最近我越来越觉得，LLM 正在悄悄改变科研的基本形态。

过去的研究通常从人的知识、经验和直觉出发：研究者提出假设，设计实验，再根据结果修正理论。现在，这个过程正在变成另一种形式：LLM 从人类已经积累的知识中生成预测和候选想法，人负责把这些想法放进现实世界，用实验验证它到底 work 不 work。

作为一种社会尺度上的类比，这与机器学习非常相似：

LLM 给出预测，现实提供标签，实验暴露误差，研究系统再根据结果调整下一轮假设。

这并不意味着某个模型的参数真的在每次实验后更新。被优化的首先是研究者、Prompt、实验流程和候选假设。但从功能上说，能不能得到实验支持很像一种 loss；能不能发表论文则更像一个稀疏、延迟而且容易被博弈的选择信号。前者衡量假设与现实之间的距离，后者衡量研究与现有学术制度之间的距离，两者显然不是同一件事。

问题也由此出现：如果 LLM 负责大规模生成想法，人类负责承担昂贵的实验、验证和纠错成本，那么所有研究者是不是都在参与训练 LLM？

我们是否在训练一个比自己更强的系统

这里需要区分三件事：用户对话是否被平台直接用作训练数据，论文和实验结果是否在未来进入模型语料，以及整个社会知识体系是否在间接推动模型进步。三者不能混为一谈。

如果实验结果没有进入模型的训练集，研究者当然没有直接更新当前模型的参数。但从更大的社会尺度看，一种间接闭环正在形成：

旧论文训练 LLM → LLM 生成新假设 → 人类付出时间和资源验证 → 结果形成论文与数据 → 下一代 LLM 再吸收这些成果。

这意味着科研人员正在为整个 AI 系统提供最昂贵的部分：现实反馈。

模型生成一万个看起来合理的想法并不困难，困难的是判断哪一个是真的。这个判断可能需要实验室、设备、受试者、长期观测和大量失败。模型输出候选，人类承担验证成本。

如果用户反馈会被平台收集，或者公共科研成果最终进入下一代训练语料，而研究者还要为模型订阅和算力付费，这就可能形成一种奇特的“付费数据劳动”：人类付费使用系统，同时又在帮助系统发现错误、积累经验和扩大能力边界。

真正的问题并不是“我们有没有训练 LLM”，而是：

谁支付现实验证的成本，谁拥有由此产生的数据，谁控制训练后的模型，模型能力增长带来的收益最终归谁？

如果成本由全社会承担，知识增量来自公共科研，而最后的模型和入口却由少数平台控制，那么我们建设的不是公共智能，而是一座建立在公共知识之上的私人收费站。

公开知识将越来越难成为护城河

LLM 带来的另一个结果，是公开知识的快速商品化。

过去，一个人或一家公司可以凭借掌握某种专业方法、技术文档或者复杂流程，维持相当长时间的优势。知识之所以能成为护城河，是因为学习、理解和应用它需要大量时间，而能够跨学科整合知识的人更加稀缺。

LLM 正在压低这些成本。只要一种知识已经被公开表达，出现在论文、专利、代码、教材或论坛中，它就可能被模型吸收、解释、重组并转化为可执行步骤。尤其是那些已经标准化、可以用语言和代码清楚表达的知识，其复制成本正在快速下降。

这不意味着一切知识都会失去价值。隐性经验、真假判断、问题定义、情境理解和尚未公开的发现依然稀缺。真正容易贬值的，是可以脱离具体场景反复复制的“公开知识库存”，而不是知识生产本身。

知道一个已经公开的方法不再足以单独构成护城河；能够持续提出新问题、完成实验、获得反馈并迅速部署，仍然稀缺。

竞争优势将从静态知识迁移到动态闭环：

资源 → 实验 → 私有反馈 → 更好的决策 → 更有效地控制资源 → 更多实验。

随着公开知识越来越难单独产生长期租金，稀缺性的重心就会向那些不能被语言模型复制的东西转移。

稀缺性将从知识转向资源和行动权

LLM 可以告诉所有人如何设计芯片，却不能让所有人拥有晶圆厂；可以提出药物分子，却不能自动提供实验室、患者数据和临床试验资金；可以解释法律，却不能赋予普通人与大型机构相同的诉讼资源。

未来更重要的资源至少包括四类。

第一类是物理资源：能源、芯片、算力、土地、矿产、工厂、实验室和机器人。

第二类是持续产生的非公开数据：企业内部生产数据、设备状态、交易记录、医疗数据、失败实验，以及人与现实环境交互产生的反馈。

第三类是行动和准入权：牌照、标准、渠道、平台入口、政府采购资格、数据访问权限，以及调用关键基础设施的权利。

第四类是组织能力：把模型建议变成实验、把一次成功扩大为稳定生产、协调人员和 Agent、承担失败成本并持续迭代的能力。

未来的核心稀缺性可能因此发生重心迁移：

知道什么 → 拥有什么 → 能做什么 → 谁允许你做。

这意味着资源型力量可能比今天更强。当越来越多人可以得到相近的分析和方案时，决定结果的将越来越不是谁知道答案，而是谁能够把答案变成现实。

基础设施化不会自动消灭剥削

有人可能认为，这种压榨所有人的模式不可能长期维持。所有人迟早会反抗，LLM 最终会像电力网络一样，成为廉价、便利的公共基础设施。

这个方向很可能是对的，但必须看到：廉价、普及和公共所有不是一回事。

电力之所以具有公共服务属性，并不是资本发展成熟之后主动送给社会的礼物。公共建设、价格监管、反垄断和基本服务义务，是长期社会斗争改变力量对比之后形成的制度结果。资本接受限制，往往也换取特许经营、稳定回报和受保护的市场地位。

同样，LLM 的基础能力可能越来越便宜，甚至像水电一样按量供应，但高端算力、芯片、数据、工作流和分发入口仍可能集中在少数机构手中。基础设施化不会自动取消收租，只会改变收租的位置。

模型本身变便宜之后，利润可以继续迁移：

模型 → 算力 → 数据 → 分发入口 → 工作流控制。

互联网协议几乎免费，并没有阻止云平台、广告网络和应用商店形成巨大的权力。LLM 也完全可能成为一种廉价而无处不在的能力，同时让控制关键接口的人获得更强的支配地位。

所以真正值得问的不是“一次调用多少钱”，而是：我能不能更换供应商？能不能带走自己的数据、Agent 和工作流？离开某个平台之后，我还能不能继续工作？

知识平权，不等于权力平权

即便如此，LLM 仍然会带来真实而深刻的知识平权。

它拆掉了专业术语、外语、检索、编程和表达的许多门槛。互联网让人能够找到知识，LLM 则进一步帮助人理解、重组和执行知识。过去只有专业人士才能完成的一部分工作，会变成普通人借助模型也能完成。

但实际技术权力并不只由知识决定。它同时取决于知识、算力、数据、设备、组织能力和现实行动权。

如果后面几项仍然高度集中，知识平权甚至可能与权力集中同时发生。普通人会获得更好的工具；而拥有资本、数据和自动化组织的人，不仅能使用同样的工具，还能把生产率收益继续转化为资产、数据和规模优势。

技术红利一旦与既有所有权复利叠加，双方的相对差距反而可能扩大。

这也可能影响传统的阶级跃升路径。过去，普通人可以通过教育获得稀缺知识，再把知识换成高工资，最终积累资产。LLM 会压缩一部分标准化知识和技能的溢价。当更多人都获得认知增强，个人努力就更容易变成一场相对排名竞赛。

当然，LLM 也可能降低创业和学习成本，创造新的职业与上升窗口。因此，阶级流动下降并不是技术上的必然结果。真正决定方向的，是新机会能否抵消技能贬值，以及生产率收益能否从资源所有者流向更广泛的人群。

绝对生产力提高与阶级流动下降，完全可能同时发生。

个人仍然可以利用短暂的技术窗口创业、占据渠道或者积累资产，但“人人都通过成为资本家完成跃升”在逻辑上不可能成为普遍方案。

阶级跃升之所以叫跃升，恰恰因为它只能发生在少数人身上；如果要让多数人都分享技术红利，问题就不再是个人如何竞争，而是新增财富如何分配。

所谓“掀桌子”，真正要改变的是规则

如果知识平权不能自动带来资源平权，那么某种意义上的“掀桌子”可能确实不可避免。

但这里的掀桌子不应仅仅理解为摧毁现有秩序。打破旧的所有权，并不会自动建立更平等的新结构；如果缺少新的组织方式，资源很可能再次集中到最有组织能力的人手中。

真正有效的掀桌子，是重新规定桌子归谁、谁能够坐下、谁制定规则，以及自动化产生的剩余如何分配。它至少需要解决三个直接问题：

  • 用公共算力和开放模型降低基础能力的准入门槛；

  • 用数据可携带与工作流可迁移防止平台锁定；

  • 用利润分享、合作所有或公共分红，让自动化收益不只归资源所有者。

公共资助产生的论文、数据和实验记录，也应通过开放获取、公共许可或公共托管保持可共同利用。

所有人对压榨感到不满，只是起点。不满需要形成组织，组织需要转化为所有权和制度，制度还必须能够长期抵抗资源重新集中。否则，平台完全可以用便利、免费额度和个体竞争，把共同的不满拆解成每个人孤立的选择。

我们究竟在训练谁的未来

LLM 可能让智慧变得像电力一样廉价，却也会让能源、算力、数据、设备、许可和组织能力的稀缺性更加显眼。

它会拆掉“我不会、我看不懂、我没有专家”的墙，但不会自动解决“我没有设备、没有资本、没有准入权、没有决定权”的问题。

未来至少存在两条不同的道路。

在开放模型、公共算力、数据可迁移的条件下，LLM 可以成为人人能够调用和改造的认知基础设施；在封闭平台、私有数据和工作流锁定的条件下，同样的技术也可以成为少数机构控制社会协作的入口。

权力集中不是模型能力增长自动导出的结果，而是技术结构与所有权制度共同作用的结果。

因此，未来真正的矛盾可能不是人与机器谁更聪明，而是人类共同生产的智能最终以什么所有制存在。我们可以把越来越多的提问、纠错、实验和论文变成下一代模型的养料，但必须继续追问：

我们是在共同建设一种公共认知基础设施，还是在付费训练一个最终反过来向所有人收租的系统？

知识平权已经表现出强烈趋势，部分技术平权也正在发生，但它们仍可能受到价格、平台控制、数字素养和制度安排的限制。权力平权更不会由技术自动赠送。

它取决于我们能否把共同创造的知识、数据和生产率，沉淀为共同拥有的基础设施，而不是少数人的资产。

当公开知识不再是护城河，真正决定未来的就不再是谁掌握答案，而是谁掌握把答案变成现实的资源。