AI为我们工作，还是我们为AI工作？

你以为你在骑马 ，但有没有一种可能—— 马在骑你 ？

本文看点

01

反向人马：当「人骑马」变成「马骑人」

02

平台垃圾化，如何把你变成零部件

03

三条行动，夺回工作主导权

01

AWARENESS

你有没有觉得，自己越来越像AI的「副驾驶」？

2025年底的一天，Cory Doctorow站在纽约的一场讲座上，抛出了一个让全场安静的问题：

「你以为你在骑马。但有没有一种可能——马在骑你？」

Doctorow不是在说哲学谜题。他是在说你我每天都在做的事——打开DeepSeek写周报、用Copilot生成代码、让AI帮你润色邮件、把会议录音丢给大模型出纪要。

你觉得这些是「工具」。你觉得你是那个握缰绳的人。

但Doctorow说：不对。你可能正在变成一个反向人马。

这个概念来自他刚出版的新书《The Reverse Centaur’s Guide to Life After AI》（反向人马的AI生存指南），由麻省理工学院出版社发行。上个月，著名法学学者Timothy Wu在《Science》杂志上为这本书写了书评，标题直击灵魂——

「Does AI work for us, or do we work for AI?」（AI为我们工作，还是我们为AI工作？）

对于我们这些办公室的牛马来说，这是一个正在发生的、关于你每天工作时间归属权的事实判断。

02

METAPHOR

「人马」与「反向人马」：一个被颠倒的隐喻

要理解Doctorow的论点，先得搞清楚他在玩什么文字游戏。

「人马」（centaur）这个词，源自国际象棋自动化理论中的一个经典概念。最早由人工智能研究者提出，指的是「人类+机器」的最优协作模式——人类负责战略判断和方向把控，机器负责海量计算和执行落地。两者结合，能力远超任何单独一方的表现。

在国际象棋领域，这已经被反复验证过。「自由式」国际象棋比赛中，人机组合的胜率远高于纯人类冠军或纯AI程序。

听起来很美好，对吧？这就是硅谷过去十年一直在给你讲的故事：AI是你的副驾驶，你是机长。

但Doctorow说，这个故事只讲了一半。

另一半是什么？是当这套「人马」模式走出棋盘、走进真实世界之后发生的事——角色开始反转。

他发明了一个词：反向人马（reverse centaur）。

什么意思？

想象一下：你不是骑在马上的人了。你是那匹马。AI坐在你背上，决定往哪里走、跑多快、什么时候停下来吃草。你的作用？提供体力、提供生物动能、提供「看起来像是人在操作」的那层伪装。

这听起来很荒谬。但请仔细回想一下你上周的工作日常：

1

你花了40分钟调整一个prompt，只为让DeepSeek输出一份「像人写的」周报。

2

你发现自己在迎合AI的输出格式来组织自己的思维，而不是反过来。

3

你所在的公司要求所有文档必须经过AI工具「优化」，而「优化」的标准是由平台算法定义的。

4

你的KPI里出现了「AI使用率」这一项——不管AI到底有没有帮到你。

如果这些场景让你感到一丝不适，恭喜你，你已经开始意识到问题了。

问题不在于AI好不好用。问题在于：谁是主体？

03

MECHANISM

为什么「反向人马」正在成为现实？

Wu的书评里有一段话，值得逐字拆解：

「那些对AI最兴奋的人，往往是对自身经济命运最有掌控权的人——以及那些替别人做主的人。」

换句话说：造AI的人知道自己在干什么。用AI的人，不一定知道。

这背后的机制，Doctorow用了一个更狠的词来描述——enshittification（平台垃圾化）。

这个词虽然粗俗，但精准得可怕。它描述的是互联网平台的某种普遍生命周期：

1

初期：平台为了吸引用户，提供超值的服务和体验（想想早期的淘宝、早期的小红书、早期的ChatGPT）。

2

中期：用户规模上来之后，平台开始在用户体验和商业利益之间做交易——广告变多了、免费功能变少了、算法开始「引导」你的行为了。

3

后期：平台彻底转向利润最大化，用户体验被系统性牺牲。用户被困在网络效应里，想走走不了，留着又难受。

Doctorow认为，AI正在成为这个「垃圾化过程」的最后一块拼图，也是最强力的一块。

为什么？因为以前的互联网平台最多是争夺你的注意力和数据。而AI不一样——AI可以重新设计你的工作方式本身。

「今天的硅谷公司，被股票估值的逻辑驱动，正在全力推动AI的部署——创造反向人马，而不是真正改善我们的生活。」

翻译成人话就是：华尔街不在乎你是不是真的效率提高了。华尔街在乎的是，你的老板能不能讲一个「我们全面拥抱AI」的故事，从而推高股价。

而你？你是这个故事里的成本项。

其实最近比较火的一篇文章，确实能精准反映平台垃圾化的过程——

04

REALITY

「九个独立app」与零工经济的2.0版

Doctorow的分析不止于理论层面。他观察到了一个非常具体的、已经在发生的社会现象。

所谓的『反向人马』在实践中主要表现为：员工最终沦为糟糕的AI驱动型工作环境中的『零部件』。

具体长什么样？

想象一下亚马逊配送体系里的司机。他们的路线由算法规划、他们的每个动作被系统计时、他们的绩效由AI自动评估。他们不是「在使用AI工具」——他们是AI系统运行所必需的人类组件。这个例子是美国，中国有个更火的例子——

这就是「反向人马」的现实版本：人类不是在使用技术，而是在填充技术无法自动化的缝隙。

而AI把这个模式推向了一个新高度。

以前，零工经济还需要你「同意」接单。未来的AI驱动型职场可能更加隐蔽——你坐在办公室里，觉得自己是个「专业人士」，但实际上你的每一个决策节点都被AI系统预先框定了范围。你的创造力被压缩在算法容许的窄缝里，然后系统把你产出的内容标榜为「AI增强的人类智慧」。

「你既是产品，又是广告。」

Doctorow把这叫做「将人类用户转化为反向人马」的过程。而推动这个过程的力量，不是技术的必然逻辑，而是资本对短期利润的无底线追逐。

05

BUBBLE

Stein定律与AI泡沫的必然破裂

到这里，文章可能让你有点绝望。

但Doctorow不是一个纯粹的悲观主义者。他的书评里藏着一个非常关键的判断，来自经济学家Herbert Stein的一句名言：

「如果一件事不可能永远持续下去，那么它就会停止。」

Stein定律听起来像废话，但它是一个强有力的分析工具——任何违背基本规律的扩张，最终都会回归均值。

Doctorow认为当前的AI热潮也不例外。他在书中反复引用Stein定律，暗示当前这种「不计成本部署AI」的模式是不可持续的。

为什么不可持续？

1

AI的经济回报并没有宣传的那么确定。大模型的能力令人惊叹，但把它转化为可持续的商业利润是另一回事。目前绝大多数AI应用都还在烧钱阶段，盈利模式高度依赖资本市场输血。

2

「反向人马」模式会产生巨大的隐性成本。员工的自主性下降→创新能力下降→长期竞争力下降。这不是立刻能看到的账面数字，但会在三五年内体现为企业的停滞。

3

也是最重要的一点——人对「被工具化」的本能抗拒。你可以强迫人们使用AI工具，但你无法强迫人们在工作中投入真正的热情和创造力。而当所有人都变成「反向人马」的时候，谁来产生真正的创新？

Doctorow的预测是：AI泡沫会破裂。但泡沫破裂之后，不会什么都不剩下。我们会保留下来那些「genuinely useful」（真正有用）的AI技术，同时抛弃掉那些纯粹为了制造「反向人马」而被强行塞进工作流的东西。

这个判断，比「AI会毁灭人类」或「AI会拯救世界」都要审慎得多，也靠谱得多。

06

ACTION

作为普通人，我们能做什么？

好，理论讲完了。问题落到每个人头上：

如果我们不想当一个「反向人马」，那现在应该做什么？

我基于Doctorow的框架和自己的观察，给出三条可执行的建议：

第一步：做一个「反向人马自检」

花30分钟，列出你上一周所有使用了AI辅助的工作环节。然后逐一问自己三个问题：

1

在这个环节中，是我决定了AI怎么用，还是AI的使用方式决定了我怎么工作？

2

如果没有这个AI工具，我会怎么做这件事？我的做法会比现在更好还是更差？

3

这个AI工具的「默认选项」和「推荐结果」，在多大程度上塑造了我的最终产出？

如果你的答案让你不舒服，那就是你需要警惕的信号。

第二步：建立你的「AI主权边界」

不是拒绝AI。而是明确划定哪些决策必须由你来做，不能外包给任何算法。

我的建议是以下三类决策必须保留「人类主权」：

价值判断类

这篇文章该不该发？这个方案是否符合伦理？这个客户值不值得服务？

审美选择类

这段文字的语气对不对？这个设计的感觉对不对？这个方案的「味道」对不对？

人际信任类

这个人的话可信吗？团队的情绪状态如何？这个合作要不要继续？

这些恰恰是目前所有AI都不擅长、而且短期内不可能擅长的领域。守住这些领地，你就守住了作为「人」而非「马」的核心尊严。

第三步：投资「不可自动化」的能力

如果AI真的在某些领域大规模替代人类劳动，那么稀缺的不再是「会使用AI的人」，而是「AI替代不了的人」。

哪些能力是最难被自动化的？根据目前的观察：

能力类型

为什么AI难以替代

如何培养

跨域整合能力

AI的训练数据通常是单一领域的，跨界联想是人类特有的认知优势

刻意学习第二专业/爱好，建立多元知识网络

复杂情境判断

真实世界的模糊性和复杂性远超训练数据的覆盖范围

多接触一线实践，少待在抽象模型里

人际信任建立

信任是基于共同经历的情感连接，不是信息处理的结果

投入真实的面对面交流，而不是用消息代替见面

创造「坏问题」的能力

AI擅长回答问题，但不擅长提出好的问题（尤其是反直觉的）

每天记录一个「别人没问过的蠢问题」

THE END

选择权还在你手上

Wu在书评的结尾写了一段意味深长的话：

「Doctorow写作的不只是经济学，而是关于人类物种命运本身的思考——以及我们在AI和技术爆发之后的生活方式。」

这句话点出了整场讨论的本质：这不再只是关于技术或经济，而是关于我们要过什么样的生活。

Doctorow不是 technophobe（技术恐惧者）。他曾是Apple II+的早期使用者，也是早期Web 3.0的参与者。他对技术的理解比大多数硅谷从业者都要深。正是因为懂，所以他才害怕。

他害怕的不是AI本身。他害怕的是我们主动放弃了选择权，还以为那是进步。

所以，这篇文章的最后，我想请你记住一件事：

每次你打开一个AI工具之前，花两秒钟问自己一个问题——

「这是我在骑马，还是马在骑我？」

答案不需要每一次都完美。但至少，你要开始问了。

因为当你开始问这个问题的时候，你就已经不再是一匹马了。

你是一个正在夺回缰绳的人。

本文基于《Science》杂志 Vol 383，Issue 6689（2026年7月9日）刊载的 Timothy Wu 书评《Does AI work for us, or do we work for AI?》以及 Cory Doctorow 著作《The Reverse Centaur’s Guide to Life After AI》（MIT Press，2026）撰写。