摘要：当时的经济学家对科技进步有着美好的期待——当「经济问题」差不多解决后，人类将要认真面对「如何使用自由时间」的难题：科学与复利为我们赢得了闲暇，接下来就要学会如何享受假期。
1930 年，凯恩斯在《我们孙辈的经济可能性》里写下了一个著名的论断：
随着自动化与技术进步，人类有望在 21 世纪迎来每周 15 小时 的工作制。当时的经济学家对科技进步有着美好的期待——当「经济问题」差不多解决后，人类将要认真面对「如何使用自由时间」的 难题 ：科学与复利为我们赢得了闲暇，接下来就要学会如何享受假期。
时间轴推到今天。当初的预言已经接近百年关口，事情发展的方向却完全相反： 不少人——尤其是高收入岗位 ——工作时长不降反升。
技术并没有失灵，恰恰是因为它太灵了、而且 人人可用 。当工具的威力被普遍获取，竞争的赛道就被整体抬高。于是我们并没有得到更多休息，反而被卷入更密集、更持续的加速当中。
IndieHackers 的联合创始人 Channing Allen 把这种机制概括为： 「杠杆悖论」（The Leverage Paradox） 。
随着生成式 AI 的兴起，这个悖论甚至加上了涡轮：杠杆更长，赛道更挤，节奏更快。
技术进步，人反而更累？所谓「杠杆悖论」，简单来说就是：
新技术给了我们巨大的杠杆，却也把我们丢进了竞争环境 。理论上的效率提升了，但在现实中你为了不被超越，只能付出同等甚至更高的努力。
一个很容易理解的类比是： 从楼梯到自动扶梯 。
过去，你要一阶一阶地往上爬：自己码字、自己画图、自己剪音频、自己写代码，费劲是真费劲，但上限也被体力/时间牢牢钉住。 现在，AI 把楼梯变成了扶梯，看起来轻松许多—— 但所有人 都能踏上这部扶梯。它跑得更快、伸得更高，人一多，想要往前超越你就不能站着不动，甚至要 比以前在楼梯上跑得更快 。技术进步带来的收益，没有被转化为空闲，而是变成了我们军备竞赛中的武器。
这不是个别现象，而是有很多类似的案例：
杰文斯悖论（Jevons’ Paradox） ：效率提升不一定降低总消耗。煤炭更高效，结果是 更便宜、更好用 ，于是 用得更多 。AI 把「创作能耗」拉低，产出就指数膨胀——节省下来的不是空闲，而是被新产出吞没。 诱导需求（Induced Demand） ：高速公路越修越宽，拥堵并没有消失，而是 被新流量迅速填满 。信息高速路同理。 红皇后竞赛（Red Queen’s Race） ：生物进化是永无止境的竞赛，你得拼命奔跑才能留在原地。AI 时代的个体与组织，大多在这台跑步机上—— 不断学习、不断迭代 ，只是为了让自己 不掉队 。这就是「杠杆悖论」：技术进步提高了效率，抬高了下限，但水涨船高之下也加剧了竞争。
理解了这一点的人，会在扶梯上持续加速，成为少数能登顶的成功者；而那些觉得技术进步会像「自动扶梯」一样默认登顶的人，很容易在拥挤中被边缘化。
「AI 废料」汹涌：你以为在堵车，其实你就是车流AI 时代最直观的副产物，是随处可见的 AI Slop（AI 废料） ：成本极低、产量极大，质量却乏善可陈。
它们看起来像作品、像文章、像视频、像应用，但 缺乏辨识度与灵魂 。
你肯定已经见过这些画面：
搜索结果页 里，低质量 SEO 农场文章铺天盖地，拼接与缝合占据了知识入口。 社交媒体 上，审美趋同的「XX 风」图像源源不断，第一眼惊艳，第二眼开始疲倦。 评论区 被千篇一律的模板话术充斥，真实交流被稀释。 短视频平台 涌现「剪素材 + AI 配音」的流水线账号，复制与传播都飞快， 价值密度却极低 。在代码世界里，也有类似的案例。
有开发者分享：他仅仅用一次调用就让模型重构整个代码库—— 25 次工具调用、3000 多行新代码、12 个新文件 。
模块化、拆分单体、清理代码样样齐全，但 就是跑不通 ；看上去干净漂亮，工程上 一地鸡毛 。
这，正是「AI 废料」的典型质感： 像那么回事，却用不起来 。
更隐蔽的情况是： 我们每个人都可能在不知不觉中参与了生产 。
为了节省时间，我们把构思、判断、打磨全丢给模型，结果自己也变成了「流量的一份子」。
你不是被堵在车流中，你本身就是车流的一部分。抵抗这种诱惑并不容易： 需要在拥抱新工具的同时，仍然投入和过去同等甚至更多的思考与审稿 。
如何破局？把 AI 当「力臂」，但别忘了你才是「支点」AI 看似是普惠平权的，但对于想要追求成功和卓越的人来说，其实加剧了竞争。想要在 AI 时代脱颖而出，不妨认真思考下面两条建议。
一、拥抱「百遍打磨」的工匠路线
生成式 AI 能在几秒钟给你一个 质量尚可的初稿 ——这部分成本几乎归零。 正因如此，最后那 10% 的加工与打磨，价值被无限放大 。
AI 不是努力的替代品，而是努力的倍增器 。
写作者 ：把机器稿当作素材， 注入自己经历、体验、判断和那些独一无二的东西 。 开发者 ：让模型干杂活，但 自己做架构师 。重构、压测、边界条件、失败场景，一个步骤都别跳过。 设计师 ：让 AI 快速给你十个 demo，但 最后的成品必须是你根据自己的品味选出来的 。核心理念是： 把 AI 的输出当作半成品 。能不能把它转化为真正的作品，取决于你愿不愿意花更多时间去思考和打磨。
二、成为一头「紫色奶牛」
营销专家 Seth Godin 曾经讲过一个直白的比喻：再漂亮的奶牛，看多了也会麻木；但如果有一头 紫色的奶牛 ，人们就会记住它。
AI 是一个 同质化机器 ，越容易批量生产，越需要 主动制造差异 。
吉卜力风格的图像是牛，AI 生成的文章是牛，大多数视频是牛，AI 产出的代码和应用也是牛（想想经典的 vibe coding 蓝紫配色就知道了）。
需要注意的是，「与众不同」并不需要「技术更强」，只需要和别人差异化就行。
「一头紫色的牛」可以是：
明确的个人风格 ：哪怕有点怪、有点不完美，也能成为记忆点。 真实与幽默 ：在礼貌而空洞的 AI 腔调里， 一点笨拙 反而更像人。也许一封 自己写的、有点瑕疵的信 ，反而比 AI 打磨得更流畅的模板， 回复率更高 。 极致的性能与体验 ：在臃肿迟缓的应用海里， 毫秒级响应 就是魔法。 超级细分的利基市场 ：进入门槛被 AI 拉低后，过去「太小而不值得做」的市场开始变得可行。从前没法撑起业务，如今用 AI 去 搭页面、跑客服、做外联 ，就有了尝试的空间。能被商品化的一定会被商品化。 唯一难以被复制的，是你的品味与故事 。
结语回头看凯恩斯的预测，错误并不在于对技术的乐观，而在 忽视了永远存在的竞争 。
技术能让「相同的产出」更省力，但我们也 抬高了「成功」的定义 ，去追求更多、更好、更快。
AI 的自动扶梯没有帮我们悠闲登顶，而是把 竞赛的终点线推得更远 。
杠杆悖论 提醒我们：当 人人都有杠杆 ，关键不再是「你有没有工具」，而在 你把支点放在哪里，杠杆往哪撬 。
AI 加速了平庸的扩散，同时也把 卓越的边界 抬得更高。看似门槛降低了，其实成功却难了。
不管 AI 多强，有件事不会变： 人们永远需要在现实世界里寻找并实现自己的目标与意义 。
最终留下来的，不是最会写 prompt 的那一批，而是那些 能克制一键生成的诱惑 、 敢于保持独特 、 愿意多做九十九遍 的人。
来源：东窗史谈一点号
