现代人最深的执念是增长，而增长逼着我们把一切都量化——不能量化的东西，在这套账本里等于不存在。
量化的代价，是我们一步步把生活从物理世界撤进数据世界，因为数据世界跑得更快、更"可读"。
但这里有个没人愿意算的账：数据文明是块借来的地，它吃的是前人深耕物理世界攒下的地力。
model collapse——模型喂自己吐出来的合成数据会一代代退化——就是这块地力见底的第一个工程信号。好在同一批研究也说清了：只要真肥不断，这地就能一直种。
所以我不想跟着唱"人类精英黄昏"那种挽歌，唱挽歌太省事了。剥掉那层玄乎，剩下的其实是笔能算清的账：谁还在给物理世界施肥。
作者 | 听风
编辑/排版 | MM77
翠鸟AI技术漫研 — 拓新AI边界、探索技术增量
先说一个你大概也有过的怪感觉。
这两年，文字、图片、代码、视频，产量都爆了，AI 一天生成的内容比过去一个世纪人类写的还多。
按理说，信息这么便宜、这么多，我们对世界的理解该突飞猛进才对。可回头看，真正让你"哦原来是这样"的新东西，好像没跟着多起来。
热闹归热闹，真新的东西没见着多少。
我自己有个笨办法验证这感觉：
每次让 AI 帮我查一个稍微生僻点的问题，凑近了看，它给的十条里有八九条最后都指回同几个源头——同一篇综述、同一个几年前的帖子，换了不同的话术重讲一遍。
信息的"量"确实炸了，可"信息"本身还是那些。有点像走进一家开了一百个门脸的商场，逛半天发现进的货都是从同一个批发市场拉来的。
我想顺着这个怪感觉，往下挖一条线索。它从一个你我都泡在里面、却很少去看的东西开始——我们对增长的执念。
增长逼着我们把一切都量化🫨
古人是不太有"增长"这个念头的。
在大多数传统社会里，人默认自己活在一套恒定的秩序里，日子是循环的，不是往上爬的。中国甚至反着来，觉得尧舜那会儿才是顶点，后世一代不如一代。
是现代，才把"明天要比今天多"变成了空气一样的默认设定。经济要增长，公司要增长，个人也得年年"有进步"。
到后来，增长这东西早超出了经济范畴，它变成了一种合法性——你要是停下来不增长了，周围人本能地就觉得你出问题了。
问题是，增长一旦成了信仰，就不肯待在经济里。
它要往一切领域漫延：教育要"增长"，健康要"增长"，连你读了几本书、走了几步路、专注了几分钟，都得能往上涨才安心。
可大量真正要紧的东西——一堂课点没点透一个人、一段关系深不深、一份手艺到不到家——本来是没法用数字量的。
于是就有了现代社会最关键、也最少被察觉的一步动作：为了让它们能"增长"，先把它们硬掰成数字。
这一步不是今天才有的。人类学家詹姆斯·斯科特在《国家的视角》里给它起了个精准的名字：legibility，可读性。
他说，前现代的国家其实是半瞎的——它不太清楚治下的人有多少、有多少地、叫什么名字。
为了能从远处管理，它必须把复杂到没边的真实社会，简化成税册、地籍、人口统计这些"看得懂的数字"。
简化当然有用，它把一小块东西照得特别清楚、特别好算；但斯科特反复提醒：被照亮的那一小块之外，大片真实的东西，在这套账本里直接消失了。
到了今天，这套逻辑已经不用国家从上往下压了——它钻进了每个人心里。
哲学家韩炳哲把这个转变说得很透：过去是别人拿"你应该"来管你，现在换成你自己拿"我能行"抽自己。
人成了给自己打工的老板，自己定 KPI、自己量自己、自己压榨自己，还因为这一切都是自愿的，管它叫自由。
于是这个时代最普遍的病成了抑郁，没人压迫你，你却总觉得自己还差着一截——那是一种怎么量都够不到线的疲惫。
而量化一旦成了目标本身，会立刻露出它最荒诞的一面。
这里有条经济学家古德哈特提出的定律，值得刻在墙上：
当一个衡量指标变成了目标，它就不再是个好指标。你用论文数量衡量科研，大家就去凑论文；你用打卡次数衡量学习，大家就去刷打卡。
指标一旦成了要冲的靶子，人就一门心思去优化那个数字，至于数字本来想代表的那件事，反倒没人管了。
嘴上说在追科研、追学习、追健康，手上追的其实是它们投出来的那个影子——那个恰好能被数出来的影子。
我们正一步步搬进数据世界🫢
把这条线再往前推一步，会看到一件更大的事。
凡是能被量化的，就能被数字化；
凡是被数字化的，就能被计算、被加速、被无限复制。
于是有一股持续了几百年的暗流：人类在把自己的活动，一点点从物理世界搬进数据世界。
从记账到统计，从模拟信号到全面数字化，从互联网到今天的 AI——每一步的前提，都是先把一块现实翻译成数据。
为什么往那儿搬？
因为数据世界实在太诱人了。物理世界又慢又沉又不听话：盖一栋楼要几年，育一个种要几季，教会一个人要十几年。
数据世界不一样，它可以秒级迭代、可以一键复制、可以精确 A/B。在一个所有人都被"增长"追着跑的时代，哪边跑得快，人才和钱就往哪边涌。
所以过去二三十年最聪明的一批头脑，没去攻克可控核聚变、没去啃癌症、没去改造物理世界，而是扎进了广告点击率、推荐算法和信息流——
因为在增长的账本上，那边的数字涨得最快、最好看。
我们赢下的，一直是现实里"可读"的那一薄层——能量化、能数字化、能被算法优化的那点东西。
至于现实里沉默的大多数——手感、只可意会的经验、身体在场才懂的那些——被留在原地，慢慢没人管了。
热闹全堆在信息层，物理层却在悄悄失修。这不怪谁，是那本账自己挑的：它只肯奖励能被数出来的东西。
数据文明是块借来的地😮
到这儿，那个开头的怪感觉，可以给个说法了。
数据世界看起来自给自足、生生不息，其实它是寄生的。今天所有的数据、模型、算法，无一不是建立在前人几百年深耕物理世界的积累之上——
- 所有的文本，是真人在真实生活里一句句写出来的；
- 所有的图像，是真人在真实世界里一张张拍下来的；
- 所有的知识，是无数人在物理世界里试错、碰壁、流汗换来的。
这块地上长出来的庄稼再茂盛，也是种在前人攒下的那厚厚一层地力上的。
地力是有限的。
而且，AI 正在以前所未有的速度把它抽干。
这话听着像文学比喻，可它是眼下工程师真在头疼的一个难题，有个名字叫 model collapse，模型崩溃。
2024 年发表在《自然》上的一项研究（Shumailov 等人）说清了它：
让一个 AI 反复拿另一个 AI 生成的内容来训练，一代喂一代，模型会一路退化——
越来越只记得那些常见、平庸的东西，把稀有的、极端的、真正有信息量的"长尾"给忘光，最后糊成一团平均而无用的浆。
道理并不复杂：
每一代生成里的小误差，会被下一代当成真相学进去，再叠上自己的新误差，滚雪球一样，几代之后就面目全非。
这就是"坐吃山空"最精确的技术版本：
当一块地开始只靠回收自己产出的秸秆过活，而不再有新的、来自真实世界的养分进来，它就会一年比一年贫瘠。
说到这儿，得停下来讲句公道话，因为这正是我想和那种耸人听闻的论调拉开距离的地方。🫠
前几年很流行一个说法："高质量训练数据将在 2026 年耗尽。"这话现在被到处引用，当成 AI 撞墙的铁证。
但你去查源头就会发现，最早提出它的研究机构 Epoch AI，自己已经把这个预言往后修正了——从最初的"2024 年用完"，改成了"2026 到 2032 之间"，中位数拨到了 2028 年前后。
为什么改？
因为后来发现，精心过滤的网络数据比想象中管用得多，而且同一批数据多训练几遍并不会明显掉性能。
所以严谨地说，"数据即将耗尽"这个断言，是被工程现实软化了的，不能拿它当世界末日的判据。
但同一篇研究还有下半句话，我觉得更该被听见：
这种崩溃是能躲开的。只要训练时一直掺进足够的真人数据——是往里累加，而别拿合成数据去把原始数据顶掉——退化就不会发生。
这话恰好把地力那个比喻说圆了：肥没断，地就种得下去。所以用 AI 本身没什么可怕。
真正会出事的，是有人关起门来只让 AI 喂 AI，把那根通往真实世界的管子给掐了。
所以别急着唱挽歌🙅♂️
讲到地力见底，很容易顺势滑向一个悲壮的调子：
真本事要失传了，我们大概是最后一代还握着真东西的人，往后就是漫长的、吃老本的衰退。
这种腔调听着深刻，我却越来越警惕它。警惕它，是因为这种腔调骨子里偷懒。
挽歌干的事，是把一个本来能拆开、能算账、甚至能动手去修的问题，一把裹进"无可挽回的命运"里，然后请你陪它站在废墟前一起唏嘘。
唏嘘这姿态最舒服了——什么都不用做，还显得很有洞见。可前面那半篇已经把话讲明白了：
地力见底是能拦住的，肥补上就行。出路就摆在那儿，哪有道理先替它写好悼词。
那个时代还没落幕，先别忙着对它哀叹。
把账算清楚要紧：这块地究竟靠什么续命，而续命的那样东西，此刻正被谁一点点松手放掉。
回到那个能算的账
说穿了这事一点都不玄，核心就一句能算的账：谁还在给物理世界施肥。
数据文明这块地还能种多久，跟算力多猛、模型多大关系不大，全看还有多少真肥往里补——
看还有多少人肯去干那些数字世界替代不了、增长账本又不给记功的笨活：
亲手做一次真实的实验，在田里、车间里、病床边一蹲几年攒第一手的经验，写下一句真从自己日子里长出来的话——那种别人文本里搅不出来的话。
这些活都慢，都不"可读"，KPI 上一点不好看，于是人和钱正被一点点从这儿抽走。
可这块地的肥，只有这一个来源。
这么一想，那份忧患就落地了，成了一个你能搭上手的问题。
它不用你去挽救什么文明的黄昏——你要是本来就在真实世界里下着笨功夫，匠人也好，农人、研究者、认真过日子的普通人也好，
那你手上那件慢的、量不出来、账面上一直难看的活，恰恰是这块地眼下补得进去的养分。
它值多少，市场早晚得重新标一遍。
数据世界是块借来的地，收成全靠前人和今人往里补的真肥。
"人类精英会不会黄昏"这种问题，答不了，也不必答，它只是一首拿来唏嘘的挽歌。换个答得出的问法：这块地上，谁还在施肥？
要是你正干着一件慢的、笨的、量不出来的真事，那这问题就跟你有关。