AI劣质生成内容、比特币以及智能的定价

作者：Jordi Visser，华尔街资深分析师；编译：Shaw，金色财经

所有人突然开始厌恶人工智能（AI）“糟粕内容”。

AI 糟粕。AI 生成文章、AI 生成图片、AI 生成研报、AI 生成视频、AI 生成 PPT。

这类批评大多言之有理。生成式 AI 几乎零成本，就能批量产出大量看着像模像样、实则拾人牙慧的内容。打开社交媒体，这类内容随处可见。

在我看来，大多数情绪化抨击 AI 糟粕的人，本质上是潜藏的 AI 卢德分子、技术反对者。但我认为，大家的怒火应当转向一个简单问题：在 AI 问世之前，人类产出的又是什么东西？

平庸内容自古有之。人类一直在量产千篇一律的文章、趋同的研究、重复的演示文稿、空洞的企业话术、过目即忘的娱乐、毫无意义的会议，还有换汤不换药的观点。只是过去产出速度更慢、成本高得多，往往还顶着光鲜的资质背书。我以前常说上学有多枯燥。或许问题从来不是我没法集中注意力，而是我对人类产出的糟粕容忍度很低。

AI 改写了这套经济逻辑。这个区分至关重要，因为在这场关于糟粕内容的争论之下，正在发生影响更为深远的变革。

AI 正在为认知劳动完成价格发现。

PPT难题

多年前，我从 PPT 开始思考这件事。某个时刻，我意识到自己再也不想做 PPT 了。这种挫败感不只是针对软件本身，我开始反思，制作一份演示文稿时，我到底在做什么。

一份 PPT 本质上往往就是推销说辞。我挑选能够佐证论点的图表，选定数据起始时间，决定哪些事实值得保留，再把这些事实编排成特定叙事顺序，引导观众得出预设结论。每一位演示者都会做这类取舍，毕竟表达就意味着筛选。但这种取舍，也在表达与真相之间制造出一道天然矛盾。

企业产出了成千上万份幻灯片，写满 “战略重点”“转型机遇”“增长路径”；投行制作无数演示材料，论证交易的价值；分析师撰写源源不断的研报，证明最新信息恰好印证他们早已定下的核心论点。

早在机器学会生成项目符号要点之前，人类就早已精通企业糟粕内容的生产，我自己也曾参与其中。

在所有这些产出背后，藏着一个我们很少正视的要素：时间。

一份 60 页演示文稿要耗时数日完成；一份 40 页研报可能需要数周；搭建复杂财务模型，还得接受专业培训。这类成果消耗稀缺的人类时间，因此成品也附带了创作过程所投入劳动的价值感。

AI 打破了这层关联。

一件看上去需要 4 小时完成的工作，如今 4 分钟就能做完。这不仅改变知识工作的经济学逻辑，也重塑人们的心理认知。

当付出不再是价值信号

近代历史的大部分时间里，脑力产出自带一种隐形信号：投入的工作量。一份精修报告代表付出了劳动；复杂的表格代表专业能力；专业演示文稿代表充分准备。成品本身，承载着创作所投入人力带来的声望。

AI 剥离了大部分这类信号。

比特币恰好存在一个有趣的反向对照。工作量证明（PoW）构建了一套体系：算力消耗是可验证的，而非仅凭外观推断。网络不会因为一份结果看起来精密，就认定存在真实工作量；打包和保障区块所需的算力消耗，可以按照协议规则核验。

而在知识工作领域，我们过去的做法几乎完全相反。看到一份精致报告、复杂模型或者专业演示，我们就推断背后一定投入了大量人力与专业积累。AI 正在削弱这种推断。“看起来费了很大功夫” 这件事，变得廉价。也就是说，单凭成品，我们很难判断背后的工作量、专业水平与判断力。

我认为，这就能解释为什么 AI 糟粕会激起人们强烈的本能反感。

有些批评确实切中要害。专家往往最能识别 AI 的谬误：优秀作家一眼看出套话堆砌的文字；资深程序员一眼看出脆弱不堪的代码；顶尖投资者一眼看出缺少背景支撑的分析。专业能力让人更容易识别糟粕。

但专业能力也催生了另一种局面：那些最擅长发现 AI 缺陷的人，可能耗费数十年打磨的技能，正逐步被 AI 复刻。

这两种情况可以同时成立。

专家既可以是 AI 最合理的批评者，同时，他们自身也有强烈动机去维护人类专业能力的价值。

我也属于这一类人。我花数十年打磨市场研究、信息挖掘、观点串联、结论输出的方法。我当然看得出机器生成研报的缺陷；我也亲眼见证，过去要耗费我一整天的工作，如今机器几分钟就能完成。

这段经历让这套经济逻辑，远比单纯争论 AI 文笔好坏更值得探讨。

AI：认知劳动的价格发现机制

设想一位分析师，花 5 小时调研撰写一份投资摘要，成果尚可，大概 6 分水平。AI 只用 30 秒，同样产出一份 6 分的摘要。

人们很容易指着后者，称之为 AI 糟粕。但更令人难以面对的问题，是前者：

这份耗时 5 小时的报告，本质是什么？

关于 AI 的很多争论，都选错了参照基准。我们总拿 AI 对标全世界最顶尖的投资者、作家、程序员、医生、艺术家。但从经济学角度，真正有意义的对比，应该落在普通水准上。

AI 和当下普通人类从业者的平均产出相比，表现如何？

AI 写的投资备忘录，对比普通分析师的备忘录怎么样？AI 文本对比企业日常邮件如何？AI 生成演示文稿，对比分析师计划花两天制作的 PPT 又如何？

这类对比更具备颠覆性。它说明，很多我们曾经认为高价值的工作，一部分价值来源于产出的稀缺性。

完成这项工作需要时间；掌握这项工作需要专业能力；练就专业能力需要长年训练。因此最终成品，承载整条生产链条的经济属性。

AI 把这些要素拆解开。

摄影大幅削弱图像复刻的稀缺价值；计算器让常规算术变得廉价；Excel 让几乎所有坐在办公桌前的人，都能完成复杂计算。

电子表格还带来一个有意思的现象：它自动化并削减了部分常规岗位需求，包括簿记、文书计算。与此同时，分析成本降低，人们得以搭建更多模型、测试更多情景，开展过去成本过高、耗时太久的各类财务分析。

我们完成了更多分析工作。

这就是应用在认知领域的杰文斯悖论。

智能变得更廉价，会提升我们消耗的总智能体量，释放人类精力，专注创意、判断与高阶思考，同时减少达成目标所需要的人类糟粕内容。我自己写作时深有体会：AI 帮我节省时间、提供辅助，让我产出更多内容；而我的核心价值，依旧在于串联线索、筛选值得深挖的观点、把握读者感兴趣的方向，并找到最佳表达方式。

AI 会催生海量的研究、分析、编程、实验与创意工作，因为每一次尝试的成本大幅崩塌。所以 AI 不只是自动化故事，它成为认知劳动的价格发现机制，而价格发现，会揭示真正稀缺的资源到底是什么。

当产出趋近无限

这也是 AI 糟粕批评者最有力的论点。

人类天然存在产出上限。一名助理能做的 PPT 数量有限，分析师能写的研报有限，记者能发布的文章有限。人类产出的糟粕，昂贵且总量有限。

AI 糟粕，廉价，并且理论上可以无限生产。

当多生成一篇文章、一张图片、一份报告、一段视频、一份演示文稿或者一段代码的边际成本趋近于零时，供给潜力会变得极其庞大。但人类注意力，依旧是稀缺品。

这改写了信息经济学。

人类历史大部分时间里，信息生产成本高昂。AI 让信息供给变得充裕，于是价值开始转移到别处。

判断力变得更加稀缺，原创性变得更加稀缺，注意力更加稀缺，信任变得更有价值。

当任何人一夜之间就能生成 100 份投资报告，第 101 份报告就几乎不存在稀缺价值。有价值的人，是能够从中挑出三份关键报告、识别错误假设、锁定值得关注的信息源、捕捉变化、发现众人盲点、串联看似无关的线索，并给出行动方案的人。

这类需求催生一种新型中介服务。

经济重心从生产信息，转向筛选、解读、落地信息。

收益的来源发生转移。

比特币早已为我们展示这个范式

比特币提供了一个有趣的先例。

比特币与 AI 处在数字稀缺性的两端：比特币依靠机器，建立数字稀缺；AI 依靠机器，创造认知充裕。但二者都给用户提供了具备经济意义的东西：直接通路。

比特币让个人可以直接持有、转移具备数字稀缺属性的不记名资产。愿意承担对应责任的任何人，都可以自主托管资产。

即便有这条直接通路，庞大的中介生态依旧围绕它生长出来：交易所、托管方、钱包服务商、机构平台、ETF 都具备价值，因为很多人仍然追求便捷、流动性、安全、合规准入、易用性与信任。

这点至关重要：直接通路并没有消灭中介，而是改变了中介业务的经济逻辑。

一旦客户可以绕开中介，中介就必须和这条替代方案竞争。一部分收益消失，一部分收益缩水；还有一部分中介活下来，因为客户认定这项服务值得付费。获取资源本身不再稀缺，中介的价值也就更容易被评估。

比特币的经验说明：当中介能够提供真实增量价值时，人们愿意付费。人们愿意为安全付费，为便捷付费，为内容甄选与整合付费，单纯为节省时间付费。

如今，AI 正在向知识经济抛出同一个问题。

当中介变成可选项

我在自己的工作中，已经看到这个趋势。

职业生涯很长一段时间里，我的薪酬一部分来自产出研究。研究具备稀缺性，因为高质量研究需要消耗大量人类时间与思考。如今 AI 在早餐前产出的研究，比我一个月产出的还要多。

那么，别人付费雇佣我，到底是为了什么？

答案越来越指向判断力：我捕捉到了什么？我忽略了什么？哪一份研究真正重要？市场共识错在哪里？什么改变了我的看法？这件事和我过往见闻有何关联？

旧信息经济下，我的报酬一部分来自生产研究。在充裕经济中，越来越多报酬，是支付给 “判断哪些研究值得去做” 这件事。

读者现在拥有直接通路：他们可以直接向大模型提问，自行生成研究、索取摘要、制作演示文稿。

像我这样的人，就变成了可选中介，这是一种完全不同的经济关系。

如果读者能用 AI 智能体生成十份研报，我单纯再多产出第十一份，几乎创造不了价值。我必须给出理由，让他们仍然选择我。理由可以是判断力、信任、内容甄选、便捷性、背景认知，或是帮他们捕捉那些原本会错过的信息。

所有中介都要面对一个越来越清晰的核心问题：

我能提供什么，让用户放弃直接通路，选择经由我来获取服务？

信任成为资本

在充裕经济里，信任需要日积月累。

过往业绩很重要，推理过程要透明，区分事实与假设很重要，解释不确定性很重要，证据改变时愿意修正观点很重要，公开犯错并坦然承认，同样重要。

在建立起可验证业绩之前，还存在核验难题。AI 能轻松生成文笔流畅、看起来专业的成品，削弱了过去人们用来评判质量的信号。这提升了溯源与透明度的价值：标注信息来源，列明假设，区分事实与解读，解释不确定性，清晰说明哪些证据会推翻现有结论。

这些做法带给读者的价值，远胜于精致的排版。它让判断过程可审计。

久而久之，这些行为会沉淀出无法瞬间生成的东西：赢得的信任。

长久以来，机构准入门槛与资质证书，是建立信任高效的捷径。在信息充裕的世界，经过验证的判断力，价值持续走高。

这或将成为 AI 经济中最重要的一种人力资本。

什么才是真正稀缺？

话题回到 AI 糟粕。

这场争论表面上是探讨机器生成内容的质量。更深层的命题，是稀缺性。

在认知生产近乎免费的世界，会涌现海量平庸内容；同时，大量过去从经济层面无法落地的研究、实验、创意与分析，也会成为现实。

核心挑战变成：找到真正重要的信息。

AI 一方面产出人类史上规模最大的平庸内容，另一方面，也会消解平庸内容过去承载的大量经济价值。

标准化、大众化的内容变得唾手可得。人类有价值的贡献，转向原创、判断、筛选、背景洞察，以及逐步赢得的信任。

技术给客户打开直接通路，中介变成可选方案。一旦我们变成可选项，就必须争取留在链条中的资格。

这也是为什么 AI 糟粕的爆发，对顶尖人类创作者来说其实是好消息。如果你的作品具备真正原创性、洞察力，或是获得信任，海量平庸内容反而会把这种差距放大，而不是掩盖。很多大声抨击 AI 糟粕的人内心的焦虑，归根结底来自一个令人不安的认知：AI 不只是暴露机器产出的平庸，它迫使我们承认，人类原本就产出了大量平庸内容。

当 “身为人类” 不再能让你的作品脱颖而出，你就必须真正言之有物。