前段时间，Anthropic——就是做Claude的那家公司——公开了一组内部数据，把我看愣了。

他们超过80%的代码，已经是由AI编写的。工程师的产出效率提升了8倍。而实验优化的速度，从3倍飙升到了52倍。

但真正让我后背发凉的，不是这些数字。

是一个员工的引语："大约5个月没亲自写过任何代码了。"

5个月。一个顶尖AI公司的工程师，5个月没写代码。他没被开除，反而可能比以前更值钱。

因为他的工作，变了。

一、瓶颈不在AI，在人

很多人的直觉是：AI还差点意思，所以AI是瓶颈。

Anthropic的数据恰恰相反——AI产出代码的速度，已经超过了人类审查代码的速度。

这是个巨大的认知反转。

1967年，计算机科学家吉恩·阿姆达尔提过一个定律：系统整体加速受限于未加速部分的比例。如果5%的工作无法加速，那整个系统最大加速上限就是20倍。

这定律本来是算硬件的。但Anthropic发现，它在组织里同样成立——AI嗖嗖地写完代码，然后停在人类审查官面前排队。

AI不再是瓶颈，人成了瓶颈。

这不是个别人的问题。Anthropic报告引用的GitHub数据显示，2025年全年AI辅助的代码提交约10亿次；到2026年年中，这个数字变成了每周2.75亿次。AI产出的洪流，正撞上人类审查的窄门。

你可能会说：那就让AI也来审查呗？

对，Anthropic已经在这么干了——Claude自动审查已经拦截了1/3的bug。但这就引出了一个更深层的问题：当AI审查比人更准的时候，人的位置在哪？

二、越高效，越忙——杰文斯悖论的AI版

如果你觉得"AI越强，人越轻松"，那你可能忽略了一个150年前的经济学定律。

1865年，英国经济学家威廉·斯坦利·杰文斯研究了蒸汽机效率提升对煤炭消耗的影响。他发现了一个反直觉的结论：蒸汽机效率越高，煤炭消耗反而越多。

原因很简单——效率提升降低了使用成本，于是人们用得更多，需求膨胀的速度超过了效率提升的速度。

这就是"杰文斯悖论"。

现在，它正在AI领域重演。

AI让代码编写、文案生成、数据分析的执行成本趋近于零。但执行越高效，需要审查的东西就越多——每一行AI生成的代码都要有人过目，每一份AI起草的方案都要有人拍板，每一个AI给出的结论都要有人判断是否靠谱。

执行越高效，审查需求越膨胀，人类注意力越稀缺。

所以你不是变轻松了，你是更忙了——只是忙的内容变了。从"做"变成了"判"。

三、审查不是技术问题，是权力问题

到这里，可能有人会说：那就培训大家做审查呗，提升判断力不就行了？

说得没错，但只说了一半。

经济学家格伦·韦尔——《激进市场》的合著者——指出了一个更尖锐的现实：审查权是权力，不是技术。

Anthropic 80%的代码由AI写，但审查权集中在少数工程师手中。这就像法律80%由AI起草，但只有几个律师能投票。

谁有权否决AI的决策，这不仅是效率问题，更是政治经济学问题。

如果审查能力只掌握在少数人手中，那"升维"就只是少数人的特权——大多数人不是升维了，而是被挤出了价值链。

哲学家韩炳哲有个更深的洞察：用"效率"框架分析问题本身就是病根。人类"慢"不是缺陷，是特征。沉思、犹豫、质疑，恰恰是理性的基础。一个只会用秒表衡量价值的社会，当然会觉得沉思者是废物。

用错评价体系，人当然显得多余。

四、真正的"文盲"定义变了

回到标题。

上一个时代的"文盲"，是不会用电脑的人。

这个时代的"文盲"，不是不会用AI的人——AI正在变得越来越容易用。真正的"文盲"，是不会审查AI产出的人。

具体来说，是这三类人：

第一类：全盘接受者。 AI说什么就信什么，连来源都不查。这种人把AI当神谕，把审查权拱手让人。在信息爆炸的时代，没有判断力的人比没有知识的人更危险。

第二类：全盘拒绝者。 坚持一切自己来，拒绝AI辅助。表面上很独立，实际上是用低效的方式对抗趋势。Anthropic自己的数据显示，Claude自动审查已经能拦截顶尖工程师遗漏的约1/3的bug——当AI的审查能力已经在某些方面超越人类时，坚持纯人工审查反而不负责任——这不是情怀，是固执。

第三类：执行依赖者。 会用AI干活，但不会判断AI干的活值不值得干。这是最普遍也最隐蔽的一种"文盲"——看起来很AI-native，实际上只是AI的操作员，不是AI的指挥官。

Anthropic的报告揭示了一个清晰的演化路径：人类角色不是一路退位，而是一路升维——从执行者到审查者，从审查者到系统设计者，从系统设计者到价值定义者。

每一层都比前一层更需要判断力和价值观。

但前提是——你得跨过"会审查"这道门槛。

五、怎么做？三个思维转换

说了这么多，到底怎么从"操作者"变成"审查者"？不需要学什么高深技术，关键是三个思维转换。

第一个转换：从"对不对"到"值不值得"。

过去你评判工作的标准是：代码能不能跑通、文章通不通顺、方案有没有逻辑。这些都是"对不对"的问题。

AI时代，"对不对"是AI的活。你要问的是"值不值得"——这个问题值得解决吗？这个方向值得投入吗？这个结果值得信任吗？

Anthropic的数据显示，AI在研究决策上已经有64%的选择优于人类。但那64%是"人类走偏的时刻"——也就是AI更擅长避免错误，但选择什么方向、什么值得做，依然是人类的核心领地。

第二个转换：从"自己干"到"审别人（包括AI）干的"。

这不是偷懒，这是角色升级。

想想审查制度的本质：代码审查不是为了证明代码有问题，而是为了确保代码值得上线。编辑审查不是为了改你的文字，而是为了确保文章值得发表。

审查者不是挑刺的人，是把关的人。

但这里有个陷阱：如果你的审查能力不如AI，你坚持审查反而是一种不负责任。所以审查能力本身也需要不断升级——用AI辅助审查，人类做最终仲裁，类似FDA既有专业审查也有公众咨询的双轨制。

第三个转换：从"效率思维"到"判断力思维"。

杰文斯悖论告诉我们，效率提升不会让你更闲，只会让你更忙。所以光追求效率是不够的——你得追求判断力的提升。

判断力是什么？是知道什么时候该快、什么时候该慢。是知道哪些事情可以委托AI、哪些必须亲自过问。是在AI给出三个方案时，能选出一个最符合长期利益的。

韩炳哲说得深刻：人之为人的意义，不在于填补AI的空隙，而在于拥有AI无法抵达的内在世界。 那个内在世界，就是你的判断力、你的价值观、你对"什么值得做"的直觉。

收个尾

Anthropic报告引用了一句老话——"天才是1%的灵感加99%的汗水"——然后说："但我们看到汗水正日益自动化。"

汗水自动化了，灵感——也就是判断力、方向感、价值选择——就成了唯一的不可替代品。

上一个时代，识文断字是基础能力。

这个时代，会审查AI的产出，是新的基础能力。

不会用AI，你只是慢了。

不会审查AI，你才是真的"文盲"。

而最危险的不是已经"文盲"的人，而是那些以为自己会了、其实只是在执行的人。

审查力，是这个时代的新识字率。

本文核心数据来源：Anthropic Institute《When AI builds itself》(2026-06-05)；分析框架参考杰文斯悖论（William Stanley Jevons, The Coal Question, 1865）与阿姆达尔定律（Gene Amdahl, 1967）。