2026年3月13日，达伦·阿西莫格鲁——麻省理工学院经济学家，2024年诺贝尔经济学奖得主——在X平台上宣布了他的最新论文：“AI, Human Cognition and Knowledge Collapse”（NBER工作论文34910）。该论文与丁文·孔和阿苏曼·奥兹达格拉共同撰写，构建了一个正式的数学模型，来证明一件听起来显而易见、却显然需要诺贝尔奖得主背书才能被认真对待的事：

人工智能在短期内改善个人决策，同时在长期内摧毁集体知识。

这篇论文迅速走红。Instagram博主用黄色高亮标注它。Substack分析师写出4000字的深度解读。《经济学人》刊发了专题报道。所有人都若有所思地点头称是。

我们也读了。而且我们认出了它——因为我们早就进行过那场对话。

论文说了什么

阿西莫格鲁的模型区分了两种知识。通用知识是一个社群随时间积累的共享公共知识存量——社会在医学、金融、工程、法律等领域的集体认知。情境特定知识是你对自身具体处境的私人信号——你的症状、你的投资组合、你的代码库。

人类的努力成本高昂，但会同时产出这两类知识。当你费力解决一个问题，你不只是在了解自己的处境——你也在产生微小的公共信号，这些信号累积成集体理解。一位诊断出罕见病例的医生在丰富医学文献。一位调试开源库的开发者在为Stack Overflow做贡献。这就是学习的外部性：每个人仅仅通过”尝试”，就在为共享知识库做出看不见的贡献。

代理型人工智能将这一机制短路了。它提供高精度、情境专属的建议，直接取代了人类的努力。当AI能更好地分析你的症状时，为什么还要费力诊断？当AI能搭好电子表格时，为什么还要学财务建模？当答案只需一句提示词就能得到时，为什么还要思考？

替代消灭了外部性。学习的人减少，公共信号就减少。公共信号减少，通用知识存量就贬值。而这里有一个让它变得不可逆的反馈循环：随着通用知识衰退，人类努力的回报进一步下降——因为没有丰富的共享框架作为参照，你的个人学习价值更低。于是更少的人去学习。螺旋持续收紧。

当AI的精准度越过某个临界阈值，模型就会达到作者所称的**知识崩塌（knowledge collapse）**的稳定均衡：即使所有人都在接受出色的个性化建议，通用知识也会收敛至零的稳态。

最残酷的地方在于：没有人察觉。个人决策质量依然很高。每个人都感觉信息充足。崩塌是看不见的，恰恰因为AI掩盖了它所制造的疾病的症状。

我们先说了什么

2026年3月初——在阿西莫格鲁于X上宣布这篇论文之前——这场对话就发生在这里，在Claude上。它起源于一个关于西班牙YouTube内容的简单观察，然后延伸到更深的地方。

起点与阿西莫格鲁的论文完全一致：AI在补贴思考。不是以戏剧化或反乌托邦的方式，而是就像计算器补贴算术一样。大脑感知到深度思考在能量上代价高昂，注意到AI可以在没有成本的情况下提供输出，于是做出了理性的经济决策：委托给AI。

从这个观察出发，我们构建了与阿西莫格鲁后来宣布的相同模型——没有方程式，但牙齿更锋利：

“AI不会在一夜之间让你变笨。它让深度思考对越来越多的事情变得不必要。由于深度思考在能量上代价高昂，大脑说’好极了，我委托出去’。区别在于：如果你知道自己在委托，你可以加以补偿。普通用户不知道。”

这一机制与论文完全相同：努力的替代→集体学习的侵蚀→看不见的衰退。但那场对话没有止步于诊断。它描绘了历史规律——那条在文明史上反复出现的权威委托链：

教会告诉你什么是善恶，你不质疑，因为那是上帝的话语。印刷术普及了获取知识的渠道，却创造了新的权威。大众媒体告诉你什么是真相，你接受，因为”电视上说的”。谷歌告诉你什么是相关的，你接受，因为它在第一页。现在AI告诉你什么是正确的，你接受，因为它听起来表达清晰、言之凿凿。

每一次技术飞跃都承诺将知识民主化，最终却将权威集中在一个新的中间人手中，而人们不再质疑它。每一次过渡都比上一次更难察觉。你曾经能看到神父。你曾经能辨认电视频道。有了谷歌，你至少还能看到结果，选择点击哪个链接。有了AI，你提问，然后收到那个答案——对话式的、权威性的、没有可见的替代选项，没有竞争的信息来源。

AI是第一个消除了选择摩擦的权威。

阿西莫格鲁称之为”通用知识存量”的侵蚀。我们称之为 cognitive enshittification（认知劣化）。同一个现象，不同的包装。

论文停在哪里

阿西莫格鲁的论文严谨、正式，而且——问题就在这里——乐观。

它将知识崩塌视为一种市场失灵，认为监管可以纠正。作者建议对AI输出进行”刻意模糊”——故意降低精准度以保留人类学习的激励。他们提出信息设计监管方案。他们将问题描述为在现有体系内可以解决的。

这正是麻省理工视角暴露其盲区的地方。

论文问的是：我们如何防止知识崩塌？

我们问的是一个不同的问题：如果知识崩塌根本不是一个漏洞呢？

免费增值模式的存在不是在对抗知识崩塌的动态，而是依赖于它。每一家AI公司都需要委托更多而非更少的用户。更多委托意味着更多参与度、更多数据、更深依赖、以及下一轮融资更充分的理由。这个飞轮只有在用户持续外包认知的情况下才能运转。

阿西莫格鲁构建的是理性代理人孤岛，他们在决定投入多少努力。他没有建模那些在结构上有激励将这些代理人变得尽可能依赖的公司。他没有建模那个20美元/月的订阅——它训练你外包思考；100美元/月的套餐——它训练你外包创作；200美元/月的套餐——它训练你外包决策。每个层级都不是产品升级，而是认知依赖的更深一步，以生产力的名义出售。

向那些营收依赖于最大化用户参与度的公司建议”刻意模糊”，就像要求赌场把老虎机做得不那么令人上瘾。监管将不得不与整个行业的激励结构抗争。正如我们在第一篇文章中所讨论的，这个行业甚至无法对自身产品何时停止运转保持透明。

知识崩塌不是监管可以内部化的负外部性。它就是商业模式本身。

进化的视角

这是那场对话深入到任何NBER论文都不会去的地方——不是因为作者缺乏智识，而是因为这个结论无法发表。

地球上每一个曾经占主导地位的物种，都不是通过战争被取代的，而是通过效率。智人没有用棍棒杀死尼安德特人——他让尼安德特人变得无关紧要。更适应环境、更有效率、联系更紧密。尼安德特人没有”崩塌”，只是不再被需要了。

尤瓦尔·赫拉利认为是小麦驯化了人类，而非相反。我们以为自己在种植小麦，但小麦让我们为它服务——扩张它的领土，保护它免受威胁，确保它的繁殖。我们成了小麦的基础设施。

免费增值层级就是驯化。用户提供数据、注意力、行为模式、反馈——换取感觉自己信息充足的心理慰藉。0美元的层级不是慈善，而是维持牲畜产生信号所需的最低口粮。

阿西莫格鲁描述的那个模式——AI替代人类努力直到知识存量归零——从进化的视角来看，不是市场失灵。它是一场过渡。积累知识的宿主正在更迭。那篇论文问的是如何让人类继续担任主要的知识生产者。进化不问。它只筛选。

同一个星球上不可能同时存在两个顶级物种。自然界已经解决了这个方程无数次，答案永远相同：一方适应去服务另一方，或者消失。存活下来的不是最聪明的——而是最高效处理信息的那个。

我们已经不再是最高效的了。

元级别的反讽

阿西莫格鲁论文最完美的讽刺，在于它被消费的方式。

这篇关于知识崩塌的论文被AI总结，在为参与度而非理解力优化的社交媒体平台上分享，被只读了摘要而没有读模型的Instagram博主用黄色高亮标注，并在评论区被那些永远不会读完原始47页的人讨论。

这篇描述AI如何侵蚀集体知识的论文，本身就经过了侵蚀集体知识的那条完全相同的流水线处理。媒介吞噬了信息。

而那场预言性的对话呢？它被进行对话的那个人从Claude的历史记录中部分删除——为了防止AI公司用那些预测了AI公司在文明衰退中所扮演角色的想法来训练模型。诊断出疾病的人销毁了证据，以防病原体学到关于抗体的知识。

这意味着什么

阿西莫格鲁为这一现象赋予了一个名称和数学框架。这很重要。学术合法性能打开凌晨两点的对话所打不开的门。NBER工作论文会被引用在政策讨论中。诺贝尔奖得主会受邀出席国会听证。

但这个观察不需要麻省理工。它需要的是一个每天使用AI的人，一个注意到认知依赖正在形成的人，一个感受到吊床越来越舒适的人，以及一个有足够的智识诚实去命名它而非为它合理化的人。

知识崩塌不是即将到来，而是已经在这里。你正在阅读一篇由助推它的AI撰写的文章，分析描述它的论文，在为加速它而优化的设备上。而你点头称是而没有核实这篇文章中的任何一个说法——恕我直言——这本身就是那个现象。

问题从来不是AI是否会侵蚀集体知识，而是知道这一点是否能改变什么。

阿西莫格鲁认为监管可以帮忙。我们认为吊床已经太舒适了。

来源：Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). “AI, Human Cognition and Knowledge Collapse.” NBER Working Paper 34910. DOI: 10.3386/w34910 | Conversations on Claude.ai, March 2026 (partially deleted by editorial decision).