博文
还纠结他人作品「纯人工」还是掺了 AI ？你可能需要适应混合智能 
精选
|
拼配
前几天有朋友发来一张截图，问我：「这家平台说他们的最新版旗舰 GPT API 一百万 token 才卖几块钱，可信吗？」
我看了一眼说，可能会给你一些真的 GPT 旗舰模型调用，但是你买到的 GPT 调用大概不会全都是真的。说明一下，token 是大模型按字节计费的基本单位。旗舰官方 API 输入单价折算约十几元一百万 token，中转商报价差了一个数量级，这正是「注水」的强烈信号。
这种「注水」现象已经有 曝光案例—— 对外声称提供某款顶级大模型服务的 API 中转商，实际上只有一小部分请求真的走到了目标模型。剩下的，由其他便宜模型或者开源模型兜底，混着输出给你。你在终端看到的，是一条一条流畅返回的文字；你不知道的是，兴许这句话来自顶级模型，而下一句来自某个几分钱就能跑一百万 token 的开源小模型。
我今天不想从道德角度批判这种「注水」。我想让你先看清它的结构：多个智能源被调配成一条输出流，喂到你面前，你无从分辨。
这个结构本身没什么新鲜。外卖行业有影子厨房，服装行业有代工贴牌，咖啡馆里那杯所谓单一产地，也可能是几种咖啡豆的拼配。
问题是这个结构，正在以你还没完全意识到的速度，进入一个过去看起来最不可能被「拼配」的领域 —— 人类提供的智能服务。
命名我借用了一个现成的词来描述这个现象，叫「混合智能」。
学术圈早有一些成熟的说法 ——「人在环中」（human-in-the-loop） 偏向流程视角，hybrid intelligence 偏向系统设计视角。我要讲的不是这两个，是消费者视角。从买单那一端看过来 —— 你买的是一项「人类智能服务」，但里面的真实成分是人和 AI 的混合。
这里顺便说清楚，「混合」其实有三层含义，后文都会用到：一是成分层——最终输出里既有人的产出也有 AI 的产出；二是流程层——制作环节里人和 AI 协作；三是署名层——产品挂的是人名，但制作过程是人机共作。
在这个混合里，人那部分负责判断、品味、签名、背书；AI 那部分负责劳动密集、模板化的部分，也就是你不会在意，但总得有人做的部分。
这意味着：以后你能享受到的「纯天然」人的智能，恐怕很罕见；大部分智能服务里，都要充斥着各种各样的 AI 生成内容。
这个判断有点扎心，但不算悲观。它只是把一件正在发生的事说清楚了。
你去请家教，背后可能有 AI 在帮老师整理习题、生成讲解；你去看一次医生，前台问诊、病例整理、文献对照可能都是 AI 在辅助；你花钱买一个咨询时段，顾问可能在你进门前让 AI 把你的行业、公司、岗位都扒了一遍，面对面那半小时，你收到的「分析」其实也是混合出来的产物。
这并不是行业堕落。这是一次结构重组 —— 任何一种智能服务，一旦可以被拆解成「需要人」的部分和「不必非要是人」的部分，后者就会被 AI 迅速填满。填满的速度，或许只取决于它被拆得多细。
幻灯我不想把这篇文章写成一个对未来的预言。混合智能不是什么遥远的未来，它已经发生了。我自己就在做。
讲一个就发生在眼下的事。我作为大学老师，每周都要讲课。讲课要用幻灯片。从 2014 年起，我一直用 reveal.js 做极简的大纲式幻灯，图文并茂、精致动画这些东西我是没有的。今年初参加 教创赛（全国高校教师教学创新大赛），评委看了我这种朴素幻灯都委婉地批评，说视觉上太单薄。于是在寒假里，我花一些时间，重新搭了一条 AI 辅助做幻灯的工作流。
具体怎么搭的，我早已为你写过《AI 做幻灯很炫，但你还能掌控它吗？》，这里不再赘述。今天我们换个视角 —— 课堂上的「消费端」，也就是学生的实际感受。
春季学期以来，新的幻灯开始用到课堂上。一堂课 45 分钟，我在台上讲，屏幕上是图文并茂的信息图、是节奏稳定的动画页、是比我以前做得好看太多的整体视觉。学生坐在下面，眼睛跟着屏幕走，耳朵跟着我的声音走。下课后还有学生过来试探性地问「老师的幻灯能不能发给我们」。可见，他们对幻灯的效果很满意。没有学生会问「这一页是您亲手做的还是 AI 画的？」因为这个问题对他们意义不大。
不只我的课如此 —— 有个研究生学了我这套方法，做了一份课堂展示的幻灯。台下的授课教师和同学们看完，对展示效果赞不绝口。他们在那十几分钟里评判的是什么？是这个学生展示的整体 —— 内容逻辑是不是清晰、视觉呈现能不能撑住内容、讲解能不能把人带进去。没有人会去逐页审问哪张图是谁画的、哪段动画是哪个模型生成的。那也不是听众需要关心的事。
一堂课学生拿到的，一次展示老师和同学们看到的，都是一个完整的交付物。对听课的学生来说，重点是他学会了这节课该学的东西，能在作业、考试、项目里用上；对看展示的老师来说，重点是学生的汇报有没有价值，能否判断出学生是否真的懂得了需要消化吸收的内容。
生产过程中人和 AI 的分工，并不影响用户需要的那一面。他们需要的是「可用的、带方向感的」，尤其重要的是「签着你名字的知识产物」。
所以我愿意把 AI 用进自己的幻灯 —— 不是偷懒，而是消费者真正在意的，就是那份带我个人独特品味与判断的交付物。
比例如果跳出课堂，把目光放到整个知识消费市场，事情就更有意思了。
你去听一位名家讲座。名家是真人站在台上讲的，声音、表情、现场回应固然全是本人。但这场讲座的案例库，可能是 AI 从他的历史素材里抽出来的；讲座后你拿到的那个「讲义精华」，可能是 AI 整理出来的。真人部分集中在「现场那一两个小时」里，其他环节「智能产出」能被混合的，其实早就已经被混合了。
同样，你订一个名家的专栏，每周一篇，准时更新。其中有多少是他在咖啡馆里一字一字敲出来的？有多少是他把想法丢进自己的工作流，出稿之后改几处、签上名发出来的？你不知道。随着模型和框架日益进步，你将来或许更没有可靠的办法知道。
我想提醒你的不是「你被骗了」。所谓被骗，要有一个前提，即有人承诺给你纯手工。这是大多数人过去对「人类智能服务」的默认假设，但它其实只是一种消费惯性。你会自然地设想，既然这个人的名字挂在作品上，这件事就应该是这个人从头到尾亲手做的。
这个默认假设正在失效。不是因为提供者道德滑坡，而是因为他们同样要用 AI 获取竞争力，同时避免过度消耗自己。你的专栏作者一周写一篇，他也要吃饭、也要睡觉、也要带孩子。他不在混合智能上找路子，他就撑不住现下乃至于未来更快的节奏。
撑不住的人会退场，撑住的人会留下 —— 尤其在高频次输出的赛道：专栏、周播、短视频。这意味着你能持续消费到的「名家产出」，未来更大可能是混合智能的产品。
所以问题不是「有没有提供纯真人的服务」。纯真人判断占比高的服务还在——顶级定制、几十万一次的咨询、闭门私享会——这些地方真人的判断权重依然很高，因为价格允许一位顾问只服务很少的人。顾问可以用 AI 做调研、写初稿，但面对面那段时间里基于他个人经验给你的决策，还是他亲自给的。
问题是大众消费那一层。也就是我们日常接触最多、受众最广泛的那些专栏、课程和讲座。在这一层里，真人含量会越来越薄。不是薄到没有，而是薄到你需要重新理解你买的是什么。
你买的不再是一件手工制品 —— 它越来越像一杯拼配咖啡：不是单一产地，而是几种豆子调出来的。你买的，是一个带着某人人格签名的混合输出。
共存这听起来像坏消息，其实不是。真正值得你关心的东西一直没变 —— 只是以前我们没意识到而已。
面对这种无可避免的混合，我们真正需要追求的，不是去死磕产出物里的「含人量」，而是去掂量最终作品的「含金量」，也即产出质量。
怎么叫质量好？分两面看。
真人那一面，要看他把什么东西保留在自己手里。判断、品味、责任——这三样不能交出去。
拿我自己的幻灯举例。判断方面，「这节课先讲什么后讲什么」必须是我来决定，AI 帮不了我，因为它不知道上节课讲到哪、学生最近卡在哪。品味方面，「这一页动画节奏要多慢才不会让学生跟丢」「哪张图一放出来会让他们出戏」，这得靠我在讲台上站过才积累出来。责任方面，如果这堂课的判断出错，学生学歪了，要负责的是我不是 AI—— 我在成绩单上签名，就是在为整堂课的判断负责。这三样只要守住，这节课就是我自己的，不管中间经手了多少个模型。
AI 那一面，要看它是不是被好好地用了。有的人用 AI 是应付——随便出点东西，贴上自己的名字，签出去完事。我说这种做法是饮鸩止渴，不是在批判混合智能本身，而是在批判这种不负责任的做派：把本该守的判断、品味、责任一并丢出去，只留下签名，迟早会丧失信用。这和「用 AI 把自己从重复劳动里解放出来，腾出时间做只有自己能做的那部分」是两码事。因为后者对信用有正向作用。
作为消费者，你要训练的不是跟风去猎巫一般识别「哪一部分是 AI」。这种识别随着 AI 能力提升，会变得越来越难。在这个混合智能已经势不可逆的时代，你真正要训练的，是判断作品质量的能力和品味。
具体怎么训练？你可以看三处：
一是看他有没有给出非 AI 能生成的具体判断——反直觉的结论、只有他亲历才知道的第一手数字、某个场景下临场的临门一脚。这些东西 AI 编不出来，因为它不在现场。
二是看他近期几篇内容之间的立场是否一致，且有合理演化。真人有自己的知识脉络，观点会慢慢迁移；AI 批量出稿会显得每篇都很"周正"，但段与段之间缺少那种「他真的想过这个问题」的延续感。
三是看他遇到新事件时的第一反应，能不能扣上他已有的知识框架。AI 对突发事件的处理通常是复述加温和判断；真人却总会立刻把它接到自己原有的思考上，做出有锋芒的回应。
一堂有教学节奏的课和一堂纯炫视觉的课，学生是能分辨出高下的；一篇有判断的文章和一篇信息堆砌的文章，读者是能读出深浅的；一次带着经验的咨询和一次 AI 代笔敷衍的咨询，客户掂一掂也能知道分量。
小结过去我们习惯了为「纯手工」支付溢价，觉得只要是那个人亲手敲下的字、亲手画的图，就代表了全部的诚意和价值。现在，技术把这种惯性解构了。它强迫我们作为消费者，完成一次必要的祛魅 —— 不再盲目为过程的繁琐买单，而是真正为结果的价值买单。
混合智能不是什么未来趋势，它就是我们正在经历的现实。在这个现实里，最成熟的态度不是拿着放大镜去充当 AI 痕迹的「质检员」，而是做一个清醒的「识货人」。
只要那个署名的人，依然把他的判断力、品味和责任心作为底牌留在了作品里，那么这杯「拼配」出来的咖啡，你就值得端起来好好品尝。
Enjoy!
如果你觉得本文有用，请点击文章底部的「推荐到博客首页」按钮。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏，以便及时收到后续的更新内容。
延伸阅读
https://blog.sciencenet.cn/blog-377709-1531015.html
上一篇：AI 端到端做研究、写论文，你能署名发表吗？
