人类的新想法越来越稀缺：想法是唯一的引擎数学猫MoMo酱
经济学里有一个朴素到几乎没人争辩的结论:让一个国家长久变富的,归根到底只有一样东西,新想法,经济学家口中的 ideas。资本会折旧,人力会到顶,石油会抽干,唯独一个好点子可以被无数人同时使用而不损耗。增长理论把这件事算了一个世纪,结论始终没变,想法是复利的唯一引擎。
可这台引擎背后,藏着一个越来越响的警报:新想法正变得越来越难找,而且难得有数可查。这个判断最有名的提出者,是斯坦福的 Charles I. Jones,人称 Chad Jones。他半生都在做同一件事,为"想法从哪里来"这个问题,造一把能精确测量的尺子。
而就在这套略显悲观的判断快要坐实的时候,人类造出了一台号称能量产想法的机器:AI。Jones 的整套理论,被推到一个它从未设想过的路口。更耐人寻味的是,同一套理论,在他自己手里,对这台机器给出过两个截然相反的判断。而在这两个判断之上,还压着一个更大的、连他自己也没挑明的问题:人类能不能找到足够多的想法,去造出一台能持续找到更多想法的机器。
「想法是唯一的引擎」
增长理论里有一个不太直观、却被反复确认的结论:长期看,让一个国家持续变富的,几乎只有一样东西,新想法。资本会折旧,劳动力会到顶,自然资源会耗尽,唯独想法不一样。Paul Romer 在 1990 年把这件事讲清楚,并因此拿了 2018 年的诺贝尔经济学奖:想法是非竞争性的,non-rival。一块面包你吃了我就吃不到,一个定理你用了我照样能用,全世界同时用,它一分不少。正因为可以无限复制、无限叠加,想法是唯一能撑起复利式增长的东西。
Romer 的模型漂亮,却有一处和现实顶不上。按它的逻辑,投入研究的人越多,增长率就该越高。可二十世纪的事实是,研究人员的数量涨了几十倍,美国人均收入的增长率却稳稳贴着每年 2% 那条线,纹丝不动。Jones 在 1995 年补上了这个缺口。他的修正后来被称作半内生增长,semi-endogenous growth:长期增长率并不由你砸进去多少研究力量决定,而是由人口的增长率兜底。多投入研究,能把经济抬到更高的水平线上,却换不来更陡的斜率。说到底,这是一个关于人的理论。增长能跑多快,取决于你有多少颗会冒出想法的脑子。
「想法越来越难找」
如果想法是引擎,那么 Jones 职业生涯里最有名的一篇论文,讲的是这台引擎正变得越来越费油。2020 年,他和 Nicholas Bloom、John Van Reenen、Michael Webb 合写的 Are Ideas Getting Harder to Find?,给出一个让整个行业记了很久的判断:想法,确实越来越难找了。
他们的算法很朴素。长期增长可以拆成两项的乘积:有效研究人员的数量,乘以他们的研究生产率。然后他们一个领域一个领域去量后面那一项。摩尔定律是最干净的例子。芯片上晶体管的密度每两年翻一番,这条规律撑了半个世纪,可维持它所需要的研究人员,2014 年是 1971 年的约 18 倍。同样一次翻番,今天要动用的人力是当年的十几倍。半导体研究的"性价比",每年下滑约 **6.8%**。农业、医药,看到哪里几乎都是同一幅图景:产出的想法以大致恒定的速度往外冒,而为了让它恒定地冒,投进去的人和钱在指数式地膨胀。
这给增长描出一幅近乎悲观的底色。所谓稳定的 2% 增长,不是因为想法源源不断,而是因为我们把一支指数式膨胀的研究队伍,扔进了一条正在变窄的矿脉,两股力量相互抵消。文艺复兴式的通才早就死了,今天的突破来得更晚、更靠人海、更靠分工。(这个判断并非没有争论。也有经济学家认为,问题不在创造力枯竭,而在市场没把创造力兑换成回报。但底色的方向,多数人是认的。)
「这一次,也许真的不一样」
把前两节叠在一起,会看到第三件事。Jones 的理论说,增长被两样东西摁住:你有多少颗脑子,以及这些脑子在每个领域里多快撞上"想法越来越难找"的那堵墙。两道约束,落点都在人身上,因为想法得由人来想。
而 AI,如果真能做到它的鼓吹者所说的,恰好是历史上第一项同时撬动这两道约束的技术。它不增加人,它制造脑子。AI 实验室反复描绘的那幅图景,一座装满虚拟天才、昼夜不停产出想法的数据中心,翻成 Jones 的语言,就是把"有效研究人员的数量"这一项,从受制于人口,变成可以靠堆芯片任意放大。一旦会想想法的不必再是人,那条给增长兜底的人口约束,就被直接抽掉了。
把它落到那 18 倍上看。过去维持 2% 的增长,靠的是一支指数膨胀的研究大军,每一次翻番都要多征召成倍的人,而人,要生、要养、要二十年才长成。AI 头一回让这支军队的扩编绕开了产房:一个研究者可以像文件一样被复制,开出上千个分身,每个按百倍钟速、昼夜不歇地跑。Romer 当年说,想法是非竞争的,一个定理你用我也能用;AI 把非竞争性又往上抬了一层,连"想出定理的那颗脑子"本身,都变得可以无限拷贝。先前每一项技术,从蒸汽机到互联网,都只是把现有的研究者变得更能干,是一把更趁手的工具;AI 要做的,是直接增产研究者本身。这才是它也许不只是又一项通用技术的原因。
这不是外人的揣测,而是 Jones 自己算过的事。早在 2019 年,他和 Philippe Aghion、Benjamin Jones 合写的一篇论文就证明:在标准增长模型里,一旦 AI 能把生产想法这件事本身自动化,增长不光会加速,某些设定下还会在有限时间里冲向无穷,经济学家口中的"奇点"。那个一向以谨慎、以"这次未必不同"著称的怀疑派,亲手写下了乐观派最激进的那条定理。把他的框架当真,它许诺的不是温和的提速,而是爆炸。即使脑子可以复制,世界也未必可以被同样复制。
「最弱的那一环」
故事若在这里停下,Jones 就只是又一个增长爆炸的预言家了。但他的工具箱里还有另一只手,而这只手,把那股冲劲按了回去。
这只手叫弱环节,weak links。它的直觉,Jones 喜欢用 1986 年 Challenger 号航天飞机的失事来讲。事后调查发现,致命的缺陷出在一圈叫 O-ring 的橡胶密封圈上:发射那天气温创下新低,橡胶变脆、密封失效,整架航天飞机随之解体。一条链子,无论别的环节多结实,要断,只断在最弱的那一环。经济学家 Michael Kremer 受此启发,在 1993 年把这个直觉写成了著名的 O-ring 模型。
于是问题缩到一句:为什么总剩下清不掉的一环?浅一层的答案在会计里,所有份额加起来永远是 1,你把一项做到极便宜,它就缩向零、退出瓶颈的位置,把权重交给下一项还没攻下的,成功是自我抹除的。深一层的答案更要命:要自动化任务 X,你得先有一个 X 的够保真的模型,而造出这个模型本身,通常是更难、更不可自动化的那一种活,因为它就是研究,就是产出一个新想法。
机器人用仿真和强化学习清掉了走路,核试验被搬进了计算机,这些是真胜利,但它们成立的前提,是那门物理已被学透到模型不必再被现实纠偏,核爆的模拟,站在先前上千次真实爆炸标定出的方程之上。换成还没学透的系统,活体的药理、强关联的材料、混沌的湍流,造出那个可信模型,就是下一个最难找的想法。弱环节和"想法越来越难找",到这里露出同一张脸:残差永远是"找出清除当前残差的那个想法",而想法这个输入,本身正越来越稀缺。瓶颈于是不会被消灭,只会迁移,像壁纸下的气泡,这头压平,那头鼓起,只在你能同时处处压平、s→1的那一刻才真正消失。连瓶颈的终结者,自己都长着瓶颈。
还有一个方向的迁移,藏在"想法"这个词内部。把一个想法的一生拆开,它要先被生成,再被筛选、被验证、被解释,最后由某个人担责。AI 头一个攻陷的是最左端的生成,候选从此可以无限便宜地量产;可弱环节顺着这条流水线往右迁,而越往右,验证回路越长,越离不开人。生成越免费,从一万个候选里挑出值得一验的那几个就越要命,品味成了瓶颈;验证要把候选摁回现实挨打,而现实有自己的钟;解释要把一个验证为真的结果接进人类既有的理解,那把尺子握在人手里;最右端的担责根本不是认知问题,是法律与信任,它要的是一个能签字、能被起诉、能在出错时担后果的人,而这是 AI 给不出的。机器把"想出来"变成了免费,"挑得准、验得实、讲得通、扛得住"于是成了全部稀缺所在,生成贬值,判断升值。
可故事还有更平的一面,它也是对怀疑派的考验。怀疑派从不否认 AI 能想出好想法,它甚至未必只会堆候选,它可能反过来侵入验证器本身:设计更好的实验,把实验室自动化,从一团乱的文献里挖出反复失败的暗坑和没人留意的规律,改进模拟、把更多现实系统拉进可算的范围,甚至帮着造出新的科学语言,让验证本身变便宜。所以真正值得盯的,不是 AI 会不会写论文、提猜想、生成代码,而是它能不能缩短"从猜想到可靠知识"那个闭环。能,它就不只是生成器,而开始啃下验证器;不能,它只会造出越来越大的候选堆,把瓶颈整个推给人的判断。怀疑派真正要说的,从不是 AI 想不出好东西,而是:除非它改造那条验证回路,否则想法的爆发,并不等于知识的爆发。
弱环节这枚硬币,还有另一面。"由最弱一环说了算"这条性质,在收益侧表现为迟滞,你得几乎修好每一环,好处才攒得出来;翻过来,在风险侧它表现为脆弱,毁掉任一环就够。慢与险,本是同一枚硬币的两面。
同一个人,先证明了增长可能爆炸,又算清了它为什么多半只会爬。这不是自相矛盾,这是把两股真实的力量,同时摆上了台面。
「数据中心里的天才之国」
把这幅图景概括得最响亮的,是 Anthropic 的 CEO Dario Amodei。他有一句广为流传的话:不久之后,我们会拥有 "a country of geniuses in a data center",一座数据中心里的天才之国。整家公司,某种意义上,押注在这句话会成真。而 6 月 30 日起,Jones 从斯坦福商学院休假,加入了 Anthropic 旗下的研究机构 Anthropic Institute,继续他关于 AI 与长期增长的研究。在那里与他共事的,有 Anton Korinek 这样研究 AI 经济学的人。换句话说,那个造出尺子的人,走进了那座据说装满天才的数据中心。
他没有完整说明过为什么是现在、为什么是这里,以下只是推断,不是他的原话。但把他的研究和 AI 的走势叠在一起,理由并不难看出来。他大半生想测准的那个量,想法究竟从哪里来、能不能被一台机器重新批量造出,答案此刻并不躺在公开的统计里,而藏在实验室内部的能力曲线和算力账本里,要许多年后才会渗进 GDP。一个一辈子隔着公开数字测量想法的人,如今有机会坐到那台也许正在制造想法的机器旁边。这个动机,和他全部的研究是严丝合缝的。
而他带进去的,其实不止一个问题。前面那枚硬币翻过来,就是它:弱环节让好处来得慢,也让坏处来得脆,毁掉任一环就够。一个在软件上超人、却被坏人拿去用的 AI,攻进金融系统或一间病毒实验室,不必先解决所有难任务,只需踢断一环。好处是合取,风险是析取。所以他研究的,从来不只是"AI 能让 GDP 多快增长"这一个问题,还有它的孪生:为什么收益被系统结构拖慢,风险却能从局部泄漏。而这个问题,一家造前沿 AI、又把安全当命的公司,最需要它被回答。
于是把一位增长理论家请进 AI 实验室,就不只是装点门面。它至少有两种读法,而诚实要求两种都摆着。一种是:一家押注于"这次不一样"的公司,主动把一个最有分量的怀疑者请进内部,让他用自己的弱环节去捶打公司的故事。另一种没那么好看:把斯坦福的信誉借来,为一套既定的叙事背书。消息一出,就有人在 Jones 的帖子下追问,要他公开和 Anthropic 之间关于研究独立性、保密协议的具体约定。这个问题问得对,而眼下,谁也答不上来。
Jones 自己的位置,才是要紧的。他不站在任何一端。他论文里反复出现的那句话是:真实的未来,大概落在两个极端之间,问题只是落在哪。他既不肯陪硅谷狂欢,也不肯陪末日论合唱。这种"身在局外、知之甚深"的悬置,本是一个学者最难守、也最值钱的姿态。它能不能在一家有立场的公司内部守住,是这次加盟真正待解的问题。
