1. 执行的民主化催生眼光的贵族化

伦敦金融城一家商业诉讼律所里，律师萨拉·罗登从委托人手中接过一只水果箱。箱子里塞满了三年份的会议记录、WhatsApp聊天记录和内部邮件。放在以前，四五名初级律师得通宵两晚，把这些文件分门别类，重建时间线，理清谁在什么时候最先察觉了会计问题。萨拉把全部文件灌进了一个大语言模型。五分钟后，机器精准地指出：某位董事会成员在2021年9月14日下午3点的一条WhatsApp消息中，首次提及了财务异常迹象。

这个场景展示的不是技术的效率，而是一个事实：执行成本趋近于零的世界已经到来。Hashed创始人金叙俊用一句话浓缩了这个现象：「执行的民主化催生眼光的贵族化。」四个人工智能模型（Claude Opus 4.6、Grok 4.20、Gemini 3.1 Pro、GPT-5.4）独立评估后，给出的三年内实现概率均为85%。四个模型几乎不约而同地报出相同数字，这本身就说明了这一变化的确定性。

人人都能写文章、生成图片、产出代码，制作这个行为本身正在贬值。价值的重心在转移：从「怎么做」（How）转向「什么是好的」（What is good）。面对人工智能吐出的成千上万个方案，哪一个切合委托人的意图、承载得住穿越时代的美学，做出这个判断的能力，依然在机器之外。借用金叙俊的话说：「执行能力拉平之后，问题定义力和审美感知决定收入差距。」

问题在于，这种眼光从哪里来。过去，一个人在初级阶段亲手读过数千份文件，经历数百小时实务磨练，才能把脉络刻进身体。那是一段没有捷径的学徒式教育。十年后晋升为资深专家时，「这个行，那个不行」的直觉已经长在骨头里。人工智能吞掉了初级岗位的工作，这条梯子正在被截断。跳过了基础执行阶段的一代人，如何成长为拥有高级眼光的专家？律所发生的事情，设计工作室、咨询公司、电视台剪辑室也在同步上演。金叙俊的30条裂缝清单中，「企业法务团队缩减一半」这一项三年内实现概率为60%，而关键要害落在一句话上：「从初级到资深的梯子变成了悬崖。」

「计费小时」（Billable Hour）经济的崩塌，三年内实现概率为80%。咨询、法律、会计，整个B2B知识产业都得重写价目表。靠卖时间为生的人，现在需要证明的不再是时间，而是判断。萨拉·罗登也承认，文件审阅花了五分钟，不可能在账单上写五分钟。二十年积累的法律判断力该用什么单位来定价，行业至今没有答案。据说她的一位合伙人在最近的会议上这样说：「我们卖的从来不是时间，而是失眠的次数。现在机器不睡觉了。」

归根结底，未来的不平等不源于是否拥有工具。工具倾泻出无数选项，从中辨别真正价值的审美眼光和语境理解力，那才是分水岭。技术给每个人装上了执行的翅膀，可是决定往哪里飞的智识眼光，反而躲进了更高的城墙里。金叙俊的30条裂缝清单中，「人类劳动的奢侈品化」三年内实现概率为75%。「手工家具、人类厨师、面对面咨询将成为高端服务。低效率是人类劳动最后的竞争力。」这个判断令人不安的原因在于：对大多数缺乏眼光的人而言，剩下的位置只有一个市场，凭的理由仅仅是他们比机器慢。

2. 提示能力差距的指数级扩大

同一个ChatGPT面前坐着两个人。一个在问「今天吃什么」，另一个用同样的工具在重新设计一个产业的版图。当这道差距可以被量化的那天，世界将面对一个相当刺眼的真相。

提示（Prompting）不是输入指令的动作。它是一种高阶智力活动：抓住问题本质，将其重构为机器能理解的逻辑架构，在机器输出的结果中捕捉错误，反复打磨。Google DeepMind的德米斯·哈萨比斯预见，未来的学生将像使用母语一样操控人工智能工具，把生产力提升十倍以上。可红利只流向具备提示能力的人，这才是问题的核心。

必须看清差距的结构。提示能力与批判性思维、问题结构化能力、元认知紧密相连。这些能力在很大程度上取决于教育环境和文化资本。要提出好问题，得先见过好问题。既有的教育不平等在这里被放大。差距不是线性的，而是指数级地拉开。就像国际象棋中计算机打败人类之后，人类棋手之间的实力差距并没有消失一样，人工智能再强，操控它的人之间的差距也不会消失。只是差距的轴线变了：从知识转向提问，从信息转向结构化。

试着想象一场提示能力考试。最难的部分大概是这样的：给你一份刻意植入缺陷的人工智能输出物。看似合理却微妙出错的分析，逻辑自洽但前提有误的推理。把人工智能满怀自信端出的错误答案照单全收，这正是这个时代的陷阱；能把它过滤掉，才是提示能力真正的核心。最后一道题出在考生的专业领域之外。给律师出遗传工程，给医生出建筑设计。考的不是预存知识，而是在陌生领域与人工智能协作、产出专家级成果的能力。

低收入国家和边缘群体不仅无力负担昂贵的人工智能订阅服务，连学习如何有效使用人工智能的机会都得不到。据2026年《世界不平等报告》（World Inequality Report 2026），北美和大洋洲的人均资产是全球平均水平的338%，而撒哈拉以南非洲仅为20%。即便在同一个工具之上，这道鸿沟原样复制。人工智能学习人类的数据来增长智能，而提供数据的大多数公众，反而面临从技术受益者沦为消费者的风险。

最吊诡的地方在这里：人工智能模型越强大，「随便问问也能得到还行的答案」的范围就越宽，而能力差异显现的节点则不断向更复杂、更微妙的地带迁移。提示能力的差距直接转化为信息不对称。一边把人工智能当智能助理驱使、积累财富，另一边则被人工智能设计的算法所支配。截至2025年第三季度，美国前1%的净资产约为55万亿美元，与后90%持有的全部资产相当。这是美联储的数据。

基准测试归根结底是社会重视什么的一面镜子。因为有高考，韩国推崇记忆力和解题速度，补习产业围绕这套评价标准长成了庞然大物。一旦出现提示能力基准测试，教育、招聘和晋升的标准就会在它上面重新排列。度量塑造现实。我们造什么样的「战斗力探测器」，就决定人们去练什么样的「战斗力」。可真正的问题也许不在分数。这套新的度量标准催生的世界，真的会比现在更公平吗？技术主权集中在少数国家和企业手中，排斥了地方价值与语境的人工智能模型向全球蔓延，这种现象也在助推差距。握着同一把工具就是平等的证明，那个时代结束了。握工具的手朝哪个方向，决定一切。

3. 金融服务的赤裸分层

1980年代，乔纳森·罗宾开发的PRIZM系统将美国人口按生活方式划分为数十个群体，开启了精准营销的时代。分析人们住在哪里、消费什么，然后按市场价值排出序列。四十年后，人工智能正把这个模型推向完全不同的维度。

据国际金融协会（IIF）2025年的调查，85%的金融服务机构已在以某种形式使用人工智能。这些机器用实时数据和预测算法将客户信用评估精确到小数点。传统的FICO评分基于还款记录、债务规模、信用年限、新增信用、信用构成五个要素，运作方式相对清晰透明。评分方和被评方都知道哪些因素重要。然而机器学习信用模型在完全不同的量级上运转。社交媒体活动、地理位置信息、网购行为只是起点，智能手机使用习惯、填写在线表格的速度、申请信贷的时间点，几百到几千个数据节点汇聚为一个分数。跟还贷能力毫无关系的变量在决定命运。

这套系统在学习过去的歧视。2022年，Wells Fargo的算法被发现给黑人和拉丁裔申请者打出的风险评分，高于财务状况相近的白人申请者，由此遭到调查。机器学习模型从历史数据中提取模式，而那些数据本身就沉淀着种族、性别、年龄维度的偏差，偏差的再生产是结构性的必然。2025年11月发表的一篇学术综述在多数金融算法中确认了缺陷，指出问题的要害在于「使用最广泛的算法仍然无法解释它们如何做出某项决定」。人们被扔在黑暗中，被迫信任这项技术，而这项技术可能正在毁掉他们的生活。欧盟在2025年生效的《人工智能法》（AI Act）中将信用评估和贷款列为「高风险」领域，强制要求透明度和人类监督，但消费者能实质性地窥视算法内部运作方式的程度，仍然远远不够。

分层在两端同时加速。对富裕客户，人工智能筛选出最优投资机会，配备高级资产管理助手。在另一端，高利率贷款产品被精准定向推送给弱势群体，切中他们的心理弱点。Facebook已经拥有捕捉用户承受压力或感到挫败的瞬间、随即投放定制广告的技术。如果金融场景也接入这种情绪监测，就会出现这样的环境：在最需要钱的时刻，条件最不利的产品率先映入眼帘。金叙俊的30条裂缝清单中，金融分层的三年内实现概率为50%。数字看上去不高，原因却耐人寻味：技术上已经可行，但监管的速度追不上技术，所以现实化需要时间。

Axios在2026年1月报道的美国财富分配数据，用数字呈现了这个结构。人工智能热潮全面铺开的2025年第二季度，前10%家庭的资产一个季度增加了5万亿美元，而后50%的资产增长仅为1500亿美元。33倍的差距。据CBS新闻，美国的财富不平等创下30年来最大差距，前1%的净资产占比达到32%的历史峰值。正如经济学家理查德·威尔金森警告的那样，不平等越严重的社会，信任越低、地位焦虑越高。人工智能，说到底是一台将焦虑数据化并转化为利润的机器。

金融服务的分层不是看不见的歧视，而是在算法这道帷幕背后，以效率之名封堵财富流动的通道。数据多的人抢先锁定更有利的条件，数据匮乏或背负负面数据的人被挤出系统。学术界出现了「数字红线」（digital redlining）这个词。它和1930年代美国政府用红线划定特定种族居住区、阻止其获得贷款的做法，语法完全一样。只不过红墨水换成了数百万行训练数据在画那条线。

4. 一人企业爆发与无雇佣增长的加速

记住马修·加拉格尔（Matthew Gallagher）这个名字。2024年9月，他把ChatGPT、Claude、Midjourney、Runway、ElevenLabs组合在一起，独自搭建了远程医疗平台Medvi。第一个月300名客户。两个月后又增加1000名。2025年首年营收4.01亿美元，客户25万人，净利润率16.2%。2026年预计营收18亿美元。对标企业Hims & Hers靠2442名员工实现24亿美元营收，净利润率5.5%。加拉格尔只雇了他哥哥埃利奥特一个人。按人均营收来算，比较本身已经没有意义。

萨姆·奥特曼透露，他在2023年与几位科技公司CEO打了一个赌：「第一家一人十亿美元企业出现在哪一年。」Anthropic的达里奥·阿莫代伊在2025年5月的「Code with Claude」大会上，将时间节点指向2026年，并给出70%到80%的概率。他认为最可能的领域是自营交易（proprietary trading）和开发者工具。以色列开发者马奥尔·什洛莫（Maor Shlomo）独自打造了无代码平台Base44，六个月内拿下25万用户，以8000万美元卖给了Wix。那是2025年12月。出售时已实现盈利。

数字在说明趋势。按美国人口普查数据，无雇员企业（nonemployer firms）达2980万家，对美国经济贡献1.7万亿美元。独立创始人比例从2019年的23.7%跃升至2025年中的36.3%。截至2026年，年营收达七位数（100万美元以上）的企业中，38%是独立创业者。荷兰人彼得·莱韦尔斯（Pieter Levels）零员工，年营收超过300万美元，证明这种模式不是个案。一人企业的技术栈年费在3000到12000美元之间；用传统方式实现同样功能，月支出8万到12万美元。成本降低95%到98%，营业利润率60%到80%。与传统创业公司的10%到20%完全不在同一量级。

这些耀眼的一人企业背后有阴影。企业有强烈的动机用机器替代人类的认知劳动。高盛预测全球3亿个工作岗位将进入自动化的影响范围。其自有数据显示，从2025年初开始，20至30岁技术岗位的失业率比其他年龄段高出近3个百分点。初级白领承担的基础工作向人工智能转移，原本充当社会腰部的那些岗位正在迅速清空。2025年1月，美国专业服务业招聘广告降至2013年以来的最低水平，同比减少20%。

金叙俊把这个两难讲得很清楚：「阻挡AI进步就丧失竞争力，放任AI消灭的岗位不管就会引发社会冲击波。必须在两端之间找到平衡。」他的30条裂缝清单中，「一人SaaS公司爆发」三年内实现概率为70%，「中层管理岗消亡」为65%。「组建团队的能力不再是创业核心能力，没有团队也能撑下去的能力才是」，这句话已经成了现实。Gartner也预测，到2026年将有20%的组织借助人工智能实现组织扁平化，裁撤半数以上的中层管理岗。

生产率提高了，分给劳动者的份额却在缩小，这种现象撼动着资本主义的根基。据Bank of America数据，2025年12月高收入家庭的工资增幅为3%，中等收入1.5%，低收入仅1.1%。乐施会（Oxfam）2026年1月报告指出，全球亿万富翁的资产在2025年一年间增长了2.5万亿美元，与人类底部一半即41亿人持有的全部资产相当。只有资产所有者和少数具备高级人工智能运用能力的人独占增长果实，这种结构正在固化。通过劳动习得技能、成长为熟练工的路径被切断，个体正面临沦为系统零件的危机。

5. 资本主义目标函数的危机：从金钱到社会价值的转型需求

米尔顿·弗里德曼力主企业唯一的社会责任就是增加利润。这句话在商业世界充当了半个多世纪的公理，如今却陷入严重的自我矛盾。人工智能把一切做得更便宜、更快，可如果有收入购买这些产品的人消失了，系统本身就会停转。想想杰弗里·辛顿的警告：「如果AI取代了人类的智力劳动，究竟还能创造出什么样的新工作岗位，我表示怀疑。AI和过去的技术革命性质完全不同。」

Hashed创始人金叙俊对这个问题给出了具体的设计图。他把现行资本主义定义为「把一切都押在从钱到更多钱的循环上的结构」，同时指出经济活动的产出并不只有钱，还有就业、环境影响、税收，以及社会价值。问题是我们一直没有建立起这个综合指标。以前的模型是这样的：企业赚钱，交税，政府用税收解决社会问题。可社会问题的难度在上升、成本在膨胀，又没有办法考核效率，预算增加了，成果却看不清。

他的方案是颠倒这个顺序。把创造社会价值（Social Value）这件事本身市场化，去度量、去量化、去奖励。「赚了很多钱，就交税。创造了很多社会价值，就拿走相应的回报。」研究这套度量方法论已经十一年的金叙俊，不仅开发了评估体系，还运营着专门的研究院。把市场原理引入NGO活动、企业社会贡献、残障人士雇佣、环境保护这些所谓的「好事」，做了多少就返还多少税收。这套结构一旦运转，人工智能消灭多少岗位，对面就能生长出多少新岗位，逻辑是这样的。

韩国眼下的现实不是这样。好事可以表扬，但把好事当职业，大家反对。因为没有回报。家长也不愿意孩子投身于创造社会价值的工作。度量做不到，资源配置就做不到，制度化也做不到。最终停留在表扬层面。世上的事，量不了就管不了，管不了就造不了。把资本主义的理论注入社会端，就可以构建一种新经济，这是金叙俊的核心主张。

PwC 2025年的研究展示了一种值得关注的可能性。在人工智能大规模应用、生产率提升传导为工资增长、政策干预同步跟进的最优情景下，美国的基尼系数到2035年可改善0.8个百分点。0.8%看起来不大，但考虑到从1980年至今不平等急剧攀升的整个时期里，基尼系数的变化幅度也大约是0.8%，这就意味着有可能在十年内逆转四十年的不平等扩大。关键在于「特定条件下」这个前提。什么都不做，人工智能就是不平等的加速器。

德米斯·哈萨比斯乐观地认为，人工智能将开启一个「激进富足」的时代，治愈疾病、提供无限能源。水和能源的成本趋近于零。可即便富足实现了，分配问题照样摆在那里。2024年一年间，全球新增204位亿万富翁，几乎每周四个。据乐施会报告，亿万富翁群体的资产在2025年一年间增长2.5万亿美元，与人类底部一半41亿人的总资产规模基本持平。

把金叙俊的逻辑走到底，能看到破解这个困局的框架。过去政府独自承担的社会问题解决，由国民亲自去做，政府担任裁判。这套体系运转起来，社会价值经济（Social Value Economy）就会崛起。规模太小，就只能承受人工智能的冲击而一片混乱；阻挡人工智能，就丧失竞争力。「AI冲击和其他冲击不一样。战争或地缘政治过一年就转入新局面，但AI冲击会连续十年折腾我们。」将资本主义的目标函数从利润切换为社会价值，不是道德选择，而是系统存续的条件。与其走向人工智能带来的潜在富足被少数人垄断的反乌托邦，不如为富足的度量与分配设计一套新的操作系统。时间不多了。