AI 每天都有新东西，有些问题 400 年都没变

ChatGPT 是 2022 年底才发布的。

有时候回头看这个时间点，还是会觉得有点不可思议。

不到四年。

最开始，它还是一个很新鲜的聊天产品：输入一句话，它给你一段回答。

然后是多模态、语音、联网搜索、AI Coding、Agent……

现在很多人已经开始让 AI 读文件、做研究、写代码、调用工具，甚至让几个 Agent 在同一个工作流里协作。

尤其在应用层，变化快得很明显。

新的产品、新功能、新工作流几乎每天都有。

一个几个月前还值得专门学习的方法，可能很快就被新的产品能力吸收；刚建立起来的使用习惯，过一阵也可能需要重新调整。

但最近沿着《利维坦》继续往下想，我开始对另一件事感兴趣：

世界里的不同东西，好像本来就不是以同一个速度变化的。

一个社会里，本来就有很多种速度

Stewart Brand 有一个我很喜欢的框架，叫 Pace Layers。

他把社会粗略地看成几个变化速度不同的层：

Fashion / Art → Commerce → Infrastructure → Governance → Culture → Nature

越靠前，通常变化越快。

流行什么、新产品长什么样、市场在追什么，可以迅速变化。

基础设施要慢很多。

城市、电网、铁路，不可能因为今年出现了一个新趋势，就明年全部推倒重建。

法律、制度通常又有自己的节奏。

文化更慢。

一个社会怎么理解家庭、成功、公平、工作、责任，可能几十年以后回头看已经发生了很大变化，但身在其中时，经常很难指出它究竟是哪一天改变的。

Brand 有一句话：

Fast learns, slow remembers.

快的部分不断试错、探索新的可能。

慢的部分保存经验、稳定预期，也给变化留下一些边界。

一个社会需要两种速度同时存在。

放到 AI 里，并不能简单排成“谁快谁慢”

这也是我后来觉得需要小心的一点。

不能简单说：

模型快，公司慢，法律最慢。

现实没这么整齐。

现在让人最强烈感受到速度的，可能首先是 AI 的应用层：

产品怎么设计、Agent 怎么组合、Coding Agent 能做到什么、新的交互方式怎么出现。

这些东西可以非常快。

模型底层当然也在持续进步，但真正的大幅能力跃迁没有“每天发生一次”。

更多时候，是一个底层能力出来以后，大量产品和开发者迅速把它组合成不同应用，于是我们的体感像是每天都有新东西。

公司就更不可能归成同一种速度。

一家十几个人的 AI startup，今天发现新的工作方式，下周可能整个产品就改了。

一家银行、医院或者大型企业，即使技术本身已经成熟，还要处理数据权限、责任、审计、合规、采购、人员培训和已有系统。

它当然会慢得多。

但这不一定意味着它“落后”。

不同系统承担的风险，本来就不一样。

真正有意思的是：这些不同速度经常会撞在一起

技术上已经可以做了。

组织还不知道应该由谁负责。

产品已经有人使用了。

监管还在判断应该怎样定义它。

AI 可以让一个人一天生成大量内容。

但人的注意力、判断力，以及“什么值得做”的标准，并没有一起扩大。

Coding Agent 已经可以自己改很多代码。

但公司仍然需要回答：

• 谁 approve？
• 出了问题谁负责？
• 它能接触哪些数据？
• 什么行为必须留下记录？

这些问题经常被简单概括成：

“监管跟不上技术。”

“企业太保守。”

“人还没准备好。”

但换成 Pace Layers 的视角，也可以有一个更朴素的理解：

不同的东西，本来就有不同的惯性。

而且慢并不一定是坏事。

金融系统如果像一个消费 App 一样，每隔两周就重新定义一次规则，大概没人敢把钱放进去。

法律如果每天根据最新技术趋势修改，人也很难形成稳定预期。

文化和社会规范变化得慢，有时候同样是在保存某种连续性。

问题不是快比较先进，慢比较落后。

而是：

什么时候应该让快的东西继续试，什么时候又需要慢的东西把它接住。

我们的注意力，却天然更容易被快的东西吸走

法国历史学家 Fernand Braudel 提过一个很有意思的概念：

longue durée，长时段。

他认为，历史不能只看那些最容易被记录的事件。

战争爆发。

一次选举。

一个王朝倒下。

一家公司破产。

这些东西有明确的时间点，也最容易成为故事。

但下面还有移动得慢得多的结构：

地理、经济关系、制度、文化习惯、社会组织方式。

它们可能几十年甚至几百年都不会彻底改变，却一直影响着表面那些事情为什么会这样发生。

放到今天的信息环境里，也有一点类似。

我们每天看到的是：

• 又出了一个 AI 产品。
• 又增加了一个能力。
• 新的 Agent workflow 出现了。
• 某家公司融资了。
• 某个职位开始消失或者出现。

这些事情都有一个清楚的“今天又发生了什么”。

但另外一些东西没有发布日期。

它们只是一直在那里。

工具变化得很快，但人的很多需要没有那么快

几百年来，我们从马车到火车、汽车，再到飞机。

一天能够到达的距离已经完全不同。

但人在出发的时候，想做的事情有很多并没有那么陌生：

• 去一个没见过的地方看看。
• 寻找新的机会。
• 或者只是想早点见到一个想念的人。

通信也是一样。

书信、电报、电话、短信、即时通讯、视频通话。

传递一条消息，从几个月变成几秒钟。

但给一个人写信，和今天打开 TG，有时候服务的还是很古老的需要：

• 我想知道你过得怎么样。
• 我想让你知道我在想你。
• 有件事情发生了，我想第一个告诉你。

AI 也是这样。

它可以替我们处理越来越多事情。

可以研究、规划、写代码、整理信息。

以后很可能还能替我们完成更多现在需要亲自处理的工作。

但你煲了一锅汤，最后发现彻底搞砸的时候，可能还是会想找个人说一句：

今天这锅汤真的没救了。

心碎的时候，AI 可以分析依恋类型，可以解释心理机制，也可以给出一套很完整的建议。

但有些时候，人真正想要的仍然只是另一个人坐在旁边，递过来一张纸巾。

工具改变了我们满足需求的方式，却不一定以同样的速度改变需求本身。

所以我们最容易注意到的那些“快”，很多发生在工具、媒介和实现方式上。

而目的、关系、需要，往往藏在更慢的地方。

这也解释了，我为什么会一直沿着《利维坦》往下想

前面已经聊了好几次霍布斯。

《利维坦》出版于 1651 年。

他当时关心的是：

一群各有利益、掌握的信息不同、又不能完全相信彼此的人，怎样才能稳定地共同生活？

我们之前把这个问题一路放到了国家、公司、市场、Crypto，最后甚至放进了 AI Agent。

到了 multi-agent system 里，还是会遇到：

• 谁有权决定？
• 什么算共同事实？
• 谁可以执行？
• 意见冲突怎么办？
• 出了问题谁负责？

这里让我感兴趣的已经不只是“霍布斯居然还能解释 AI”。

更像是：

技术变化了很多次，但有些协调问题并没有以同样的速度消失。

375 年前没有 AI Agent。

但权力、信任、安全、合作、责任这些问题已经存在。

今天的技术不断给这些旧问题制造新的环境。

环境完全不同了。

问题的一部分还留在那里。

所以“追新”和“读旧”，可能本来就在看不同的东西

追 AI 的新产品、新能力、新工作流，当然重要。

有些机会只存在于当下。

几年以后，整个技术环境可能已经完全不同。

但旧书有另一种作用。

它们不一定告诉我们下一代 AI 会长什么样。

它们经常保存的是那些移动得更慢的问题：

• 人为什么需要共同体。
• 权力怎样获得合法性。
• 怎样和不能完全信任的人合作。
• 什么叫公平。
• 工作和尊严是什么关系。
• 我们为什么需要别人。
• 我们愿意怎样一起生活。

所以最近我越来越觉得，理解一个变化很快的时代，可能需要两种视力。

一只眼睛看那些正在高速发生的东西。

新的工具、新能力、新可能。

另一只眼睛留意：

这些工具最后到底在服务什么。

因为我们每天追逐的，很多是新的方法。

而真正让一个东西长期留下来的，可能还是那些并没有变化得那么快的需要。