9月10日，The Verge旗下播客Decoder做了一期读者信箱节目，主持人Nilay Patel被听众追着问一个问题：四月份那期引发数百条评论的“软件脑”（software brain）论点，到底说对了什么，又漏了什么。他没有回避，反而把论点又往前推了一层——AI热潮的地基，建立在“世界等于软件”这个假设上，而这个假设只在写代码这一件事上真正成立。
这不是一次简单的听众来信复盘。把Patel的论点和过去一年的公众民调放在一起看，会发现所谓backlash根本不是笼统的“怕新技术”，而是精确对上号的账单：担心隐私被追踪的人，正好活在数据中心圈地建设的现场；担心失业的人，正好是被排班算法直接管理的那批打工者。
“软件脑”的漏洞在哪
Patel的核心论点很简单：软件工程有编译器,代码对不对,一跑就知道。AI在这个领域的进步确实惊人,几家实验室已经在公开谈论AGI是不是快要实现——理由也基本围绕“AI写代码有多强”。可一旦走出软件工程,可验证性立刻变得模糊。数学证明还能靠烧算力硬解一部分未解问题,但药物研发要不要给真人下判断,法律裁量、社区治理这些领域,从来靠的是模糊和自由裁量,不是数据库查询。硅谷把后面这一整片模糊地带,当成了可以被数据库和自动化循环覆盖的软件问题——这是backlash真正的病灶,不是“产品体验差”那么简单。
数字对上号：不是恐慌，是账单
几组数字放在一起,能看出这次的不满不是情绪化的“AI真吓人”,而是每一条都能指认到具体代价。63%的美国成年人认为AI发展速度太快,只有19%觉得刚好；71%担心AI普及会让个人信息更不安全——这恰好对上了数据中心大规模落地、用电量一年内快速攀升的现实。宾夕法尼亚大学的调查显示,49%的人反对在本地新建数据中心,支持的只有21%。这不是抽象的科技焦虑,是真金白银的用电、用水和土地博弈。
专家和普通人，看到的不是同一个AI
就业问题上的分裂更值得盯。斯坦福2026年的AI Index显示,73%的AI专家认为AI能改善工作,普通公众里只有23%这么想；64%的美国人预期AI会在未来二十年让岗位减少,认为会增加的只有5%。这种落差不是“专家懂技术、大众不懂”,更像是专家站在能拿到自动化收益的一侧,公众站在可能被替换的一侧,两边看到的根本不是同一套后果。
Quinnipiac的调查给出一个更具体的信号:80%的人不愿意被AI程序直接排班、分配任务,只有15%愿意。这条数字比任何“AI取代工作”的宏观预测都更贴近日常——它说的不是十年后的失业率,是眼下有没有人愿意让一个模型决定自己明天几点上班。
反弹不是铁板一块
backlash内部也不是一条心。技术圈的反驳(在Hacker News、Lobsters这类社区能看到)认为Patel把“产品设计和激励机制的问题”和“自动化理念本身”混在一起说了,AI处理模糊性的能力恰恰比传统软件强,锅该甩给部署方式而不是自动化本身。左翼和劳工视角的批评方向完全不同:他们不反对自动化,反对的是自动化收益被资本方独占,工人拿不到更短工时或更多保障——用他们的话说,想要的是“后自动化社会”,不是“亿万富翁拥有的AI”。还有一种更刻薄的说法:AI公司自动化的方向本身就选错了,公众希望被替代的是危险、重复、脏累的体力劳动,AI却先扑向了写作、绘画这些人愿意亲手做、觉得有意义的事情。
- 洞见.backlash分裂成三股不同诉求，说明它不会被一句“AI没那么可怕”的公关话安抚下去。
在这样的信任赤字下,几家大公司的姿态已经开始分岔。Sam Altman面对“为什么大家不喜欢AI”的提问,给出的答案是“靠交付价值赢得人心”——Patel把这句话读成一次变相承认:ChatGPT目前给普通消费者的价值,还没到能压过顾虑的程度。OpenAI一边把企业营收占比推过四成、目标年底和消费者收入打平,一边继续靠免费版本铺量；Meta则押上了每年上千亿美元级别的资本支出,赌基础设施先行。方向不同,但共同点是:没有一家公司现在能拿出“人类控制权、数据边界、本地问责、可验证安全”这四样东西的完整答卷——大多还停留在公关表态,没有变成可执行的产品条款或强制性社区协议。
软件可以编译，人心从来不接受编译。
backlash接下来会不会从民调数字变成实际立法或产品条款,要看的不是AI模型又跑出了什么新分数,而是数据中心选址听证会上,社区能不能真的谈下强制性利益条款；是排班软件的开发商,会不会主动给“人类否决权”留一个按钮。这两件事,比任何一次AGI宣言都更接近普通人的生活。