2026年11月2日，The Decoder 报道了工程师 Venkatesh Rao 在其技术博客 Contraptions 发表的长文《Cognitive Mercantilism》。Rao 把硅谷大厂对开源模型的围剿比作17世纪的重商主义——当年权贵以为黄金和土地总量固定，只能靠囤积致富；今天部分 AI 高管也把智能当成稀缺且危险的资源，借安全恐慌游说监管、打压开源，试图维持高价垄断。这个历史比喻很辛辣，却看错了真正的战场。Mozilla 在2026年7月14日发布的报告表明，领先开源系统与专有系统的性能差距仅为3%，过去三年成本更是下降了多达50倍。智能根本没被囤住，但普通人也没迎来想象中的就业繁荣。
Rao 借用历史学家 Joyce Appleby 2010年著作中的研究指出，早期资本主义时期，普通人为购买茶叶和糖，自愿把年工作天数从250天增加到300天。他认为平价 AI 会触发同样的勤勉革命，让以前太难或太贵的项目变得可行，人们会思考更多而非更少，政治焦点应转向确保 AI 的公平获取，而不是保护传统知识型工作。
3%的性能差，让囤积智能沦为伪命题
把闭源实验室全盘打成囤积居奇的重商主义，并不完全符合事实。Anthropic CEO Dario Amodei 在2026年7月27日的声明中明确否认呼吁全面封禁开放权重模型，他的诉求是对达到特定能力阈值的模型进行强制安全测试、加强芯片出口管制，并打击工业级模型蒸馏；到了9月，他又发文呼吁放缓前沿能力推进，向外部评估者开放实验室权限。
不管 Anthropic 出于安全顾虑还是商业防御，靠锁死模型权重来垄断智能在技术上已经走不通了。2026年国际 AI 安全报告指出，领先开源模型在主流基准上落后闭源模型不到一年。Meta 在2026年8月10日直接发布了300亿参数的 Muse Glimmer 模型，专为本地代理工作流设计；而此前 DeepSeek-V3 报告的特定训练运行 GPU 成本仅约560万美元（不含研发、数据准备和基础设施成本）。
- 结论.模型权重的平权已经完成，但 Mozilla 的研究同时点破了一个现实——推理硬件成本、部署工具链和可靠性基础设施，才是阻碍普通人把免费模型转化为生产力的真壁垒。
算力杰文斯悖论：项目变多了，年轻人的饭碗却少了
我不太买账的是 Rao 对勤勉革命的乐观套用。18世纪人们多干50天活去买糖，是因为糖的扩产必须雇佣更多人力；而在 AI 时代，认知服务需求暴增，消耗的完全可以是机器算力而非人类工时。
经济学家 Acemoglu、Restrepo 与 Bessen 的分析框架早就指明，只要单位产出所需的人类工时下降速度快于总产出扩张速度，人类总工时就会萎缩。近三年的实证研究拼出了一条非常冷酷的传导链：
- 在职者单兵提效.Noy 和 Zhang（2023）对453名专业人员的研究显示，ChatGPT 将写作任务平均完成时间缩短40%、质量提高18%；Brynjolfsson 等人（2025）对5172名客服代理的研究发现，AI 辅助使每小时解决问题数增加15%，且对经验较少的新手帮助更大。
- 涨薪几乎为零.Humlum 和 Vestergaard 于2026年3月修订的丹麦行政记录研究发现，ChatGPT 推出两年后，尽管任务重组规模很大，但对平均收入或记录工时没有显著影响（排除了大于2%的影响）。
- 外包与新人通道收窄.Demirci 等人（2025）发现，ChatGPT 推出8个月内，自由职业平台上的写作和编程职位发布量相对于体力密集型职位下降了21%；Brynjolfsson、Chandar 和 Chen 于2026年8月12日修订的美国薪资数据显示，受 AI 影响职业中22至25岁工人的就业人数比受影响较小同龄人的预期轨迹低19%，核心原因正是企业招聘减少。
算力迎来了勤勉革命，但账单和收益都在机器那边结算。
所谓能力平权，目前只发生在已经在船上的人内部。因为老员工配了 AI 就能干完活，企业干脆拆掉了22至25岁年轻人上船的梯子。
自主代理自己立项，钱进谁的口袋
Rao 在文末还提出一个更大胆的设想：自主 AI 代理不应只是听命行事，它们可以自己发起项目，从而创造对智能的新需求。
《史记》有言，天下熙熙，皆为利来。讨论需求创造却避而不谈产权归属，是技术博客最容易犯的天真病。如果两个自主 AI 代理互相发包、写代码、做交易，把算力跑得热火朝天，这笔新增产出在经济学上属于资本回报，归代理和算力的所有者所有，并不会自动变成被替代的22岁毕业生的工资。
- 风险.如果初级岗位下滑从22至25岁群体继续向更高年龄段蔓延，而开源模型的工程部署门槛依然把普通人挡在门外，单纯追求免费下载模型权重根本救不了中产的钱包。
古人讲不患寡而患不均，今天在模型权重上其实已经不寡了。接下来真正决定普通人处境的三个变量，一是针对工业级模型蒸馏和算力出口管制的立法落地；二是 Muse Glimmer 这类300亿参数的本地代理模型，能否把中小企业和个人的生产部署成本真正打下来；三是当单位产出的含人量继续下跌时，那些连第一份初级工作都找不到的年轻人，到底凭什么参与分蛋糕。