把1750年的農(nóng)夫扔進(jìn)2026年的北京三里屯，他會當(dāng)場崩潰。不是比喻，是字面意義上的認(rèn)知過載致死——這是Tim Urban在《Wait But Why》里提出的思想實(shí)驗(yàn)。電燈、飛機(jī)、智能手機(jī)、無痛手術(shù)、人類登月后覺得無聊。這些變化跨度原本需要12000年才能累積完成，人類卻只在275年里全部兌現(xiàn)。

Urban的推論更刺耳：如果進(jìn)步真是指數(shù)級的，下一波同等規(guī)模的沖擊可能只需要25到30年。也許更短。這不是數(shù)學(xué)預(yù)測，是感知校準(zhǔn)。你的大腦天生會把指數(shù)曲線壓平成直線，這是進(jìn)化遺留的bug。

我們的大腦還在用農(nóng)業(yè)時代的操作系統(tǒng)

1775年的人和我們共享同一套基因硬件。同樣的神經(jīng)元，同樣的前額葉皮層。區(qū)別只在軟件：250年的復(fù)合創(chuàng)新徹底重寫了他們對"正常"的定義。問題在于，這套硬件從未被設(shè)計(jì)來處理指數(shù)級變化——我們的祖先只需要記住哪片果園秋天結(jié)果，哪條河流汛期泛濫。

這種認(rèn)知缺陷有個名字：人類失憶癥。不是臨床那種，是文明級別的。你能同時做到兩件事：左手握著數(shù)據(jù)證明變化在加速，右手繼續(xù)用線性直覺做決策。聰明人和信息豐富的人反而更容易中招，因?yàn)樗麄兲瞄L為自己的遲鈍辯護(hù)。

歷史反復(fù)驗(yàn)證這個模式。每次重大轉(zhuǎn)型期，親歷者都確信那種程度的變革"不可能""被夸大了""還遠(yuǎn)著呢"。他們不是蠢，是用錯了啟發(fā)式工具——為慢世界打磨的認(rèn)知框架，被塞進(jìn)快世界運(yùn)轉(zhuǎn)。

AI正在壓縮"嚇?biāo)酪粋€人"所需的時間窗口

2022年底ChatGPT發(fā)布時，科技圈的普遍反應(yīng)是"好玩但有限"。18個月后，它通過了美國醫(yī)師執(zhí)照考試、律師資格考試，能生成可運(yùn)行的代碼、診斷醫(yī)學(xué)影像、用多種語言進(jìn)行學(xué)術(shù)級辯論。這個速度本身已經(jīng)被舊框架過濾過一次——你讀到這些事實(shí)時，大腦正在自動調(diào)低它們的音量。

真正的信號藏在細(xì)節(jié)里。OpenAI的GPT-4訓(xùn)練成本比GPT-3下降約70%，推理成本在兩年內(nèi)暴跌99%。不是漸進(jìn)優(yōu)化，是成本結(jié)構(gòu)的坍塌。當(dāng)獲取智能的價格趨近于零，所有依賴"專業(yè)知識稀缺性"的行業(yè)都會重新定價。

更隱蔽的變化是時間感知。2023年大家覺得"AI畫圖還行但手指總畫錯"，2024年Midjourney V6的手指問題基本解決，2025年視頻生成開始沖擊廣告制作流程。每個里程碑之間的間隔在縮短，但我們的敘事慣性仍在用"幾年后的未來"來描述"幾個月后的現(xiàn)實(shí)"。

為什么聰明人反而看不清

信息過載制造了一種幻覺：你知道得越多，越覺得自己在跟蹤進(jìn)度。實(shí)際上你是在用清單思維對抗指數(shù)曲線——勾選"看過這篇論文""聽過那場發(fā)布會"，誤以為覆蓋度等于理解深度。

另一個陷阱是專業(yè)壁壘。芯片工程師盯著晶體管密度，產(chǎn)品經(jīng)理盯著用戶留存，投資人盯著估值倍數(shù)。每個人都在自己的垂直領(lǐng)域里"感覺變化正常"，卻錯過了橫向的共振效應(yīng)。當(dāng)算力、算法、數(shù)據(jù)三個變量同時突破閾值時，單一視角的觀察者會系統(tǒng)性地低估乘積效應(yīng)。

最頑固的盲區(qū)是"人類特殊性"的執(zhí)念。我們不斷移動 goalpost（球門柱）：AI能下棋了，但不懂直覺；能寫詩了，但沒有靈魂；能通過考試了，但不會真正理解。這套防御機(jī)制的工作機(jī)制是——每當(dāng)AI跨越一條紅線，我們就重新劃定紅線。1750年的人也會認(rèn)為"計(jì)算"是人類獨(dú)有的神圣能力。

重新校準(zhǔn)你的時間單位

Urban的思想實(shí)驗(yàn)有個實(shí)用推論：如果你想感受真實(shí)的速度，需要主動壓縮時間尺度。不要問"AI十年后會怎樣"，要問"2025年底會怎樣"。不要追蹤年度趨勢，要追蹤季度迭代。OpenAI、Anthropic、Google DeepMind的發(fā)布節(jié)奏已經(jīng)在逼市場適應(yīng)這個新頻率。

一個具體信號：AI領(lǐng)域的"代際"概念正在失效。GPT-3到GPT-4是18個月，GPT-4到GPT-4 Turbo是8個月，之后各種"o1""o3"的命名混亂本身就說明版本迭代太快，市場還沒來得及消化上一個，下一個已經(jīng)上線。傳統(tǒng)軟件行業(yè)的"大版本"敘事在這里完全破產(chǎn)。

另一個信號是人才流動。2023年頂級AI研究員還在爭論"縮放定律是否持續(xù)"，2024年他們已經(jīng)在討論"智能爆炸的治理框架"。這個議題跳躍的速度，比議題本身的進(jìn)展更能說明問題——連最謹(jǐn)慎的專家都在被迫加速自己的預(yù)期。

你現(xiàn)在的"常識"有多舊

做個思想實(shí)驗(yàn)：列出你對AI能力的三個核心判斷，然后標(biāo)注每個判斷的信息來源時間。超過6個月的，建議重新驗(yàn)證。這不是鼓勵焦慮，是承認(rèn)一個事實(shí)——在這個特定領(lǐng)域，半年前的"常識"可能已經(jīng)變成認(rèn)知負(fù)債。

1750年到2026年的275年里，人類發(fā)明了電力、內(nèi)燃機(jī)、計(jì)算機(jī)、互聯(lián)網(wǎng)。下一個25年要塞進(jìn)什么？通用人工智能（AGI）的某種形式幾乎是保守估計(jì)，更激進(jìn)的預(yù)測包括：大規(guī)模自動化科研、人類水平的機(jī)器人操作、實(shí)時多語言同聲傳譯成為基礎(chǔ)設(shè)施。這些不是科幻，是正在進(jìn)行的工程項(xiàng)目的公開路線圖。

認(rèn)知科學(xué)家發(fā)現(xiàn)，人對時間的感知高度依賴"事件密度"。單調(diào)的日子里一周很快過去，充滿新奇的旅行中一天仿佛很長。AI正在全球范圍內(nèi)制造事件密度爆炸——每周都有模型刷新基準(zhǔn)測試，每月都有產(chǎn)品重新定義品類。你的主觀時間感正在被客觀現(xiàn)實(shí)撕裂。

一個產(chǎn)品經(jīng)理朋友最近吐槽：他的團(tuán)隊(duì)用三個月做了一個AI功能，上線時發(fā)現(xiàn)基座模型的能力已經(jīng)翻倍，原本的設(shè)計(jì)假設(shè)全部作廢。"我們不是在和競爭對手賽跑，是在和摩爾定律的幽靈賽跑。"

這種體驗(yàn)會越來越普遍。不是某個行業(yè)，是所有知識工作。不是某個國家，是全球同步。1750年的農(nóng)夫至少還有地理緩沖——變化從倫敦傳到他的村莊需要幾十年。今天的信息傳遞延遲以秒計(jì)算，認(rèn)知沖擊的同步性本身就是新的變量。

Urban的原始文章寫于2015年，當(dāng)時AI還沒有進(jìn)入公眾視野。他討論的是廣義的技術(shù)加速，但過去兩年的發(fā)展讓他的抽象論證獲得了血肉。那個"25到30年"的預(yù)測窗口，現(xiàn)在看起來甚至可能過于保守。

關(guān)鍵問題變成：當(dāng)你的認(rèn)知框架天生會低估速度，你能做什么？一個務(wù)實(shí)答案是建立外部校準(zhǔn)機(jī)制——定期和不同領(lǐng)域的人交換筆記，強(qiáng)制閱讀讓你不舒服的預(yù)測，把"我覺得還早"自動翻譯成"我需要更多數(shù)據(jù)"。

另一個答案是接受某種認(rèn)知謙遜。承認(rèn)自己正在經(jīng)歷的事情，歷史上沒有先例可循。1750年的人至少有2026年可以作為參照系，而我們面對的是一個連參照系本身都在快速漂移的局面。

最后的事實(shí)：OpenAI在2024年底的發(fā)布會上演示了"o3"模型在特定推理任務(wù)上的表現(xiàn)，接近人類頂級專家水平。從GPT-4到這個節(jié)點(diǎn)，間隔大約20個月。按照Urban的壓縮曲線，下一個同等躍遷可能只需要10個月，或者更短。你的準(zhǔn)備時間，正在以你難以感知的方式被扣除。

如果下一個"嚇?biāo)?750年的人"級別的沖擊真的在25年內(nèi)到來，你現(xiàn)在依賴的哪些職業(yè)假設(shè)、技能組合、生活規(guī)劃會瞬間失效？這不是修辭問題，是越來越多人在私下認(rèn)真計(jì)算的表格。