未来哲学
当工具替我们思考
来源：https://scribe.rawbit.ninja/@abhisheksingh-4899/when-the-tool-does-the-thinking-ecc2aac90626 Abhishek Singh 于 2026-05-12 《金钱如何变得危险》中有一段话让我念念不忘，Chris Varelas 在书中描述了他 20 世纪 80 年代刚当信贷员时的经历。在纸笔时代，承销是一项缓慢而审慎的工作。你坐在客户对面，做笔记，亲手制定还款计划。你会反复自问：现金流是否真的可行？抵押物是否真实？借款人是否有韧性熬过糟糕的一年？决策之所以痛苦，恰恰是因为它必须在你脑海中完成。你完全拥有它。 然后软件来了。银行安装了带有预设逻辑、决策树和评分引擎的承销系统。几乎一夜之间，某种微妙的变化发生了。人们不再静心研究文件，而是开始玩弄系统。你输入数字，得到拒绝，修改一个假设，再试一次，直到系统最终说“通过”。那种在咨询模型之前先形成自己判断、建立信念的纪律，悄然消失了。软件本意是提供帮助。从某种意义上说，它确实做到了：它消除了个人偏见，扩大了银行规模，让一切变得更快。但另一方面，Varelas 写道，它让人们变得“稍微愚蠢了一些”。 我反复回味这个说法。“稍微愚蠢了一些”——这是对工具介入你和它本应支持的工作之间时，所发生情况的慷慨而准确的描述。 这种模式并不新鲜，也并非金融行业独有。每一代专业人士都不得不与那些承诺消除摩擦的工具和解。计算器改变了心算。电子表格改变了财务建模。GPS 改变了我们导航城市的方式。任何在孟买开了二十年车的人都知道，我们许多人脑中曾经存储城市地图的那部分，如今已经沉寂了。每个工具给予的都比它索取的更多。但每个工具也都拿走了一些东西。 Charlie Munger 对此有过一句名言：你练习什么，就会成为什么。心智就像肌肉，你要求它做的事情会变得更强，你不要求它做的事情则会变弱。工具的麻烦在于，它们让你要求得更少。不是以戏剧性的、一蹴而就的方式，而是以微小、几乎难以察觉的放弃。这里少一点心算，那里少一个初步模型。那些微小判断的缓慢、累积的外包，经年累月，最终造就了一个截然不同的心智。 这不是对工具的抱怨。主张回到手算除法的时代是愚蠢的。工具是人类工作方式的永久特征，每一个新工具带来的收益都是真实的。但有一种更安静的成本，没有人会把它放在幻灯片上，它在那些职业生涯早期就吸收工具的人身上表现得最为明显——在他们还没有在没有工具的情况下建立自己的信念之前。20 世纪 80 年代从纸笔开始、后来转向软件的信贷员，与 2005 年软件已经存在时才开始工作的分析师，是完全不同的专业人士。前者有一个基准。后者只知道辅助工具。 我们当下所处的 AI 时代是同样的故事，只是变量被急剧放大了。而我认为，这个时代有一点与计算器或电子表格截然不同。 每一个早期的工具都要求你知道要问什么。电子表格不会自己建模；在打开 Excel 之前，你必须在脑海中承载模型的结构。计算器不会告诉你该乘哪些数字。工具位于思考的下游。你进行思考，工具进行计算。 LLM 是第一个广泛使用的、能够自行产生输出的工具。你可以要求它“为一家印度工业硬件公司制作投资者演示文稿”，它会为你写出一份看起来像模像样的演示文稿：叙事弧线、市场规模、竞争定位，甚至包括融资需求。所有这些都不会在关键意义上正确。但所有内容都会连贯一致。而连贯一致足以通过大多数低门槛的审查。思考并未完成；思考的产物却被制造出来了。 这带来的二阶效应比一阶效应更让我担忧。当你足够频繁地将任务外包时，你会开始不信任自己能在没有帮助的情况下完成它。随着时间的推移，你会失去能力，然后是欲望，去从一张白纸开始。你不再拥有观点，而是开始产生反应。这是没有人警告过你的部分。萎缩的不仅仅是技能。更是思考本身的欲望。 Howard Marks 二十年来一直在写他所谓的“第二层次思维”。这个概念是：第一层次思维是其他人已经得出的结论，任何真正的投资优势都需要比共识深入一层。如果第一层次思维现在已经被商品化——如果任何人只要有一个提示和三分钟时间，就能在几乎任何话题上产生一个过得去的第一层次答案——那么第二层次思维并没有失去价值。相反，它变得更加有价值。也更加稀有。 当我独自思考这个论点时，我觉得它既抽象又令人振奋。但当它走进我的收件箱时，就很难忽视了。 在过去几周里，我看了几笔交易，令人尴尬地明显看出，没有人——无论是创始人还是银行家——在准备材料时使用过任何原创思考。演示文稿读起来像是模型写的，因为确实是模型写的。叙事充满了听起来昂贵但空洞的词汇和术语，对市场和 GTM 机会的理解有限甚至为零。市场规模是从谷歌上唯一免费可得的报告中摘取的，然后根据融资轮次的需要被夸大了。没有质感，没有运营洞察，没有对权衡的承认。这就像承销软件一样：输入数字，直到屏幕说“通过”。 令人沮丧的是，其中一些公司确实会获得融资。炒作本身就是一种引擎，总会有买家为一个包装精美的故事买单。但这正是信贷员寓言变得有用的地方。软件确实让承销变得更快。但它也让许多银行在危机年份陷入困境，因为在大规模应用中，无摩擦的“通过”与来之不易的“通过”会产生截然不同的结果。那些幸存下来的投资组合，是由那些即使工具出现后，仍然坚持做工具本应取代的工作的承销员构建的。 在风险投资领域，这种影响会在五、六、七年之后显现出来。当产品被造出来，创始人发现没有市场需求时；当你意识到市场上已经有足够多的参与者，没有新玩家的空间时；当 Claude 最初告诉你的市场机会比真实市场大 100 倍，因为你缺乏地面细节时。在这些情况下你会怎么做？也许 Sam Altman 的“先造 AI，再问它如何变现”的理论能帮到你（希望如此）。 在深度科技和制造业——我大部分时间投入的领域——的模式是，你确实无法通过提示词来解决问题。你无法生成一个复合供应链。你无法生成一个航空航天认证时间表。你无法生成创始人花了八年时间与一家国有企业采购官员建立的关系。工作就是工作。在这些领域获胜的创始人，是那些与问题相处足够久，以至于描述问题时听起来有点痴迷的人。那种声音——一个真正思考了某件事多年的人的声音——是无可置疑的。它无法被伪造，而且越来越无法被模仿。 我认为，实际的结论是这样的。产生连贯外观输出的成本已经几乎降为零。产生原创思考的成本则完全没有改变。它仍然需要同样多的阅读时间，同样多的安静散步，同样多的自我辩论，才能得出一个你愿意为之站台的观点。改变的是比例。在一个普通产物既合格又空洞的世界里，承载真正思考的产物现在比以往任何时候都更突出。信噪比已经翻转，有利于那些仍然做工作的人。 对于投资者来说，这本身就成了一种优势。不是因为使用 […]
