關(guān)于智能，最頑固的認(rèn)知錯(cuò)覺是什么？是那個(gè)盤踞在人類集體潛意識(shí)里的執(zhí)念：真正的智慧，必須無所不知。幾百年來，天才的化身就是博學(xué)鴻儒——一個(gè)行走的百科，能在物理、哲學(xué)、藝術(shù)之間毫不費(fèi)力地騰挪。可是，當(dāng)信息以指數(shù)級(jí)膨脹之后，一個(gè)殘酷的認(rèn)知真理浮出水面：全知不僅不可能，而且毫無進(jìn)化意義。什么都想知道，等于對(duì)任何一個(gè)領(lǐng)域都沒有深度的洞察焦點(diǎn)。

主動(dòng)拋棄這種普遍主義的幻象，轉(zhuǎn)而擁抱狹窄的專業(yè)化——這恰好是文明進(jìn)步的代謝燃料。今天，看著人工智能行業(yè)又一座技術(shù)范式大廈搖搖欲墜，我們經(jīng)歷著一種邏輯上的似曾相識(shí)：AI正在被不可抗拒地推上同一條演化道路，從注定失敗的全能巨構(gòu)，走向一張由狹窄心智編織而成的分布式網(wǎng)絡(luò)。

從“我能包辦一切”到“我只做一件事，但要做到極致”的范式轉(zhuǎn)移，并不僅僅是一股經(jīng)濟(jì)潮流，它根本就是文明的底層引擎。1776年，亞當(dāng)·斯密用一個(gè)別針工場(chǎng)的例子把這件事講得明明白白：一個(gè)全能的工匠，獨(dú)自完成從拉絲、錘直、磨尖到裝釘?shù)乃泄ば颍趭^一整天也只能產(chǎn)出20枚別針。可一旦把整個(gè)流程拆解成18道狹窄的工序，分給十個(gè)人各自專心做一件事，奇跡發(fā)生了——同樣這十個(gè)家伙，一天能產(chǎn)出48000枚別針。效率暴增240倍，沒有新增任何人力資源，改變只發(fā)生在“分工”兩個(gè)字上。這就是所謂“我沒讓你更聰明，但我讓你的聰明只瞄準(zhǔn)一個(gè)點(diǎn)”。

一個(gè)世紀(jì)之后，涂爾干把這個(gè)原理推衍到了整座社會(huì)大廈的構(gòu)造邏輯上。古早社會(huì)里，人人都是通才：自己打獵、自己搭屋，完全獨(dú)立，也因此徹底原始。他們不需要任何人，但也生產(chǎn)不出任何超出個(gè)體生存必需的東西。先進(jìn)文明走的是截然相反的路：它建立在狹窄專家之間那種性命攸關(guān)的相互依賴之上。協(xié)作的爆發(fā)力，從來不是誕生于某個(gè)全才的大腦內(nèi)部，而是迸發(fā)在多樣性技能的交叉點(diǎn)。你不需要一個(gè)什么都會(huì)的人，你需要一個(gè)只會(huì)一件事但極其靠譜的人，同時(shí)需要另外99個(gè)同樣極端的人，然后把他們的工作接口咬合在一起。

不過，專精化天然會(huì)制造出一項(xiàng)系統(tǒng)級(jí)難題：碎片化。當(dāng)每個(gè)專家只盯著自己眼皮底下那一寸領(lǐng)域時(shí)，誰來把散落四方的拼圖碎片拼成完整的畫卷？答案是一個(gè)在任何時(shí)代都不可或缺的角色——整合者。一個(gè)經(jīng)理，不需要懂C++怎么寫也能指揮開發(fā)者，不需要會(huì)看核磁共振也能管理一家診所。他唯一的功能，就是看見全局，把各個(gè)節(jié)點(diǎn)串聯(lián)起來，確保它們同頻共振。彼得·德魯克把話說得很直：專家的知識(shí)孤零零地?cái)[在那里就是一塊死物，它必須被牽引進(jìn)一個(gè)統(tǒng)一的結(jié)果里，才真正活過來。

恰好在這一點(diǎn)上，今天的人工智能行業(yè)犯下了一個(gè)致命的邏輯錯(cuò)誤。那些領(lǐng)先的大語言模型開發(fā)商，好像集體把幾個(gè)世紀(jì)來經(jīng)濟(jì)與社會(huì)演化的經(jīng)驗(yàn)塞進(jìn)了回收站。他們正在試圖造出一顆單一的超腦——一個(gè)什么都知道、什么都能干的龐大神經(jīng)網(wǎng)絡(luò)。這件事的荒謬程度，就好比非要造一架既能飛天又能潛海、跑得比獵豹快還順便能做精密切割手術(shù)的機(jī)器。亞當(dāng)·斯密早就證明過，凡是試圖把十八道工序捏回同一個(gè)人手里的努力，都會(huì)把效率踩回原始水平。把十八個(gè)維度的智能硬塞進(jìn)同一個(gè)模型里，路徑不是通向更強(qiáng)的智能，而是通向更平庸、更模糊的泛化。

這背后更深層的失誤，在于對(duì)大語言模型底層架構(gòu)的認(rèn)知偏差。一個(gè)巨大的模型，要同時(shí)學(xué)會(huì)數(shù)學(xué)推理、代碼生成、語義理解、情感分析等等，其實(shí)是在一個(gè)統(tǒng)一的參數(shù)空間里，讓所有任務(wù)互相對(duì)抗，互相搶奪表征資源。看起來參數(shù)規(guī)模在漲，但單一任務(wù)上的專業(yè)洞察力未必跟著漲，反而因?yàn)樽⒁饬Ψ稚⒍兊谩皹訕油ā訕铀伞薄Ｕ嬲耐黄七壿嫞瑧?yīng)該反過來：把每一個(gè)狹窄任務(wù)交給一個(gè)專精的模型，然后用一套輕量而高速的協(xié)同架構(gòu)把它們焊成一條流水線。這種思路，在經(jīng)濟(jì)史上是經(jīng)過兩百多年規(guī)模驗(yàn)證的，在AI界卻被一種造神的沖動(dòng)暫時(shí)遮蔽了。

如果再往下拆一層，數(shù)據(jù)的本質(zhì)也在敲響巨型模型的喪鐘。通用模型需要的訓(xùn)練數(shù)據(jù)必須無所不包，但高質(zhì)量的專業(yè)數(shù)據(jù)本身就具備稀缺性和高壁壘。指望用一個(gè)吞食萬物的訓(xùn)練管道，同時(shí)在法律條款解析和蛋白質(zhì)折疊預(yù)測(cè)兩個(gè)完全不搭界的領(lǐng)域達(dá)到頂尖水平，是一種統(tǒng)計(jì)學(xué)上的奢望。更可能的結(jié)局是：它能在所有領(lǐng)域達(dá)到“接近可用”的水平，卻永遠(yuǎn)殺不進(jìn)任何一個(gè)領(lǐng)域的核心高地。而商業(yè)世界真正愿意付費(fèi)的，從來不是“接近可用”，而是“絕對(duì)可靠”。

這就牽出另一個(gè)往往被忽視的關(guān)鍵：錯(cuò)誤成本。在人類分工史里，分工之所以可行，是因?yàn)槊總€(gè)環(huán)節(jié)的出錯(cuò)后果被嚴(yán)格隔離——?jiǎng)e針的拉絲環(huán)節(jié)出了次品，磨光環(huán)節(jié)還能挑出來，不至于讓整個(gè)批次報(bào)廢。而巨無霸模型一旦在某個(gè)細(xì)分知識(shí)板塊產(chǎn)生系統(tǒng)性偏差，它的連鎖反應(yīng)會(huì)像病毒一樣滲透進(jìn)所有依賴輸出的下游應(yīng)用。更麻煩的是，修正這種偏差的代價(jià)極高：你需要重新觸碰整個(gè)模型龐大的權(quán)值，而不是只替換那個(gè)出岔子的小模塊。可以這么說，單體AI把“修改一個(gè)零件就得把整幢樓推倒重建”這種高風(fēng)險(xiǎn)，包裝成了一個(gè)技術(shù)進(jìn)步的樣子。

回到涂爾干的洞察，文明的先進(jìn)性是用相互依賴的程度來衡量的。先進(jìn)的產(chǎn)業(yè)結(jié)構(gòu)里，你手機(jī)的一塊屏幕依賴于三個(gè)大陸的幾十個(gè)供應(yīng)商，這種精密到令人窒息的協(xié)作網(wǎng)絡(luò)，才是效率的來源。同樣，AI的未來不應(yīng)該是一個(gè)吹彈即破的全能巨像，而應(yīng)當(dāng)是一張敏捷的、能夠被靈活編排的智能微服務(wù)網(wǎng)絡(luò)。一個(gè)小模型負(fù)責(zé)翻譯，另一個(gè)負(fù)責(zé)合同摘要，再一個(gè)負(fù)責(zé)代碼補(bǔ)全——每一個(gè)都用最專業(yè)的數(shù)據(jù)煉到極致，然后通過智能路由動(dòng)態(tài)調(diào)用。這才是符合經(jīng)濟(jì)邏輯的進(jìn)化方向。

德魯克意義上的整合者，屆時(shí)會(huì)變成一個(gè)超級(jí)編排引擎。它不負(fù)責(zé)具體計(jì)算，只負(fù)責(zé)調(diào)度、檢驗(yàn)和拼接。它能看懂當(dāng)前任務(wù)的語境，知道該喚醒哪一組窄模型，怎樣組合它們的輸出才夠嚴(yán)謹(jǐn)。這種模式不僅讓效率指數(shù)級(jí)提升，更關(guān)鍵的是把錯(cuò)誤關(guān)進(jìn)了籠子——出問題的節(jié)點(diǎn)可以被單獨(dú)降級(jí)、替換或微調(diào)，而不牽連全局。這與人類社會(huì)的運(yùn)轉(zhuǎn)方式驚人地同構(gòu)：總統(tǒng)不會(huì)自己去拆核彈，但不妨礙他做出正確的戰(zhàn)略決策。

說到底，對(duì)全知型AI的迷戀，與其說是一個(gè)技術(shù)路線之爭(zhēng)，不如說是一場(chǎng)認(rèn)知返祖。我們被過去的科幻意象喂養(yǎng)得太久，總覺得終極智能就該是一團(tuán)閃光的、什么都知道的云。但現(xiàn)實(shí)世界里的每一次生產(chǎn)力躍遷，都是因?yàn)槟硞€(gè)要素變得更狹窄、更專注、更可靠——蒸汽機(jī)不會(huì)磨面，但它讓磨面這件事的動(dòng)力輸出翻了無數(shù)倍；編譯器不會(huì)寫小說，但它讓編程從電線插拔變成了邏輯表達(dá)。AI領(lǐng)域需要的，正是這樣一次回歸常識(shí)的自我剖析：砍掉無所不能的幻想，讓每一個(gè)模型都能堂堂正正地說——我只會(huì)一件事，但我說到做到。

當(dāng)下的生成式AI爆發(fā)，看起來像是一次智能的通脹，通才模型四處可見。但這恰恰是分野的前夜。當(dāng)行業(yè)逐漸咬合到真實(shí)的商業(yè)齒輪上，那些試圖用單一模型通吃所有場(chǎng)景的方案，會(huì)像當(dāng)年那個(gè)一個(gè)人承攬十八道工序的工匠一樣，天天都在進(jìn)步，卻一輩子突破不了日產(chǎn)20枚的牢籠。而真正會(huì)勝出的，是把“48000枚”的效率基因嵌入AI架構(gòu)里的那撥人。他們從亞當(dāng)·斯密的別針工廠里學(xué)到的，不是如何造一個(gè)更好的通才，而是如何給一群極致的專才譜曲，奏出一場(chǎng)從獨(dú)木走向交響的樂章。