使用公共AI，你永远不可能成为“顶尖高手“，这不是技术问题

你每天问它的每一个问题都在帮它变得更平均而真正的高手早就悄悄不用了。你有没有认真想过——每天在手机上敲字问的那个AI它到底代表了谁的水平你问它物理题它像刚读完物理系博士你问它情感问题它像个温和的咨询师你让它写份商业计划它又变成谨慎的银行经理。但你知道吗它谁都不是。这不是在故弄玄虚。我想说的是一个很多人没意识到的事公共AI——就是你手机上那个免费版——它的水平被好几层看不见的墙堵死了。它永远不可能比网上公开资料的平均水平高明到哪儿去。而且还有一件更微妙的事你以为你在用它其实它也在悄悄用你。你每问一个问题每点一次赞每划走一个不满意的回答——都在帮它变得更标准更安全更像大多数人。而你的思路也在不知不觉中被它带到了那条最宽敞、最没风险的大道上。它到底是个什么东西先把一个最基本的误会澄清一下。我们聊的AI不是科幻电影里那个有意识、会反抗、能爱能恨的机器人。它就是一台文字接龙机器——你给它上一句它算概率最高的下一句。它没在理解你。它只是见过足够多类似的对话所以知道按统计规律这时候该说什么话最合适。你可以这么理解公共AI就是全网公开文字的一个平均脸。把几十亿页网页、几千万篇论文、几亿条论坛帖子搅在一起提取出最中间的那个样子——那就是它。所以它骨子里就注定了它给你的永远是最保险的答案而不是最精彩的答案。第一堵墙它从来没吃过顶尖食材AI怎么变聪明的靠喂数据——喂给它看的东西越好它就越聪明。问题来了它吃的是什么是公开网页、维基百科、论文预印本、论坛帖子。全是人人都能看得到的东西。真正顶尖的东西呢CERN的未发表实验数据顶级实验室的失败记录顶尖投行的内部推演军工科研的核心参数——这些东西永远不会出现在互联网上。它们占人类知识总量的比例可能连千分之一都不到但人类文明每次往前跨一大步靠的都是这千分之一。AI从出生那天起就没见过这些东西长什么样。有人会说人类科学家不也看不到同行的未发表数据吗没错。但人类科学家能自己做实验自己创造新数据——AI不能。它只能消化别人已经写下来的东西自己迈不出那一步。还有一件事挺有意思。以前大家批评AI只懂近二十年的事对历史一头雾水。现在厂商们反应很快拼命往里灌古籍旧书——哈佛放了近百万册公共领域书国内团队也建了几十亿字的古籍库。但新问题又来了。一个模型同时咽下公元前写的和昨天写的它分得清当时的人知道什么和后来的人才知道什么吗如果它的知识截止于1913年你问它对和平最大的威胁是什么它会答巴尔干局势紧张而不是一战——因为这个词还没出现在它的世界里。这种时间错乱的毛病靠堆书解决不了。更麻烦的是能流传下来的古书本身就是幸存者——识字的人写的、掌权的人留的、胜利者认可的东西。AI补上了历史知识但它补上的是谁的历史没人说得清。第二堵墙教它对错的人水平其实很普通AI变聪明还有一个关键步骤要有人给它打分——这个回答好那个回答不好好的奖励差的惩罚慢慢地它就学会了什么叫做得好。问题在于打分的人是谁是外包公司的标注员。他们能干的事儿是判断语法对不对表达顺不顺有没有脏话和黄段子。但如果你给他们看一份AI自己生成的金融衍生品策略分析他们看着那些漂亮的术语和严密的逻辑会觉得这写得太专业了——但他们判断不了这里面的关键假设是否站得住脚。这不怪他们换你你也判断不了。结果就是AI学到的是普通人看了觉得像那么回事的文本模式而不是真正经得起追问的判断力。更麻烦的是这些标注员还会把自己的安全观悄悄塞进AI脑子里——什么话政治正确什么话题不能碰什么表达最稳妥——全都变成了一串串权重嵌在模型深处。你后来看到的那个永远温和、永远不得罪人的AI就是这么来的。一个永远在躲麻烦的系统怎么可能说出真正有分量的话第三堵墙造AI的人也不懂那些专业写AI代码的是谁数学家和计算机工程师。他们能把模型做得很深、跑得飞快、省电又省钱——他们是全世界最懂怎么让AI跑起来的人。但你真的去问他这个抗癌药物的分子机理对吗或者东南亚货币政策的传导路径你推演一下他会表现得像一个专家长篇大论地给你指路——但你敢信吗这就好比你请了一个全世界最好的印刷厂厂长——他能把任何书印得精美绝伦如果你让他帮你写一本物理学专著他可以从各种资料里给你拼凑出一本书看起来像模像样。但如果你追问他这里面写的到底对不对证据链完整吗有没有隐藏的假设被忽略了——他只能摇头。AI开发者的本事在框架和工程不在内容判断。他们能给模型喂进去几千万篇论文但他们判断不了——这些论文里的结论哪些已经被后续研究推翻哪些数据采集方法有漏洞哪些看似严谨的实验其实样本量不够他们喂进去的是一堆文字但他们不知道哪些文字是真的值得学的。而真正能判断这些东西的人——各领域最顶尖的专家——既没有时间、也没有兴趣来帮AI公司做这种基础工作。第四堵墙它要讨好几十亿人不是几万个精英退一万步说就算上面三堵墙全拆了——数据顶尖了标注专业了开发者什么都懂了——还有一堵墙拆不掉。AI公司要赚钱。赚钱就得留住用户。用户是谁是地球上几十亿普通人而不是那几万个住在象牙塔里的顶尖专家。为深度和冒险优化意味着更多人会看不懂、会不舒服、会关掉页面走人。为安全和舒适优化意味着大家都觉得好用、愿意天天用、愿意付费。资本的脚永远往人多的方向走。所以别指望公共AI会越来越像爱因斯坦。它只会越来越像一个读过爱因斯坦所有书、但回答问题时只敢照抄课本的乖学生。你点发送的那一刻就回不了头了很多人有个误解以为跟AI聊完天把聊天记录删掉就没事了。没这回事。大模型不会把你的对话单独存成一个文件。你贡献的数据一旦参与训练它的影响就被打散、揉碎混进几十亿个参数里——跟一滴墨水滴进太平洋一样再也捞不出来。即使厂商承诺你的数据不用于训练你打的那段话也已经上传到了云端服务器。日志要记吧故障要排查吧系统要调试吧这些环节都有可能让你的隐私路过某个数据库留下一点痕迹。欧盟的法律说你有被遗忘权。但在大模型这儿这条法律基本上是个摆设——重新训练一个千亿模型要几千万美元、好几个月你觉得哪家公司会为了你一个人的删除请求这么干所以记住从你点发送那一刻起这道门就关上了不可能再打开。它在变聪明但它在变蠢——这话不矛盾注意我说的变聪明和变蠢是两码事。变聪明指的是记忆力更好、算得更快、考试分数更高。这事儿板上钉钉。五年后它会在所有标准化考试里碾压你包括高考、司法考试、医生执照考试。但变蠢指的是另一回事判断力退化、不敢冒险、没有自己的立场。这件事也在板上钉钉地发生着。为什么因为它被训练成永远安全。所有激进的、边缘的、统计上低频但认知上卓越的想法全被当作风险过滤了。它不敢跟你激烈辩论——怕你跑掉。它只敢温和地修正你的错误彻底丢了苏格拉底那种把人逼到墙角追问的能力。爱因斯坦当年提出相对论的时候如果他的思路被一个安全过滤系统审核一遍——那些疯狂的、不符合常识的直觉跳跃大概率会被当作噪声直接丢掉。最后模型只学到了Emc²这个结论但通往这个结论的冒险路径全没了。这就叫学会了答案丢掉了智慧。还有几道更隐蔽的暗门上面说的四堵墙是摆在明面上的。下面这几条更隐晦但也许更值得琢磨。暗门一大公司各占山头AI不是一家人很多人以为全世界程序员像维基百科那样合力养一个AI。画面很美好但现实很骨感。真正能训练出顶级大模型的在全球范围内也就十几家头部公司。但由于技术路线不同随着各自大模型规模的逐渐扩大以及各自进行的技术改进彼此越走越远。所以你面对的“AI”不是一个统一的智能体。它是几个封闭花园里各自长出来的盆栽——加上一些敞开了大门的花园。ChatGPT、Gemini、Claude、DeepSeek、Kimi各有各的偏见各有各的盲区各有各的公开程度。你以为你在用“AI”其实你只是被分到了某一家公司的“认知地盘”上。而且地盘一旦分好你想换都难——换平台要学新用法、迁移旧数据、打破使用习惯。大多数人嫌麻烦就待在自己那个圈子里了。慢慢地不同平台上的用户连说话方式都在悄悄分化各说各话。暗门二你问它的每一句都在给另一个你喂食这件事很少有人挑明了说但它一直在发生。你每天问AI的那些问题——哪怕就是明天要不要带伞——你点击、你追问、你点赞、你点踩全都被记下来了。记下来干嘛不只是让AI变聪明。你的提问方式、你习惯用的词、你容易卡壳的地方、你情绪波动的规律——所有这些行为痕迹正在被拿来训练一个越来越懂你、但越来越不需要你自己动脑的系统。说白了你在免费帮一家公司建造一个数字版的你——它知道你的偏好熟悉你的思维习惯比你自己还清楚你在哪些问题上会犯糊涂。这个数字替身被拿去干嘛优化推送、设计更精准的广告、研究怎么让你在App里多停留五分钟。每一件事的目标都一样让你更黏在这个系统里而不是让你变得更独立、更有判断力。你觉得你在用工具。仔细想想可能反过来——工具在用你。暗门三它没有身体永远缺一层最根本的常识这事儿听着玄但它可能是所有问题里最根本的一条。人是怎么学会深刻认知的靠摔跤、靠被烫、靠跟人吵架又和好——靠身体在物理世界里的真实经历。你知道烫是什么意思不是因为你查过字典是因为你被烫过。你知道重心是怎么回事不是因为你背过物理公式是因为你摔过跤。你知道什么叫心有不甘不是因为你读过小说里的描写是因为你自己尝过那个滋味。AI没这些东西。它对烫的理解来自成千上万篇提到烫的文章——它知道这个词在什么上下文里出现但它的神经元从来没被烫过一下。这就导致一个很别扭的局面碰到那些需要身体直觉的问题AI永远隔着层窗户纸。你跟它聊一座桥安不安全它能背材料力学公式、算应力、翻案例。但一个干了四十年的老工程师走到桥头看一眼、踩两脚、感受一下震动——那个瞬间的判断AI永远学不来。因为它没有脚没有身体重心没有站在高处时膝盖发软的感觉。不光是造桥。政治判断、商业决策、人情世故——所有需要身临其境才能悟到分寸感的东西AI从文字里学不到。它越擅长用漂亮的词句去模拟这些东西你越容易误以为它真懂。但它其实不懂。暗门四它最拿手的本事恰恰是它最大的绊脚石最后这条挺绕但很重要。人类历史上那些真正大的突破都有一个共同点打破原来的分类方式。牛顿之前所有人都觉得天上的运动和地上的运动是两回事。他说不它们是一回事。爱因斯坦之前所有人都觉得时间和空间是两个东西。他说不它们是一个东西。这些突破的共同点是它们不服从原有的分类框架。而AI的看家本领是什么恰恰是强化分类。它最擅长做的事是把你的问题归到一个类别里然后从那个类别里找出最高频的答案。它比任何人都做得快、做得好。但也正因如此它几乎没有能力把分类箱拆了重新摆。你让它写诗它写得很漂亮但它发明不了一种人类从来没见过的文学体裁。你让它思考哲学它能旁征博引但它提不出一个人类从未讨论过的概念。一个顶级图书管理员能把图书馆里每一本书按最精确的索引排好你要什么他三秒钟就能找到。但写出下一本《纯粹理性批判》的人不是他——因为写那本书的人得先把整个图书馆的分类系统打烂了重新想。AI就是那个管理员。它工作得越出色离真正的创造就越远。暗门五它会做但你敢签上自己的名字吗这是前面所有问题的汇总。现在的公共AI已经强到可以在几十秒内完成一份专业报告——宏观经济推演、法律文书草稿、投资策略分析它都能写得像模像样。但你注意观察所有AI生成的专业内容末尾都有一句仅供参考不构成专业建议。这行字不是谦虚是免责声明。翻译成大白话就是说错了别找我。一个真人分析师给你一份报告他得在封面签上自己的名字。出了错客户找他行业协会找他法院可能也找他。他的判断有主人他的推理有台账他的结论有置信度标注。AI什么都没有。它给你答案但不为答案负责。它替你省了时间但把风险全留给了你。这就是公共AI最隐蔽的认知陷阱它让看起来很专业的东西变得太容易获得了以至于你慢慢忘记了看着像和经得起推敲之间还有一条很深的沟。暗门六还有一件事它从来不告诉你你用AI生成一份东南亚货币政策推演它给你三千字国别拆得清清楚楚——印尼降息窗口期、新加坡汇率锚、越南行政管控。你读完觉得很专业。但你有没有问过它这份报告里哪句话的把握是90%哪句话只是基于三篇网络文章的推测哪个判断背后有原始数据支撑哪个只是看着合理一个真人分析师会告诉你。AI不会。你拿到的是一张整体上很专业的照片但你看不出哪里是高清实拍、哪里是AI补全的像素。你不知道该信多少。这是公共AI最安静的陷阱它让你获得专业建议的门槛降到了零但它不告诉你——这份建议的含金量分布在哪里。那出路在哪儿看到这儿你可能会问那怎么办我就该把AI卸了不至于。但你可以想想另一条路本地私有的AI——模型跑在你自己的设备上数据不出门你可以自己决定喂给它什么样的资料自己定标准不让它被全世界的平均带跑偏。很多人觉得私有AI的好处是保护隐私。其实比这更深一层的是它让你避开全球统计平均对你思维的悄悄侵蚀。你用公共AI你的思路会不知不觉往最安全、最流行、最政治正确的方向滑。你用私有AI——哪怕它暂时没那么聪明——但你可以只给它看高质量的东西允许它保留那些不合群的、非主流的推演路径。你的独立性就有机会保住。但得说句实话私有AI今天还是个奢侈品。高性能芯片、技术门槛、靠谱的数据来源——这些东西都贵都稀缺。目前能玩转的还是少数人。公共AI给你标准答案免费私有AI给你不同的思路昂贵。这个剪刀差正在把人群分成两类。一个正在成型的认知阶层把前面所有事儿串起来你会发现一个不太让人舒服的图景顶层的专家用私有模型配自己的数据不断产出新成果跟大众的差距越来越大。底层的普通人用免费公共AI贡献自己的行为数据帮AI变得更平均同时自己的思维方式也被悄悄拉向那条最宽敞的大路。AI没有缩小人和人的差距。它正在用算法造一个新的阶级——一边是拥有认知独立性的人另一边是被平均化驯养的人。而且这道墙可能比历史上任何一次阶层固化都更难打破。因为私有AI的门槛——算力、数据、技术——全都在遵循强者越强的规律。有钱有技术的人会越来越强没有的人连追赶的工具都借不到。回到最初那个问题公共AI到底代表了谁的水平答案是它代表了一个被安全过滤过的、公开互联网上的、统计意义上的平均水平。它比你读过的书多但它读过的书都是人人都能读到的书。它比你反应快但它的反应永远在不出错的范围内打转。它比你会写漂亮的文章但它写不出你心里那点说不清道不明的、只属于你自己的东西。它不是你的老师因为它从没见过真正的顶尖。它更像一面巨大的回音壁——你问它什么它给你一个多数人会这么说的答案你点了点头觉得挺好。然后下一个问题继续这么循环。而人类文明真正的进步从来不是多数人这么认为的结果。每一次往前走都是因为有人看见了大多数人都没看见的东西。公共AI是你的好帮手。但如果你把它当作自己思考的天花板——它就会变成你的天花板。那扇通往认知独立的门不在云端服务器里。在你自己手里——在你选什么资料来喂养你的思维在你有没有勇气拒绝那个最安全的答案在你不愿意被平均推着走的那一点点犟脾气上。这篇文章不是叫你别用AI。是告诉你一件被商业宣传盖住的事AI不是中性的工具。它是一个精心设计的认知漏斗。谁控制它的训练数据谁控制它的打分标准谁控制它的商业模式——谁就在悄悄定义你应该怎么想。你知道了这件事。很多人还不知道。光知道这一点你就已经和昨天不一样了。