最近看到一个挺有意思的研究，来自一家叫METR的机构，专门做AI能力评估的。他们做了个实验，给程序员付每小时50美元，让他们完成自己开源项目里的任务，唯一要求是部分任务不能用AI。结果实验差点搞不下去，因为30%到50%的开发者故意不提交那些"不许用AI"的任务，有人甚至直接放弃报酬，一个任务都没完成。明明是做自己本来就要做的事，还能白拿钱，就因为不让用AI，人家宁可不干。

METR后来又做了一次调查，问技术工作者：如果一个月不让你用AI，你需要多少补偿？中位数的回答是愿意牺牲29%的月薪来保住AI使用权，有人甚至填了超过100%。这种状态其实很像一种"戒断反应"，你的身体和大脑已经被AI驯化了，突然拿走就会极度不适。

但这只是表面。更隐蔽的一层是，受访者自评AI让工作速度提升了3倍，但创造的价值只提升了1.4到2倍。差距去哪了？研究人员管这叫"替代效应"，就是AI让很多低价值的边缘任务变得太便宜了，便宜到你忍不住去做。比如一个研究员以前绝不会花时间搭数据仪表盘，但AI几分钟就能搞定，你就顺手做了，做完还觉得效率真高。可问题是，这个东西对你的核心产出价值接近于零。你只是把时间从重要的事上挪开，去做了一件以前根本不值得做的事。

还有更深的一层。在第一次随机对照实验里，开发者觉得自己用AI快了20%，但计时器显示他们实际上慢了19%。因为AI生成代码确实快，但你得审查、调试、修复，加上等待时切换注意力的时间，总耗时反而更长。你的大脑把等待归类为"空闲"，所以你感觉不到自己变慢了。

清华和芝加哥大学的团队在《自然》上发表的论文也印证了类似趋势。用AI的科学家论文产出是3倍，引用量是4.8倍，但研究覆盖的知识范围缩减了4.63%。AI擅长什么你就做什么，做着做着你以为是自己选的方向，其实是AI的能力边界在替你筛选。大量研究围绕少数热门问题扎堆，学科之间的合作反而降低了22%。

回头看，AI真正的风险在于：它让你在变慢的同时觉得自己在变快，让你做低价值的事时觉得效率爆表，让你跟着它的能力边界走时以为这是自己的主动选择。你的感受和现实之间出现了一条你自己察觉不到的缝隙，这条缝隙才是最值得警惕的东西。

#科技先锋官##How I AI#