正当的劳动、正当的缓慢、正当的非标准，一起打包成“落后”。如果我们把“不会用AI”当作一种缺陷，把“手工”和“慢”当作一种可笑，那么被淘汰的不只是技能，更是一种对人的理解：人不是乘法关系里的某个环节，不该因为某项工具的熟练度就被归类为“零分”。一旦“效率—体面—价值”的链条被固定下来，“低端”就会不再是某个行业或岗位的描述，而会变成一种可扩散的羞耻机制：它可以落到任何人身上——落到没有时间学习的人身上，落到需要慢工出细活的人身上，落到更重视关系、照护、情感劳动的人身上，落到所有无法把自己变成“可量化、可比较、可替换”的人身上。
人类学经典研究里有许多与世隔绝的亚马逊丛林部落社会：没有文字记录，历史不是被写下来、存档、加速迭代的，而是在口述与日常实践中一遍遍被确认——一代人对上一代人的生活秩序做出延续性的肯定。列维-斯特劳斯把它们定义为“冷社会”。与现代工业化的“热社会”不同，冷社会并不将进步或变革视为动力。它们试图“抵销”时间对社会结构的影响。这类社会通过神话和仪式来维持祖先定下的秩序。列维-斯特劳斯将其比作“钟表机构”，无论如何运转，最终都会回到原点。冷社会内部通常较为同质，产生较少的社会分化、阶级斗争或剧烈动荡。那些塑造了当前世界状态的神话事件，最多发生在几代人之前，而其中的主角却始终在场；过去并未退场，而是以另一种方式持续地活在现在。“冷”与“热”并非优劣之分，而是指代不同文化处理时间与变革的方式。
我们当然可以说这是一种“没有技术进步”的时间，但问题在于：没有科技飞跃，生活在亚马逊丛林里的人就不幸福吗？如果幸福并不必然依赖于“更快、更强、更高效”，那么我们今天把AI当成圭臬、把效率当成道德，就更值得警惕。雷·库兹韦尔在《奇点临近》中描绘技术将以指数级增长，把人类推向一个不可逆的加速点——可当一切都在加速、当每个人都被要求跟上指数曲线时，你真的更幸福了吗？还是说，我们只是把生活的节奏交给了增长的逻辑：把缓慢当作落后，把停顿当作懒惰，把不熟练当作羞耻。也许 AI 时代最重要的不是“如何更快”，而是重新夺回一个更困难的问题：当科技不断逼近所谓“奇点”，我们究竟想要的，是更强的工具，还是更可居住的时间？
当我们用AI重新排序世界时——谁被排序到了“低端”？谁被迫背起羞耻？如果技术进步的代价，是把越来越多的人推向“可被替换、可被嘲笑、可被归零”的位置，那我们就必须承认：我们追逐的也许不是更加美好的生活本身，而是一套更精密的筛选机制。真正值得期待的技术，不该只是让少数人更快、更强、更轻松；它更应该让更多人免于羞耻、免于被敷衍、免于被迫加速。
这个世界上，有人畅想着移民火星，把未来想象成更远的星际；也有人想去到海岛和雨林，在另一种时间里重新学习如何生活。
