核心判断
AI 是对“认知劳动”的机械化
蒸汽机、电机把力量从生物肌肉中外置；神经网络和 Agent 则把部分感知、推理、生成与决策步骤外置给机器。
Technical Learning Note · 2026.09
认知革命：当机器开始承担“思考”
从工业革命类比出发，理解 AI 如何把认知从稀缺的人类能力，转化为可调用、可复制、可度量的工程资源；并进一步推导 Agentic Engineering 时代真正需要掌握的能力。
认知成本
Jevons 效应
Coding Agent
人机协作
能力迁移
01
一页读懂：真正值得带走的模型
核心结论
最值得掌握的并不是“机器将完成 99.9% 的认知工作”这一预测，而是一个可检验的变化链：有效认知成本下降 → 潜在需求被释放 → 工作从亲自执行转向定义、编排、验证与负责。
01认知稀缺专家时间贵，许多问题根本无人分析
02单位成本下降模型、硬件、算法与工具共同降低成本
03调用量上升更便宜不等于少花钱，需求可能更快增长
04流程被重写不是旧步骤提速，而是重新分配人机职责
05价值上移目标、判断、验收、责任与信任更稀缺
关键边界
能计算，不等于能承担完整工作
真实工作还包含隐性上下文、跨人协作、风险承受、长期责任和难以形式化的成功标准。任务自动化不能直接等同于职业消失。
技术视角
“便宜认知”应按有效结果计价
Token 便宜只是第一层；还要把成功率、重试、工具调用、人工复核和错误损失计入，才能得到真实的单位结果成本。
个人策略
从代码产出者变为结果系统设计者
最重要的迁移不是“更会提示”，而是能把目标写成规格，把质量写成评测，把权限写成边界，把运行写成可观测系统。
02
核心论证地图：工业革命如何映射到 AI
这套认知革命框架先把工作分成两类：物理工作是在空间中移动质量，认知工作是感知、预测、搜索、规划、生成和判断。二者都曾经稀缺、都有价格，也都可能在机器供给出现后被大规模扩张。
| 结构位置 | 工业革命 | 认知革命 | 需要注意的差异 |
|---|---|---|---|
| 基础投入 | 煤、铁、石油、钢 | 电力、芯片、数据、带宽 | 信息可近零成本复制，但算力、电力和高质量数据仍受约束 |
| 通用过程 | 蒸汽机、电机、流水线 | Transformer、预训练、后训练、推理系统 | AI 输出是概率性的，不能只靠机械公差管理 |
| 第一波应用 | 纺纱与织布 | 代码生成与 Coding Agent | 代码具备可执行、可测试、反馈快的独特优势 |
| 人的角色 | 手工生产 → 操作与监督机器 | 逐行实现 → 定义、编排、审查与纠偏 | 认知监督本身也需要专业知识，不能无条件外包 |
| 需求响应 | 动力便宜后，运输、制冷和制造暴增 | 推理便宜后，研究、个性化与软件需求扩张 | 必须区分“生成更多”与“创造更多真实价值” |
| 终局产品 | 汽车重塑城市、供应链与生活 | 尚未出现的 AI-native 产品 | 它可能不是更聪明的聊天框，而是持续运行的认知基础设施 |
七步推理链
认知革命 ≈ 更快、更大的工业革命
├─ ① 认知投入规模化：电力 + 算力 + 算法
│ └─ 单位成本下降，机器认知供给迅速增加
├─ ② 需求随供给爆发：大量“原本不值得思考”的问题被处理
├─ ③ 应用时代到来：Coding Agent 是第一台“珍妮纺纱机”
├─ ④ 就业发生任务迁移，并可能经历新的“恩格斯停顿”
├─ ⑤ 教育从批量教学转向低成本个性化辅导
├─ ⑥ 医疗从有限专家供给转向大规模搜索与主动预防
└─ ⑦ 人类价值集中到欲望、选择、责任与信任
类比的正确用法
历史类比适合帮助我们提出问题，不适合替代证明。工业机器输出相对确定，AI 系统具有概率性；工业革命用了约两百年，AI 的扩散可能以软件速度进行；过去创造新职业，也不保证这次的过渡成本会自动被公平吸收。
03
“认知成本下降”背后的完整技术栈
把 AI 简化成“模型越来越聪明”会漏掉关键事实：用户真正购买的不是参数或 Token，而是可验收的任务结果。能力提升来自一整条栈的乘法，而非单一模型的魔法。
硬件层
GPU / TPU、先进制程、HBM、互连和数据中心供电提高每瓦、每美元可执行的计算量。
模型层
Transformer 让序列建模高度并行；更好的数据、架构、训练配方与后训练提升相同计算预算下的能力。
推理层
量化、蒸馏、稀疏化、KV Cache、连续批处理、推测解码与路由降低服务成本和延迟。
Agent 层
工具调用、检索、状态管理、规划、重试与验证，把一次文本生成变成可完成多步任务的执行循环。
系统层
权限、沙箱、评测、日志、人类升级路径和业务集成，决定模型能力能否转化为稳定产能。
有效结果成本 =（模型推理 + 工具/API + 基础设施 + 人工复核 + 失败损失）÷ 可接受结果数
// Token 单价下降，并不自动意味着结果成本同幅下降；成功率与复核成本通常更关键。
更完整地看，所谓“每美元智能”可以拆成以下乘积：
Capability / $
= Hardware perf / $ × Algorithm efficiency × Serving efficiency × Task success rate
// 前三项让生成便宜，最后一项决定生成是否真的有用。
已有证据
280×+
Stanford AI Index 2025 记录：达到 GPT-3.5 级 MMLU 表现的推理价格，在 2022-11 至 2024-10 间下降超过 280 倍。它支持“能力价格快速下降”的方向，但不是所有任务的统一速度。
指标边界
≈3× / 年
Epoch AI 对预训练软件效率给出的趋势约为每年 3 倍。“每瓦智能每年下降 10 倍”的说法缺少统一指标定义，不宜当作稳定物理定律。
为什么 Agent 比聊天模型更接近“机器劳动”
Goal：目标与验收标准
↓ Plan：拆解下一步
↓ Act：调用代码、浏览器、数据库或业务 API
↓ Observe：读取环境反馈与执行结果
↓ Verify：测试、规则、模型评审或人工批准
↺ Retry / Escalate：重试、改道或升级给人
└─ State + Memory + Policy 贯穿整个循环
聊天模型给出一次建议；Agent 则在环境中形成闭环。一旦任务可被工具执行、反馈可被机器读取、质量可被自动评估，认知步骤才真正具备规模化条件。
04
为什么更便宜的认知，反而可能消耗更多算力
Jevons 效应揭示了一个反直觉规律：效率提升降低单位资源成本后，新增用途和调用量可能增长得更快，导致总消耗不降反升。对 AI 而言，关键不是同一份报告变便宜，而是过去根本不会做的报告、模拟、审查和个性化服务开始被大量创建。
需求量 Q ∝ 价格 P−ε
总支出 E = P × Q
// 当需求弹性 ε > 1，价格下降会让调用量上升得更快，总支出仍可能增加。
被释放的潜在需求
- 每个小企业都能获得基础财务分析
- 每次代码变更都能生成测试与风险说明
- 每位学生都能得到不同节奏的反馈
- 每个长尾疾病都能获得更多候选研究路径
不会自动消失的约束
- 组织上下文仍然分散且经常过期
- 高风险任务要求可追溯和责任主体
- 评价“好不好”有时比生成更昂贵
- 电力、芯片、数据权利和安全仍有成本
企业真正会不会采用：看这一条式子
Expected Value = p(success) × V(result) − C(run) − C(verify) − p(failure) × L(failure)
// 价值为正且可持续，才是可部署的“认知机器”；Demo 成功不等于生产可用。
因此，下一阶段最有价值的创业和工程机会未必只在“更强模型”，还在降低复核成本、失败损失和集成摩擦：评测系统、可观测性、权限治理、垂直数据、可验证工作流与最后一公里确定性。
05
Coding Agent 为什么是“第一台珍妮纺纱机”
代码被视为第一类深度自动化的高技能认知劳动。这个判断有技术基础：代码是结构化文本，可以执行，通常有测试、编译器、静态分析和运行日志作为反馈——它比战略、审美或组织协调更容易形成机器闭环。
| 更适合交给 Agent | 更需要人主导 | 原因 |
|---|---|---|
| 边界清晰的缺陷修复 | 需求仍在争论的功能 | 前者有可复现失败，后者连目标函数都不稳定 |
| 测试、脚手架、机械迁移 | 跨系统架构与长期演进 | 前者模式重复，后者依赖隐性约束和时间尺度 |
| 低风险、可回滚的变更 | 资金、隐私、医疗等高风险变更 | 失败成本和责任要求不同 |
| 上下文可完整装载的仓库 | 知识散落在人和会议中的系统 | Agent 的上限受可获得上下文限制 |
| 自动测试能代表质量的任务 | 体验、品味与社会协调任务 | 可计算评分与真实价值之间的距离不同 |
从“写代码”到“运营代码生成系统”
SPEC把模糊需求转为可执行规格
定义输入、输出、约束、异常路径、非目标和验收例子。
CONTEXT提供最小充分上下文
仓库地图、接口契约、历史决策、编码规范、依赖边界与运行命令。
EXECUTE让 Agent 小步执行
限制权限和改动半径，每一步都保留 diff、日志和中间状态。
VERIFY用机器证据而非口头自信验收
编译、单测、集成测试、静态扫描、性能基线和差异检查。
LEARN把失败沉淀为系统资产
更新规则、评测集、回归用例和上下文入口，减少相同错误再次发生。
对 Agent 工程师最重要的转换
过去，工程质量主要寄托在“谁写代码”；未来，质量越来越取决于“谁定义任务、谁设计反馈、谁控制权限、谁提供可重复验证”。代码仍重要，但它成为更大控制系统中的一种产物。
现实证据并不只有一个方向
采用形态
自动化正在发生
Anthropic 对 2025 年 Claude Code 使用的分析显示，代码场景更偏向让系统直接完成任务；到 2025 年末，软件纠错仍是其样本中最常见任务之一。
生产率边界
结果高度依赖任务
GitHub 的受控小任务实验曾观察到明显提速；METR 针对熟悉大型仓库的资深开源开发者研究，却观察到使用早期 2025 工具后平均慢 19%。两者并不矛盾：任务清晰度、代码库熟悉度和复核成本不同。
组织效应
AI 更像放大器
DORA 2025 的核心判断是：AI 会同时放大组织的优点和问题。测试薄弱、架构耦合、文档失真的团队，可能只是更快地产生更多返工。
能力上限
自主跨度在增长但仍不均匀
METR 的时间跨度研究显示，前沿 Agent 在自包含软件任务上的能力快速增长；但它明确提醒：这不代表能自动完成同等时长的真实岗位工作，后者更脏、更含糊、更依赖人际上下文。
06
工作不会按“职业名称”消失，而会按任务重新组合
“AI 能做某项任务”与“AI 能替代某个岗位”之间有很长距离。岗位是任务束，还包含协调、等待、授权、例外处理、关系维护和结果负责。更稳健的分析单位是任务，而不是职位名称。
岗位可自动化程度 ≠ 模型能力覆盖率
≈ Σ（任务权重 × 技术可行性 × 流程可接入性 × 风险可接受度）
// 任一因子接近 0，理论能力就难转化为真实替代。
速度 1
模型能力速度
能完成多难、多长、多模态的任务，增长最快。
速度 2
组织改造速度
流程、数据、权限、采购和责任能否与 Agent 对接，通常更慢。
速度 3
制度适应速度
教育、劳动市场、监管与社会保障的更新最慢，却决定转型是否平稳。
真实瓶颈
系统由最慢一层决定
模型迭代以月计，并不意味着医院、银行、学校或政府也能以月为单位重构责任体系。
“恩格斯停顿”给出的真正警告
Robert Allen 对英国工业革命的研究指出：1780—1840 年间，每位工人的产出约增长 46%，实际工资只增长约 12%；1840—1900 年间，产出增长约 90%，实际工资增长约 123%。这一组数据揭示：长期繁荣与短期个体受损可以同时成立。
“只有五年适应”是警示，不是测量结果
“工业革命可能给农民的孩子四十年转型，而这次也许只有五年”强调的是速度差异。这是修辞性情景，不是经过模型验证的准确期限。真正可用的做法，是把个人学习与组织再培训周期缩短到季度，而不是等待职业预测变得确定。
工程师的四层护城河
| 能力层 | 为什么更稀缺 | 可验证的产出 |
|---|---|---|
| 问题定义 | 模型可以优化目标，但不能替利益相关者决定真正要什么 | 清晰 PRD、验收标准、非目标与风险边界 |
| 系统架构 | 局部代码容易生成，跨域约束和长期演进需要整体判断 | 接口契约、状态模型、失败策略、架构决策记录 |
| 评测与可靠性 | 生成越便宜，判断与过滤越成为瓶颈 | 离线评测集、回归测试、线上监控、升级机制 |
| 领域与责任 | 真实价值取决于行业规则、组织上下文、信任和后果承担 | 审计链、权限矩阵、合规证据、业务结果指标 |
07
教育与医疗：认知供给扩张的两个样板
Education
稀缺的是持续、个性化反馈
Bloom 的“2 Sigma”研究把一对一辅导的优势带入公共讨论。生成式 AI 的机会，是以很低边际成本提供解释、练习、反馈和掌握度循环。
但“无限耐心的模型”不自动等于好老师：错误事实、提示性过强、替学生思考、动机下降和数据隐私都需要教学设计与人类引导。
Health
稀缺的是搜索与验证能力
AlphaFold 已预测超过 2 亿个蛋白质结构，展示了机器认知如何把原本昂贵的搜索环节规模化，并为研究者生成更大的候选空间。
结构预测不等于治愈疾病。候选发现之后仍需实验验证、临床试验、监管审查和医生责任；AI 缩短的是链条中的部分环节。
| 共同模式 | 机器更擅长 | 人类 / 制度更关键 |
|---|---|---|
| 搜索空间 | 生成大量候选、覆盖长尾、并行探索 | 选择值得追求的问题和资源优先级 |
| 反馈循环 | 即时响应、重复解释、按表现调整 | 识别动机、情境、伦理与不可量化信号 |
| 验证 | 规则检查、对照数据库、异常提醒 | 设计证据标准并对最终结果负责 |
| 规模 | 低边际成本服务更多人 | 保证公平接入、隐私、安全与申诉渠道 |
世界银行在尼日利亚开展的教师引导式生成式 AI 辅导随机试验取得了积极学习效果，但方案不是“把教师换成 ChatGPT”，而是结构化课程、精心设计的提示、教师主持和有限周期的组合。这恰好说明：最先成功的形态往往是增强人，而不是删除人。
08
当机器会“想”，什么仍然属于人
最长时间保持人类价值的，不一定是计算本身，而是想要什么、如何取舍、由谁负责、谁值得信任。这不是关于灵魂的抽象讨论，而是系统设计里的目标函数与治理问题。
机器可以优化：argmaxa f(a | context)
人必须决定：f 是什么、context 是否充分、哪些约束不可越过、残余风险由谁承担
意图 Intent
决定值得解决的问题，而不是只把给定问题算得更快。
品味 Taste
在多个“都正确”的答案之间识别更合适、更简洁、更符合人的方案。
责任 Accountability
在错误发生时承担后果、解释决策、修复系统，而非把责任推给模型。
信任 Trust
长期一致性、共同经历和社会关系形成的信任，不能只靠单次高分替代。
“Human in the loop”不应只是最后点一下批准
人应该出现在目标定义、风险分级、评测设计、异常升级和事后追责中。若人只在海量输出末端机械点击，所谓监督很快会变成橡皮图章。
09
证据强度与适用边界
| 关键命题 | 判断 | 证据等级 | 说明 |
|---|---|---|---|
| 单位认知成本快速下降 | 方向成立 | A · 较强 | 推理价格、算法效率和算力规模均有实测趋势；具体速率依任务和指标而变 |
| Waymo 同时外置体力与认知 | 例子成立 | A · 较强 | 安全数据支持其特定运营区域内显著低于人类基准；不应外推到所有自动驾驶系统 |
| Coding Agent 是第一波高价值应用 | 高度合理 | B · 中等 | 实际使用高度集中于编程，但“机器已完成大部分工作”取决于项目类型 |
| 成本下降会引发认知需求爆发 | 机制合理 | B · 中等 | 符合 Jevons 类机制和当前调用增长，但需求弹性、能源与预算约束仍不确定 |
| 未来 99.9% 认知工作由机器完成 | 愿景性预测 | C · 推测 | “认知工作”的分母没有统一定义；把 FLOPs 数量当作有价值认知会造成概念混淆 |
| AI 最终会增加总就业与繁荣 | 不能由历史保证 | C · 推测 | 工业史提供先例，但转型速度、技能互补性和收益分配机制均不同 |
| 教育与医疗将被显著改善 | 已有早期实例 | B · 中等 | AlphaFold 与混合辅导提供支持；临床有效性、规模化教学质量仍需分别验证 |
| 欲望、选择、责任、信任最晚被替代 | 重要治理原则 | B · 规范 | 它更像制度设计主张，而不是可通过单一基准证实的预测 |
必须补齐的五个问题
- 分母定义：“机器认知占比”按 FLOPs、Token、任务时长、经济价值还是最终决策计算，会得到完全不同的结论。
- 概率性成本：工业机器的误差可用公差描述，Agent 的失败常与上下文、分布变化和提示注入相关，尾部风险更难控制。
- 验证瓶颈：生成成本趋近于零时，可信评测、真实世界实验和责任审查可能成为新的主要成本。
- 收益分配：总产出增长不回答谁先受益、谁承担过渡损失，也不保证工资会及时追上生产率。
- 权力集中：电力、芯片、云、模型与数据集中于少数主体，会影响价格、国家竞争、隐私和创新入口。
最稳健的综合判断
“认知革命”不是机器突然拥有与人相同的心智，而是越来越多认知步骤被封装为可调用服务。它首先改变任务成本结构，再改变流程、组织与岗位；社会结果则取决于我们如何设计验证、权利、责任和收益分配。
10
面向 Agent 工程师的四周实践路线
不要用“多生成一些代码”证明生产力提升。更好的实验是：在一个真实 Java 项目里，建立Issue → 变更 → 测试 → 证据包 → 人工批准的闭环，并测量认知工作究竟便宜了多少。
WEEK 1 · BASELINE画出任务，而不是先选模型
选择 20 个历史 Issue，标注需求理解、定位、修改、测试、复核各自耗时；定义成功、越权和必须升级给人的条件。
WEEK 2 · CLOSED LOOP做出最小 Agent 闭环
输入 Issue 和仓库地图；只允许读取、修改限定目录、执行白名单命令；输出 diff、测试结果、风险说明和未解决问题。
WEEK 3 · EVAL把质量从感觉变成评测
对历史任务回放，统计任务成功率、首次测试通过率、越权率、人工复核分钟数、重试次数和单位成功成本。
WEEK 4 · PRODUCTION加入生产级控制
实现可追踪状态、超时、预算、幂等、错误分类、人工升级、审计日志；只有证据通过后才允许进入 PR，禁止自动部署。
项目仪表盘：用结果而不是 Token 数证明价值
| 指标 | 定义 | 它回答的问题 |
|---|---|---|
| Task Success Rate | 完整满足验收标准的任务 / 总任务 | 模型是否真的完成了工作 |
| Accepted Change Rate | 被人工接受的变更 / Agent 生成变更 | 生成是否转化为有效产出 |
| Human Review Minutes | 每个已接受变更的人工复核时间 | 监督是否成为新瓶颈 |
| Cost per Accepted Task | 总运行与复核成本 / 已接受任务数 | 认知的真实单位成本是否下降 |
| Escaped Defect Rate | 合并后才发现的缺陷 / 已合并变更 | 提速是否以质量债务为代价 |
| Autonomy by Risk | 各风险等级无需干预完成的比例 | 自主性是否被正确地分级释放 |
毕业标准
不是 Agent 能演示一次成功，而是你能用一组未参与调试的历史任务证明：有效结果成本下降、质量没有恶化、失败可被发现、越权可被阻止、任何关键决策都可追溯。
11
最终理解：把宏大叙事压缩成五句话
- AI 的核心经济变化，是把部分认知步骤变成可复制、可调用的软件资源。
- 成本下降会释放此前无法负担的需求，因此“更多智能”可能意味着更多计算支出，而非更少。
- Coding Agent 率先出现，是因为代码能执行、能测试、反馈快，不代表所有认知工作会以同样速度自动化。
- 人的工作不会简单消失，而会向目标、上下文、评测、例外、责任与信任移动；过渡中的个体损失仍然真实。
- 对工程师而言，最关键的新能力是把概率模型包进一个有边界、有证据、可观测、可升级、可追责的结果系统。
“AI 必然带来乌托邦”和“人的思考即将无用”都是过度简化。更准确的结论是：认知的供给曲线正在移动，而个人与组织必须尽快重构产生、验证和承担结果的方式。
12
资料来源与延伸阅读
- X 发布入口：The Cognitive RevolutionKonstantine Buhler 发布，2026-09-02。
- Sequoia Capital：The Cognitive Revolution完整内容与配图。
- Waymo Safety Impact自动驾驶与人类基准的事故率比较、方法与置信区间。
- Stanford AI Index 2025模型性能、推理价格与硬件能效趋势。
- Epoch AI：Trends in AI训练算力、算法效率与成本趋势。
- Vaswani et al.：Attention Is All You NeedTransformer 原始论文。
- Anthropic：AI’s Impact on Software DevelopmentCoding Agent 的任务类型与自动化模式。
- Anthropic Economic Index：Economic Primitives自动化、增强、任务成功与真实使用结构。
- METR：Task-Completion Time HorizonsAgent 可完成任务跨度的定义、方法和限制。
- METR：Experienced Developer Productivity StudyAI 工具使特定资深开发者样本平均变慢 19% 的随机研究。
- DORA 2025：State of AI-assisted Software DevelopmentAI 作为组织系统放大器的研究结论。
- U.S. BLS：Software Developers Outlook软件开发、测试岗位的官方就业预测。
- Robert C. Allen：Engels’ Pause工业革命早期生产率、工资与分配的历史研究。
- Benjamin Bloom：The 2 Sigma Problem一对一辅导与掌握学习的经典研究。
- World Bank：From Chalkboards to Chatbots尼日利亚教师引导式生成式 AI 辅导随机试验。
- Google DeepMind：AlphaFold蛋白质结构预测的规模、能力与研究应用。