AI已经跑了近五年，普通人的厨房却几乎没有变化。
聊天机器人会写邮件，图像模型能做海报，搜索结果也越来越像一份整理好的答案。但大多数家庭的冰箱、通勤、外卖、房租和水电，没有因此换一套逻辑。AI的速度已经快到让科技行业兴奋，落到普通生活里，却仍像一层薄雾。
这正是那篇评论最值得讨论的地方：AI革命可能已经启动，但它还没有完成从“提高某些人的信息处理效率”到“改变多数人的日常生活”的跳跃。技术进展和社会感受，中间隔着一条比模型发布周期长得多的扩散链条。
AI已经改变了什么，又还没有改变什么
目前，普通人最容易碰到的AI，大致集中在三个入口：
- 搜索.回答更完整，但用户仍要自己判断真假、筛选结果。
- 图像生成.做头像、海报、概念图更便宜，但不是每个人每天都需要设计。
- 聊天工具.写总结、改邮件、做翻译更快，但节省下来的时间未必变成更高收入。
这些工具确实有用。它们能让一部分人少开几个网页，少做几轮重复劳动，也让小团队获得过去只有大公司才负担得起的内容和分析能力。
问题在于，收益太间接，也太不均匀。
一个熟悉软件的白领，可能每天省下半小时；一个没有稳定电脑、没有时间学习提示词的人，可能只看到同事开始要求更快交稿。前者得到效率红利，后者先面对工作标准上升。对家庭用户而言，聊天机器人能帮忙规划旅行，却还不能替你照顾老人、修好水管、把孩子安全送到学校。
工业革命早期的技术扩散，感受方式更直接。廉价商品进入家庭，家用机器减少了繁重劳动；电气化让夜晚、工厂和城市运行方式改变；室内管道改善了卫生条件。人们未必理解蒸汽机和电网的原理，却能摸到商品、开灯、拧开水龙头。
两种技术扩散的差别，可以这样看：
| 技术阶段 | 主要先受益的人 | 普通人感知到的收益 | 扩散障碍 |
|---|---|---|---|
| 工业化与电气化 | 工厂、城市、制造业，再逐步进入家庭 | 更便宜的商品、家用机器、电力和室内管道 | 基础设施建设慢，但成果有实体形态 |
| 当前生成式AI | 知识工作者、软件团队、企业管理者 | 搜索、写作、翻译、图像生成更快 | 收益依赖设备、技能、数据和组织流程 |
| 下一阶段可能的AI | 家庭、交通、服务业与实体企业 | 机器人代劳、自动驾驶、个人助理真正执行任务 | 安全、成本、责任归属和监管 |
所以，“普通人还没感受到AI”并不等于AI没有价值。它更像一场先发生在办公室后台的基础设施升级，影响了工作流程，却还没有大规模进入厨房、车库和街道。
知识工作者先拿到红利，也可能先承担代价
AI最先优化的，是文字、代码、表格、客服、研究和管理这些可数字化的任务。按不同统计口径，知识工作大约涉及美国经济中相当大的份额，常被粗略概括为接近一半。这个数字不能当成精确边界，但方向很清楚：AI优先触达的，恰好是白领密集的行业。
这会带来两种同时发生的变化。
一部分人生产率提高。一个工程师可以更快写出原型，一个市场团队可以用更少人完成初稿，一个小企业主也能自己处理以前要外包的文案、客服和数据整理。
另一部分岗位会承压。公司未必马上裁掉所有人，但可能减少招聘、压缩初级岗位，把一个团队原本需要五个人完成的工作交给三个人，再把更高的交付要求推给剩下的人。生产率上升，不等于每个人的工资都上升；岗位数量减少，也不等于整个经济必然崩坏。真正难处理的是转型成本落在谁身上。
这让人想起经济史里的“恩格斯停滞”问题：技术和产出已经增长，普通劳动者的收入与生活却可能长期没有同步改善。这个概念并不是说技术无效，而是提醒人们，产量增加、企业利润增加、劳动者获得感增加，本来就是三件事。
AI行业现在最容易混淆的，正是这三件事。
对担心就业的普通知识工作者，现实决策并不是立刻辞职转行，也不是把所有AI工具都拒之门外。更务实的做法有两步：
- 看自己的工作中，哪些环节只是信息搬运、格式整理和初稿生产，这些任务最容易被压价。
- 把时间转向需要责任承担、业务判断、客户关系和现场协作的部分。工具会替代任务，未必立刻替代完整职业，但组织会重新定义“一个人值多少钱”。
对关注AI产业的人，观察公司宣传时也该换一个问题：它到底减少了哪项成本，新增了哪种收入，还是只把演示做得更漂亮？模型参数、调用量和榜单排名，不能直接代替真实的用户价值。
大众真正感知AI，要等它开始替人完成事情
搜索、聊天和图像生成的共同限制，是它们主要提供信息和内容。它们让人更快得到答案，却没有接管太多现实任务。
大众更容易被打动的入口，可能是三类产品：
- 机器人能在家庭、仓储、护理或制造现场完成动作，而不是只给建议。
- 自动驾驶如果安全和成本成立，AI会直接改变通勤时间与出行方式。
- 深度嵌入企业的个人助理它能读懂公司的流程、权限和数据，替用户订货、报销、排班、跟进客户，而不是只生成一封邮件。
但这些方向不能全部归功于大语言模型。机器人还受制于机械结构、传感器、能源和安全；自动驾驶需要长期道路测试、责任划分和监管许可；企业助理要接入复杂的权限系统，失败一次可能就是财务损失。AI模型只是其中一环，离“进入现实世界”还差产品、组织和基础设施。
行业也不能把数据中心争议简单解释成“有人反对AI”。当地居民关心的是电力、水、土地、噪音和税收回报；地方政府关心资源是否被大型科技公司占用；公众则会把这些问题和大公司过去积累的隐私、垄断与裁员争议放在一起看。
技术越昂贵，公众就越会追问：谁得到了收益，谁承担了成本？
这也是AI扩散速度的真正变量。机器人和自动驾驶即使技术成熟，如果价格太高、责任太模糊、基础设施跟不上，仍然只能停留在少数人的生活里。相反，一旦某种产品能持续替普通家庭节省时间、替企业完成具体劳动，AI的公共形象才会从“有钱公司训练出来的工具”变成普通人愿意付费的服务。
这场革命目前还在早期，不能把几十年的扩散推演写成确定预言。所谓“普通人的生活几十年都不会变化”，证据并不够；但眼下的落差已经真实存在。模型升级很快，福利扩散很慢。前者靠算力和资本，后者要经过价格、组织、监管和利益分配。
AI行业真正需要证明的，不是它还能不能把模型再做大一点，而是它能不能让更多人明确感觉到：自己的时间、收入或生活质量，确实因此变好了。
否则，技术每向前一步，公众先看到的可能只是更少的岗位、更贵的电和更强的公司。那时，政治反弹未必会等到AI成熟。