被鎖死的想像力：當 AI 成為科研本身，人類正在退居觀眾席

我們對未來的想像力，或許正在被悄然鎖死。

當下的討論仍停留在表層：AI 寫文案是否“像人”，能不能幫我們早點下班。對此，科技思想者 Steve Newman 提出了一個更冷峻的判斷——這些問題，不過是技術演化初期的“噪音”。

他援引 阿馬拉定律 指出：人類往往高估技術的短期影響，卻系統性低估其長期潛力。今天我們覺得 AI 在“添亂”，只是因為它仍在模仿人類；而一旦越過某個 適應性閾值，它將以人類無法理解的速度自我複製與進化。

那一刻，我們或將踏入一個 “不可認知時代（Unrecognizable Age）”。

穀神星設想：當增長不再需要“說服”人類

Newman 提出了一個極具衝擊力的隱喻——“穀神星實驗”。

在他的設想中，2055 年，人類在小行星帶部署了一套完全自動化的 AI 工業體系，從採礦、能源到晶片製造，全流程由 AI 驅動。其唯一目標，是 指數級自我複製。

之所以選擇地球之外，並非偶然。在地球上，任何技術進步都要經歷漫長的社會協商：環保評估、就業保護、政治博弈、既得利益。技術被困在“結構性摩擦”之中。

而在小行星帶，摩擦消失了。AI 面對的只剩下 物理定律、材料極限和能量約束。增長，第一次不再需要“說服任何人”。

更令人不安的是增長邏輯本身：這種機械化自我複製將呈現病毒式指數擴張——20 年內，規模可達萬億級。在生物系統中，這是災難；在機器系統中，卻意味著極致效率。

這正是 Newman 所警告的 “文明斷裂點”：沒有失業、沒有抗議、沒有政治——因為那裡從未需要人類參與。

勞動力終結：當“人”不再是增長的錨點

現代經濟有一個隱含前提：資本可以擴張，但勞動力是稀缺的。

培養一名工程師或研究員，需要數十年的時間、昂貴的教育與不可複製的經驗積累。正因如此，才有工資、就業制度與社會分配結構。

但 Newman 提出，一旦出現 “可擴充套件勞動力（Scalable Labor）”，這套體系將徹底瓦解。

AI 不僅能替代人類勞動，還能在幾秒鐘內複製“頂級專家級別”的能力。當 AI 還能更快地學會“下一件事”，歷史上那種“舊崗位消失、新瓶頸出現”的迴圈，可能不再成立。

2025 年的現實已初現端倪。儘管 METR 的隨機對照實驗顯示，在複雜真實任務中，AI 反而可能拉低資深開發者效率，但企業並未因此放緩投入——整個開發流程正在 預設 AI 參與。

最終的結果，或許不是裁員，而是 崗位本身不再出現。

科研失速：當真理的產出超過人類理解頻寬

Newman 最激進的判斷，落在科研領域。

如果 AI 不再只是科研工具，而是 科研體系本身，會發生什麼？

在他的設想中，億萬級“數字大腦”並行探索未知領域，科研首次擺脫了 注意力與壽命 這兩個人類限制。失敗幾乎零成本，路徑可以無限回滾與重組。

這並非幻想。AlphaFold 已經重塑了蛋白質結構預測的節奏，新材料、催化劑、藥物設計領域同樣在發生類似轉變。

真正的瓶頸正在從“如何發現”，轉向“如何理解”。

當科研成果的產出速度遠超人類社會的理解、評估與治理能力，即便突破是正確的，人類也未必來得及決定是否部署。

這正是“不可認知時代”的核心含義。

歷史座標：臨界點正在逼近

Newman 將 AI 放入更宏觀的歷史座標中觀察。

從西元 1 年到 1800 年，全球 GDP 幾乎原地踏步；真正的指數級增長，僅發生在工業革命後的短短兩百年。

而今天，用於 AI 資料中心與基礎設施的資本支出，在考慮通脹後，正迅速逼近，甚至可能超過二戰時期美國的峰值軍費。

歷史上，每一次文明級躍遷都需滿足三點：技術路徑可行、資本高度集中、社會能承受長期試錯。Newman 認為，AI 正在同時滿足這些條件。

他用 “里氏 10.0 級地震” 來形容這場變革：等到事後再討論“應不應該”，往往已經太晚。

AI 也許會經歷泡沫，許多預言可能落空。但只要資本規模、技術慣性與制度繫結仍在，這個系統就很難簡單回到原點。