AI 最荒诞的地方，不是它没用。

恰恰因为它有用，才更容易被讲成一个过大的故事。Ars Technica 采访科幻作家、科技评论者 Cory Doctorow，围绕他的新书《The Reverse Centaur’s Guide to Life After AI》谈 AI 泡沫、资本开支和劳动者处境。最扎眼的点不在“AI 会不会取代人”，而在 AI 被管理层和资本市场包装后，工具怎样变成控制人、甩锅给人的机器。

Doctorow 不是反 AI。他承认 AI 可以做插件、助手，也可以嵌进专业工作流，提高一部分效率。他真正反对的是另一条路：人不再借助机器变强，反过来变成机器流程里的肉身附件和责任接收器。

发生了什么：Doctorow 把 AI 泡沫和劳动控制放到一张桌上

这次采访的核心概念，是“centaur”和“reverse centaur”。

“半人马”原本指人和机器配合：人保留判断权，机器补速度、算力和检索能力。比如医生用 AI 辅助筛查影像，减少漏看；程序员用 AI 补样板代码；编辑用 AI 整理材料。工具在旁边，人仍然在驾驶座上。

“反向半人马”刚好倒过来。机器定节奏，人被安排去复核、修补、签字。出了问题，责任落到人身上；节省出来的钱和控制权，却未必归人。

说法Doctorow 讨论的含义对现实工作的影响
Centaur人用 AI 增强专业判断提效，但人仍决定怎么用
Reverse centaurAI 流程支配人，人负责兜底催速、降质、监控、背责
AI 泡沫他认为资本开支与收入存在错配增长故事可能跑在商业模式前面

采访里还提到几组数字。需要说清楚：这些是 Doctorow 在采访中的说法和判断，不等于已经被外部审计盖章的事实。

他称，全球 AI 资本开支从 7000 亿美元上升到 1.4 万亿美元；AI 行业年收入约 500 亿美元；一些大模型和数据中心资产需要在 24 到 30 个月内更新；七家 AI 公司占股市超过三分之一。

这些数字不用抠到个位。重点是方向：投入很重，收入还小，成本还在滚。

Doctorow 还拿 Web 泡沫做对比。互联网当年也烧钱，但后来的单位经济改善了：用户更多，基础设施更成熟，边际成本下降，商业模式逐渐跑出来。他认为今天 AI 更棘手，因为更多使用本身会带来推理、电力、芯片和数据中心成本，模型迭代还会继续推高账单。

这不是“AI 必崩”的倒计时。它更像一个会计问题：如果增长故事要靠越来越贵的基础设施维持，收入迟早要给出解释。

谁最受影响：采购的人会犹豫，干活的人会被催

受影响最直接的，先是两类人。

一类是企业里的采购、CIO、业务负责人。现在买 AI，不能只看演示效果。更现实的问题是：调用成本谁付，质量责任谁担，原有流程要不要改，省下的人力是否真的省得下来。

所以动作会变得更保守。大额采购可能延后，试点会变多，合同里会更强调数据安全、错误责任、成本上限和可退出条款。AI 项目不会消失，但“先买了再说”的空间会变小。

另一类是知识工作者。尤其是被要求“用 AI 提速”的人。

自选使用 AI，和被强制使用 AI，差别很大。前者可能是增益：少写重复代码，少做机械整理，多一点检索和草稿能力。后者往往变成压力：更短工期，更少人手，更低容错，最后还要替 AI 的输出负责。

这里的分水岭很清楚：人有没有拒绝权、修改权和判断权。

一个组织尊重专业判断，AI 更可能是放大器。一个组织本来就爱压缩人、监控人、甩锅人，AI 会变成更顺手的管理工具。刀口不在模型，在激励。

我不太买账的，是很多公司把“AI 赋能员工”说得很漂亮，却不谈错误归属。工具给你，指标也给你，时间砍掉，出事算你的。这种设计里，AI 不是助手，是绩效鞭子。

接下来该看什么：别只看模型强不强，要看账和责任怎么分

Doctorow 最有价值的提醒，是把“AI 有用”和“AI 足以支撑巨大资本开支”拆开。

很多 AI 工具确实有用。但有用不等于能覆盖训练、推理、电力、芯片、数据中心折旧。有些场景能省半小时，也不等于整个行业能撑住万亿美元级别的基础设施扩张。

接下来最该看四个变量：

  • 收入增长能不能追上资本开支，而不是只追上融资叙事。
  • 推理成本、电力成本、芯片折旧能不能继续下降。
  • 企业部署 AI 后，是增加专业判断，还是减少人手后让少数人背责。
  • AI 事故发生时，责任落在供应商、企业，还是一线员工身上。

“天下熙熙，皆为利来。”放在今天的 AI 叙事里，很合适。资本市场需要新增长故事，平台公司需要证明自己还没变成成熟公司，管理层需要一个更听话的流程系统。AI 刚好把这三种需求接到了一起。

这也解释了为什么叙事总会从“增强人”滑向“替代人”。增强人太慢，替代人才像增长股故事。插件不好讲，超级应用、基础模型、重塑一切，才适合写进融资材料和董事会简报。

历史上也有相似回声。铁路、电力、互联网早期都经历过技术扩张和资本泡沫。技术会留下，泡沫会清算。今天的不同在于，AI 被塞进的是知识工作、平台治理和企业管理流程。泡沫就算退潮，留下来的可能不只是产品，还有一套监控、考核和责任转移机制。

这不意味着所有企业 AI 应用都是剥削。限制必须讲清楚：在高价值、强专业、责任边界明确的场景里，AI 很可能继续有用。医生、律师、工程师、研究员，如果能把 AI 当作可审查的辅助工具，收益是真实的。

真正危险的，是把工具效果偷换成组织减人，把辅助判断偷换成自动决策，再把错误成本推给最弱的一环。

普通人不用站队“AI 万能”或“AI 邪恶”。看一件事就够了：这个系统让你判断更强，还是让你替机器判断负责。

答案往往比模型参数诚实。