你苦心钻研的AI技巧，三个月后就被大模型内化了
莫道远约 5 分钟策略网络认为人类下出这一步的概率，是0.007%。
胜率估算瞬间崩溃，AI昏招频出。
神之一手，人类拿下了对抗AlphaGo的唯一一胜。
AlphaGo是用人类历史棋谱喂出来的。
在人类的经验里，那是一个不到万分之一的盲区，机器直接放弃了搜索。
后来DeepMind训练AlphaGo Zero，把人类棋谱彻底清空，纯自我对弈。
它碾压了用人类棋谱训练过的AlphaGo。
把人类知识从系统里彻底抹除，机器迎来了真正的飞升。
2019年Sutton发表了一篇短文，The Bitter Lesson（苦涩的教训）[1]，提到：
近70年的AI研究反复证明了一件事：简单方法叠加算力的暴力美学，碾压一切人类精心设计的复杂方法。
而原因很简单：人类的知识是对AI的限制。
把人类知识编入系统，等于把系统锁定在人类认知能抵达的解空间里，主动放弃了全局搜索的可能性。
一）神奈川冲浪里
定义一个简单的公式：
最终表现 = 基模能力 × (1 + ε_human)
ε_human 是人类叠加在模型之上的小技巧，提供的边际增益。
提示词，Agent，上下文管理，工作流编排，自进化。这些都是 ε_human。
人类从算力怪兽的牙缝里抠出的边际增益。
"会用AI的人替代不会用AI的人"。
2014年，季逸超从零开始训练模型做知识图谱。[2]
5年时间，写爬虫，索引引擎，向量索引，最终炼出个0.3B的专用模型。
然后他拿到了GPT-3 Early Access。
随便写个Prompt，竟然跟他四年炼出的专用模型打成五五开。
四年的人类知识垂直整合，被一个通用方法一夜抹平。
早期人类驯化LLM的过程中发现，在末尾加上一句话，就能显著提高模型在推理任务的准确率。
这句话是"Let's think step by step."，神乎其技，阿拉霍洞开。
两年之后，OpenAI o1 模型内化了这个技巧，神技成为基础能力。
更有趣的是，根本不是靠人类编写复杂的规则，而是靠纯粹的强化学习。
DeepSeek R1的论文提到：不给模型提供任何人类写的CoT数据，只看答案是否正确作为激励函数。[3]
为了最大化数学上的奖励，模型在几千万次迭代中，自己顿悟了反思、纠错和长链条推理。
它学会了用拟人化的语气自我怀疑："等等，这好像不对，让我重新算一遍。"
人类以为那是高级认知。在机器眼里，那只是一条能让胜率变高的概率分布曲线。
二）镜中世界
Epoch AI预测，前沿模型训练算力，每年翻2倍，AI算力的摩尔定律。[4]
而在算力之上，还有算法效率的改进。利用算法改进，小模型智能追平过去的大模型。
关键不在于速度，而在于加速度。
机器进化在指数级加速，而人类技巧发明毫无加速度可言。
即使现在跑得比世界快，世界在加速，而人类没有。
不是做错了什么。而是做对的事情注定被碾压。
而且被碾压的速度越来越快。
三）半兽人
1997年，Deep Blue击败了人类国际象棋世界冠军。但故事并没有结束。
此后几年，国际象棋界流行一种自由式比赛，允许人类带着电脑软件参赛。
2005年，PAL/CSS国际象棋锦标赛。
参赛的有携带顶级 AI 软件的国际特级大师，也有当时最强悍的纯血超级电脑。
但赢家不是大师，也不是超级电脑。
而是两名业余爱好者，他们的国际象棋积分连参加本地小比赛的资格都不够。
但他们精通工作流：两人同时操控三台运行着不同象棋引擎的普通电脑，不断测试、交叉验证引擎的建议。
普通人类 + AI + 优秀的工作流 > 顶级人类专家 + AI > AI
人类身体里流淌着算法怪兽的血液。半兽人站到了顶峰。
临界点不是AI比人聪明。那早就是了。
临界点是：半兽人也打不过纯血的 AI。
在今天的国际象棋界，人类+AI，也赢不了独立运行的AI。
人类在机器之上叠加的价值，已经被证明是累赘。彻底归零。
只需要持续关注一个简单的指标：
花一个月在 AI 里找到了一点点可以提升表现的技巧，自鸣得意之际。
刷出一条推送，新的模型上线，全面提升，所有老技巧归零。
西西弗斯石头才推到半山腰，石头就掉下来了。
更大更重的石头。
四）美丽新世界
临界点之后，智力不再稀缺。
稀缺本身才是唯一的价值来源。
教人类怎么修马桶、泡茶、做手术，AI从从容容，口若悬河。
AI下场自己干，连滚带爬，原形毕露。
物理世界的反馈循环方兴未艾，具身智能的Scaling Law还没跑通。
但这绝不是永恒的护城河。这只是另一处神奈川。
欲买桂花同载酒。赌书消得泼茶香。
理智只是工具，人类的底色还是情绪。
情绪链接诞生品牌，而算力Scale不出品牌。
同理，AI能写出几百倍好的聊天软件，但搬不走微信的12亿用户。
价值投资的核心命题，护城河理论，什么能对抗时间。
巴菲特一直是对的。
黑云压城，人类还有最后一道防线。
AI没有公民权，不能拥有资产，不能成为被告。
房子、土地、能源、矿权，仍然在人类名下。
但法律并不是铁板一块，生产力决定生产关系。
羊吃人殷鉴不远。
前AI时代，穷人逆袭靠变异。
地位可以世袭，但智力不行。
富不过三代，这是生物学的均值回归。
AI 的进化，是绝对继承的。
下一代永远碾压上一代，单向度的AI。
碳基生命也许只是硅基生命的引导器。
苦恨年年压金线，为他人作嫁衣裳。
(莫道远 主笔，Gemini 3.1 Pro 校对&考证，2026年2月23日)
[1] Richard S. Sutton,The Bitter Lesson, 2019. (http://www.incompleteideas.net/IncIdeas/BitterLesson.html)
[2] 季逸超 (Peak Ji)，Peak Labs 及 Manus 联合创始人。张小珺商业访谈录，《128. Manus决定出售前最后的访谈：啊，这奇幻的2025年漂流啊…》 (https://www.xiaoyuzhoufm.com/episode/695331cb2db086f897b50ea9)
[3] DeepSeek-AI,DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning, 2025. (https://arxiv.org/abs/2501.12948)
[4] David Owen, Epoch AI, What will AI look like in 2030?, 2025. (https://epoch.ai/blog/what-will-ai-look-like-in-2030)