文章目录一、先承认有些差距AI 真的缩小了表 1AI 对工作与学习的影响已有研究发现了什么二、“同一个 AI”不等于同一套生产条件表 2差距可能发生在哪些环节三、最大的混淆作品变好了还是人变强了四、博士训练真正可能留下的是对“看起来正确”的警惕五、知识平权究竟平了哪一种“权”表 3知识平权可以拆成哪些层次六、差距缩小与差距扩大可以同时发生表 4绝对差距与相对差距可以给出不同答案七、以智能问数为例做出界面很快证明答案可信很慢表 5同一模型生成的系统验收方式不同成熟度就不同八、普通人的机会是把 AI 的帮助变成自己的反馈回路九、博士需要重新回答你的训练在成果中留下了什么结语更公平的入口不等于自动平等的终点参考文献与版本说明阅读这些数据时的四条边界AI 正在降低完成一件事的门槛。但完成、理解和发现是三件不同的事。一个没有系统学过编程的人借助 AI也能做出一个网站。一名博士生用同一个模型可能做出一套实验系统。两个人都让 AI 写代码都能展示一个运行起来的界面甚至都能写出一份看起来很专业的说明书。于是问题来了既然背后都是同一个 AI读那么多书、做那么多年研究到底还剩下什么优势知识是否终于可以平权我认为AI 确实让一部分差距缩小了而且这种缩小有实证依据。否认这一点往往是在维护旧有的门槛。但如果把它理解为“所有人从此具备同样的能力”又把工具的能力误算到了使用者身上。AI 最先拉平的是获得解释、生成初稿和实现常见功能的成本。问题选择、证据判断和对现实负责的能力并不会随账号一起发放。这里必须先拆掉一个容易误导讨论的前提博士和“普通人”不是两个能力统一、边界清楚的群体。博士可能不懂运营、产品和工程长期在一线工作的人也可能有很强的研究判断力。博士学位是接受过某类训练的信号不是能力的永久担保。因此真正值得比较的是接受过某个领域系统训练的人与尚未形成这种训练的人在使用同一套 AI 大模型时分别把什么交给了机器又保留了什么。一、先承认有些差距AI 真的缩小了很多关于 AI 的讨论喜欢直接跳到“底层认知”“思维高度”。但对一个原本无法开始的人来说能开始本身就很重要。过去不会编程意味着一个想法可能停留在纸上英文阅读能力有限意味着读论文很费力不会写专业报告意味着业务判断难以被准确表达。现在AI 能把这些障碍降低一些。这并不只是主观感受。表 1AI 对工作与学习的影响已有研究发现了什么研究与版本样本、场景及设计主要结果能支持什么判断不能推出什么Noy、Zhang2023《Science》[1]453 名受过大学教育的专业人士职业相关写作任务预注册随机实验平均完成时间减少 40%产出质量评分提高 18%较弱参与者获益更多在这些写作任务中AI 提高效率并缩小参与者之间的表现差距不能证明事实准确性同幅改善也不能代表科研创新或全部职业Brynjolfsson、Li、Raymond2025《QJE》正式版[2]5,172 名客服人员企业内分阶段引入 AI 助手利用部署前后及组间变化识别效果并非个人随机分组实验每小时解决问题数平均增加 15%低经验、低技能人员在速度和质量上获益较多AI 可以把部分优秀工作方法传播给新人降低某些经验门槛不能直接推出收入平等也不能外推为博士与非博士的差异Dell’Acqua 等2023 工作论文[3]758 名 BCG 咨询顾问随机分配无 AI、GPT-4、GPT-4 加提示培训在模型能力范围内任务完成数增加 12.2%完成时间减少 25.1%质量评分提高超过 40%边界外的一项任务中正确解答概率低 19 个百分点同一工具可在不同任务上产生相反效果必须判断任务是否适合交给 AI不能把一项边界外任务的结果理解为 AI 对所有复杂任务都无用Bastani 等2025《PNAS》[4]近千名高中数学学生比较无 AI、GPT Base 与带学习保护设计的 GPT Tutor有工具时练习成绩分别提高 48% 和 127%撤去工具后GPT Base 组成绩较无 AI 对照组低 17%GPT Tutor 大幅缓解负面效果辅助表现与独立学习效果可以分离工具设计会影响学习不能说所有 AI 使用都会削弱能力也不能把这些幅度外推到成人科研METR2025 实验及 2026 更新[5][6]2025 年16 名熟悉项目的开源开发者、246 项真实任务任务随机分配是否允许 AI。2026 更新说明新实验的测量困难早期实验中允许 AI 后完成时间增加 19%2026 后续数据受选择偏差和并行 agent 时间测量问题影响机构认为不能可靠估计当前效果生产率必须测量不能仅凭“感觉更快”模型、任务与流程会改变结果不能把 2025 年的减速结果当作 2026 年所有开发者的现状数据口径说明表中质量提升指研究所用评分指标不是现实价值同比增加。百分比和百分点不能互换。客服使用 2025 正式版的 5,172 人、15%不与早期工作论文数字混用咨询实验的数字明确采用 2023 工作论文2026 正式版摘要措辞有变化因此不拼接两个版本。数学论文的后续勘误更正作者单位不改变这里引用的主要结果。以上研究都没有直接随机比较“博士”与“普通人”。资料核查日期为 2026 年 10 月 14 日。这些研究足以反驳一个过于简单的说法AI 只会让强者更强。至少在部分写作、客服和咨询任务上基础相对薄弱的人确实能够获益更多。原因也不神秘优秀者已经掌握了许多套路新人却缺少范例、表达方式和操作路径。AI 把一部分原本需要通过观察同事、反复练习才能获得的经验直接摆到了新人面前。这种变化值得认真对待。一个人不必先拥有完整技能才有资格尝试某项工作。实践的入口变宽了。不过这里缩小的是特定任务上的表现差距未必是所有能力差距更不是已经证明了整个社会的机会和收益都会趋于平等。二、“同一个 AI”不等于同一套生产条件我们通常把“用同一个 AI”理解为打开了同一个聊天窗口。但现实中的成果还取决于窗口之外的东西谁能拿到高质量数据谁知道业务口径谁能运行实验谁能获得专家反馈谁拥有部署权限以及谁有足够时间处理失败。即使严格假设模型版本、工具权限、预算和时间都一样人的已有知识也会改变协作过程。一个尚不熟悉领域的人可能问“帮我做一个预测模型。”接受过研究训练的人更可能先问预测发生在什么时点哪些特征在那个时点真实可见怎样切分数据才不会泄漏未来信息训练集和使用环境是否来自同一个分布这不是“提示词写得更长”就能概括的差别。后者知道哪些信息一旦遗漏会让整个结果失效。当然AI 也可以提醒前者检查数据泄漏。这恰恰是它能够帮助追赶的原因。真正的分歧在于使用者会不会把提醒变成测试能不能理解测试失败意味着什么。表 2差距可能发生在哪些环节环节尚未形成领域训练时容易出现的做法具备相关研究或实践训练后的做法AI 能帮助到哪里定义问题用“做个系统”“提升准确率”代替可检验目标明确对象、约束、基线、失败条件和验收指标帮助澄清问题但目标仍需结合现实选择提供上下文只给功能描述遗漏口径和边界提供数据字典、假设、例外和历史失败案例整理与补问上下文无法凭空获得未提供的私有事实判断结果以代码可运行、文本流畅为主要标准检查正确性、稳健性、可复现性和适用范围生成测试、寻找漏洞自我检查不等于独立证据处理失败不断换提示直到出现满意答案区分数据、方法、实现和任务定义的问题提出诊断路径帮助缩小排查范围学习积累把一次结果当成以后随时可调用的黑箱把修正变成规则、测试和可迁移的理解提供解释与训练也可能替代本该发生的练习判断创新把新组合、陌生表述当成新发现核对已有工作并证明增量贡献帮助检索与比较“未生成过”不等于“无人做过”这张表描述的是训练状态不是学历等级。一个没有博士学位的工程师可以完整地执行右侧流程一个博士也可能停留在左侧。三、最大的混淆作品变好了还是人变强了假设一个人让 AI 生成了统计分析报告。图表漂亮检验方法齐全结论读起来也像专家写的。但如果问他“为什么用这个检验前提条件满足吗换一种抽样方式结论会不会变”他答不上来。他的交付能力提高了。这是真的。他的统计能力是否提高了还不知道。这两件事不需要互相否定。现实工作中借助可靠工具完成任务当然有价值。我们没有必要要求每一个使用数据库的人都会写数据库内核。但如果任务包含不确定性而工具又可能出错那么缺少理解就会限制使用者的判断范围。问题不在于“答案是不是自己写的”而在于“自己有没有足够能力发现关键错误”。数学学习实验提供了一个清楚的例子GPT Base 帮助学生把练习做得更好撤去工具后却出现更差的成绩。带教师设计提示、保护学习过程的 GPT Tutor则大幅缓解了这个问题。[4]不能据此断言 AI 让人变笨。更准确的说法是同样是使用 AI完成任务的设计和学习能力的设计可以产生不同结果。直接获得答案可能减少了练习通过提示理解下一步可能保留了练习。“脱离 AI 能不能做”是一种诊断学习的办法但也不是评判所有工作的唯一标准。未来有些职业能力本来就包含人与 AI 的协作。更实际的考察是条件变化后能不能调整工具失效时能不能识别遇到新问题时能不能找到验证办法。四、博士训练真正可能留下的是对“看起来正确”的警惕好的研究训练经常让人不那么容易满意。一个结论出来了导师会问有没有别的解释这个效果是不是由数据切分造成的是否只对这批样本成立与最简单的基线比较过没有失败的实验为什么没有报告长期被这样追问人会逐渐建立一套检查习惯。这套习惯在 AI 时代有用因为 AI 很擅长生成形式完整的答案。章节齐全、术语准确、推理连贯会让人产生“已经被证明”的感觉。但论述的完整性和证据的充分性并不是同一个指标。BCG 的实验特别值得注意。在模型能力范围内AI 帮助顾问更快地完成任务、提高评分在选定的边界外任务中它却降低了正确解答的概率。[3]这意味着经验和专业身份也不能自动免疫过度信任。研究训练只是一种可能的保护条件不是护身符。更麻烦的是验证成本并不固定。一段代码有没有语法错误很容易检查一个归因结论是否排除了混杂因素往往要重新理解业务、重新取数甚至设计新的实验。因此AI 的价值不能只看生成阶段节约了多少时间。还要看核验、返工和错误后果。可以用一个简化的判断式表达净收益 生成与执行节省的成本 − 核验成本 − 返工成本 − 错误造成的预期损失。这不是论文中的估计公式也没有通用系数只是提醒我们不要把“生成很快”当成“项目很划算”。专业训练的一个实际优势是知道哪些地方必须慢下来。它未必让每一次生成都更快却可能减少项目走向错误方向的次数。五、知识平权究竟平了哪一种“权”“知识平权”听起来像一个完整目标实际上包含不同层次。在这里插入图片描述表 3知识平权可以拆成哪些层次层次具体含义AI 带来的可能变化仍然存在的限制获取能否接触到知识和解释翻译、检索辅助、随时提问降低接触门槛信息真实性、付费资源、网络与工具可用性理解能否建立自己的概念和因果联系个性化解释、例题和反馈有助于学习直接索取答案可能绕过学习错误解释可能难以识别应用能否把知识用于具体任务代码、文稿、设计和分析初稿更容易形成业务上下文、权限、质量控制和责任承担发现能否产生经过检验的新知识文献整理、实验实现和候选假设生成更便宜原创问题、独立证据、实验资源和有效验证转化能否让成果被采用并获得相应回报个体可以尝试过去需要多人协作的产品客户、信誉、组织资源、渠道与成果归属从这些层次看AI 对获取和部分应用门槛的影响已有较清楚的证据。对于持续学习、原创发现和社会收益分配还不能用前两项的改善替代证明。一个人能问到过去只有专家知道的答案是知识获取条件的改善。一个人能判断专家的答案在哪里不适用才是更深一层的能力。而一个人能找到值得研究的问题并建立证据说明自己的答案优于现有答案又是另一层。如果把这几件事都叫“知识平权”讨论就会在词语里打转。六、差距缩小与差距扩大可以同时发生“AI 缩小差距”和“AI 放大差距”不一定互相矛盾。必须说明比较谁、比较什么、比较多长时间。看一个纯粹用于解释口径的假设例子。它不是研究数据。表 4绝对差距与相对差距可以给出不同答案指标使用 AI 前使用 AI 后甲的产出得分4080乙的产出得分80140绝对差距乙减甲4060相对差距乙除以甲2.00 倍1.75 倍甲的增幅更高翻了一倍乙只增加了 75%。从相对比例看甲追近了。但从绝对得分看两人的距离反而扩大了。因此“基础较弱的人获益更多”需要说明是百分比增益、评分变化还是最终差距不同研究不能混为一谈。甲乙这样的数值推演只是说明逻辑不能替代经验结论。还存在任务层次的变化。原本写一份像样的报告就很难AI 让更多人做到了。接下来竞争可能转向报告里的证据能不能被复核结论能不能指导决策建议落地后有没有产生效果。这是一种可能的门槛转移初稿更便宜可信成果仍然需要工作。但不能因此宣布“专业知识从此更重要”在所有领域都成立。如果 AI 能把某个任务从生成到核验都可靠地完成那么这个局部任务对人的知识要求确实可能下降。需要继续观察的是哪部分判断已经被工具承担哪部分仍需要人或组织承担。真正的问题不是知识会不会“一次性消失”而是每一项知识在具体流程中还负责什么。七、以智能问数为例做出界面很快证明答案可信很慢下面是一个用于说明的假设业务案例不是真实实验也没有虚构上线成绩。两个人用同一个 AI开发一个可以用自然语言查询企业数据的系统。最初都输入类似需求“帮我做一个自然语言转 SQL 的系统连接数据库生成图表并解释结果。”AI 能生成接口、页面、数据库调用代码。输入“本月活跃用户有多少”系统也能返回一个数字。表面看差距已经很小。但业务人员接着问“本月活跃用户为什么下降”此时一系列问题出现了。活跃用户按登录、交易还是付费定义本月是完整自然月还是截至今天同比与环比用了相同天数吗账户合并后有没有重复计数用户是否有权访问这些明细生成的 SQL 是否会扫描超大表结果中的相关变化能否支持因果归因系统可能给出一段非常流畅的解释“主要由于营销活动减少与用户流失增加。”如果没有相应证据这只是叙述不是归因。表 5同一模型生成的系统验收方式不同成熟度就不同验收对象展示型验收面向真实使用的验收查询SQL 执行成功指标口径、时间范围、聚合粒度和去重规则符合要求权限页面能查到数据数据库只读账户、租户隔离与访问控制在服务端独立落实正确性几个演示问题答案合理有独立标准答案的测试集覆盖歧义、空值、多表关联等情况性能小样本响应很快查询成本上限、超时、并发与大表访问策略可控解释能输出原因说明区分事实描述、候选解释和经过验证的因果结论失败报错后重新提问能澄清、拒绝、回退并保留追溯所需的日志AI 可以帮助生成右侧的测试和控制代码。但安全权限不能靠模型“自觉遵守”标准答案也不能全部由生成答案的同一模型来裁判否则容易把共同错误当成相互印证。相关训练的价值在这里表现为建立验收标准的能力。一个人知道还缺什么才知道应该继续让 AI 做什么。这也是为什么一个有经验的业务工程师可能比跨专业的博士更适合完成这项工作。论文训练、业务经验和工程能力各有作用不能拿一个学历标签代替全部。八、普通人的机会是把 AI 的帮助变成自己的反馈回路读到这里很容易得出一个令人泄气的结论既然判断还需要积累那普通人只能继续落后。我不这么看。以前获得一次高质量反馈可能需要找到老师、加入团队、进入实验室。现在AI 至少能帮助整理问题、解释陌生概念、生成练习并让原本不会实现的人开始验证想法。它没有消除训练却降低了部分训练的成本。对个人而言更有效的使用方式不是无限索取成品而是建立一个小的循环自己作出判断让 AI 提出挑战用独立证据检验再把纠正后的规则留下来。例如做完一段数据分析之后不只问“帮我润色结论”还可以问先不要改写结论请帮助我检查 1. 我的结论依赖哪些假设哪些没有得到数据支持 2. 哪些变量可能构成替代解释 3. 哪些步骤可以用程序测试哪些必须补充业务证据 4. 如果结论是错的最有可能在哪里暴露 请区分已知事实、合理猜测和必须核查的内容。这个提示不会自动保证正确。它的作用是把注意力从“写得好看”转向“怎样检查”。接下来还需要查原始数据、运行测试、读文献必要时请相关人员评审。学习任务则可以换成先自己解答再让 AI 只给提示最后关掉 AI处理一个稍有变化的问题。如果只能复述上一道题的答案迁移还没有发生。短期交付和长期训练也可以分开安排。紧急任务可以更多借助工具但不应因此取消所有需要自己判断的练习。尤其是与工作质量直接相关的基本概念仍值得掌握。九、博士需要重新回答你的训练在成果中留下了什么AI 也让高学历者面临一个不太舒服的问题。如果自己的优势主要是能写规范文字、实现标准代码、熟练引用术语那么这些优势确实可能变得便宜。别人完成同类任务的门槛下降并不是对教育的侮辱而是某些能力不再稀缺的结果。博士不能只说“我的思维更深。”他需要证明选的问题更值得解决证据更充分实验更可靠能够发现别人遗漏的错误或者能够提出一个经得起检验的新解释。反过来普通人也不必用“我生成了类似的东西”来证明自己已经拥有全部专业能力。可以直接拿成果说话系统有没有通过测试结果能否复现方案能否解决问题对已知限制是否诚实学历在这里仍然可能是有信息量的信号但一个可审查的成果比身份争论更接近问题本身。另一个值得警惕的变化是同质化。Doshi 和 Hauser 的短篇故事实验发现AI 构思建议可以提高个体作品的创意等评分尤其帮助基础较弱的作者但 AI 辅助故事彼此更相似。[7]这项研究不能证明所有科研都会同质化却提醒我们使用同样的生成来源可能得到越来越相近的起点。自己的现场观察、失败记录和具体经验因此仍然有用。它们能为共同工具提供不同材料。结语更公平的入口不等于自动平等的终点博士和普通人使用同一个 AI区别未必体现在第一版输出上。更容易看见差别的时刻是结果出了问题之后谁能发现错误谁能解释为什么错谁能设计检查办法谁知道应该放弃哪个结论。AI 给普通人的机会是真实的。一些曾经需要先积累大量技能才能进入的工作现在可以边做边学部分研究也已经观察到较弱参与者追赶的效果。它对高学历者的挑战同样真实。过去用来证明专业性的表面产物不再那么难以复制。接受过训练的人需要把优势落实为可检验的质量而不是停留在身份上。知识是否平权不能只看每个人是否拥有一个聊天框。还要看他们是否有机会学习、获得可靠反馈、使用真实数据以及让自己的成果被公平检验。同一个 AI 可以给人相近的起点却不会替每个人走完后面的路。但它可能让更多人第一次有条件走上这条路。参考文献与版本说明[1] Noy, S., Zhang, W. (2023).Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381, 187–192. DOI10.1126/science.adh2586。AAAS 研究发布说明。[2] Brynjolfsson, E., Li, D., Raymond, L. (2025).Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. DOI10.1093/qje/qjae044。作者托管正式论文作者研究页面。本文使用正式版样本和平均效果未使用尚未逐项核对的分组百分比。[3] Dell’Acqua, F., et al. (2023).Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-0132023 年 9 月 22 日版。MIT 托管工作论文。2026 年正式发表版本 DOI10.1287/orsc.2025.21838。本文定量引用采用 2023 工作论文其中边界外效果为“19 个百分点”不将正式版摘要的“19% less likely”擅自解释为相同口径。[4] Bastani, H., et al. (2025).Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. DOI10.1073/pnas.2422633122。出版机构摘要。勘误 DOI10.1073/pnas.2518204122更正作者单位。成绩变化为相对幅度不是百分点。[5] Becker, J., Rush, N., Barnes, B., Rein, D. (2025).Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. 论文。本文仅将其作为特定历史条件下的实验不作为当前模型生产率的普遍估计。[6] METR (2026-02-24).We are Changing our Developer Productivity Experiment Design. 机构说明。后续样本为 57 名开发者、143 个仓库、800 多项任务。原参与者子样本与新增参与者的耗时变化点估计分别为 −18% 与 −4%置信区间分别为 [−38%, 9%] 与 [−15%, 9%]均跨越零且研究机构强调选择与测量问题因此正文不将其表述为已确认的当前加速幅度。[7] Doshi, A. R., Hauser, O. P. (2024).Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. DOI10.1126/sciadv.adn5290。UCL 开放存档。本文只引用已核查的方向性结论不添加未经核实的效应数字。阅读这些数据时的四条边界不把不同研究的百分比取平均任务、样本和衡量指标不相同。不把产出评分当作长期能力也不把效率提升当作收入分配改善。不把研究对象的“较弱参与者”直接替换成“没有博士学位的人”。不把早期模型的研究结果当作所有当前模型的固定上限更强模型的效果同样需要测量。