在 AI 每天写10万字的时代，人类阅读的意义是什么

在 AI 每天写10万字的时代，人类阅读的意义是什么

副标题：一份2026年3月的学术论文让我读了两遍——不是因为它有多难，而是因为它描述了一件我正在亲身经历的事

引子

2026年3月，arxiv 上出现了一篇论文，标题叫《The Cognitive Divergence》。

论文里有一个数字让我停下来重读了一遍：

人类有效上下文跨度（ECS）的估算：从2004年的约16,000个 Token 下降到2026年的约1,800个 Token。

16,000 → 1,800。

22年，我们能够持续专注阅读的「有效信息量」下降到了原来的11%。

AI 上下文窗口从512个 Token（2017年原始 Transformer）扩展到了2,000,000个 Token（2026年），在九年内增长了约3906倍。而人类的轨迹正好相反。

两条曲线，一条指数级向上，一条持续向下。

这就是「认知鸿沟」——两条轨迹之间可测量的、不断扩大的差距。

在读到这篇论文之前，我以为「AI 时代的阅读」是一个关于「工具使用习惯」的问题。读完这篇论文，我意识到这是一个关于我们作为思考者的根本性问题。

一、先描述这件事正在发生

我打开了过去三个月的阅读记录，统计了一下：

剩下的185篇呢？

我「读」过它们——大概浏览了标题和第一段，或者让 AI 总结了一下，然后保存到 Obsidian 的 00-Inbox/，告诉自己「以后再细看」。

「以后再细看」是一个我很少兑现的承诺。

这不是意志力的问题。这是结构性的问题。

自2004年以来，一个人在单一任务上保持专注的平均时间已经从约2.5分钟下降到大约47秒，根据加州大学欧文分校信息学教授格洛丽亚·马克追踪的数据。 2022年伦敦国王学院的一项调查发现，49%的英国成年人感觉自己的注意力跨度比以前短了。47%的人感觉「深度思考」已经成为过去式。

这不是我一个人的问题。

但这让我更想弄清楚：如果连专注阅读这件事都在变得越来越难，「在 AI 时代阅读」还有没有意义？

二、AI 阅读和人类阅读：两件完全不同的事

先把概念搞清楚。

AI 也在「读」。Claude 可以在30秒内「读完」一本300页的书，提取所有关键论点，生成结构化摘要。

这是「读」吗？

核心区别在于：人类读者将上下文、经验和诠释带入文本。AI 处理语言，但理解意义的方式不同。

我把这两种「读」分开来看：

AI 的读 = 信息提取

输入：文本。 处理：识别模式、提取结构、总结要点。 输出：信息的压缩表示。

AI 擅长的：无与伦比的速度、客观性和分析深度。

AI 做不到的：DeepMind 进行的测试中，AI 模型被要求阅读虚构故事、评估情节并识别关键故事结构。虽然 AI 擅长发现模式和排列故事部分，但它未能理解象征主义、情感暗示和哲学诠释等更抽象的概念。

人类的读 = 意义建构

输入：文本 + 你已有的所有人生经验。 处理：连接、对比、质疑、感受、想象。 输出：你作为一个人的改变。

这个「改变」——这才是人类阅读不可替代的部分。

三、认知外包：一个正在悄悄发生的自我削弱

论文提出了「代理反馈循环」假说：随着 AI 能力增长，人类将任务委托给 AI 的认知门槛不断降低，延伸到了需求几乎可以忽略不计的任务；由此导致的认知实践减少，可能进一步弱化文献中已有记录的、本已在衰退的注意力和写作能力。

用一个更具体的比喻：

如果你每天都用导航，你的空间记忆能力会变弱。

这不是说导航是坏东西。而是说：当你把一种认知活动完全外包出去，负责执行这种活动的神经回路就会逐渐弱化。

Gerlich（2025年）在一项对666名不同年龄段参与者的混合方法研究中发现，大量使用 AI 工具与批判性思维能力下降相关，以认知外包为中介。 一项研究发现，在引入 AI 辅助三个月后，临床医生在没有 AI 帮助的情况下检测肿瘤的能力下降了6%。

这个例子让我觉得最具震撼力。

医生的核心能力——阅读影像——在使用 AI 辅助之后下降了。

不是因为 AI 用错了。而是因为「诊断」这个认知过程被外包出去之后，执行这个过程的能力就在衰退。

对知识工作者来说，类比的情况是：

当学生将认知任务外包给 AI 系统时，它减少了内部认知需求，但也可能损害推断、综合和评估等更深层的认知过程。随着时间推移，习惯性外包可能会培养「认知惰性」，阻碍高阶思维技能的发展。

四、但这不是一篇「AI 有害」的文章

在继续之前，我需要说清楚我的立场：

我不认为 AI 阅读工具是坏东西。我每天都在用。

问题不在于工具，而在于使用方式。

使用模式比工具本身更重要。即使是谷歌的 AI 负责人也表示：正如德米斯·哈萨比斯告诉 BBC 的那样，随着 AI 写出更多代码，关键能力变成了「品味、创造力和判断力」。而这些正是糟糕的 AI 使用习惯所面临风险的能力。 AI 使用与认知的关系并非一概而言的负面。一些研究表明，当 AI 被用作主动学习的脚手架时，它可以增强批判性思维。

关键词：主动学习的脚手架，而不是被动摄取的替代品。

我把阅读分成两种模式：

模式A：信息消费（AI 可以大幅辅助）

你需要了解「量子计算的基本原理」，目的是下周开一个跨部门会议。

这种情况，让 AI 给你一个10分钟可以读完的摘要完全合理。你不需要精读原始论文，你需要的是「足够的背景知识来进行有意义的对话」。

模式B：认知构建（AI 只能辅助，不能替代）

你想真正理解「为什么好的系统设计总是把复杂度降到最低」，因为这会影响你未来五年写代码的方式。

这种情况，让 AI 给你一个摘要是不够的。

因为你需要的不是信息，你需要的是在阅读过程中发生在你大脑里的那些事。

五、深度阅读是什么？它在大脑里发生了什么？

信息获取和知识积累的策略通常分为两种类型：一种是独处的、沉思式的、沉浸式的书籍和其他文档阅读体验，这就是「深度阅读」。

深度阅读和浏览的区别，不只是时间长短，而是大脑的激活模式完全不同：

浏览/扫描（我们大多数时候在做的）：

深度阅读（需要主动创造条件的）：

整合模式里发生了什么？

你在读《A Philosophy of Software Design》里关于「复杂性的根本原因」时，突然想到了上周你在做 RAG 系统时遇到的一个架构问题——两件事在你大脑里建立了一个新的连接。

这个连接，不是 AI 总结能给你的。

因为 AI 的总结里没有你上周做 RAG 系统的经历。只有你有。

人类读者将上下文、经验和诠释带入文本。

这就是为什么同一本书，不同的人读完之后，得到的东西完全不同。不是因为他们的智商不同，而是因为他们的「上下文」不同——他们各自的人生经历、项目经验、已有的知识框架。

你读书，用的是你整个人生在跟书对话。AI 读书，用的是训练数据在做模式匹配。

六、我开始反思

2026年5月，我做了一个对自己有点残酷的实验。

我选了同一篇文章——一篇关于 Context Engineering 的技术长文——分别用两种方式处理：

第一次（AI 模式）：让 Claude 帮我总结，读了摘要，保存到 Obsidian。用时：4分钟。

第二次（深度模式）：打印出来，手边放着笔，从头读到尾，遇到任何引发联想的地方就停下来写。用时：45分钟。

一周后，我测试自己：

第一次的摘要里，我只记得「Context Engineering 比 Prompt Engineering 更重要」这一个观点，而且记得很模糊。

第二次的阅读里，我记得：

4分钟的摘要，我记得一个模糊的观点。45分钟的阅读，我记得三件改变了我思考的事。

这不是在说 AI 摘要没有价值——那个摘要让我知道「这篇文章值得深读」。

而是在说：阅读的目的从来不是「知道」，而是「理解」。这两件事需要非常不同的时间和注意力投入。

七、「不要委托理解力」——Steph Ango 的话我终于懂了

Obsidian CEO Steph Ango 有一句话，我在写 C11 的时候会深入分析，但在这里先引用：

「不要委托理解力（Don't outsource your understanding）。」

这不是反 AI 的宣言。这是一个关于「AI 应该如何辅助阅读」的界定。

AI 可以帮你：

AI 不应该替你：

八、2026年的阅读实践：我的三层系统

基于以上反思，我重新设计了自己的阅读系统。

把上面的洞察转化成一个简单的分层框架：

text

第一层：AI 辅助的信息消费（大多数内容）
├── AI 筛选 + 摘要
├── 判断：值得深读？
└── 如果是 → 进入第二层
如果否 → 保存标题 + 来源，标注原因
第二层：主动阅读（少量内容）
├── 完整阅读原文
├── 手写笔记（关键：手写，不是打字）
├── 生成自己的问题
└── 完成后 → AI 辅助整理进入第三层
第三层：融合与沉淀（极少数内容）
├── 将阅读连接到正在进行的项目
├── 写一篇「读完后我改变了什么」的笔记
└── 追踪：这个想法在实际工作中是否用到了

第一层——AI 全权负责。每天大量信息流过，AI 帮我筛选，我只花时间在「值不值得深读」的判断上。

第二层——这是大多数人跳过的层。手写笔记是关键，因为做认知工作的人是在构建技能的人。这个真相不会因为帮助他人绕过工作的工具变得精密和快速而改变。

打字是转录。手写是思考。两者激活大脑的方式不同。

第三层——这是真正的价值所在。读一本关于「软件复杂度管理」的书，读完两周后没有连接到任何实际工作，它就是一堆正在腐烂的知识。

连接的发生需要主动触发。我的做法是：每次进入新项目，都在 Obsidian 里做一次「知识扫描」——搜索和这个项目相关的所有阅读笔记，看看有没有之前读过的内容可以直接用上。

九、关于「AI 每天写10万字」这件事本身

现在回到标题里的问题。

2026年，有多少文字是由 AI 生成的？

没有精确数字，但有一个可以感知的现象：你打开任何内容平台，都能感受到内容的质量「看起来不错但总差点什么」。

这个「差点什么」是什么？

数十年来对人类如何参与文本的研究揭示：AI 正在重塑阅读实践，这些变化对教育、文化和民主生活意味着什么。与其聚焦 AI 能做什么，不如问：当阅读越来越多地由机器中介时，我们面临失去什么？

我想给出我的答案：

AI 写的10万字，缺少「一个具体的人，在经历了某些事情之后，不得不把它说出来」这件事。

这篇文章里，我讲了一个让我停下来重读的数字（16,000 → 1,800），讲了一个让我感到尴尬的自我统计（185篇没有真正读完的文章），讲了一个让我改变了阅读方式的实验（4分钟 vs 45分钟）。

这些「我」的存在，不是风格的选择，而是内容的一部分。

读者在阅读时，不只是在获取信息，还在感知「另一个人的思考过程」。 这个感知，是人类阅读的一种基本满足——我们在通过文字理解另一个大脑如何工作。

AI 文字缺少的，不是语法正确性，不是信息密度，而是「一个人留在文字里的摩擦和挣扎」。

作家 Mary Oliver 说的一句话，我觉得适用于所有好的写作：「Tell me, what is it you plan to do with your one wild and precious life?」

这个问题，AI 没有答案。不是因为它不聪明，而是因为它没有「一个野性而宝贵的人生」。

十、所以，人类阅读的意义是什么？

我的答案：

阅读是人类维护「自主理解力」的最重要的日常实践。

不是阅读本身让你聪明。而是阅读的过程——那个慢下来、允许困惑存在、在脑子里反复转一件事直到它清晰起来的过程——这个过程在训练你「用自己的大脑思考」的能力。

神经科学家 Mithu Storoni，《超效率》的作者，警告说：将太多认知努力外包给 AI 的风险，是削弱用于综合、情境判断和好奇心的脑力能力。

综合、情境判断、好奇心——这三个词，恰好是 FDE 和 AI 项目经理最需要的能力。

不是巧合。

AI 时代最有价值的人，是那些既能使用 AI 工具，又没有因为使用 AI 而失去独立思考能力的人。

这需要主动维护。就像肌肉需要锻炼一样，深度阅读的能力需要定期使用才能保持。

结语

读完这篇文章，如果你只记住一件事，我希望是这个：

在每周的阅读里，为「第二层阅读」保留至少一个小时。

选一篇真正重要的文章或书的章节。

关掉所有通知。

不要用 AI 辅助。

从第一个字读到最后一个字，手边放着笔，遇到让你停下来的地方就写。

不是为了效率，不是为了产出，而是为了维护那个「能够独立理解复杂事物」的你。

因为在 AI 每天写10万字的时代，一个真正理解了某件事的人，比一个读了一千个摘要的人，稀缺得多。

相关阅读（建议精读）：