作者：Konstantine Buhler
时间：2026年09月02日
原文：https://sequoiacap.com/article/the-cognitive-revolution
大多数早晨，我都会乘坐 Waymo 无人驾驶汽车去上班。
这辆车在做体力工作：让重达五千磅的金属与玻璃穿行于旧金山湾区。它也在做认知工作：识别路况、预测接下来会发生什么。凭借这些能力，它发生致人重伤事故的频率仅为人类驾驶员的十七分之一。
整个过程既不需要我动用肌肉，也不需要我开动脑筋。体力和认知，都已交给了外部系统。
这趟通勤浓缩了两场革命。体力革命已有两百年历史，认知革命才刚刚开始。
围绕第二场革命，人们的情绪似乎混合着乐观、怀疑与焦虑。技术奇点、递归式自我改进、耗资万亿美元的算力集群、超级智能，还有失业、社会动荡与大国竞赛。各种说法让人目不暇接。
我的看法要平实得多。我认为，人类已经经历过一场与未来几十年 AI 革命相似的转变：工业革命。
两种工作
我们可以把工作分为体力工作与认知工作。大多数有价值的任务，都需要两者共同参与。
农业就是最古老的例子之一。一万年来，耕种土地依赖人类和牲畜的肌肉，也依赖人的洞察力：判断季节变化，观察不同种子能带来怎样的收成，等等。
这两种工作有所不同。体力工作在物理学上对应的是功，即力与距离的乘积，让物体在空间中移动；认知工作则是思考。但两者都是稀缺的，都有价格，也都会被用于完成某个人希望完成的任务。无论哪一种，一旦价格大幅下降，供给就会涌入。而在大多数情况下，需求也会随之扩大，吸收新增供给。
体力工作经历了什么
在人类历史的大部分时间里，为人类完成的体力工作几乎全部依靠肌肉，来自人类自身或动物。上方图表中的曲线在十八世纪以前几乎是一条水平线，而这条水平线可以一直追溯到人类历史的起点。
十八世纪末到十九世纪初，情况开始发生变化。先是蒸汽机，随后是内燃机和电动机。每一波技术浪潮，都让机器承担了全球体力工作中更大的份额。大约两个世纪里，体力工作的来源从 99% 依靠生物，变成了 99.9% 依靠机器。
如今，这场转变的成果随处可见：你阅读这篇文章时使用的屏幕，你身上几乎每一件衣服，上次旅行搭乘的飞机，以及现代生活中每件普通商品背后的船舶、火车与卡车运输网络。在全球能源消耗的总账里，人类肌肉贡献的那一点，几乎可以忽略不计。
历史的回响：认知工作正在经历什么
在人类历史的大部分时间里，几乎所有认知工作都由人类完成，牧羊犬等动物也提供了少量帮助。在此基础上，机械工具只承担了极小的一部分，例如时钟、帕斯卡的机械计算器，都能做一些简单的计算。
随后，电子计算出现了。不到一个世纪，它的应用便从简单计算和电子表格，扩展到每天二十四小时不停运转、数以万亿乃至千万亿计的运算。为通勤导航、处理工资发放、为保险定价……这些都是机器完成的认知工作。
下一波浪潮是神经网络。它极大地拓展了机器能够承担的认知工作类型。正如内燃机扩大了工业革命的影响范围，神经网络也将加速认知革命。
一个世纪前，99% 的认知工作由人类完成。在不远的将来，99.9% 将由机器完成。 人类的思考未必会减少，但机器的计算量将增长到远超今天的水平。
两条曲线的相似之处非常鲜明。认知革命会与工业革命十分相像，但规模更大，速度也快得多。如果按照工作的性质划分全球经济，体力工作与认知工作或许各占这个约 120 万亿美元经济体的一半。体力工作这一半已经经历了两百年的机械化，认知工作这一半才刚刚起步。
那么，这样一场革命究竟会带来什么？让我们回头看看。
投入要素规模激增，价格大幅下降
工业时代需要大幅增加基础原材料的供应：先是煤和铁，随后是石油和钢。铁通过一种叫作“搅炼法”的工艺生产，钢则通过“贝塞麦转炉炼钢法”生产。
认知革命中与之对应的，是电力和算力。这里的“生产工艺”，则是 Transformer 这样的算法。
提供这些基础要素的企业，是各自时代的巨头：卡内基与美国钢铁公司，洛克菲勒与标准石油公司，还有亨利·贝塞麦这样的工艺发明者。今天与他们对应的，是黄仁勋的英伟达、张忠谋的台积电、Transformer 论文的作者、顶尖模型实验室的创始人，以及向数据中心投入数万亿美元的超大规模云服务商。过去以炼油能力衡量实力的国家，今后将以电网容量和智能产出来衡量实力。
到 1900 年，完成一单位机械功的成本，已经降至 1800 年的一小部分。价格的大幅下降让大规模生产成为可能，也让这场革命惠及大众，走出了富人的新奇玩物阶段。
认知成本下降得更快。原文称，每瓦电力所能提供的智能正以每年超过十倍的幅度“下降”。随着价格下降，客户购买的智能将多到惊人，甚至超乎想象。
需求爆发，吸收新增供给
1800 年，没有人乘飞机去东京，没有人在一月份把草莓运过半个地球，也没有人为凤凰城的房屋安装空调。这些物理过程，在当时要么无法实现，要么成本高得不切实际。
随着新技术问世、价格大幅下降，对体力工作的需求急剧增长。威廉·杰文斯在 1865 年就发现了这一现象：效率更高的蒸汽机没有减少英国的煤炭消耗，反而让消耗量成倍增加。
认知也会遵循同样的规律，而且这里潜在需求的规模几乎没有上限。世界上大多数问题，目前根本无人投入精力思考，因为思考很昂贵。医生的时间有限，顾不上阅读最新文献；放射科医生研究一张影像，花的是几分钟，而非几小时；小企业主则没有预算聘请财务分析师。
当认知成本趋近于零，每一个好奇的问题，都可以配上一支研究团队。
机器完成的思考将增长几个数量级。这也引出了一个问题：如此庞大的思考能力，究竟会用来做什么？
应用时代
工业革命最早的应用是纺纱。
纺纱与织布曾是技术活。纺织工匠在社会中颇受尊重：他们经过多年的学徒训练，有自己的行会，家族世代以此为业。1764 年，詹姆斯·哈格里夫斯制造出珍妮纺纱机，让一个人可以同时纺出八根纱线，后来增加到八十根。衣服价格迅速下降，全球服装消费随之激增。
关键变化在于，人从亲手完成任务，转向了看管机器。一个人照看一台纺纱机，就能达到过去一屋子手工纺纱工的产量。
这个时代最早被 AI 改变的专业技能，是编程。编写软件是我们时代的精英手艺：技能要求高、薪酬高，往往需要十年才能精通。而它也是第一个工作方式已经彻底翻转的认知任务。如今，机器完成大部分工作，工程师负责指挥、审查和纠正。认知革命率先在这里打开商业化局面，绝非偶然。
纺织业拉开了工业革命的序幕，但没有决定它的最终面貌。工业革命最具代表性的创新是汽车：围绕汽车，形成了一整套文明形态，包括郊区、高速公路、供应链，乃至现代生活的整个地理格局。
编程智能体就是我们这个时代的珍妮纺纱机：作为开场，它将一项专业认知任务自动化。这场革命的“汽车”，很可能还没有被造出来。那会是一种在思考能力稀缺时根本无法实现的事物。
我想到的可能方向包括：以机器速度开展的科学研究；像幕僚长为 CEO 安排工作那样，为你打理生活的个人智能体；或者某种改变人与人连接、协作方式的事物。在 1800 年，汽车同样很难被预测到。
就业：焦虑的焦点
1800 年，美国超过 75% 的劳动者以务农为生。后来，机器接手了这些工作。如今，农业就业只占美国就业总量的约 1%。按照悲观者的算法，全国应该有超过 74% 的人失业。
但我们创造出了 1800 年的农民连名字都叫不出的工作：放射科医生、软件工程师、播客制作人和空乘人员。机器消除了一些工作类别，同时扩大了工作的总量。如今，就业人数比人类历史上的任何时候都多，人们也比祖先富裕得多。
一百年前，我所有的祖辈都务农。我认识自己的祖父母和外祖父母，他们四人都出生于农家，却都在晚年离开了农业。他们一致认为，自己后来从事的非农工作，比家族世代从事的繁重农活更舒适，也更能带来富足。
认知革命中，同样的变化正在成形。尽管 AI 编程已经出现了“珍妮纺纱机”现象，数据显示，软件工程师这一最受 AI 影响的职业，其人才需求已经出现向上拐点，并加速增长。未来一周，我们计划分享更多数据，说明法律服务、金融服务等正在被 AI 改变的领域，招聘需求也出现了拐点。
机器从事认知工作，并不意味着人类会停止认知活动，就像拖拉机的出现没有让人类停止一切体力活动。改变的是具体任务。过去亲手搭建模型的初级分析师，会转而指挥一百个模型。与此同时，一些今天还叫不出名字的工作类别也会发展起来，正如工业革命中，发动机的发明催生了“工程师”这一职业。
与工业革命一样，整体进程将是成功的，但落到个人身上，结局往往并非如此。兰开夏郡的手工织布工，并没有经过再培训就变成火车司机。他们中的许多人失去了生计，损失延续了整整一代人。经济史学家罗伯特·艾伦给这段时期起了个名字：“恩格斯停顿”。1780 年至 1840 年间，英国人均劳动产出增长了 46%，实际工资却只增长了 12%。
卢德派对自身遭遇的判断没有错，但他们对自己子孙未来处境的判断错了。1840 年至 1900 年间，英国人均劳动产出增长了 90%，实际工资增长了 123%。工资追上了生产率，随后增速又超过了生产率。
这样的停顿并非必然。马克·扎克伯格最近有一段话说得很好：“没有哪条规律规定，AI 推进自动化的速度，必然快于它提升个人能力或创造新技能需求的速度。”无论带来好处还是坏处，人类对新技能的需求都将永无止境。
这一次的区别在于速度。工业革命给了农场雇工的儿子四十年，让他转变为工厂工人。这场革命可能只给五年。教育、再培训和社会保障等缓冲机制，都是按照过去的变化节奏设计的。未来二十年，最核心的政策问题是：我们能否帮助人类以与工作变迁同样快的速度完成转型？
教育
工业革命至少从两个方面塑造了现代教育体系。
首先，它让普及教育成为可能。当大多数人都必须下地干活时，孩子也是劳动力。机器接手体力工作，才让孩子得以坐进课堂，也让社会有余力为教育提供资金。现代大学之所以能够存在，是因为社会不再需要每一个有劳动能力的人都在田间劳作，可以让年轻一代转而培养认知技能。
其次，工业革命也塑造了教育的具体形态，只是这一面不那么光鲜。工厂需要的工人，得读懂指令、掌握算术、准时到岗，还要在统一的轮班安排下完成标准化任务。于是，我们建起了与工厂颇为相似的学校：铃声、整齐的座位、固定的作息，按年龄分批培养，再产出标准化的成果。普及教育在很大程度上就是工业时代的职业培训。
认知革命将颠覆这两方面的逻辑。如果机器承担了认知工作，工厂模式的学校就如同还在培训手工纺纱工。但更深刻的变化发生在教学方式上。纵观历史，制约教育的关键始终是师生比例。1984 年，本杰明·布鲁姆量化了这一约束带来的代价：接受一对一辅导并采用掌握学习法的普通学生，成绩超过了传统课堂中 98% 的学生。
这一约束正在消解。一位拥有无限耐心、知识渊博的导师，其服务的边际成本正趋近于零。研究发现，人类与 AI 相结合的辅导，比传统教育更有效，成本也更低。此外，新的混合教学方式还可能让教育普及到世界上那些无力负担公共教育的地区。
健康
现代医学同样建立在工业革命之上。大规模生产让青霉素得以批量供应，制冷技术让疫苗能够运抵各地，化学工业则催生了制药业。
认知革命将把这一进程向前推进一大步。药物发现需要在一个大到超出人类理解能力的空间里搜索，而当认知变得廉价时，这类工作恰恰最容易扩大规模。AlphaFold 预测了几乎所有已知蛋白质的结构；在过去，这个领域哪怕一点小小的突破，都可能耗尽研究者的一生。如今，成千上万种疾病仍无药可治，原因在于患者数量不足以支撑逐一研究的成本，这些疾病本身并非无解。当成本大幅下降，这些长尾需求也将像其他潜在需求一样，得到满足。
治愈疾病，是一代又一代医生的抱负。而这一代人首次有望摆脱医生人数这一关键约束。
再看看临床医生。无论在美国还是全球，我们都面临严重的医生短缺，需求远远超过供给。我对此有切身体会：多年来，我目睹家中从事医疗工作的亲人，为了满足患者的需求而疲于奔命。更便宜、更容易获得的认知工具，会让更多患者获得更优质的医疗服务，医生也不会因此就闲下来。人们对更好医疗服务的需求几乎没有上限，可以不断扩展的智能，有望帮助医疗模式从患病后的治疗，转向主动的健康照护。
日常生活的形态
除了工作和学校，工业革命还彻底改变了日常生活的肌理，以至于今天，我们常把它留下的产物当作人类天性。认知革命将再次改变这一切。
钟表时间。 工厂出现以前，乡村劳作遵循季节与日照。但工厂主需要数百人同时开工、同时收工。机器按时间表运转，人也必须如此。严格的轮班、工作日、工作周，乃至现代的计时与作息制度，都是工业时代的发明，距今不过两百年。认知革命将松动这些约束。当你的机器同事持续运转、异步工作时，就没有理由要求一百个人都在朝九晚五之间同步思考。工作会逐渐重新围绕任务本身的节奏展开，减少对钟表节奏的依赖。
家庭与工作。 在人类历史的大部分时间里，工作就在家中或周边发生：农场、家庭作坊、家族生意。工业化把工作场所从家庭空间中抽离，因为工作必须围绕机器所在的位置展开。每天的通勤，就是这种分离留下的结果。认知革命逆转了这一趋势，因为机器如今无处不在，人类历史上最强大的工具之一已经可以装进口袋。家庭与工作正在重新融合。
全球贸易与权力。 工业国家进口原材料、出口制成品，这种不对称关系推动了帝国主义扩张。今天，新的原材料是能源、算力和算法，制成品则是智能。上一次出现这样的不对称时，它塑造了整整一个世纪的国际秩序与动荡：铺设铁路、冶炼钢铁的那套工业基础，最终也造出了原子弹。智能同样会兼具民用与军事用途，而且演变得更快。工业革命提升了人类的生活，但相应的防护机制姗姗来迟。这一次，我们应该争取更早行动。
什么仍然属于人类
沿着这条线索追问下去，最终会触及 AI 焦虑背后的那个问题：如果机器负责思考，那我们还有什么用？
上一场革命已经回答了这个问题的体力版本。工业革命之后，人类没有停止活动身体。我们依然是有血有肉、具有身体的生物。
从比例上看，从事高强度体力工作的人减少了。但为了运动、为了自己认定的目标而活动身体的人，却多了许多：我们跑马拉松、登山，还花钱在热得难受的房间里保持瑜伽姿势。在这一过程中，我们创办了体育联赛，甚至现代奥运会也是工业革命的产物。
认知活动也将经历类似的转移。国际象棋是个清楚的例子。1997 年，深蓝击败了加里·卡斯帕罗夫。后来，卡斯帕罗夫半开玩笑地说，自己是第一个工作受到机器威胁的知识工作者。但国际象棋没有消亡，如今下棋的人比历史上任何时候都多。AlphaGo 击败李世石后，研究者发现，人类职业围棋选手落子的新颖性显著提高。超越人类的机器，让人类下棋更有创造力。人机协作的“半人马”时代虽然短暂，人类自己的时代却从未结束。
批评这篇文章的人会说：“这次不一样。”他们尤其会指出，人类曾是地球上最聪明的动物，而这一次，机器首次取代了一种人类独有的能力。这个说法至少有两处不成立。首先，思考并非人类独有。动物也会思考，甚至自然界也遵循复杂而“智能”的模式。其次，机器早已在许多人类独有的技能上超过了我们。例如，生火是一项人类独有的技能，如今按一下按钮，炉灶就能完成。书写和传递信息也是如此，互联网承担了这些工作。制造工具原本是人类和黑猩猩的本领，如今我们使用的大多数工具都由机器制造。
飞行曾是超越人类能力的任务，直到飞机让它变得触手可及。这次确实不同，但差别也没有那么大。在经济活动中，最晚被机器替代的那些人类角色，所依赖的能力原本就很难归入认知：有所欲求，在不同选项间作出取舍，为选择负责，以及赢得他人的信任。机器可以起草条约，最终仍需要有人签字。两千五百多年前，古希腊哲学家普罗泰戈拉写道：“人是万物的尺度。”的确，我们所体会到的价值，就在于我们能为他人提供什么。
结语：这条路，我们走过
把视野拉得足够远，这其实是同一个故事。纵观历史，人类用肌肉和头脑完成工作。而在两次革命中，我们造出机器，把原本由自身承担的工作交给机器。
第一次，我们满怀恐惧。短期来看，这种恐惧有其道理；长期来看，它判断错了。机器接手大部分体力工作之后，世界变得更加富足、健康，也更加人道。
如今，同样的选择再次摆在我们面前，规模更大，速度更快。认知革命将充满动荡，收益分配不均，也会让人深感不适。它最终会像上一场革命一样，让世界好到难以想象；它的成果将彻底融入日常生活，我们的孙辈会生活在由这些成果构成的世界里。
这条路，我们走过。这一次，我们可以睁着眼睛走：冷静地塑造转型过程，让繁荣惠及更多人，并始终记住，把思考交给外部系统，最终是为了让人之为人的价值获得提升。