有個叫 Matthew Prince 的人，最近做了一件在美國商業史上找不到先例的事。

先說他這個人。普林斯是 Cloudflare 的創始人兼 CEO。Cloudflare 這家公司你可能不熟，但你每天上網的時候，你訪問的網站有相當一部分是跑在它的網絡基礎設施上的。

簡單說，它是互聯網世界的一個隱形管道工。這家公司市值超過500億美元，客戶遍布全球，2026年第一季度營收增長超過30%，屬于那種不需要你操心它會不會倒閉的企業。

正因為公司發展得這么好，普林斯上個月做的那件事才讓人沒法理解。

他裁掉了超過五分之一的員工。

他自己查過。翻遍了公開數據，請教了分析師，結論是：在美國商業史上，還沒有第二家營收增長超過30%的上市公司，在同一時間裁掉超過20%員工的記錄。

不是裁員本身罕見，裁員當然不罕見。罕見的是"一邊高速增長一邊大裁員"。這在過去的商業世界里是互相矛盾的信號。增長意味著擴張，擴張意味著招更多的人，這是一百年來不需要重新論證的肌肉記憶。

普林斯打碎了這個肌肉記憶。他還說，這不是他一家公司的特例。"未來一年內，這將成為常態。"

他還專門寫了篇文章解釋，發表在華爾街日報上，核心邏輯是一句話：「我沒裁人。我裁的是AI能做的事。」

普林斯在文章里翻出了一本1954年的書。彼得·德魯克的《管理的實踐》。這本書在管理學史上的地位，有點像牛頓的《原理》在物理學史上的地位。它第一次把「管理」這件事本身當成了一個可以系統研究的對象。德魯克在里面提出了一個分類，普林斯借過來用了。

德魯克說，公司里的人可以分成三種。建造者（Builder），創造產品的人。銷售者（Seller），把產品賣出去的人。衡量者（Measurer），做其他一切的人。審計、合規、法務、中層管理、運營、內部溝通、預算審批、KPI追蹤。所有那些不直接造東西、也不直接賣東西的崗位，都是衡量者。

普林斯的判斷很干脆。AI不會替代建造者。如果一個工程師現在能靠AI把效率提升十倍，我就雇更多工程師，越多越好。AI也不會替代銷售者，因為人還是想從人手里買東西。但AI會替代衡量者。因為AI就是終極的衡量機器。不知疲倦。不講人情。精確到人類的神經系統做不到的程度。

他裁掉的，幾乎全是衡量者。

AI時代最重要的一堂生存課，和AI無關。
普林斯說，「我裁的是AI能做的事」，這句話翻過來問就是：AI做不了的事，是什么？這個問題，指向了AI時代真正的稀缺。答案不是算力，不是數據，不是芯片。

當然，這個問題也被問爛了，這兩年我們看到了形形色色的答案。今天這篇文章，我們試圖給出一個更深更深的視角。

一、所有人都在搶算力，但那不是普通人的游戲

過去兩年，AI敘事的核心詞匯只有一個：「搶」。

搶GPU，搶數據中心，搶電力，搶水利，搶一切能把算力堆起來的東西。OpenAI的估值沖上一萬億美元。Anthropic上市前估值超過九千億。英偉達的芯片出廠價翻了三倍，排隊等貨的名單比芯片本身的電路還長。

數字很說明問題。英偉達芯片設計毛利率：75%。臺積電先進制程：59%。高帶寬內存：63%到67%。而模型層，那些真正在「做AI」的公司，那些你每天在新聞里聽到的名字，利潤率是負的。

大家都在搶制造鋤頭的生意，用鋤頭挖金礦的人還在虧錢。

《金融時報》的專欄作家吉蓮·邰蒂最近寫了篇文章，指出了一個更詭異的錯位。標普500里，信息技術和服務占了42%的權重。能源和材料加起來只有6%。商品對沖基金的規模，用她引用的一個分析師的原話說，「幾乎為零」。

她的邏輯很清楚：投資者被科技股的光環罩住了眼睛，忘了一件最基本的事。AI需要的不僅是代碼，還需要分子。銅、水、鎵、鋰、混凝土、稀土。

而在一個地緣政治越來越像1914年的世界里，這些東西的供應鏈隨時可能斷。她引用了新西蘭和新加坡最近簽署的一份協議：兩個國家互相保證，全球短缺的時候，先互相供糧、供油。這種事過去只有戰爭時期才會發生。

邰蒂說得對。但我們今天要說的稀缺，比她說的高一層。

她說的是物理層面的、供應鏈層面的稀缺。是可以用更多的礦、更多的電廠、更多的外交協議來解決的稀缺。我說的是另一種東西。算力會過剩。芯片會被大規模生產，因為只要有錢賺，臺積電就會建更多的廠。模型會開源，能源會有新的解決方案。在足夠長的時間尺度上，一切可以工業化的東西都會變成大宗商品。價格會跌，產能會過剩，利潤會變薄。

真正不能工業化的，是你對世界的解釋框架。

你的本體論。

二、Palantir教會硅谷最重要的一課

Palantir，2003年在硅谷成立。創始人里有彼得·蒂爾（Peter Thiel），PayPal的聯合創始人，《從0到1》的作者，硅谷最著名的逆向投資者之一。Palantir最早的業務是幫美國情報機構分析反恐數據。電影《獵殺本·拉登》里，CIA分析員用來追蹤線索的那套系統，就是它的早期版本。

2020年上市。到2026年，市值已超過兩千億美元。客戶從五角大樓和CIA擴展到制藥公司、航空公司、能源巨頭、各國的公共衛生系統。它做的不是那種「讓你更有效率」的軟件。它做的是「讓你看清楚自己到底在一個什么樣的系統里」的軟件。

這家公司的CEO，亞歷克斯·卡普（Alex Karp），可能是整個硅谷最不像CEO的CEO。

一頭亂蓬蓬的深色卷發，總穿運動外套，說話時身體前傾，語速極快而且不按排練好的走。練了二十多年合氣道，辦公室里掛著日本書法。他擁有斯坦福法學院的法學博士學位，以及法蘭克福大學的社會哲學博士學位。在硅谷，博士學位通常是計算機或電子工程的。社會哲學博士學位，大概只有他一個人。

他的博士論文研究了一個極其古怪，也極其鋒利的問題。

卡普花了好幾年時間追問一件事：人是怎樣用語言欺騙自己的。具體說，他研究的是行話（jargon），那種聽起來非常正式、細想什么都沒說的語言系統。「戰略性調整」「優化資源配置」「深化改革」「提升協同效應」。這些詞在跨國公司和政府機構里的使用頻率高得驚人，但你仔細想一想，每一個都可以在不同場合指向完全相反的行動。

他想搞明白：為什么人類如此依賴這種語言？

他的核心發現是：人們創造行話，不是為了變得更精確，是為了逃避精確帶來的痛苦。

精確意味著你的矛盾會被暴露。意味著你必須面對那些你一直在回避的問題。意味著你對某件事「沒有答案」這個事實，沒有辦法再被漂亮話掩蓋。而行話正好相反。它給了所有人一套在字面上遵守規則、實際上違反規則的語言系統。

你可以說「我們正在積極研究這個問題」，這句話在語法上沒有錯誤，在組織流程里完全合規，但實際上你什么也沒研究。你可以說「本季度的表現基本符合預期」，你自己都不知道「預期」是什么時候算出來的、誰算的、基于什么假設。但你說出來了，會議室里的人點了頭，這一頁就翻過去了。

卡普后來把這條博士論文的核心發現，翻譯成了Palantir最底層的設計哲學。

這家公司內部最常被提到的一個詞，不是「算法」，不是「AI」，甚至不是「數據」。是「本體論」。Ontology。

在西方哲學傳統里，本體論是研究「存在本身」的分支。什么東西存在？它以什么方式存在？它和其他存在的東西是什么關系？亞里士多德寫過一本《形而上學》，核心問題就是本體論。到了二十世紀，海德格爾把它重新拉回了哲學討論的中心。他認為整個西方哲學史上最大的錯誤，就是混淆了「存在者」（具體的東西）和「存在本身」（使一切存在者得以存在的那個條件）。

卡普把這個詞從哲學系搬進了數據中心。

在Palantir的語境里，本體論的意思是：你必須把一家公司、一支軍隊、一家醫院內部的所有實體和關系，定義到一絲歧義都不剩的程度。

客戶是誰？不是一個模糊的「目標市場」，而是一個包含所有屬性、所有交互記錄、所有決策依據的具體對象。產品是什么？不是PPT上的一句話，是規格、物料、供應商、物流網絡、交付時間、歷史故障率的完整圖譜。一條決策是誰做的、基于什么數據、在什么約束條件下、產生了什么后果。所有這些，必須被精確地命名，精確地編碼，精確地關聯。

卡普管這叫「強迫的精確」。

他說，當你把組織的本體論建立起來之后，就沒有人能躲在模糊的語言后面了。你不能再說「本季度的表現基本符合預期」，因為系統會精確地拉出你在三十七個指標上的實際數字，和「預期」之間的每一處偏差，以及造成偏差的每一個可追溯的決策節點。你不能再說「我們正在積極研究」，因為系統會顯示這件事最后一次被「研究」是哪一天、哪個人、在什么文件里寫了兩行字。

本體論就是一面你自己沒法拒絕照的鏡子。

但接下來這個問題，比本體論本身重要十倍。

那就是，誰來決定這個本體論長什么樣？

一家公司的數據可以有一百種組織方式。你可以以產品為中心，所有東西圍繞著產品的規格、材料、供應鏈、質量指標來搭建。你也可以以客戶為中心，產品本身反而退后一步，變成客戶的一個屬性，核心變成客戶的行為軌跡、偏好轉移、全生命周期價值。

這兩種本體論，對應的是完全不同的公司戰略、完全不同的資源分配、完全不同的招人標準、完全不同的文化。一個是「我們造最好的東西」，一個是「我們服務特定的人」。

所以本體論不是一個技術決策。它不是CTO的事，不是數據架構師的事，它是CEO層面的決策。因為你選擇了一種本體論，你就是在選擇「這家公司是什么」。

我在以前的文章里提到過一個例子。貝佐斯在2000年代初期強制亞馬遜全面API化，所有內部團隊之間的通信，只能通過API接口進行。當時內部阻力很大，因為直接喊一嗓子、發一封郵件、走過去拍一下肩膀，顯然比寫API接口快得多。但貝佐斯堅持了。

現在回頭看，那是一百八十度的本體論決策。他沒有在改革技術架構，他是在用API的形式，定義「亞馬遜是一個什么組織」：一個由無數獨立小團隊通過嚴格接口連接的網絡，而不是一個從上到下的指揮系統。這個定義，直接決定了亞馬遜接下來二十年能同時跑電商、云計算、物流、內容、硬件，這些完全不同業務線的擴張能力。

但大多數公司不會做這個決策。他們把這個權力交出去了。

John Deere，美國中西部最硬核的農業機械公司，一個多世紀以來代表的是「不廢話，干活」的農民文化。2020年之后，它引入了一個「首席多樣性官」，開始發「多樣性報告」，搞「無意識偏見培訓」，慶祝「驕傲月」。

我在以前的文章里也寫過這個案例。一家農業機械公司，忽然用了一套跟它的產品、客戶、歷史毫無關系的語言系統。本質上，它把人力資源的本體論外包給了進步派技術官僚的話語體系。它讓外人來定義「什么是好的員工」、「什么是好的文化」。而那些人從來沒造過一臺拖拉機。

Sears更慘。這家曾經定義美國中產階級消費方式的百貨公司，在2000年代中期被對沖基金經理埃迪·蘭伯特接手后，他把零售公司拆成了一個「資產組合」。每個品牌是一個資產單元，每塊地皮是一個資產單元，每條產品線是一個資產單元。然后用財務本體的邏輯來管零售：削減資本開支、砍門店維護費用、讓不同部門之間互相競價。零售的本體論被財務的本體論肢解了。Sears不是死于亞馬遜的競爭，是死于把自己的名字給了別人。

AI會讓這種「外包」變得更隱蔽，也更危險。

因為AI自帶一套本體論。它默認一切都可以被量化，一切都可以被優化，一切都可以被預測。這不是AI的錯，這是它被訓練成的東西。如果你不主動定義你的公司的本體論，AI就會替你定義。而AI的定義永遠是「最平均的」定義。最像其他所有人的定義。

那意味著你不再是你。你可能還在賺錢，但你不再是一個「有名字的東西」。你是一組可以被替換的變量。

三、信任不能被生成

如果本體論是地基，那地基上面，AI無法建造的第一層，叫信任。

回到普林斯的分法。他說建造者和銷售者是安全的。這不是感情用事。你仔細看這兩個角色會發現，它們都在做同一件事：承擔判斷的風險。

建造者決定什么值得造。判斷錯了，資源浪費，公司賠錢，他承擔責任。銷售者決定怎么跟客戶溝通、承諾什么、怎么在出了問題之后修復關系。判斷錯了，丟客戶，他承擔責任。

而「承擔責任」這件事的前提，是對方相信你真的在乎。這就是信任。

信任不被任何模型生成。它可以生成像真人寫的郵件，但沒有人會因為收到一封完美模仿CEO語氣的AI郵件，就決定把關鍵的合同寄過去。它可以模擬「了解你的困境」，但沒有人會在裁員面談里聽到ChatGPT腳本的共情，而覺得被理解。

信任有一個硬性前提：在場。一個真實的人，在真實的時間里，承擔真實的后果。我管這個東西叫「付成本」。

AI不能付成本。它不能替你在會議室里拍桌子。不能替你在凌晨三點爬起來處理生產事故。不能替你去客戶那里，坐在他對面，聽他罵你的產品二十分鐘，然后在他罵完之后說：「你說得對，我來修。」它不能讓你在簽下名字的那一刻手心出汗，因為你知道如果搞砸了，被追責的是這個名字背后的人，不是一個可以回滾的模型版本。

Palantir有一條非常獨特的實踐，叫「前出部署工程師」。Forward Deployed Engineer。

一般軟件公司怎么服務客戶？你買了我的軟件，我給你培訓，給你一份使用手冊，你回去自己用。遇到問題打電話，客服給你開個工單，一兩天之后有人回復。這是效率最優解。

Palantir不這么做。

它把剛招進來的工程師，直接從硅谷派到阿富汗前線基地。派到烏克蘭的指揮中心。派到制藥公司的實驗室、航空母艦的艦橋、醫院的急診科。這些工程師穿著和客戶一樣的制服，吃同一個食堂，用同一個廁所。他們跟客戶一起坐在凌晨三點的屏幕前，等一個計算結果。他們不是去「交付」的，他們是去「一起生活」的。

卡普說過一句，話粗理不糙：「你必須和那些使用你軟件的人共用廁所。」

從效率來看，這個做法愚蠢至極。把一個年薪25萬美元的工程師從硅谷飛到伊拉克，讓他坐在那里三個月，就為了確保一套追蹤系統能對接上當地的現實。你怎么算這筆賬都劃不來。但卡普知道，信任不是效率的產物。信任是成本的產物。你得愿意付這個明顯「不劃算」的成本。你得把你的身體放在那里。這樣對方才知道，你不會跑。

AI什么都能算，但有一樣東西它算不出來：人類只信任那些和自己一起吃過苦的人。這個機制比所有的優化算法都古老。

我在之前的文章里寫過一個故事。2011年黑色星期五，所有品牌在狂喊「快來買，打折」，戶外品牌巴塔哥尼亞（Patagonia）在《紐約時報》上登了整版廣告。廣告的主體是它最暢銷的R2夾克。標語是三個大字：「別買這件夾克。」

廣告正文沒有推銷。它詳細列出了生產這件夾克的環境成本：135升水，20磅二氧化碳，運輸過程燒了多少燃料。然后說：在你買任何東西之前，先想清楚。

這不是營銷創意。這是一個本體論聲明。Patagonia不是一家「賣衣服的公司，順便環保」。它是一家「保護地球的組織，衣服只是目前順便做的事。」這個聲明的分量，不是靠一篇廣告撐起來的。

它是從1985年，創始人伊馮·喬伊納德把公司1%的銷售額固定捐給草根環保組織開始。到用有機棉替代傳統棉花，到用回收聚酯纖維替代化纖，到開設全美最大的服裝修理中心。他們公開說「別買新的，拿來修」。到起訴特朗普政府，因為后者把猶他州兩處國家紀念地的面積縮減了將近兩百萬英畝。Patagonia官網當天黑了屏，上面只寫了六個字：「總統偷了你的地。」

四十年的行動和它宣稱的價值觀完全對準。沒有偷工減料，沒有雙重標準，沒有私下找游說公司替自己開后門。

這種一致性，AI永遠生成不了。不是因為技術上做不到，是因為一致性必須被活出來，不能被說出來。AI可以在一秒鐘內寫出一萬篇完美的環保文案。但AI不能替你拒絕一筆兩億美元的訂單，因為那個客戶的供應鏈不夠透明。它不能。

信任的本質，是你用真實的代價證明了一件事。而AI恰好不能付代價。

四、敘事是最高的編程語言

信任可以鎖住一個人、一個客戶、一張合同。但文化可以鎖住一個時代。

我在以前的文章里反復提過一個框架。我把它叫做三層編碼。

第一層，物質編碼。重新排列原子。造火箭，造汽車，造電池。這一層最有力量的時代是十九到二十世紀。鋼鐵大王、鐵路大王、石油大王。現在它正在被機器人全面接管。

第二層，信息編碼。重新排列比特。寫代碼，做APP，建平臺。這是過去三十年互聯網造富的核心引擎。但現在這層壁壘正在被AI用零成本轟開。當AI可以在一分鐘內寫出一個完整APP的后端代碼時，單純的「會寫代碼」已經不是護城河。

第三層，認知編碼。重新排列人腦子里的概念。定義什么是美的，什么是惡心的，什么是有前途的，什么是過氣的，什么是「常識」，什么是「不可接受的」。

我的判斷很簡單：前兩層正在被AI接管和貶值。唯有第三層，在指數級增值。

原因不復雜。AI可以生成一切「內容」，但生成不了「文化」。文化的本質不是一堆內容的物理堆積。文化是一群人共享的一套敘事。

這套敘事告訴他們：我們是誰，我們從哪來，我們跟別人有什么不同，我們相信什么，我們拒絕什么。敘事是把離散信息變成共享意義的那根線。

韓炳哲，《倦怠社會》和《敘事的危機》的作者，柏林藝術大學的哲學教授，有一句非常精準的判斷，我在以前的文章里引用過。他說：「信息加劇了世界的熵，而敘事通過賦義來減少世界的熵。」

熵是什么？是混亂程度。你每一次刷手機，你的大腦里就增加了一點熵。一百條不相關的、矛盾的、浮在表面的信息碎片，讓你對世界的理解變得更無序。今天的互聯網就是這個狀態。幾乎全是信息，離散的、碎片的、追求三秒刺激的沙粒。AI讓制造這些沙粒的成本徹底歸零了。

但敘事不是沙粒。敘事是一根線。把沙粒穿起來，讓它變成一面墻，一個屋頂，一個可以住進去的世界。敘事不需要完美的邏輯，甚至不需要客觀，但它需要一個完整的意義結構。而這個東西，AI沒有。AI可以幫你整理一百本書的摘要，但它不能替你決定，在這一百本書里，「什么對你最重要」。

硅谷最聰明的錢已經在往這個方向開了。風投巨頭a16z在2025年正式組建了「新媒體團隊」，不是搞搞公關發發新聞稿那種，是把制造敘事當作跟判斷投資同等重要的基礎設施。

他們的邏輯不復雜：今天，誰能穩定地生產認知，誰就能穩定地吸引人才、資本、注意力。這三樣東西加在一起，在新公司的估值模型里已經是決定性變量。

我在以前的文章里寫過a16z投資A24的案例。A24，獨立電影公司，《月光男孩》《瞬息全宇宙》《鯨》都是它出的。對外行來說，A24是「那家專門拍奇怪電影的公司」。但對它的核心受眾來說，A24是一個身份識別碼。當你在交友軟件上標注自己喜歡A24，你發出的信號不是「我喜歡看電影」，而是「我不是那種被漫威喂飽的觀眾。我能欣賞怪東西。我能忍受不舒服。我有品味。」

這是認知編碼的完美范例。A24賣的不是電影票，是一套美學操作系統。在一個被Netflix算法撫摸得滑不留手的數字世界里，你看完一部，它立刻推薦下一部類似口味的、讓你舒服的。A24的電影有一種故意的粗糙，故意的讓人坐立不安。《龍蝦》里，不戀愛就會被變成動物。《圣鹿之死》里一直到結尾都沒解釋那些不可理喻的事。這些東西看完了你不會覺得「放松」，你會覺得被冒犯了。

但這種「被冒犯感」，在一個一切都被優化到讓你舒服的時代，就是最大的奢侈品。用我在之前文章里的話說：摩擦即價值。

有意思的是，硅谷在同一時間，也在拼命嘗試「吃掉」文化。

近兩年，硅谷科技圈突然開始高頻談論一個詞：「品味」。創投教父保羅·格雷厄姆說在AI時代品味會更重要。創業者說個人品味就是新的護城河。但你細看他們說的「品味」是什么。它不是「你是否真的被一首詩打動」，不是「你是否能分辨兩杯咖啡之間那種細微的酸度差異」，不是伏爾泰說的「你必須感受到美，并且被它打動」。

硅谷的品味是另一回事。它是一種高級決策能力，一種可以兌現成估值的競爭優勢，一條可以被寫進融資PPT的「護城河」。它把人類感知里最難被量化、最能抵抗工具理性的那一部分，也翻譯成了效率語言。

這恰恰暴露了硅谷最深的盲區：它想用本體論來定義品味。但它沒有品味。

品味不是一套可以被設計出來的指標，不是你可以從用戶數據里反向推導出來的偏好圖譜。品味是你在某一種文化里泡了足夠久、被某一種價值觀訓練過足夠多次之后，你的身體先于你的大腦知道答案的那種東西。它是一種被活出來的本體論，不是被設計出來的本體論。

硅谷能設計一切。它能把一個APP的用戶體驗優化到六歲小孩和老人都能秒懂。它能把一條供應鏈的效率壓到人類歷史上前所未有的水平。它能在一納米尺度上雕刻芯片。

但有些東西，設計不出來。它們是長出來的。泡出來的。一代人傳下來的。

硅谷想買文化，但文化不賣。或者說，買不到。

五、更深的分野：誰在命名，誰在被命名

我在以前的文章里反復討論過一個概念：K型分化。同一個技術沖擊，兩種完全相反的命運軌跡。一部分人被技術放大，大部分人被技術替代。

現在這條分界線正在變得極其鋒利。但它不再是有AI和沒AI的人之間那條線了。那條線太淺了。更深的那條線在這：定義現實的人，和被現實定義的人。

卡普在最近一次訪談里說，未來只有兩類人能保住安全。

第一類，有職業技能的人，手掌上有繭的那種。電工、焊工、護士、飛機維修師。那些在物理世界里跟物質打交道、每一次失誤都會立刻產生可見后果的人。AI暫時碰不到他們，因為AI沒有身體。

第二類，神經多樣性的人。大腦里有異類的那種。不是比「正常人」更聰明，而是思維方式跟「正常」不一樣。他看一個數據集的切入角度跟你完全不同，他理解一個問題的順序跟你完全相反，他在所有人都點頭的時候看到了一屋子人都在回避的矛盾。

然后他說了一句很殘酷的話。關于中間那片廣闊的、擁有「正常形狀技能」的大多數。

「所有擁有正常形狀技能的人，本質上都是閱讀障礙者。」

什么意思？他說，過去幾十年讓你值錢的那個技能包，標準化的、可重復的、可以被明確定義和精確衡量的、可以寫進職位說明書并且在招聘網站上被完美匹配的，現在正在讓你變得可替代。不是因為你不夠好，是因為「好」的定義不是你做的，是教育系統、招聘系統、薪酬系統、升職系統聯合起來替你做的。你只是把他們的標準執行得比較好。

而AI，恰好就是那個標準的最佳執行者。

你是被命名的那一個，不是命名的那一個。這就是全部區別。

前不久有一個實驗，我在前面的文章里提到過。Claude的母公司Anthropic給一群專業人士使用AI輔助工作，然后用標準測試來衡量效果。整體數據很普通：用了AI的人，平均得分反而比沒用AI的人低了17%。

但這組數據的平均值是一個徹底的謊言。把數據拆開看：前20%的「超級用戶」，得分提高了86%。后20%的「依賴型用戶」，只提高了24%。同一個工具，同樣的訪問權限，十倍差距。

差距在哪里？不在技術熟練度。超級用戶跟依賴型用戶一樣，都是第一次用這個工具。差距在于，超級用戶從開始之前就知道這件事該往哪個方向做。他知道什么時候AI在胡說，什么時候AI在偷懶，什么時候AI給出的答案看起來合理但其實走錯了方向。他有自己的判斷框架。AI只是幫他跑得更快。依賴型用戶沒有這個框架。他打開AI，輸入任務，然后接受AI給出的第一個像樣的答案。

超級用戶在命名AI。依賴型用戶在被AI命名。

這就是本體論能力的差距。它區別于知識。超級用戶不一定比依賴型用戶懂得更多。它區別于智商。超級用戶不一定更聰明。它是一種方向感。一種在信息混沌中知道朝哪走的直覺。一種「這是我想要的，那個不是」的堅定。

我把這個東西，叫做一個人的命名系統。

它回答的是這些問題：你認為什么重要？你為什么認為它重要？如果別人都說它不重要，你憑什么還堅持？如果所有外部信號都在告訴你「你錯了」，你用什么來校準自己？

大多數人從來沒問過自己這些問題。因為過去的系統不需要你問。從小學到大學到職場，每一站都有人告訴你：「這個重要。學這個。考這個。爭這個。」你只需要跟著走。這套外部命名系統運轉良好，它給了你清晰的路徑、穩定的反饋、可預期的回報。你不需要自己的本體論。

然后AI來了，把所有能執行外部命名系統的工作全干了。

留下的空白，只有那些能自己命名的人才能填。

六、最后的稀缺

回到開頭那個問題。AI做不了的事，是什么。

AI可以寫代碼，但不能決定什么值得被造。AI可以生成內容，但不能讓一群人相信同一個故事。AI可以優化流程，但不能在你搞砸的時候承擔責任。AI可以分析一百萬個數據點，但不能定義在這百萬個數據點里，哪一個才是真正重要的那個。

因為它沒有世界觀。沒有「為什么」。

普林斯裁掉了衡量者。那些人做的不是思考，是執行別人定義好的衡量標準。那些標準來自咨詢公司的模板，來自行業通用的KPI手冊，來自十年前某次并購后遺留下來的ERP系統。沒有人在執行這些標準之前重新問過一次：我們為什么要衡量這個？這個標準是誰定的？他當時面臨的問題跟我們今天面臨的問題還是同一個嗎？

這些人被裁，不是因為AI太強。是因為他們做的事從頭到尾就是可以被自動化的。只是以前沒有足夠便宜的工具來替代他們。現在有了。

卡普在《技術共和國》里寫了一句很重的話：軟件時代，硬實力需要軟信念來定義方向。

算力是硬實力。算法是硬實力。GPU集群是硬實力。這些都會過剩。會貶值。會被更便宜的方案替代。但「什么是重要的」這個問題的答案，永遠不會過剩，永遠不會貶值，永遠不會有更便宜的方案。因為每一個組織的答案都不一樣。每一個人的答案都不一樣。

一家公司的CEO如果能回答這個問題：「我們公司的本體論是誰寫的？是我，還是咨詢公司，還是SAP，還是同行對標系統？」他就知道該裁誰，該雇誰。一個普通人如果能回答這個問題：「我用來判斷對錯、好壞、值得不值得的那套標準，是誰放在我腦子里的？」他就知道自己是不是安全的。

AI不是敵人，也不是救星。它只是一面鏡子，照出了誰有名字，誰只是名字被寫在別人的名單上。

那個定義何為重要的權利，過去、現在、未來，都在人手里。只是大多數人一直不知道，自己本來有這個權利。

而那些知道的人，正在定義世界。【懂】

經叔最近做了一個網站:https://budongjing.com

人肉篩選挖掘的硬核優質內容及深度原創，重點關注科技、文化、財富、權力四大要素以及它們之間的互動與影響。網站定價1999元/年，目前內測優惠價1299元/年，感興趣的讀者可以加經叔微信訂閱。

另外，歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由