#IT那些事儿# 愚昧山峰上的AI狂热：我们何时会跌落？
你有没有过这种感觉：明明是你在做决定，但你其实根本不知道自己在决定什么。

一
上周用 Reasonix 这个 DeepSeek 原生 Coding Agent，我给了它一个任务：
帮我克隆并构建 Articraft，然后生成一艘平流层飞艇的 3D 资产。
接下来发生的事情，让我想起了中途岛海战。
Agent 的思考过程哗哗哗快速往上翻，屏幕上几乎看不到代码。偶尔弹出一个待确认窗口，窄窄的，彷佛在问我（图一）：“南云阁下，咱们是挂鱼雷还是挂炸弹？”然后等着我决策。
我全程回车。然后反复想起一个网友的话——
“如果我一直按 Yes，那么我存在的意义是什么？”

南云忠一的悲剧，不在于他判断失误。那个年代，航母没雷达、侦察机得撒出去找、海上有雾、无线电延迟、报告模糊，这些客观条件直接决定了“决策者能看到多少世界”。他的上下文窗口就那么大，不是他的错。
今天的 Coding Agent 表面上信息爆炸，Tokens 数以百万计。但人类决策者的注意力带宽、阅读深度、对陌生推理链的信任校准速度，并没有跟着变大。信息从稀缺变成了过载，决策者的处境依然和南云忠一一样：甭管三七二十一，对不可逆的事情，按时交卷。
区别只有一个。
南云忠一知道他看不见。
我们不知道。

二
Mitchell Hashimoto 坐不住了。
这位创建了 Claude Code 的首选终端 Ghostty，HashiCorp 的联合创始人最近在社交媒体上写道（图二）：他坚信现在有很多公司都陷入了严重的 AI 狂热之中，根本无法与他们进行理性对话。他用了一个词——AI 神经病。
他的忧虑来自一段亲身经历：云基础设施时代，行业曾经犯过一模一样的错误。自动化把系统变成了一台极具韧性的灾难恢复机器，看起来无比健壮——直到几次全球性大规模宕机（AWS、Facebook、Google 等）让所有人惊醒，重新把 MTBF（平均故障间隔时间）捡了回来。
Mitchell 判断：虽然系统在局部指标上可能看起来很健康，但整体上却变得难以理解。Bug 报告在减少，潜在风险却在激增。测试覆盖率在上升，语义理解能力却在下降。变化快到没有人注意到，底层架构正在悄悄腐烂。

我个人认为，现阶段人类社会在 AI 加持下，很有可能正处于邓宁-克鲁格效应的“愚昧山峰”阶段（图三）——还没有滑入“绝望之谷”，离“开悟之坡”和“平稳高原”更是遥远。
AI 这一轮的“绝望之谷”触发器会是什么？一次无法被 AI 自动修复的全球性系统大崩溃？还是医疗、金融、基础设施某个关键领域的重大事故？
更可怕的不是掉下去。而是掉下去之后，系统的局部指标还在继续好转——你甚至不知道该用什么来判断自己已经摔了。
并非杞人忧天。认知外包的代价，我们其实在另一个领域早已观察过一次。

三
2021 年，美国国家经济研究局（NBER）发表过一篇论文，分析台湾电子企业的离岸生产数据，结论直接：把生产环节外包出去，会系统性地压低企业的整体创新水平。
机制很清晰：企业把制造、测试等环节交给外部后，内部团队失去了通过“做中学”积累隐性知识的机会。那些“看似可以跳过”的步骤，恰恰是发现新问题、产生直觉、触发意外创新的关键时刻。
AI 替代人类思考和执行，本质上也是一个认知外包的过程。
那么，AI 是否必然抑制创新？不一定。
关键不在于用不用 AI、用哪种 AI，而在于怎么用。
它能抑制学习：AI 输出最终答案，人类只负责接受或轻微修改。类似外包，学习机会被悄悄旁路掉了。
也能促进创新：AI 提供中间过程、多种备选、反事实解释，人类主动对比、质疑、整合。这才是加速器。
对每个人来说，必须把 AI 当作“可对话的初稿生成器”或“推演沙盘”，而不是答案机器。

四
每次用完 AI，不妨问自己一个问题：
如果现在把 AI 生成的所有内容删掉，仅凭我在这次互动中自己的思考和笔记，我还能不能独立完成这个任务？
如果答案长期是“不能”，那你不是在使用 AI——你是在被 AI 使用。
再往深想一步：如果行业里大多数人都已经长期按 Yes，那当“绝望之谷”真的来临的时候，会有多少人还有能力独立爬出来？
如果你一直按 Yes，你存在的意义，就只剩下为系统的自动运转提供一个法律意义上的人类签名。
南云忠一至少知道他看不见。
而人类一度以为，回车键按得越多，生产力就越高。

我不是在批判 AI 狂热。
我是在说，我站在这座愚昧山峰上，亲眼看着我们往下滑。