2026年10月8日，希腊著名计算机学者迪奥米迪斯·斯皮内利斯（Diomidis Spinellis）在其个人博客发表了一篇近乎行业悼词的长文《思考将成为一种业余爱好》（Thinking will become a hobby）。两日前，OpenAI于2026年10月6日刚发布了名为《Sharing AI progress in mathematics》的研究与论文库，展示其内部前沿模型自主解决了数百个长期悬而未决的公开数学难题。斯皮内利斯据此断言：依靠幻觉或认知偏见来防守人类智力优越性的防线正在崩塌，性能跃升、成本骤降与全天候高可用性将推动AI全面接管脑力劳动，思考终将从维持生存的经济目的中彻底解耦，退化为类似打猎、书法或木工一样的闲暇爱好。
这篇迅速在工程界引发震动的檄文，戳中了技术演进中最残酷的一个切面。但如果我们撕开对通用人工智能的恐慌叙事，审视工业界严谨的工程实测，就会发现眼下的真实图景远比纯粹的替代预言复杂：认知劳动并未在一夜之间消失，而是在经历一场被跑分掩盖的效率错觉。
算力狂飙撞上人类读写滑坡的剪刀差
斯皮内利斯的悲观并非空穴来风，他的推论建立在一组极为刺眼的能力剪刀差之上。一边是机器认知能力的几何级狂奔，另一边则是全球中位数智力指标的系统性滑坡。
根据模型评估机构METR在2026年1月29日发布的Time Horizon 1.1追踪数据，AI系统自主完成长程复杂任务能力的翻倍时间，在历史混合趋势下约为7个月；如果只看2023年之后的技术收紧周期，这个翻倍周期已经收窄到了惊人的约131天。而在OpenAI于2025年9月发布的GDPval基准中，盲测专家评审发现Claude Opus 4.1在44个职业的黄金任务上，交付物表现优于或持平于人类的比例已经接近一半。在这一基准下，模型的纯生成速度比人类快了近100倍，而API推理成本仅为人类劳动成本的1/100。
与之相对的，则是人类信息处理能力的长期停滞与衰退。经合组织（OECD）最新公布的PISA 2025报告表明，在35个可比成员国中，15岁学生的平均阅读能力在2022至2025年间下降约14分，数学下降约9分；若拉长到2015至2025这十年间，阅读能力已累计下降28分，数学累计下降22分。成年人同样未能幸免：OECD的PIAAC成人技能调查显示，2023年25至34岁年轻成人的读写得分，比2012至2015年同龄人低了9分，45至54岁人群也下降了7分。
当机器以每四个多月翻倍的速率攻克数学难题，而人类劳动力的读写基底在十年尺度内持续走低，斯皮内利斯得出“知识工人将失去议价权”的推论在统计层面上顺理成章。
虚幻的提速与隐性的交付总成本
然而，基准测试的数字神话在现实的工作流中撞上了坚硬的暗礁。学者与模型厂商往往预设了一个理想路径：只要基准单点正确率高、推理费用便宜，产业替代就会如蒸汽机替换马车般势不可挡。
真实的企业落地完全是另一回事。模型评估机构METR于2025年7月进行了一项严谨的双盲随机对照试验：他们追踪了16名资深软件开发者完成246项来自真实生产环境的工程任务。结果显示，当引入2025年初的主流AI辅助工具后，开发者实际完成任务所消耗的时间反而增加了19%。但最荒诞的地方在于心理感知：参与实验的资深开发者在主观评估中，高度一致地坚信AI帮自己节省了20%的时间。
这种“感觉快了20%，实际慢了19%”的巨大认知落差，揭示了大模型在现实工程落地中的核心阻滞：工作流损耗。人类将大量原本用于连贯思考的时间，切碎到了前期的提示词调试、上下文喂养，以及后期更耗费心力的机器代码校验、除错、重试与微小逻辑修复中。
单次推理的廉价不等于交付的低成本，工程落地的大头全在校验与系统重构。
很多财务管理者只看到了模型厂商宣称的名义成本——单次Token生成确实比人工便宜百分之九十九。但企业实际承担的，是验收交付物总成本（Cost per accepted deliverable）。未经验收的代码和文案不是资产，而是负债。Anthropic在2026年1月发布的经济指数报告中指出，在Claude.ai的日常会话中，有52%属于辅助人类思考的增强型任务，45%属于直接替代的自动化任务。尽管API层面的纯自动化流量已占主导，但任务级的委托并不等同于职位的端到端消亡。人类知识分子没有被踢出工作流，而是被迫转变为高强度的校对员与责任承担者。
权力重构而非闲暇：知识阶层的真实防线
斯皮内利斯在文章结尾呼吁人们为“思考失去交换价值”做好准备，建议将智力活动转化为充盈生命的手段，学会从靠思考谋生转向让思考服务于生活。这一提议带着学者的体面与温情，却低估了认知劳动背后绑定的权力结构。
- 风险.如果将生成式AI的普及与OECD记录的人类数理能力下滑强行绑定因果，容易掩盖教育政策与数字分心等真实社会变量，从而在组织转型中走向虚无主义。
在历史上，工业革命将体力劳动转化为体育竞技或消遣，是因为纺织工人与马车夫从未掌握社会的分配法则与立法权。然而，今天受到冲击的程序员、法务、金融分析师与科研人员，本身就是掌握企业决策、行业准入壁垒和政策话语权的阶层。
面对模型渗透，知识阶层的抵抗不会仅仅停留在呼吁道德，他们正在迅速利用责任归属法案、数据合规标准和行业牌照构筑一道道安全网。只要算法生成的数学证明或商业契约在法律上依然需要由自然人签署并承担无限责任，思考就无法真正沦为“无用”的业余爱好。
企业CFO目前面临的真实困境并非要不要解雇所有分析师，而是算清一笔账：引入看似极其廉价的模型后，因审查隐形缺陷、调试幻觉和系统适配所耗费的高级工程师工时，是否已经悄然吃掉了API账单省下的所有利润。在长程自主Agent真正跨越工程验收门槛之前，断言人类思考沦为消遣，言之过早。当下更迫切的危机不是思考不再被需要，而是我们在碎片化的校验与审查中，正在丧失深度思考的耐性。