人工智识分子与社会

---大模型时代的“破坏性创造”

马四维

托马斯·索维尔（Thomas Sowell）在《知识分子与社会》（Intellectuals and Society）里，有一句非常抓人的定义：知识分子是“以观念为主要工作成果的人”。他们靠生产思想、话语、论证谋生，而不必直接为观念在现实世界里的后果负责。在生成式人工智能爆发的当下，这个定义突然多了一层含义。已经出现了一种新的“观念生产者”——不是教授、作家、评论员，而是大模型，是全天候写作、编码、翻译、分析的人工系统。它们和人类知识分子(Human Intellectuals)勾连在一起，形成一个混合的、半人半机的“人工智识分子”群体（Artificial Intellectuals）。

在很多办公室里，这个群体已经悄悄接管了写邮件、做方案、起草合同、写代码的大量工作。律师、会计、程序员、咨询顾问、媒体编辑，都在和它们“协作”，也在被它们取代。麦肯锡在一份报告里估算，大模型可以影响到全球数亿知识工作者的日常任务结构，对高收入白领的冲击甚至比对蓝领更大。这一变化不只是技术新闻里的数字问题。它会冲击整套“知识分子与社会”的旧结构。索维尔批评的那些毛病——脱离后果的观念、缺乏约束的影响力、话语和权力之间的暗通——在人工智识分子身上会不会被放大？还是会被重新排布？这个问题，和未来几十年对中国文化、政治、经济的理解，都纠缠在一起。

人类知识分子 vs. 人工智识分子

索维尔在书里反复强调一点：现代社会把大量权威交到了“观念工作者”手里。外交政策、城市规划、教育改革、司法理念，背后都站着一批作报告、写社论、写学术论文的人。他们的成果是文字，是理念，是框架，而不是具体的桥梁、工厂、公司。

在索维尔看来，这群人有几个结构性的问题：他们对观念的“美感”和自洽性，比对后果的可检验性更敏感。他们的主要反馈来自同行评价和媒体声望，而不是政策效果本身。他们常常用“道德优越感”覆盖不确定性，把复杂问题说成简单的对错。

这种批评在冷战、在反越战运动、在种族议题上，都有具体例子。索维尔的主要担心其实很朴素：当一群不用为后果买单的人，却掌握了塑造舆论和政策的巨大权力时，社会会走向偏斜。

按照索维尔的定义，人类知识分子有三个核心特征：主要工作是处理符号和观念，而不是直接动手做实物。成果形式是文本、理论、叙事、图像、代码。影响力主要通过媒体、教育、出版、政策网络扩散。

今天，这个逻辑很容易延伸到大模型。因为它们也是“以观念为成果”的生产者，而且生产速度远超任何一个人。人工智识分子——以大模型为代表的智能系统——在这三个点上几乎完全符合：它们不修桥、不种地，只处理语言、图像和结构化数据。它们的成果是文章、合同草案、法律分析、市场报告、代码片段。它们通过搜索引擎、办公软件、社交平台集成，迅速进入公共空间。

所以在知识生产的意义上，人工智识分子已经是“同类”。但相似之处到这里就变成分叉。至少有四个关键差异：

第一，责任主体不同。人类知识分子至少在理论上要为自己的观点负责，哪怕只是名誉风险。人工智识分子本身没有人格，它的“责任”被重新分配给模型开发者、平台公司、监管机构，以及那个按下回车键的人。这种责任的拆散，让“谁该为观念后果负责”变得更模糊。

第二，经验来源不同。人类知识分子有个人经验，有情绪，有偏见，也有成长和反思。人工智识分子的经验来自训练数据——书籍、新闻、网页、代码库、社交媒体。它在统计意义上“综合了世界”，却没有亲身的疼痛和损失。

第三，规模和速度不同。一个人一天能写几篇文章？一个大模型一天能生成多少文本？这种规模差距，意味着人工智识分子可以在短时间里向社会投放前所未有的观念量。信息环境会更像一条洪水，而不是一条河。

第四，嵌入方式不同。人类知识分子分布在大学、媒体、智库、出版社。人工智识分子则嵌在各类平台的底层。它们通过 API 进入政府办公系统、银行风控、律所工作流、媒体写作平台。它们不像一个个具体的人，而像一层看不见的“知识基础设施”。

这几条差异，让“人工智识分子与社会”的问题，比索维尔当年的问题更棘手：不止是“观念生产者的权力过大”，而是“观念生产能力本身被技术放大，并且与责任和经验剥离”。这种硅基生命体的能力放大和人工智识分子与社会责任的剥离，已经对社会造成巨大冲击。

从“创造性破坏”到“破坏性创造”

过去二十年里，自动化主要冲击的是制造业和部分服务业。流水线工人、柜台售票员、超市收银员，都是第一批承受压力的人。

生成式 AI 出现后，风向明显变了。麦肯锡、普华永道、德勤等机构的研究都在强调一点：大模型对“非体力、以文本和符号为主”的工作冲击更大。律师可以用模型起草合同、整理案例。会计可以让模型先做账目归类和风险扫描。记者可以用模型写快讯、整理数据。程序员可以用模型写样板代码、查 bug。

这类“AI+人”的工作形态，被很多人类学者和科技评论者称为“半人马模式”（centaur model）：人和机器像半人半马那样组合，人负责直觉判断、伦理底线、复杂协商；机器负责大规模检索、语言组织、模式识别。

在这种模式里，传统意义的人类知识分子——学术界、媒体界、智库界的专业人士——也在被拆开。研究的“文献整理”和“初稿撰写”，可能交给模型；论证结构和核心观点，交给人。新闻写作的“素材收集”和“摘要”，交给模型；现场采访和判断，交给人。

表面看，这是一种辅助。长期看，这是对“谁有资格发言”的重新划分。因为任何一个懂得提问和修改的人，都可以借助人工智识分子迅速生成可读文本。传统知识分子赖以维持权威的门槛——语言能力、文本生产速度、信息掌握能力——正在被技术压平。

电商干掉一部分实体零售，流媒体干掉录像带店，线上广告挤压纸媒广告，这些都是典型案例。如果把人工智识分子的出现放在这个框架里，有一个微妙的变化：这次破坏的，不只是旧行业，而是一整套知识生产和判断的方式。

熊彼特（Joseph Schumpeter）把资本主义形容成一个不断“创造性破坏”（creative destruction）的过程：新技术、新企业、新模式不断出现，在创造价值的同时摧毁旧的行业和岗位。可以说，这更像一种“破坏性创造”（destructive creation）：它在创造一个前所未有的知识生产机器，但也在破坏人们对“知识是什么”的传统理解。它在创造高效率的文本、代码和分析，但也在破坏“谁该为这些内容负责”的清晰边界。它在创造新的协作形式，但也在破坏很多人的自我价值感和职业尊严。

过去，创造性破坏依赖企业家、发明家和资本。现在，破坏性创造背后还有平台算法和大模型的黑箱。熊彼特曾经预言，资本主义可能不是死于失败，而是死于自己的成功：当创造性破坏太强，社会承受不了，反而会寻求稳定和管制。

在人工智识分子的问题上，也可以看到类似趋势。一方面，社会享受它带来的效率；另一方面，对失业、谣言、深度伪造、算法偏见的恐惧又在上升。结果是，技术在前面狂奔，而监管、伦理和社会心理在后面追赶。这种追赶的关系，无处不在。《跨文化下的社会认知偏差》作者王野林指出，AI存在着“我不用，别人会用” 的心态，存在着“竞争”，国家之间也会如此。 但到一定的时候，人类总会意识到要共同防止人工智能异化为人的主人。

人工智识分子的创新与破坏

从技术乐观的角度看，人工智识分子的出现，至少带来三种新机会。

一是加速。很多琐碎的知识工作——查资料、做摘要、写初稿——可以交给模型。研究者、律师、记者、教师可以把更多精力放在真正需要人类判断的部分。对资源紧张的教育系统、医疗系统，这是一个实在的缓解。

二是扩音。过去，一个普通人很难写出结构清晰、逻辑完整的长文，更难用多种语言表达自己。大模型可以充当“语言放大器”，让更多人有机会参与公共讨论。有些边缘群体的经验，也许因此更容易被整理出来。

三是知识民主化。索维尔批评“主流知识分子”垄断解释权。人工智识分子在某种程度上，削弱了这一点。任何人都可以要求模型解释某个理论、概括某本书、展示不同观点。知识获取门槛被拉低。

当然，这种民主化有前提：模型是否开放，还是只在少数机构的私有云里运行。训练数据是否多元，还是严重偏向某种话语。用户有没有足够的“媒介素养”去辨别输出的可靠性。

如果这些条件不能满足，“知识民主化”很容易变成“知识幻觉”：大家以为自己知道得更多，实际只是被算法喂了更多相似的答案。

从技术悲观的角度看，人工智识分子的破坏性也非常明显。

一是白领失业和职业降级。高盛等机构估计，生成式 AI 可能影响全球 3 亿左右的全职岗位，大部分集中在高技能白领。 很多律师助理、会计助理、编辑、客服、翻译，面临被“AI+少数人类”取代的风险。这不只是收入问题，也是身份问题。很多人的自我认同，建立在“我是专业人士”“我是靠脑力吃饭”的基础上。人工智识分子对这一点的冲击，比对某些体力岗位的冲击更伤心理。

二是认知污染。大模型可以生成大量看起来“像那么回事”的内容。假新闻、伪学术、伪评论、伪数据分析，会在网络里迅速扩散。对普通读者来说，真假界线变得更模糊。索维尔担心知识分子的“观念脱离后果”，在人工智识分子这里变成“观念脱离来源”：很多内容找不到清晰出处，也没有明确作者，责任变成了一个迷宫。

三是责任失落。当政策建议、判决参考、医疗建议中大量使用模型时，一旦出错，究竟是谁的错？是工程师？是使用者？是监管机构？这种责任的稀释，会削弱一种很重要的文明机制：犯错者需要对自己言行负责，付出代价，社会才能学习。而在算法系统里，错误和偏见可以被当作“统计噪音”轻描淡写，受害者却是真实的人。

对中国来说，这样的责任问题还会和行政权力叠加：当“智能系统”被挂上“国家工程”的牌子，质疑和纠错就会更难。

中国语境下的人工智识分子

谈知识分子，总会想到中国两千多年的文人传统。科举制度把“会写文章的人”送进权力结构，读书人既是道德批评者，又是行政机器的一部分。

在当代，中国的“知识分子”至少有三层：体制内学者和政策顾问，靠研究报告和内部简报影响决策。大学和媒体里的公共写作者，靠专栏、讲座和新媒体账号影响舆论。平台算法筛选出的“网红讲师”和“知识 IP”，用短视频、直播和图文输出观点。

人工智识分子融入这个结构，有几个特别的点。第一是国家层面的工程想象。中国提出过“新一代人工智能发展规划”，把 AI 明确纳入国家战略。 这意味着，大模型不只是一个市场产品，而是被当成“新质生产力”的关键基础设施。教育、医疗、政务、工业，都被鼓励“+AI”。

第二是强监管下的知识边界。针对生成式 AI，中国在 2023 年出台了专门的管理办法，要求算法不得生成“危害国家政权、颠覆社会主义制度、传播谣言”等内容。 这为人工智识分子设定了比较清晰的政治边界。这意味着：在历史叙事上，模型会自然向官方版本收拢。在现实政治上，它不可能成为“异议知识分子”，更可能是“制度内技术顾问”。在文化生产上，它适合作为传统文化的“翻译器”和“整理者”，而不适合作为颠覆叙事的发起者。

第三是对传统文人角色的双重冲击。一方面，人工智识分子非常适合做“整理工作”：数字人朗读古文，模型批量翻译典籍，AI 生成对联、写诗、写书评。这些能力会推动一个新的“机械文人”阶层，抢掉很多入门写作者的饭碗。另一方面，对真正有独立判断、能在夹缝里说话的知识分子来说，大模型又是一个工具：可以更快查资料，更便宜做初步分析，更容易和普通人沟通复杂问题。

所以在中国，人工智识分子既可能加固体制性的知识边界，也可能在边界内部释放一些创造力。它既是新“士大夫”的秘书，也是他们的替身。人工智识分子不仅改变工作方式，也在重塑人们理解中国的角度。

在文化上，大模型可以把浩如烟海的古籍、地方志、档案整理出来，以前需要几十年冷板凳的梳理工作，现在可能在几个月内完成一个初步框架。对研究者和文化爱好者来说，这是前所未有的工具。

但同样重要的是，大模型如何“讲述中国”。训练数据决定叙事风格。如果数据来源偏向官方论述，模型就会天然偏向某种语气；如果加入大量民间材料，模型的声音就会多皱褶一些。这个选择，既是技术问题，也是政治问题。

在历史上，生成式 AI 已经开始进入博物馆、纪念馆、课堂。讲解员的脚本、互动问答，都可能由模型生成或润色。这意味着，普通人接触历史的方式，很大程度上会被“技术话语”过滤过一遍。哪些事件被强调，哪些被淡化，哪些视角不被提起，这些变化是看得见的，也是需要警惕的。

在政治上，人工智识分子一方面会被用作政策工具。政府部门可以用它快速分析文件、起草简报、总结调研。但另一方面，它又可能成为舆情管理的利器，自动生成正向评论、自动纠偏“错误观点”。在这种场景里，人工智识分子延续了索维尔所说的“观念影响权力”的传统，却让权力更难被看见。

在经济上，AI 被视为提高生产率的关键技术。中国近年来反复强调“新质生产力”，AI 是其中的重要支点。金融、制造业、物流、互联网行业，都在用大模型做优化。

这样一来，人工智识分子既是“提高效率的工具”，也是“新的生产要素”。谁控制这些要素，谁就掌握新的经济权力中心。对地方政府、央企、互联网巨头和小型创业公司来说，这是一场新的权力再分配。

在“破坏性创造”中为自己设定方向

在“人工智识分子与社会”的框架里，人类知识分子并不是要被时代淘汰的角色。真正需要调整的是他们的“任务描述”。

过去的知识分子，以“知道答案”为核心价值。谁掌握更多文献，谁能更快写出厚书，谁就有更强话语权。人工智识分子出现后，“知道答案”这件事的稀缺性在快速下降。

接下来，有几类能力会变得更重要：

提出好问题的能力。模型擅长在给定问题下生成内容，却很难自己提出有洞察力的问题。哪些问题值得问，哪些问题不该问，这需要经验、伦理和对现实的敏感。

设计制度和规则的能力。人工智识分子的输出怎样进入司法、医疗、教育等关键领域，需要人去设计边界和流程。哪些可以自动化，哪些必须有人签字，哪些完全不该交给模型，这些都是制度问题。

守住价值底线的能力。技术可以优化过程，却无法替人决定目的。平等、尊严、自由、公正，这些词不是算法算出来的，而是长时间历史斗争的产物。有人必须持续提醒社会：效率不是唯一标准。

从这个意义上说，人类知识分子如果愿意调整角色，不是被人工智识分子取代，而是有机会借助它，从“文本工人”变成“问题发明者”和“价值守门人”。

索维尔提醒读者，要看知识分子的观念在现实中的后果，而不是只看他们在纸面上的优雅。今天，这个提醒同样适用于人工智识分子。

大模型可以在一瞬间写出一篇看起来很漂亮的政策建议，也可以用流畅的语气为任何立场辩护。关键问题是：谁在用这些文本？它们被用来干什么？它们造成了什么长远后果？这些后果由谁承担？

在人类文明的长时间尺度上，人工智识分子的出现，确实像一次“破坏性创造”。它创造出一种前所未有的“知识机器”，同时在破坏旧制度、旧职业、旧安全感。人类社会正在被这股力量推着往前走，却普遍缺乏对终点的清晰想象。

这既是风险，也是机会。如果把人工智识分子当成一股“自然力量”，一切交给技术决定论，那结果很可能是：少数掌握模型和算力的机构，获得前所未有的知识权力，而大多数人被迫适应一个自己从未参与设计的系统。

如果把它当成一个需要被驯化、被民主化、被反复质疑的制度性创新，人类知识分子还有很多事可做。可以重写教育目标，可以重设职业路径，可以参与制定 AI 治理规则，可以用文学、电影、非虚构写作不断提醒公众：每一套技术系统背后，都有具体的人在受益，也有具体的人在受伤。

人工智识分子不会消失。它已经是新的常量。真正的变量，是社会如何划分它的权力边界，人类愿不愿意为此付出思考和博弈的代价。

在这场“破坏性创造”的浪潮里，那些愿意坚持提问、敢于承担责任、愿意为具体的人发声的知识分子——无论是人类的，还是在人的控制下运行的人工系统——才有可能让文明在加速中保持方向感。