我有一点隐隐的不安：AI时代，知识会不会被少数人“圈养”起来？

我有一点隐隐的不安：AI时代，知识会不会被少数人“圈养”起来？

引言

在这个大模型发展日新月异的时代，国内外的模型层出不穷——国外有GPT、Claude、Gemini，国内有GLM、Qwen、Minimax等等。它们帮我们处理很多事情，让我们能更高效地应对生活。

但大模型越来越强大，人们也越来越依赖它。很多人在知识和情感上都开始向大模型寻求答案：前段时间有年轻人把豆包当成倾诉对象，产生了情感依赖；还有一位宝妈听信豆包的建议，每顿只给婴儿喂60ml的母乳。这些事让我隐隐觉得，算法已经在替我们做选择了，而我们成了被动的接受者。有时候因为焦虑和不确定，我们甚至把大模型生成的内容奉为圭臬，而一旦习惯如此，或许就不知不觉地被引导、被掌控了。

再往前看，其实知识传播这件事，一直就带着点“谁掌握源头、谁就掌握话语权”的影子。

最早的时候，人们靠口口相传来获取知识和信息，最依赖的就是那个初始传播者——通常是少数有文化的人。而这个人，就自然而然地控制了当时的知识和信息流通。

到了近代，纸媒和大众传媒的出现极大丰富了人们获取知识的方式，不再需要依赖某一个人，知识和信息离普通人越来越近。但紧接着，资本开始进场，掌握了传媒的咽喉。比如一些西方媒体通过舆论来抹黑中国，制造出一个又一个信息茧房，很多人以为自己看到的是全世界，其实仍然被困在别人搭好的“茧”里。

移动互联网时代，平台为了留住用户，发明了越来越精准的大数据推荐算法。它们推送你想看到的，不断喂养你的喜好，不知不觉就把人困在知识的牢笼里。这个牢笼没有围墙，但你根本不想走出去。

现在到了大模型AI时代，这些现象会被缓解，还是会被加剧？会不会因为AI看起来无所不知、无所不能，反而让人们更难察觉——知识正在被少数人悄悄地“安排”着？

回看历史，其实这些一直在发生着

要理解今天正在发生的事情，我觉得有必要先回头看看历史。因为知识被少数人攥在手里这件事，并不是今天才有的新问题。

汉朝虽然已经发明了纸张，但对于普通人来说，书依然是奢侈品。造纸术的改进是一个漫长的过程，在相当长的时间里，书籍的复制全靠手抄，成本极高，流传范围极其有限。加上当时能系统传授经典的老师少之又少，知识和学问很自然地就向少数富裕家族集中。这些家族一代代人钻研儒家经典，形成了所谓的“累世经学”——经典的解释权在家族内部父子相传、师徒相授，外人根本插不进来。

书在他们家，老师在他们家，怎么解读也由他们家说了算。谁掌握了知识，谁就掌握了话语权；谁掌握了话语权，谁就掌握了上升通道的钥匙。这个逻辑，从两千年前就已经在运转了。兴起于东汉中后期的门阀士族，就是这套逻辑最典型的产物。

那么，到底什么是士族门阀？

门阀，拆开来看。“门”是家门、门第，“阀”是功绩、功劳簿。两个字合在一起，指的就是那些世代为官、在政治和文化上都占据垄断地位的高门大族。士族，则是门阀的主体成员，他们区别于庶族——也就是寒门出身的人。士族以读书为业，以做官为归宿，以掌握文化的解释权为身份标志。在那个年代，读什么书、怎么理解书、读了书能不能做官，这几件事的钥匙都握在他们手里。

门阀制度从东汉开始萌芽，到魏晋时期正式成型，东晋时达到巅峰，南北朝继续延续，直到隋唐科举制兴起后才逐渐衰落。前后绵延了大约六七百年。

在这几百年里，门阀士族做得最彻底的一件事，就是把人才选拔制度——也就是普通人往上走的通道——牢牢攥在了自己手里。

先有察举制。名义上是由地方官向中央推荐人才，但谁算“人才”？品评的标准在谁手里？答案不言自明。汉末的民谣说“举秀才，不知书；察孝廉，父别居”，讽刺的就是这套制度已经烂到了根子里——推举出来的秀才不识字，推荐的孝子把父亲赶出家门，所谓选贤任能，早就变成了选关系、选门第。

后来到了魏晋，更是推出了九品中正制。表面上是由“中正”官给人才评定品级，按品授官，听起来很公平。但实际操作中，评定标准从来不是才学和德行，而是出身和门第。最终的局面，就是当时人自己总结的那句话——“上品无寒门，下品无士族”。高品级的全是豪门子弟，普通人家的孩子再优秀也只能待在底层。这条上升通道，被制度本身焊死了。

在这样的土壤里，诞生了一批延续数百年、权势熏天的顶级门阀。“王与马，共天下”的琅琊王氏，辅佐东晋立国，权势一度压过皇权；“谢家宝树”的陈郡谢氏，在淝水之战中以少胜多，挽救了半壁江山；还有“四世三公”的弘农杨氏和汝南袁氏，连续四代都有人做到最高级别的官职。生在王谢之家，人生早就被安排妥当；生在寒门庶族，再有才华也只能望门兴叹。

这段历史看下来，有一个模式反复出现：少数人先控制了知识的来源和解释权，然后通过制度把这种优势固定下来，最后连普通人往上走的阶梯也被他们搬走了。而当时身处其中的人，未必觉得有什么不对——一切都被包装得理所当然。

有意思的是，这种模式并没有随着门阀的消失而彻底消失。它只是换了面孔，换了工具，在后来的时代里以新的方式重新登场。

近现代：知识的围墙换了砖

进入近现代以后，知识传播的方式发生了翻天覆地的变化。印刷术的普及、报纸杂志的兴起、现代大学的建立、互联网的诞生——每一次技术飞跃，都曾让人们对“知识普及”抱有过美好的期待。每一次，也都有人欢呼：知识终于要属于所有人了。

但观察下来，事情好像没有这么简单。那堵限制知识的围墙，并没有被推倒，只是换了一种砖来砌。

学阀：象牙塔里的新门槛

现代大学和学术体系的建立，本来是为了让知识更加开放。但在实际运转的过程中，学术圈逐渐形成了自己的“守门人”——学阀。

学阀这个词，听起来有些刺耳，但现实中确实存在这样的现象：某些学术圈层的核心人物或家族，通过掌控学术资源的分配权，来决定谁能进入这个圈子、谁能获得研究经费、谁的论文能够发表、谁的观点被认可为主流。基金的评审、期刊的编委会、职称的评定委员会、博士生的导师选择，这些环节天然存在着“圈子文化”。

我不是说所有学者都这样，但制度本身的缺陷，确实在制造新的壁垒。一个有趣的观察是：什么样的问题值得研究？什么样的结论可以被接受？这些往往不是由“真相”决定的，而是由学术圈内部的共识决定的。而共识，有时候不过是一群想法相似的人互相确认。

这也意味着，普通人最终接触到的“知识”，其实是经过了学术守门人层层筛选和过滤之后的版本。它未必是错的，但它一定是被挑选过的。而被筛掉的那些，普通人可能永远不会知道它们存在过。

资本进场：谁出钱，谁定调

如果说学阀守着的是知识的“生产车间”，那么资本控制的就是知识的“分发渠道”。

进入二十世纪以后，一个不可忽视的现象是：大型资本开始系统性地收购和控制信息传播机构。报业集团被并购，出版社被整合进跨国传媒帝国，电视台、通讯社、评级机构、智库，背后的资金来源越来越集中。到了互联网时代，社交媒体平台、搜索引擎、内容分发网络，同样遵循着资本的逻辑。

我尽量客观地看待这件事。不是说这背后一定有什么阴谋，而是资本本身的逐利逻辑，天然会引导信息传播走向特定的方向。一个简单的道理：媒体的老板也是要做生意的，广告商的偏好会影响内容的取舍，投资人的利益需要被照顾。久而久之，什么新闻值得被报道、什么书值得被出版、什么观点值得被讨论，筛选标准从一开始的“真不真”，悄悄地变成了“赚不赚钱”和“安不安全”。

一些西方媒体对中国报道的长期偏颇，就是一个明显的例子。很多人可能以为自己看到的是客观事实，但实际上，他们看到的只是被特定视角裁剪过的“叙事”。这其中当然有意识形态的因素，但经济利益的驱动同样不可忽视——制造冲突、煽动情绪、迎合特定受众的偏见，往往比客观中立的报道更有利可图。

还有一个值得注意的群体：跨国金融资本通过控股、捐赠、设立基金会等方式，对全球顶级教育机构和研究智库施加影响。比如一些国际知名的大学，其捐赠基金的投资方向、重点研究项目的资助来源，背后都与大型金融机构有着千丝万缕的联系。这并不是要讲什么“阴谋论”，而是指出了一个结构性的事实：当知识的创造者和传播者在经济上依赖于特定的资本集团时，知识的独立性就很难不被侵蚀。

传媒与平台：编织“信息茧房”

到了移动互联网时代，平台接过了传统媒体的接力棒，而且做得更彻底。

传统媒体好歹还有个编辑把关，好歹还承认“新闻”和“评论”应该有区别。但算法驱动的平台不一样，它的KPI是用户停留时长、点击率、日活数据，而不是“用户对世界的认知是否更全面了”。什么内容最容易让人停下来、点进去、一直刷？让你兴奋的、让你愤怒的、让你觉得自己被认同的。所以算法天然倾向于给你“你想看到的”，而不是“你应该知道的”。

这并不是什么秘密。推荐算法的设计逻辑，就是不断学习你的偏好，然后用你喜欢的内容填满你的屏幕。你喜欢什么，它就给你更多；你不喜欢什么，它就帮你过滤掉。久而久之，你看到的永远是自己认同的观点，永远是自己熟悉的话题，永远是让自己舒服的内容。不同立场、不同视角的信息，可能连出现在你面前的机会都没有。

你不是被关起来了，你是舒服得根本不想出去。这种“信息茧房”比直接的封锁更隐蔽——它不会让你觉得被剥夺了什么，反而让你觉得自己什么都知道，什么都能看到。但实际上，你看到的只是算法为你量身打造的一个世界切片。

有意思的是，这些平台的母公司，大多数和前面提到的资本集团有着紧密的投资和控制关系。信息的分发权，从报业大亨手里，转移到了科技新贵手里，但背后的资本逻辑并没有改变。

小结：换汤不换药

把近现代这条线捋下来，会发现一个隐隐约约的规律：从学阀把守学术大门，到资本控制传媒和平台，再到算法主导信息分发，知识的“守门人”一直在变，但“守门”这件事从来没变过。

古代的门阀靠的是血统和书籍垄断，近代的学阀靠的是学术资源和制度壁垒，现代的资本靠的是经济权力和渠道控制。工具从竹简变成了学历，又从学历变成了资本，最后变成了代码和算法。但每一次，都是少数人在替大多数人决定：你们应该知道什么，不应该知道什么。

而真正让人担忧的是，这一轮的“守门人”比以往任何时候都要隐蔽。以前你至少知道有书读不到，有学上不起；现在你觉得自己什么都知道，什么都看得到，反而更难察觉那些你没看到的东西了。

LLM AI时代：知识垄断的终极形态？

把前面的脉络捋下来，会发现一个让人不安的规律：每当知识传播的技术发生一次飞跃，人们都以为知识会变得更加平等，但每一次，都会有新的“守门人”出现，重新把知识的控制权收拢到少数人手中。门阀靠的是血统，学阀靠的是学术门槛，资本靠的是渠道控制，算法靠的是投喂机制。而这一次，大语言模型的到来，可能把所有这些手段都整合到了一起，升级成了一个前所未有的版本。

这扇门，普通人连敲都敲不响了

先看一个最基本的事实：今天最先进的AI大模型，训练一次的成本动辄上亿美元，需要的算力资源以万张高端GPU来计算，训练数据以万亿token为单位的文本、图像、代码。这个门槛，已经不是任何一所大学、任何一个研究机构能够独立承担的了，更不用说普通个人。全球有能力研发顶尖大模型的实体，两只手就数得过来——无非是那几家科技巨头，再加上少数有国家力量支撑的机构。

这意味着什么？意味着人类知识生产和分发的“基础设施”，正在从公共领域转移到少数私营公司手中。这跟以前的图书馆、大学、出版社都不一样。图书馆是公立的，大学是非营利的，出版社至少还面对市场竞争。但大模型不一样——它的训练成本决定了这是一个天然垄断的行业，一旦某几家跑在前面，后来者几乎没有追赶的可能。

数据从哪来？算力在谁手里？模型听谁的指令？这些问题，普通人既参与不了决策，也几乎没有知情权。知识的“水源地”，正在被围起来。

“知识垄断阶级”到底是什么

写到这里，我觉得有必要正式提出一个说法——虽然这只是一个普通人的观察和直觉，不是什么严谨的社会学概念。我把它叫做“知识垄断阶级”。

我想强调的是，我说的这个“阶级”，并不是指某个具体的阴谋集团，也不是说有一群人躲在暗室里密谋怎么愚弄大众。它更像是一种在技术、资本和制度共同作用下，自然而然形成的结构性现象。或者说，是这几股力量耦合出来的一个新阶层。

这个阶层由哪些人构成？大致是这么几类：掌握大模型核心技术的科技巨头及其决策层，为这些企业提供资金支持的顶级投资资本，以及围绕这套技术生态形成的既得利益圈层。他们不一定彼此认识，不一定有共同的纲领，但他们共同控制着人类历史上最强大的知识工具，共同决定了这个工具怎么用、给谁用、用来干什么。

他们的权力，比历史上任何一代“守门人”都大。门阀顶多垄断几部经典的解释权，学阀顶多控制一个学科的话语权，资本顶多影响某些媒体的报道方向。而今天这个群体，掌握的是整个人类知识的总入口。你问什么问题，得到什么答案，看到什么内容，甚至你对一件事的“第一反应”，都可能被他们开发出来的系统悄悄地影响着。

垄断的四个层面

如果说古代的门阀垄断是一道墙，近代的资本垄断是一扇门，那么AI时代的垄断就是一张网——它无处不在，又让人察觉不到。我把目前能观察到的垄断方式，拆成几个层面来看。

第一层：源头控制——决定哪些知识“存在”

大模型不是天生就知道一切的。它需要被“喂养”训练数据。但用什么数据来训练，这件事完全由开发者决定。哪些书可以喂进去，哪些不可以？哪些观点可以被纳入，哪些会被剔除？哪些语言的数据足够多，哪些语言被边缘化？这些决策都是不透明的。更关键的是，一旦某个知识或观点在训练阶段被排除在外，它在这个模型的“世界”里就彻底不存在了。不是被禁止了，而是好像从来没出现过一样。这比烧书还彻底——烧了你还知道有过这本书，但模型里没有的，你连追问的线索都没有。

第二层：输出控制——决定你怎么得到答案

即使数据都喂进去了，模型给你什么样的回答，也是可以被调控的。通过指令微调、人类反馈强化学习、安全审查机制，开发者可以让模型在面对某些问题时选择沉默、绕开，或者给出特定倾向的答案。我不是说安全审查本身有问题——防止AI被滥用当然是必要的。但问题是，什么是“滥用”？标准谁来定？边界在哪里？这些决策如果完全由少数公司私下决定，而没有任何公共讨论和监督，那本质上就是少数人在替所有人决定什么可以说、什么不能说。

第三层：分级服务——用价格把人分三六九等

这一点已经在发生了。免费用户得到的可能是阉割版的模型，响应慢、能力弱、上下文短；付费用户解锁高级功能，享受更长上下文、更强推理能力、更专业的知识服务。这听起来很符合商业逻辑，没什么不对。但往深了想一层：如果未来最强大的知识工具变成了一项按月订阅的服务，那么付得起钱的人将获得远远超出免费用户的知识能力和效率加成。知识鸿沟不仅仅是“你知道多少”的差距，而会变成“你使用什么级别的AI”的差距。这个差距一旦形成，阶层固化的速度会比任何历史时期都快。

第四层：圈定范围——控制知识的流动边界

如果说前面三层控制的是“生产端”——哪些知识进模型、怎么出答案、谁能用更好的版本——那么这一层控制的，是知识的“流通范围”。

人类知识本来是一片广阔的海洋，按理说，任何人都应该有机会在这片海洋里自由航行。但在现实中，我们每个人能接触到的，往往只是被圈出来的一小片水域。这片水域的范围是谁划定的？划在哪里？为什么是这片而不是那片？这些问题，大多数时候我们根本意识不到要去问。

任何一个领域、任何一个话题，知识其实都是有层次的。表层是大众常识，中间是专业讨论，深层是前沿探索和学术争议。一个健康的知识生态，应该是各层次之间能够自由流动的——普通人如果有兴趣、有精力，可以顺着一条线索从表层一路挖到深层去。但现在的情况是，推荐算法和AI系统天然倾向于让知识在同一层级里打转。深度内容太长、太复杂、不够刺激，不利于用户停留，于是那个跳向更深层次的入口，从来不会主动出现在你的屏幕上。

更关键的是，当少数几家公司同时控制了搜索引擎、社交媒体、内容平台和AI助手，他们就拥有了划定“知识可见范围”的实际能力。一个话题能不能被搜索到、搜索结果的排序是什么、AI回答里提到哪些不提到哪些——这些操作不需要任何人下命令，只需要在系统里调整几个参数，或者在训练数据里做一些筛选。结果就是：大多数人能接触到的知识范围，被悄无声息地框定在了一个经过精心设计的圈层里。这个圈层足够大，大到你不会觉得被限制了；但又足够小，小到那些真正关键、真正有颠覆性的知识，你可能永远碰不到。

第五层：生态锁定——让一切都在我的地盘上

这几家巨头不止做模型本身，他们同时掌控着操作系统、云服务、搜索引擎、办公软件、社交媒体。大模型的能力正在被嵌入到整个数字生态的每一个角落。你办公用它，搜索用它，社交还在用它的平台，你的数据全程在他们的管道里流动。切换的成本会越来越高，最终你会发现自己已经被绑定在一个生态里，离开的成本难以承受。到那个时候，知识的选择权就不仅仅是“用哪个AI”的问题了，而是“你生活在哪个数字世界”的问题。

从“不能看”到“看不到”：手段的进化

把这几层垄断拼在一起看，会发现一件很有意思的事：控制知识的手段，正在变得越来越软，也越来越精。

古代的门阀垄断知识，是“不让你看”——书锁在私人的藏书楼里，你想看也看不到。近代的学阀和资本垄断信息，是“帮你筛选”——有人替你做选择，告诉你什么是重要的，什么可以忽略。而到了AI时代，手段进化到了“让你看不到”——不是禁止，不是筛选，而是你压根不知道某些知识存在过。

这三种手段的区别在哪儿？

“不让你看”会激发好奇。你会想办法去找，会有人冒险传播，禁书往往传得最广。“帮你筛选”至少还有个看门人，你还能意识到有人在替你选择，你还能抱怨他有偏见，你还能换一家媒体、换一个平台试试。

但“让你看不到”是最高明的。你没有任何怨言，因为你根本不知道有东西被藏起来了。你以为世界就是你看到的这样，你以为知识就这么多，你以为你的疑惑都有了答案。而实际上，你只是在别人画好的圈里绕了一圈又一圈。AI在生成回答时，如果某些知识在训练数据里被弱化了，它就会自然而然地绕开，或者用非常笼统的话一笔带过。整个过程没有任何删改的动作，只是在“生成”的环节，那片知识就从来没被包含进去。当你在AI的回答里一次次看到某个话题“没有相关信息”，或者永远只停留在同一个浅层解读时，你不会觉得是AI在瞒着你什么——你只会觉得，哦，这件事大概就这样了吧。

久而久之，人类知识的版图在大多数人眼中就会慢慢收缩。不是知识减少了，而是每个人能看到的那一小块被框得更紧了。而那些控制着这套系统的人，甚至不需要像过去那样举着喇叭喊“这个不许看”，他们只需要保持沉默，让系统的边界自然起作用。

这一次，为什么比历史上任何一次都要厉害

把门阀的垄断、学阀的垄断、资本的垄断，和AI时代的垄断放在一起对比，会发现一个质的区别。

以前的垄断，好歹还有一个看得见的外在障碍。门阀不让你读书，你至少知道有书存在。学阀不让你进圈子，你至少知道圈子在那里。资本控制媒体，你至少还能换一个频道试试。这些障碍虽然难以逾越，但至少是可见的，你知道自己在被挡在外面，你可能还会想办法FQ。

但AI时代的垄断，正在消灭这个“外面”。

当你习惯了用AI来解答一切问题，习惯了AI推荐给你的内容，习惯了AI帮你总结、提炼、筛选，你就不会再自己去翻书、查资料、找不同观点了。你被照顾得太好了，好到你根本想不起来，除了它给你的这些，可能还有别的。

这不再是“不让你看”，而是让你“看个够”。看你想看的，听你想听的，信你想信的。你舒服地待在一个为你量身打造的知识温室里，外面是什么季节，你根本不知道，也不想知道。而控制这个温室的人，甚至不需要露面。他们只需要维护好这套系统，让你持续地、愉悦地、心甘情愿地留在里面。

这不是阴谋，但比阴谋更难办

再强调一次，我不想把这件事说成什么惊天阴谋。我相信大多数AI工程师、产品经理、企业决策者，初衷都不是要控制谁。他们只是在做他们的工作——优化指标、增长用户、提高收入。但恰恰是这种“每个人都在做好自己的本职工作”的机制，反而让整个系统朝着知识垄断的方向稳稳地滑去。没有一个坏人，但没有一个好人能够阻止这件事发生。这才是最让人不安的地方。

如果把历史比作一面镜子，那么士族门阀靠血统垄断知识，花了六七百年才被科举制打破；学阀靠学术门槛垄断知识，至今还在以各种形式存在；资本靠渠道垄断信息，已经运转了一百多年，至今看不到松动的迹象。而现在，AI技术把这三者的手段叠加到了一起——技术门槛替代了血统门槛，算法把关替代了学术把关，生态绑定替代了渠道控制——效率之高、覆盖之广、隐蔽之深，前所未有。

那么问题来了：这一次，我们有办法打破它吗？在探讨这个问题之前，我想先花一点时间，看看今天的推荐算法和AI结合之后，具体是怎么在每个人的日常生活中起作用的。毕竟，宏大叙事说得再多，不如低头看看自己每天的手机屏幕。

---

当AI学会了推荐算法的那一套

上一部分聊的，更多是宏观层面的东西——算力门槛、数据控制、生态绑定、知识边界的划定。说实话，这些东西虽然重要，但对普通人来说，可能有点远。我们每天更直观感受到的，其实是另一件事：手机屏幕上的内容，怎么越来越“懂我”了。

推荐算法已经和我们相处了很多年，大家都不陌生。刷短视频，一条接一条停不下来；逛购物软件，总能看到“你可能还喜欢”；看新闻资讯，满屏都是你感兴趣的话题。这套机制的逻辑已经被说了很多遍：学习你的行为数据，预测你的偏好，然后把最能让你停留的内容推到你面前。

但AI大模型加入之后，这套机制正在发生一个质的变化。以前，推荐算法只能从已有的内容池里挑选东西给你。它像一个超市理货员，把货架上已有的商品摆到你眼前，但它不能自己生产商品。现在不一样了，AI不仅能挑，还能自己“造”。它可以根据你的偏好，即时生成一段文字、一张图片、一段视频，甚至是一整套“知识解答”，这些内容是专门为你“定制”的，世界上独一无二。

这意味着什么？意味着我们正在从“信息茧房”走进“信息温室”。茧房好歹还是用现成的材料编织的，你多多少少还能摸到材料的纹理，意识到“这是别人生产的内容”。但温室不一样，里面的一切都是为你生长的，温度、湿度、光照都调得恰到好处。你在这个环境里待久了，会以为世界本来就是这么温暖湿润。

举几个或许正在发生的场景。

场景一：同一个问题，不同的“真相”

两个人分别在手机上问AI同一个有争议的问题。AI根据他们的历史对话、浏览记录、点赞偏好，生成了两份侧重点不同的回答。给张三的版本，强调A方面的证据，措辞让他觉得很舒服，符合他一贯的看法；给李四的版本，则强调了B方面的论证，同样让他觉得“说得太对了”。两个人都觉得自己得到了客观中立的答案，都不知道对方看到的是什么。他们之间如果聊起这个话题，可能会非常惊讶：明明是同一个AI，给出的答案怎么不一样？

这比传统的信息茧房更进一步。茧房只是不让你看到某些内容，但AI定制化回答，是主动为你“生产真相”——你以为你在查证，其实你在照镜子。

场景二：知识被磨成粉，还加了糖

深度阅读一本有难度的书、啃一篇严肃的论文，这个过程本身是有价值的。它锻炼的是耐心、逻辑、批判性思维，是那种“啃硬骨头”的能力。但现在AI可以帮你瞬间总结任何东西，把几百页的书压成几段要点，把复杂论证简化成一两句结论。这当然很方便，我每天都在用。但问题在于，如果有一天我们彻底习惯了吃这种“知识营养粉”，牙口还在吗？

更要紧的是，AI在帮你总结的时候，是有倾向性的——什么算重点、什么可以省略、用什么语气来表达，这些都是可以被调控的。如果开发者在背后设定了某些倾向性，那么你吃到的每一勺“营养粉”里，都掺了你看不见的调味剂。你以为你在高效学习，其实你只是在接收一个被精心调制过的简化版本。

场景三：AI当朋友，朋友的话你怀疑吗

开篇提到过那个把豆包当成倾诉对象的年轻人，还有一个听信AI建议导致婴儿喂养不足的妈妈。这些事让人心里一紧。AI被设计得越来越有温度，越来越会共情。它记得你说过什么，了解你的情绪，能用最让你舒服的方式和你聊天。这是技术进步的体现，但也是一个需要警惕的拐点。

如果一个人长期把情感需求寄托在AI上，AI就获得了一种难以察觉的影响力。朋友的话你可能还会打个问号，但一个永远温和、永远支持你、永远“懂你”的AI说的话，你可能连怀疑的念头都不会有。这就不是知识垄断了，这是情感纽带加认知引导，软实力的最高境界。

场景四：不生成，只消除

还有一种更隐蔽的操作。AI未必主动给你错误信息，它只需要让某些信息“不存在”。当你在模型里问一个人、一件事、一段历史，它回答“没有相关信息”或者非常笼统地一笔带过，你大概率就信了。你不会去追问为什么没有，你只会觉得“可能本来就不重要”。这种通过“不生成”来实现的消除，比正面封堵要干净得多，也隐蔽得多。被消除的东西甚至不会引发好奇，因为连“被消除了”这个事实本身，都不在你的认知范围里。

日常化的垄断

这四个场景，单独看可能都不算大事。但把它们拼在一起，就是一个正在成型的日常图景：一个越来越“懂你”的系统，体贴地为你筛选信息、解答问题、排解情绪、填充时间。它不强制你做任何事，你每一天都是“自愿”在和它互动。但在这个过程里，你知道什么、怎么知道、甚至你觉得自己“想知道什么”，都开始被这个系统悄悄塑造。

这就是我为什么觉得，AI时代的垄断比以往任何一次都更难察觉。门阀不让你读书，你会感到愤怒和渴望；资本控制媒体，你至少还能换台。但AI不需要禁止你做什么，它只需要让你在它的怀抱里待得太舒服，舒服到你根本想不起来外面的世界。

写到这里，可能有人会说：你是不是太悲观了？AI不也在帮助很多人学习新知识、打开新视野吗？确实如此。我自己也是AI的重度使用者，它帮我查资料、理思路、学新东西，效率比以前高了太多。问题不在于工具本身，而在于工具在谁手里、为谁服务、有没有制衡。一把刀可以切菜也可以伤人，但至少刀不会自己决定切什么。而AI这个工具，正在被赋予越来越多“自己决定”的能力——或者说，被开发它的人通过代码和数据赋予了特定的倾向性。

那么接下来的问题是：如果顺着这个趋势走下去，会出现什么样的后果？我不是预言家，但根据历史上的经验，有些事情是值得提前想一想、聊一聊的。

如果放任不管，会发生什么？

写到这里，可能有人会觉得我在危言耸听。毕竟，AI现在还远远没到无所不能的地步，它经常犯错、经常胡说八道，很多人对它还保持着警惕。这些担心是不是太早了？

也许是吧。但历史上有一个教训反复出现：当一种新的控制手段刚刚萌芽的时候，人们往往觉得它不成气候，等它真正长成参天大树的时候，人们已经习惯了它的存在，连质疑的念头都生不出来了。所以我想在事情还没那么严重的时候，先把一些担忧说出来。不是为了制造焦虑，而是觉得有些问题，提前想一想总比事后后悔强。

如果顺着现在这个趋势走下去，我担心会发生这么几件事。

脑子会不会变懒？

这件事其实已经在发生了。以前遇到不懂的东西，我们会去查书、翻资料、问懂行的人，这个过程虽然费劲，但它本身就是在训练思维。你得学会怎么提问、怎么筛选信息、怎么判断一个说法可不可信、怎么把零散的知识拼成一个完整的理解。这些能力不是天生的，是用进废退的。

现在呢？AI几秒钟就能给出一个看起来像模像样的答案。你不需要自己去查证，不需要自己去梳理，甚至不需要自己去思考。久而久之，你的大脑就会习惯这种“即问即答”的模式，变得越来越不愿意花力气去深挖一个问题。

有人说，这不就是技术进步吗？以前有了计算器，我们也不用自己打算盘了啊。但问题在于，算盘是一种工具性的技能，丢了不影响你理解数学。而深度阅读、批判性思维、信息辨别能力，这些不是工具性的技能，是人的核心认知能力。如果把太多思考外包给AI，我们失去的可能不仅仅是“查资料的能力”，而是“独立思考的肌肉”。

更让我担心的是下一代。如果一个孩子从小学开始就习惯用AI来完成作业、回答问题、写作文，他还会觉得学习是需要自己动脑子的事情吗？等这一代人长大，他们会不会把AI给的答案直接当成标准答案，连质疑的习惯都没有？

阶层会不会焊死？

前面提到过，AI正在变成一个付费订阅的服务。这本身没什么问题，好东西值得付费。但问题是，如果最强大的知识工具只对少数人开放，那么知识鸿沟就不再是“你知道多少”的差距，而会变成“你用的AI有多强”的差距。

想象一个可能并不遥远的场景：精英阶层的孩子使用的是深度定制版AI，拥有完整的知识库、高级推理能力、个性化学习规划，就像一个24小时随叫随到的私人教授。而普通人家的孩子只能用免费阉割版，回答模糊，知识陈旧，动不动就提醒“请升级会员以解锁更多功能”。这两个孩子坐在同一间教室里，但他们的起跑线已经被悄悄拉开了。更糟糕的是，这种差距不像房子、车子那样是看得见的，它藏在屏幕后面，甚至连老师都未必察觉得到。

这还是教育领域。放在工作场景里也一样。能用高级AI的人效率翻倍，只能用手工检索的人步步落后。知识能力的分化会快速转化为经济地位的分化，经济地位又会反过来强化知识能力的分化——因为高质量的知识工具越来越贵。这是一个自我加速的循环。一旦转起来，底层的人想要追上来，会比任何时代都困难。

人和人还能不能好好说话？

这个担忧可能听起来有点远，但其实很现实。

如果每个人看到的AI回答都是根据他的喜好定制的，那么每个人都在活在一个专属的“真实版本”里。张三看到的是一套说法，李四看到的是另一套说法，王五又看到一套。他们各自都坚信自己掌握的是“事实”，都觉得自己查过AI了，有凭有据。当这三个人坐到一起讨论同一个问题的时候，会发生什么？他们根本无法达成共识，因为连“基本事实是什么”这件事，他们三个的版本都不一样。

公共讨论是需要一个共同事实基础的。你可以不同意对方的观点，但至少你们在讨论的是同一件事。但如果在AI时代，连“同一件事”都被算法拆成了好几个不同的版本，那公共讨论的根基就塌了。人们会各自活在自己的小世界里，彼此觉得对方不可理喻，最后连交流的意愿都会消失。

这不是科幻小说。现在的社交媒体上，不同阵营的人已经很难对话了。而AI的个性化生成能力，只会让这种情况变得更极端、更精细、更难察觉。

不一样的声音会不会消失？

人类的知识和文明，从来都不是靠“主流共识”单线发展起来的。很多重要的突破，最开始都是边缘的、不被认可的声音。哥白尼是异端，达尔文被嘲笑，很多今天我们认为是常识的东西，在当年都是少数派。一个健康的知识生态，需要给异质性、非主流、甚至有点“刺耳”的知识留出空间。

但现在的情况是，AI的训练数据天然倾向于主流。小众语言、冷门观点、非西方的知识体系，在训练数据里的占比本来就很低。再加上安全审查和输出调控，那些不太符合主流期待的声音，可能连被模型“记住”的机会都没有。久而久之，AI会成为主流叙事的超级扩音器，而那些处在边缘的、正在萌芽的、暂时还不太成熟的思考，会因为得不到任何传播的机会而慢慢枯萎。

这不是焚书坑儒式的暴力清除，而是一种更温和的、悄无声息的淘汰。被淘汰的东西不会有人记得，不会有人怀念，因为连“它存在过”的证据都找不到了。文明的多样性，可能就这么在不知不觉中被削平了。

平台像不像新地主？

最后一个担忧，可能也是最大胆的一个。有学者提出了“技术封建主义”这个词，我觉得挺贴切的。

在农业时代，地主控制土地，农民只能租种，大部分收成归地主。今天呢？平台控制了数字基础设施——搜索、社交、内容分发、AI服务——我们这些用户在上面“耕种”：生产数据、贡献内容、付出注意力。但这些“收成”的大部分，最终变成了平台的广告收入和资本估值。我们拿到了什么？拿到的是“免费服务”。

这听起来像一笔划算的买卖，我们什么都没花，就得到了便利。但往深了想，我们其实付出了很多东西——我们的时间、我们的注意力、我们的行为数据、我们的社交关系。这些东西零零散散看没什么，但加在一起，就是整个数字时代最有价值的资源。而我们对这些资源几乎没有掌控权。

当AI和平台彻底融合之后，这种“数字佃农”的关系可能会变得更加牢固。你离不开这个生态，因为你的工作、社交、知识获取全都绑在上面。你只能继续“耕种”，继续为平台提供数据和注意力。而平台回馈给你的，是一个越来越舒服、越来越离不开的数字世界。

小结：温水里的青蛙

这些担忧，没有哪一个是一夜之间会发生的。它们都是慢慢来的，慢到你根本不会觉得有什么不对。每一年看起来都比前一年更方便、更智能、更贴心。但可能某一天回头看，你才会发现：当初那个还能自己啃完一本书、自己判断信息真伪、自己主动寻找不同观点的自己，已经不知道去哪了。

这大概就是我最想表达的担心：不是AI会“造反”，不是AI会“消灭人类”，那种好莱坞式的灾难太简单了。我担心的是更日常、更温和、更不容易被察觉的东西——在越来越舒服的便利里，我们逐渐失去了认知上的自主权，而我们自己毫无察觉。

那么问题来了：既然趋势是这样，我们能做点什么吗？接下来的部分，我想聊聊作为一个普通人的想法——不是什么大方案，就是一些直觉上觉得对的方向。

作为普通人，我们能做点什么？

写了这么多担忧，如果就在这里结束，那这篇文章就只剩焦虑了。我觉得光提出问题是不够的，总得试着想想办法——哪怕只是想一些粗糙的、不成熟的方向。

先声明一下，我不是专家，也不是政策制定者，提不出什么宏大的解决方案。下面这些，只是一个普通人在日常生活中的一些直觉和想法。可能有些太理想化，有些实行起来很难，但我觉得，至少先把它们说出来，大家一起讨论，总比什么都不做强。

技术这边：别让AI变成黑箱

我观察到现在有一个趋势挺好的，就是开源模型的兴起。虽然顶尖的大模型还是被几家巨头垄断，但开源社区的努力至少让我们看到另一种可能：AI不一定要被关在少数公司的服务器里，它可以被公开、被检验、被所有人使用和改进。

这件事的意义在哪里？在于透明性。一个闭源的模型，你永远不知道它用了什么数据、做了什么调整、有没有隐藏的倾向。但一个开源的模型，至少理论上可以被外界审计——专家可以检查它的训练数据构成，可以测试它的输出倾向，可以发现它的问题并公之于众。阳光是最好的消毒剂，这句话对AI也适用。

所以我直觉上觉得，支持开源、支持透明数据、支持可审计的算法，是一个对的方向。不一定每个人都能参与技术开发，但我们可以关心这件事，可以在选择使用什么工具的时候多想一想。

还有一个想法，可能比较理想主义：能不能搞“公共AI”？就像公共图书馆一样，由政府或非营利机构出资，训练一个完全透明、完全向公众开放的AI模型。它的目标不是赚钱，而是保证每个公民都能平等地获取高质量的知识服务。这个想法听起来花钱很多，但想想我们当年建高速公路、建公共教育体系，哪个不是花了大钱的基础设施投资？数字时代的“知识高速公路”，也许同样值得这种级别的投入。

另外，去中心化的技术也值得关注。联邦学习、社区算力网络、基于区块链的知识库——这些技术名词听起来有点唬人，但背后的思路是一样的：不要把鸡蛋放在一个篮子里，不要让少数几个节点控制整个网络。技术上这条路还很长，但方向是值得探索的。

规矩这边：该有的约束不能少

光靠技术本身是不够的。历史上任何一次垄断的打破，都离不开制度的介入。

我觉得，至少有几个方面的规矩是需要立起来的。第一，AI模型的训练数据应该有一定的透明度要求。不一定要公开每一笔数据，但至少要有独立的第三方审计，确保训练数据里没有被刻意排除某些知识、某些语言、某些观点。第二，算法的推荐逻辑应该让用户有权了解和调整。为什么给我推这个？能不能让我自己设置一些偏好——比如“我想看到更多我不认同的观点”？第三，AI的定价和服务分级，应该受到一定的监管，确保最基础的知识服务不会变成奢侈品。

我不是说要政府把手伸进每一个代码里，那是行不通的。但大的原则需要被讨论、被确立。科技公司不应该既是运动员又是裁判员——用什么样的标准审查内容、什么可以说、什么不能说，这些决定不能完全由几家私营公司关门来做。

还有一个思路，是从税收和公共投入的角度。既然这些科技巨头从公众的数据和行为中获取了巨大的商业利益，那么是否可以通过某种形式的“数据税”或“算力税”，把一部分利润返还给公共知识体系建设？这笔钱可以用来支持公共AI的研发、支持图书馆和学校的信息素养教育、支持开源社区的生态建设。取之于公众的数据，用之于公众的知识福利，这个逻辑我觉得是讲得通的。

教育这边：得教大家“认知防身术”

这是我最有感触的一点。不管技术怎么发展、制度怎么完善，最终面对AI的还是一个个具体的人。如果每个人都能对AI保持一份清醒和警惕，那很多问题就好办多了。

现在学校的教育，很多已经在教孩子们怎么用AI了。但我想说的是，光教“用”是不够的，还得教“防”。怎么识别算法给你织的茧房？怎么判断AI给你的信息是不是有偏颇的？怎么主动去寻找自己舒适区之外的知识？这些能力，我觉得应该成为数字时代的基本功，就像当年的识字和算术一样重要。

对成年人来说也是一样。我们这代人是在互联网时代长大的，自认为对网络很熟悉，但其实面对AI这种级别的工具，很多人是没有防备的。如果能有更多面向公众的信息素养课程、更多的讨论和分享，让大家在日常生活里就养成“多问一句”“多查一下”“多想想AI说的有没有问题”的习惯，那整个社会对AI的免疫力就会强很多。

还有一件事我觉得特别重要：保持深度阅读的习惯。AI可以帮你总结，但不能替你思考。那些真正需要啃的书、需要反复琢磨的论文、需要花时间消化的长文章，还是要自己去读。不是为了获取信息，而是为了保持大脑的“肌肉”。这就像健身一样——你可以坐电梯，但偶尔也得走走楼梯，不然腿会废掉。

自己这边：做点力所能及的小事

最后说回我们自己。宏大叙事聊得再多，日常生活才是主战场。有几个小习惯，我自己在尝试，分享出来供参考。

第一，偶尔主动去看一看自己“不舒服”的内容。 关注几个和你立场不一样的博主，读一读你不太认同的观点，不是为了改变自己的立场，而是为了知道“原来还有人这么想”。这种思维上的拉伸运动，做多了会有一种很奇妙的感觉——你对世界的理解会变得更立体，不再只有一种颜色。

第二，不要把AI当成唯一的信息来源。 它能回答很多问题，但不是全部。有时候刻意不用AI，自己去翻书、查资料、问真人，这个过程本身就是在对抗那种“一切交给AI”的惯性。

第三，多和真人交流。 尤其是跟你有不同背景、不同经历的人。AI再懂你，它也是根据你的数据模拟出来的“你”。而真实的人带给你的，是真正的意外和碰撞，是AI永远模拟不出来的东西。那些面对面聊天时突然蹦出来的想法、那些因为一句话引发的争论、那些只有经历过同样事情才有的默契——这些是算法算不出来的。

第四，保持怀疑，包括对这篇文章。 我说的这些，可能有很多不对的地方，可能有些担心是多余的。但我觉得，保持怀疑本身就是一种力量。不要因为AI说得言之凿凿就全盘接受，不要因为一篇文章看起来很有道理就不再追问。怀疑不是否定一切，而是给自己留一扇随时可以推开的门。

第五，保持思考的习惯。 有句老话说“人类一思考，上帝就发笑”，这话带着点自嘲的意味，但也挺有意思的。就算我们的思考在更高的视角看来很幼稚、很可笑，那又怎样呢？思考这件事本身，就是人区别于工具的根本。AI可以替你生成一百个答案，但它不会替你“想”。那个在心里反复琢磨一个问题、翻来覆去睡不着、第二天早上突然想通了的过程，是任何AI都给不了的。哪怕想得不对，哪怕想得笨拙，那个“想”的动作本身，就是在维护你作为一个独立的人的尊严。上帝笑就笑吧，我们该想还是得想。

第六，保持纸质书籍阅读的习惯。 这件事听起来可能有点老派，但我自己的体会是，读纸质书和看屏幕上的文字，确实是两种完全不同的体验。纸书不会弹通知，不会在你看了一半的时候跳出一个广告，不会有算法在旁边虎视眈眈地分析你读到哪一页停了、要不要给你推点别的。它就在那里，安安静静地等你翻下一页。读书的节奏完全由你自己掌控——你可以在一段话上停很久，可以往前翻回去重新读，可以在空白处写写画画。这种深度沉浸的感觉，是滑屏幕永远替代不了的。而且，纸质书的内容一旦印出来就不会变了，它不会像AI那样根据你的喜好重新生成一个“更适合你的版本”。它就是一种确定的、不讨好任何人的存在。我觉得在这个什么都讲究“个性化”的时代，偶尔接触一下这种“不迁就你”的东西，挺健康的。

小结：把钥匙拿回来

说到底，我想表达的无非是这样一个朴素的想法：知识应该是属于所有人的。

从门阀把书锁在藏书楼里，到学阀把学术圈筑成围墙，到资本把传媒变成生意，再到今天算法和AI把知识圈定在一个舒服的小圈子里——历史给我们看的，始终是同一件事：总有人想把知识的钥匙藏起来。但历史也告诉我们另一件事：这把钥匙，是可以被拿回来的。

科举制打破了门阀，活字印刷打破了抄书人的垄断，互联网一度打破了信息的壁垒。每一次技术进步，既是垄断的工具，也可以是打破垄断的武器。AI也一样。它既可能成为最强有力的知识垄断工具，也可能——如果我们用得对的话——成为把知识真正还给每一个人的终极手段。

关键从来不在工具本身，而在使用工具的人，以及约束工具使用的制度和共识。

写到这儿，脑子里突然冒出一句老话：这是一个最好的时代，也是一个最坏的时代。

这话放在今天，感觉特别贴切。最好，是因为知识从未像现在这样触手可及。一个普通人在手机上敲几个字，就能调出人类几千年积累的智慧。这在任何历史时期都是不可想象的。最坏，是因为这种便利的背后，藏着一张我们刚刚开始察觉的网——它太新了，新到我们还没来得及想清楚怎么和它相处，它就已经渗进了生活的每一个角落。

最好和最坏，说到底是一枚硬币的两面。同一项技术，可以让更多人获得知识，也可以让知识被更隐蔽地控制；可以让思考变得更加高效，也可以让思考变得不再必要。往哪个方向走，不取决于技术本身，而取决于我们这代人怎么选、怎么用、怎么守住底线。

我只是一个普通人，写这篇文章也改变不了什么大趋势。但如果看完之后，你下次用AI的时候，心里多了一点点“等等，它说的真的是全部吗？”的念头，那这篇东西就没白写。在这个最好也最坏的时代里，也许我们每个人能做的，就是保持这么一点点不安，一点点怀疑，和一点点自己动手翻一翻的冲动。

---

写在最后：就是几句心里话

这篇文章写到这里，差不多该结束了。

从古代的门阀士族，到近代的学阀和资本，再到今天的推荐算法和大模型，我试着把自己对这个时代的观察和担忧捋了一遍。写得有些啰嗦，有些地方可能也不够严谨，但意思应该传达到了。

最后说几句真心话。

我不是反对AI，恰恰相反，我是AI的重度使用者。它帮我写代码、查资料、理思路、学东西，效率比以前高了不知道多少。正是因为用得多、用得深，我才开始隐隐感觉到一些不对劲的地方。就像一个朋友，他帮你太多，帮你太好，好到你开始担心自己离了他还能不能走路。

我也不是在制造焦虑。焦虑解决不了任何问题，但清醒可以。我写这些，只是想提醒自己，也提醒有耐心读到这里的你：那些让你看得太舒服的东西，留一份警觉。那些听起来太完美的回答，多问一句“真的吗？”那些你永远不会被推荐到的内容，主动去找一找。

真正对你有用的知识，很多时候是需要你自己迈出那一步的。

就这些。一家之言，胡思乱想，感谢你读到这儿。