AI Agent 的興起加劇了 AI 能力與社會資源的錯配

作者：孟岩的區塊鏈思考

很多人看到 AI 的性能飛漲，就很激動地預言世界會很快發生變化，其實這是對現代社會運行機制的誤解，或者換一種說法，是高估了個人智商和個人生產力的重要性。

你們有沒有發現一個現象，就是很多機構和大公司的高薪工作職位，在招聘時會提很高的學歷和智商要求，但一旦把人招進去，幹的都是一些稀鬆平常、只需要普通能力就完全可以勝任的工作。但是，即使是在今天，任人唯親、關係壓倒能力的現象仍然極為普遍。組織完全可以在競爭當中選擇一個能力普通但具有特殊社會身份和社會資源的人，儘管你可能為此忿忿不平，但大多數時候這樣的人也能夠勝任工作。

這是為什麼呢？很多人把這歸咎於"學歷通脹"，其實原因比這要複雜，我稱之為"生產力無效溢出"。

現代社會是一個高密度的網絡協作體，一個優質崗位代表了社會資源和權力分配網絡上的一個優勢節點，這個節點所代表的資源和權力，在全社會來說屬於稀缺資源，但是對人的能力要求其實並不高，也不需要這個位置上的人有多高的生產力。你有幸獲得了這樣的職位，挽起衣袖準備大幹一場，但是很快你就發現，你的生產力增量並不為這個系統所需要，也就是說，你能力再高，這個網絡也用不著。組織之所以提那麼高的準入要求，純粹只是在很多人都能勝任這個崗位的時候，必須得基於某種原則去選出那麼一個人來，能力往往是一個比較少爭議的原則，不是真的需要你有那麼高的能力。

在現代社會這個協作網絡裡，每個人其實只負責一點點工作，除了極少數人之外，大多數人其實扮演的角色就是簡單地在這個網絡裡做資源路由，個人生產力只要達標即可，達標之後，進一步提高對於網絡系統總體來說沒有明顯的增益。

因此，你作為一個協作網絡的節點，你個人的智商再高、生產力再高，其實超標的部分都會無效溢出，這個網絡也不需要，也用不到，也消化不了。

所以現在很多人非常興奮地宣稱自己通過 AI 的學習和應用，提高了多少生產力，但其實你高估了你那點智商和生產力的作用，你那點生產力提升，放到整個網絡來說，既沒有多大價值，也分發不出去。你所在的組織和協作網絡根本不需要、也消化不了你溢出的生產力。所以大多數 AI 達人不願意說的是，這些生產力提升的主要意義是能給自己多擠出一些刷短視頻的時間，並不能帶來收入、資源和社會地位的上升。

現在很多人大吹特吹的 OPC （一人公司）也是一個道理。這種公司的發展瓶頸根本不是內部生產力，而是其外部資源連接。以現在絕大多數 OPC 在社會商業網絡裡所處的位置來說，它的產品和服務根本賣不出去，可能連自嗨的價值都不存在。

這個問題很致命，因為一切經濟行為必須以經濟激勵為結果才能閉環，然後才能以正反饋循環的方式推動經濟系統進化。而現在絕大多數人使用 AI 所得到的正向激勵，其實只是個人情緒上的，這勢必不能持久。

怎樣才能立竿見影地产生正向激勵？關鍵是網絡連接關係的變化。這個變化會帶來資源和權力的重分配。假如你這個節點在網絡裡有了更多的連接，那哪怕你完全不会使用 AI，你也會立竿見影地感受到收入、影響力和權力的增加。

當然，節點生產力的普遍提高，長期來說肯定會帶來連接關係的變化。AI Agent 時代，不同人的 AI 使用能力的差異開始迅速拉大，這種落差遲早會被社會網絡所感知，並且轉化為網絡連接關係的變化，甚至轉化為網絡拓撲的變化。但這需要一段時間，會比大多數 AI 網紅認為的要慢。如果你沒有意識主動加速連接，只是在原來的位置上沾沾自喜於效率的提升，為有更多的時間刷視頻而開心，那其實你分不到 AI 的早期紅利。

而且這裡正在出現一個很有意思的錯配。

現在最積極學習 AI 的，往往恰恰是網絡裡的次要節點。程序員、設計師、研究員、分析師，每天研究 Agent、MCP、Skills、Workflow，恨不得把自己的生產力提高十倍。但問題是，你原來一天寫一份報告，現在一天能寫十份，但你的組織並不需要十份；你原來一週做一個 prototype，現在一天做一個，但是預算、決策、銷售、法務、採購的速度並沒有提高七倍。於是大量新增的生產力堵在了關聯節點上，對整個系統並沒有產生多大價值。

反過來，那些真正掌握資源的主要節點，也就是企業家、高管、投資人和各種機構的領導者，本來擁有最多的客戶、資本、人事權和社會連接，他們如果能夠把 AI 能力提高十倍，產生的槓桿可能遠遠大於一個普通員工。但是偏偏這些人的 AI 應用能力與前沿之間的距離正在迅速拉大。

這裡面一個很重要的原因是，從 2025 年下半年 AI Agent 興起開始，AI 應用創新越來越明顯地變成了編程驅動。

以前的 AI 是聊天、寫作、搜索、畫圖，CEO 和程序員都能參與。但是到了 Agent 階段，大量新東西首先從 AI coding 裡長出來：Agent、MCP、Skills、Harness、CLI、API、Git、IDE、各種 workflow 和 orchestration。AI 越來越不像一個軟件，而像一個需要你自己搭建和指揮的管理系統。

這一下就出了問題。

一個五十歲的 CEO 可能非常會管理公司、融資和調動資源，也完全知道 AI 很重要。但是你讓他打開 terminal，裝一個 coding agent，配 MCP，讓幾個 Agent 並行工作，再接 API、GitHub 和各種工具，他很可能馬上就放棄了。

這不是智商問題，而是技能棧斷層了。

於是現在出現了一個很奇怪的局面：懂 AI 的人沒有資源，有資源的人不會用 AI。

前一批人拼命提高生產力，但是沒有足夠大的網絡來消化這些生產力；後一批人手裡有巨大的資源網絡，卻沒有能力把最新的機器生產力接進來。這個錯配，我覺得是未來幾年特別值得關注的問題。

中國還有一個額外的問題。現在最活躍的兩個 AI 應用生態，一個是 OpenAI，一個是 Anthropic。中國大陸由於各種原因無法直接、穩定地使用這兩個體系，所以被隔離掉的不只是兩個模型，還包括圍繞它們迅速生長起來的 Agent、coding、工具鏈和開發者生態。

這個影響可能比模型本身的差距更麻煩。因為 Agent 時代很多知識是累積的。別人今天從聊天走到工具調用，明天從工具調用走到 Agent 編排，後天開始讓 Agent 自己開發工具。你晚半年進去，差的可能已經不只是幾個 benchmark 點數，而是一整套工作方式。

所以未來真正有意思的事情，是這個錯配什麼時候開始被打破。

一方面，那些現在處在次要節點但是 AI 能力極強的人，能不能利用這種能力獲得更多客戶、資本、注意力和社會連接，從而改變自己在網絡裡的位置。另一方面，那些本來就在網絡中心的人，能不能真正掌握 Agent，把自己的資源調度能力和機器生產力結合起來。

一旦這兩件事情開始大規模發生，AI 對社會的影響才會從"大家幹活快了一點"，進入到組織結構、企業邊界和資源分配方式的變化。

這方面我們看很多 AI 大 V 就一目了然。他們經常激動於新技術新突破，並且做出驚人聽聞的預測。你事後來看，這些預測大多落空，可是他們卻因此獲得了很多新的注意力和資源連接。這就是聰明的做法，他們真正的收穫不是 AI 技能或者生產力，而是你的關注。相比之下，只知道埋頭提高自己 AI 技能卻不會增加社會連接的人，就太老實了。

所以我覺得，AI 對社會的改變大概會經歷三個階段。

第一步是改變節點。你一個人的生產力提高三倍、五倍、十倍，這就是現在正在發生的事情。

第二步是改變連接。有人因為 AI 獲得更多客戶、資本、關注和組織能力，於是他在網絡裡的位置發生變化。

第三步才是改變網絡拓撲。原來需要一百個人的組織可能只需要十幾個人，原來必須通過公司完成的事情可能幾個人加上一群 Agent 就能完成，一些原來的中間節點消失，一些新的超級節點出現。

到了第三步，AI 才真正變革社會結構。