AI与科技第 161 期 ·

关掉20瓦大脑的人们

不是机器战胜了大脑,而是我们在主动交还大脑。

关掉20瓦大脑的人们

开篇

订阅者朋友,在数码相机刚问世的年代,有这样一句话:世界上性价比最高的相机,是人类的眼睛。这是事实,现在依然是事实。

我最近觉得,可以在这句话后面再加一句:世界上任何一款人工智能模型都比不上人类大脑的性价比。虽然性能的性质不同,但只论效率,根本无法相提并论。大脑运转大约只需20瓦,相当于点亮一盏昏黄的白炽灯泡。

但这里就产生了一个疑问:既然我们每个人都已经拥有如此低廉的智能,为什么还要建造耗电数十亿瓦的数据中心呢?先说结论:机器并不是因为比大脑更聪明才获胜的,而是因为它做到了大脑绝对做不到的一件事——复制。而真正的问题,就出在这之后。


眼睛从未输给过相机

人们常说数码相机战胜了眼睛,但仔细追问“到底赢在哪里”,故事就会变得不一样。是画质吗?不是。人眼约有600万个视锥细胞,每秒能接收约16亿比特的信息。普通相机传感器根本无法与之相提并论。即便按性价比来算,眼睛依然是赢家。

相机赢的,只有一点:眼睛看到的画面,无法从脑海中取出。既不能复制,也不能传输,更无法与他人原样共享。而相机拍下的照片,却可以脱离镜头独立存在。它能被完美复制,在任何设备上都能原样打开。眼睛输掉的不是画质竞赛,而是可复制性的竞赛。

有趣的是,如今就连这最后一道壁垒也正在被一点点攻破。通过扫描大脑、由AI还原出这个人正在看到的图像的研究,每年都在变得更加精密。目前虽然还需要一台房间大小的扫描仪,而且解读人脑海中想象出的画面,远不如解读眼睛实际看到的画面来得准确,但原理已经得到了证明。


大脑也会因同样的理由“输掉”

现在让我们把这个结构再往上提一层。大脑与AI之间,正发生着一模一样的事情。

20w先来做个事实核查。大脑耗电20瓦,这句话是对的。但要澄清一个误解:这并不是大脑产生的电力,而是燃烧葡萄糖所消耗的代谢能量,说白了就是热量。而且准确地说,这只是14~20瓦之间的估算值,并不是可以写进订单里的规格参数。哪怕大脑再怎么高速运转,消耗量顶多也只增加8%左右。但不管怎样,“不过是一个灯泡的水平”这个事实本身是不会变的。

我们之所以要为如此廉价的智能付出数十亿瓦的代价,是因为AI出售的并不是“比大脑更聪明”。AI出售的,是能够原样复制十亿次、随时待命、甚至能通过日志被审计的均质心智。大脑做不到这一点。大脑需要花上20年才能培育出一个个体,而这一个个体,是无法复制的。

到这里,20瓦这个数字暗中隐藏的成本就显现出来了:那就是20年养育与教育所投入的能量。这一点之所以重要,是因为机器一旦训练完成,其成本就能分摊到十亿份拷贝上,而大脑却必须一个一个从零开始重新培育。于是,“培养大脑服务器来使用”这一生物计算的梦想,正是在这一点上撞上了墙。

事实上,这个领域已经走到了商用阶段。澳大利亚的Cortical Labs因让约80万个活体神经元学会玩游戏《Pong》的研究1而闻名,并于2025年推出了售价35,000美元的商用生物计算机CL1。瑞士的FinalSpark则以每月500美元的价格,远程出租16个人脑类器官2。这些都是真事,要么经过论文验证,要么正在实际销售。

但规模小得远不及炒作的程度。一个类器官仅能存活约6个月左右,也无法均质地大量生产。虽然“比硅基芯片效率高100万倍”这样的说法四处流传,但那只是企业方所说的“原理上”的可能性。如果把维持存活所需的培养装置、营养供给,以及每6个月就要更换的寿命都算进去,这份效率大部分都会消失。无法复制这一点,在这里同样成了绊脚石。


但真正的反转在这里

看到这里,结论似乎是乐观的:大脑便宜,机器只在复制这一点上取胜,那么各自发挥所长就好了。逻辑与计算交给硅基芯片,庞大的最优化搜索交给类脑芯片3或量子计算机,而判断、伦理与直觉则交给人类。就目前而言,我也认为这种分工是最现实的答案。

但这种分工背后,悄悄埋藏着一个前提:只有当人类持续掌握“判断”这一自己的本分时,这个分工才能成立。而我最近发现,恰恰是这个前提正在动摇。

真正的危险,并不是机器战胜大脑,而是因为机器能以低廉的价格提供廉价而均质的思考——也就是随时可以复制的想法——人类正在主动交出那唯一无法被复制的资产,也就是自己的判断。世界上最便宜的这块20瓦大脑,反倒是它的主人自己不再愿意开启了。

不妨设想一个具体的场景。把报告初稿交给AI,这没问题,因为润色文字、整理资料几乎属于重复性劳动。但如果不去审视“AI给出的结论是否真的符合我们的实际情况”,就原样发送出去,那么此刻交出去的就不是重复劳动,而是判断。代码也是一样。在没有理解AI写出的代码的情况下就直接粘贴使用,日后就会留下一个没人能解释“它为什么会这样运转”的系统。

可怕的是,这一切几乎没什么征兆。交出判断的那一天,什么事都不会发生,反而会显得又快又轻松。真正的代价,要等到很久以后,当整个组织滑落到“没有人知道我们为什么会做出这样的决定”的境地时,才会被清算。个人的思考能力也是一种肌肉,不用就会悄悄流失。

本期内容的出发点——一篇文章正是这样描绘这一场景的:外部的大脑负责运转城市的电力与供水系统,而人却什么都不记得,只是日复一日地上下班——这样一个未来。作者把这称为科幻,但在我看来,那不过是已经开始的现实的一个略显夸张的版本罢了。


Oswarld视角

坦白讲,这个话题我在2025年9月就已经讲过一次了。当时我写了一本书,叫《把思考交出去的人们:Homo Brainless》。副标题是“AI时代,写给放弃思考的现代人的警告”。这本书2024年完稿,2025年问世,但从销量来看,可以说是彻头彻尾的失败。

search.shopping.naver.comsearch.shopping.naver.com

那时候几乎没人读。当时正值AI炒作的顶峰期,“不要把思考交给机器”这样的警告,听起来实在扫兴。因为所有人的目光都只盯着“委托”所带来的上行空间。那个时候卖得好的,是那些讲“人工智能有多厉害”“能做到什么”“该怎么用”的书。但最近,这本书开始重新被人翻阅了。这并不是因为我的诊断突然变对了,而是市场终于准备好去问这个问题了。

在制定GTM策略的过程中,我见过无数次这样的模式:诊断越准确,市场往往就需要越长的时间差才能跟上。关于技术将改变某种事物的预测,大体上都是对的,只是几乎每次都会在时机与路径上判断失误。“思考的外包”也是一样。方向是对的,但人们真正感受到这一代价,恰恰用了2年时间。

所以我想说的,并不是让大家远离技术,恰恰相反。明明已经握有最廉价的智能,却不去启动它,这才是最可惜的选择。


结语

来做个总结吧。人类的大脑,依然是世界上性价比最高的智能。机器战胜大脑的,不是性能,而仅仅是可复制性这一点。所以真正的问题,不是“机器会变得多聪明”,而是“我是否仍在持续启用那份无法被复制的判断”。

在把某件事交给AI之前,我建议大家分清一点:此刻交出去的,究竟是“重复”,还是“判断”。重复的部分,可以尽管交出去,因为那正是机器擅长的事。但如果连判断也已经习惯性地交出去了,那就等于关掉了世界上最便宜的那台电脑。

最近在把工作交给AI处理的过程中,有没有过“啊,这本该是我该判断的事,却就这么交出去了”的瞬间?欢迎在评论区告诉我们,是在哪件事上越过了那条线。重复与判断之间的边界究竟在哪里,我们将在下一期用各位读者的实际案例,一起把它描绘出来。


💬 如果曾有把“判断”也交给AI的瞬间,欢迎在评论中告诉我们。我们会在下一期中反映这些内容。 📨 如果身边有位同事最近似乎把思考外包得太轻易了,不妨悄悄把这篇文章转给他。

📬 如果你希望每周都能收到这样的分析,欢迎订阅 我正在制作一份每周交叉分析科技、经济与人文的新闻通讯。


参考资料与延伸阅读

核心来源

  • Zheng, Jieyu & Meister, Markus, “The unbearable slowness of being: Why do we live at 10 bits/s?”, Neuron, 2025. 链接 ··· 感官每秒接收10亿比特信息,而意识只能处理10比特——这篇论文正是今天这篇文章的骨架。
  • Kagan, Brett J. 等, “In vitro neurons learn and exhibit sentience when embodied in a simulated game-world”, Neuron, 2022. 链接 ··· 这就是神经元学会玩《Pong》的那项研究。不过“sentience(感知力)”这一说法在学界存在争议,阅读时请留意。
  • “This $35,000 Computer Is Powered by Trapped Human Brain Cells”, Gizmodo, 2025. 链接 ··· 可以在此确认Cortical Labs CL1的价格与规格信息。
  • “World’s first bioprocessor uses 16 human brain organoids”, Tom’s Hardware, 2024. 链接 ··· 这是FinalSpark类器官租赁服务的实物信息。
  • “The Human Brain Runs on Less Power than a Light Bulb”, Britannica. 链接 ··· 一并说明了20瓦这一数值的依据及其局限性。

安光涉个人插画

作者安光涉是世宗大学经营学教授,也是 OBF(Oswarld Boutique Consulting Firm)首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程,同时在产业现场负责 GTM 与人工智能战略咨询,设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构(HEMA)的学术论文,并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA,著有《把思考交出去的人:Homo Brainless》。

注释

  1. DishBrain:这是一套将活体神经元培养在电极板上制成的系统。给予它信号往来后,仅用5分钟就表现出对《Pong》的适应能力。不过,是否能称之为“智能”,目前仍存在争议。

  2. 类器官(organoid):由干细胞在实验室中培养出的极小器官组织团块。脑类器官虽能模仿真实大脑的部分结构与活动,但并不像人脑那样具备思考能力。

  3. 类脑计算(neuromorphic computing):一种模仿大脑结构设计的半导体架构。与依照中央时钟统一运作的传统芯片不同,它只在需要时才进行信号交换,从而在处理最优化问题时消耗的能量要少得多。