作者： 孟岩的区块链思考
很多人看到 AI 的性能飞涨，就很激动地预言世界会很快发生变化，其实这是对现代社会运行机制的误解，或者换一种说法，是高估了个人智商和个人生产力的重要性。
你们有没有发现一个现象，就是很多机构和大公司的高薪工作职位，在招聘时会提很高的学历和智商要求，但一旦把人招进去，干的都是一些稀松平常、只需要普通能力就完全可以胜任的工作。但是，即使是在今天，任人唯亲、关系压倒能力的现象仍然极为普遍。组织完全可以在竞争当中选择一个能力普通但具有特殊社会身份和社会资源的人，尽管你可能为此忿忿不平，但大多数时候这样的人也能够胜任工作。
这是为什么呢？很多人把这归咎于“学历通胀”，其实原因比这要复杂，我称之为“生产力无效溢出”。
现代社会是一个高密度的网络协作体，一个优质岗位代表了社会资源和权力分配网络上的一个优势节点，这个节点所代表的资源和权力，在全社会来说属于稀缺资源，但是对人的能力要求其实并不高，也不需要这个位置上的人有多高的生产力。你有幸获得了这样的职位，挽起衣袖准备大干一场，但是很快你就发现，你的生产力增量并不为这个系统所需要，也就是说，你能力再高，这个网络也用不着。组织之所以提那么高的准入要求，纯粹只是在很多人都能胜任这个岗位的时候，必须得基于某种原则去选出那么一个人来，能力往往是一个比较少争议的原则，不是真的需要你有那么高的能力。
在现代社会这个协作网络里，每个人其实只负责一点点工作，除了极少数人之外，大多数人其实扮演的角色就是简单地在这个网络里做资源路由，个人生产力只要达标即可，达标之后，进一步提高对于网络系统总体来说没有明显的增益。
因此，你作为一个协作网络的节点，你个人的智商再高、生产力再高，其实超标的部分都会无效溢出，这个网络也不需要，也用不到，也消化不了。
所以现在很多人非常兴奋地宣称自己通过 AI 的学习和应用，提高了多少生产力，但其实你高估了你那点智商和生产力的作用，你那点生产力提升，放到整个网络来说，既没有多大价值，也分发不出去。你所在的组织和协作网络根本不需要、也消化不了你溢出的生产力。所以大多数 AI 达人不愿意说的是，这些生产力提升的主要意义是能给自己多挤出一些刷短视频的时间，并不能带来收入、资源和社会地位的上升。
现在很多人大吹特吹的 OPC （一人公司）也是一个道理。这种公司的发展瓶颈根本不是内部生产力，而是其外部资源连接。以现在绝大多数 OPC 在社会商业网络里所处的位置来说，它的产品和服务根本卖不出去，可能连自嗨的价值都不存在。
这个问题很致命，因为一切经济行为必须以经济激励为结果才能闭环，然后才能以正反馈循环的方式推动经济系统进化。而现在绝大多数人使用 AI 所得到的正向激励，其实只是个人情绪上的，这势必不能持久。
怎样才能立竿见影地产生正向激励？关键是网络连接关系的变化。这个变化会带来资源和权力的重分配。假如你这个节点在网络里有了更多的连接，那哪怕你完全不会使用 AI，你也会立竿见影地感受到收入、影响力和权力的增加。
当然，节点生产力的普遍提高，长期来说肯定会带来连接关系的变化。AI Agent 时代，不同人的 AI 使用能力的差异开始迅速拉大，这种落差迟早会被社会网络所感知，并且转化为网络连接关系的变化，甚至转化为网络拓扑的变化。但这需要一段时间，会比大多数 AI 网红认为的要慢。如果你没有意识主动加速连接，只是在原来的位置上沾沾自喜于效率的提升，为有更多的时间刷视频而开心，那其实你分不到 AI 的早期红利。
而且这里正在出现一个很有意思的错配。
现在最积极学习 AI 的，往往恰恰是网络里的次要节点。程序员、设计师、研究员、分析师，每天研究 Agent、MCP、Skills、Workflow，恨不得把自己的生产力提高十倍。但问题是，你原来一天写一份报告，现在一天能写十份，但你的组织并不需要十份；你原来一周做一个 prototype，现在一天做一个，但是预算、决策、销售、法务、采购的速度并没有提高七倍。于是大量新增的生产力堵在了关联节点上，对整个系统并没有产生多大价值。
反过来，那些真正掌握资源的主要节点，也就是企业家、高管、投资人和各种机构的领导者，本来拥有最多的客户、资本、人事权和社会连接，他们如果能够把 AI 能力提高十倍，产生的杠杆可能远远大于一个普通员工。但是偏偏这些人的 AI 应用能力与前沿之间的距离正在迅速拉大。
这里面一个很重要的原因是，从 2025 年下半年 AI Agent 兴起开始，AI 应用创新越来越明显地变成了编程驱动。
以前的 AI 是聊天、写作、搜索、画图，CEO 和程序员都能参与。但是到了 Agent 阶段，大量新东西首先从 AI coding 里长出来：Agent、MCP、Skills、Harness、CLI、API、Git、IDE、各种 workflow 和 orchestration。AI 越来越不像一个软件，而像一个需要你自己搭建和指挥的管理系统。
这一下就出了问题。
一个五十岁的 CEO 可能非常会管理公司、融资和调动资源，也完全知道 AI 很重要。但是你让他打开 terminal，装一个 coding agent，配 MCP，让几个 Agent 并行工作，再接 API、GitHub 和各种工具，他很可能马上就放弃了。
这不是智商问题，而是技能栈断层了。
于是现在出现了一个很奇怪的局面：懂 AI 的人没有资源，有资源的人不会用 AI。
前一批人拼命提高生产力，但是没有足够大的网络来消化这些生产力；后一批人手里有巨大的资源网络，却没有能力把最新的机器生产力接进来。这个错配，我觉得是未来几年特别值得关注的问题。
中国还有一个额外的问题。现在最活跃的两个 AI 应用生态，一个是 OpenAI，一个是 Anthropic。中国大陆由于各种原因无法直接、稳定地使用这两个体系，所以被隔离掉的不只是两个模型，还包括围绕它们迅速生长起来的 Agent、coding、工具链和开发者生态。
这个影响可能比模型本身的差距更麻烦。因为 Agent 时代很多知识是累积的。别人今天从聊天走到工具调用，明天从工具调用走到 Agent 编排，后天开始让 Agent 自己开发工具。你晚半年进去，差的可能已经不只是几个 benchmark 点数，而是一整套工作方式。
所以未来真正有意思的事情，是这个错配什么时候开始被打破。
一方面，那些现在处在次要节点但是 AI 能力极强的人，能不能利用这种能力获得更多客户、资本、注意力和社会连接，从而改变自己在网络里的位置。另一方面，那些本来就在网络中心的人，能不能真正掌握 Agent，把自己的资源调度能力和机器生产力结合起来。
一旦这两件事情开始大规模发生，AI 对社会的影响才会从“大家干活快了一点”，进入到组织结构、企业边界和资源分配方式的变化。
这方面我们看很多 AI 大 V 就一目了然。他们经常激动于新技术新突破，并且做出耸人听闻的预测。你事后来看，这些预测大多落空，可是他们却因此获得了很多新的注意力和资源连接。这就是聪明的做法，他们真正的收获不是 AI 技能或者生产力，而是你的关注。相比之下，只知道埋头提高自己 AI 技能却不会增加社会连接的人，就太老实了。
所以我觉得，AI 对社会的改变大概会经历三个阶段。
第一步是改变节点。你一个人的生产力提高三倍、五倍、十倍，这就是现在正在发生的事情。
第二步是改变连接。有人因为 AI 获得更多客户、资本、关注和组织能力，于是他在网络里的位置发生变化。
第三步才是改变网络拓扑。原来需要一百个人的组织可能只需要十几个人，原来必须通过公司完成的事情可能几个人加上一群 Agent 就能完成，一些原来的中间节点消失，一些新的超级节点出现。
到了第三步，AI 才真正变革社会结构。
