《华尔街日报》：AI 的未来已经到来，但是分配尚不均匀

《华尔街日报》2026年1月9日载文（作者：Christopher Mims）——尽管人工智能（AI）如今具备的能力已经非常强大，但大多数人实际使用它的方式仍非常有限。这种差距的弥合将耗费多年时间；与此同时，新的财富机会正在形成——不仅对于科技巨头，也属于那些利用这些 AI 模型创造产品和服务的普通人。

好奇者已率先行动

一些对 AI 感兴趣的人已经走在前列：

·在澳大利亚乡村，一名牧羊人兼软件开发者发现了一种简单却激进的新技术，用来优化领先的软件编写 AI 的表现。

·美国加利福尼亚贝克斯菲尔德一家近 50 年历史的园艺公司推出了一个 AI 代理，将种植者与拥有多年专业经验的农业专家智慧连接起来。

·一位文案写手因客户使用 AI 而导致业务被削弱，转而为这些客户提供如何构建自己的 AI 工具的培训服务。

这些案例说明，技术扩散每天都在发生，人们会根据自身生活或业务需求采用创新技术。与以往不同的是，如今的生成式 AI 比过去任何技术都更容易上手，即便是非技术背景的人也能使用，并且不存在所谓“正确的使用方式”。

AI 使用率激增，认知几乎普及

据皮尤研究中心统计，仅仅三年多时间，AI 的使用从几乎为零发展到 62% 的美国人表示每周多次使用。尽管大多数使用可能仍停留在基本层面，但对 AI 的认知几乎接近 100%。

这并非 AI 会变成一种超越人类的智能来取代工人的故事。AI 主要仍然是增强人类既有能力的工具。但随着研究人员和用户逐渐掌握当今 AI 的现实功能，人们开始看到 AI 在提高生产力和推动经济增长方面的巨大潜力。

两年前，AI 聊天机器人功能不稳定、错误频出，难以让大多数人广泛使用。Santa Clara 大学 AI 副教授 Ram Bala 表示，如今这些系统已经“走上正轨”，因为它们在减少错误（“幻觉”）方面有了显著进步，且能够与其他软件系统集成。

无论 AI 接下来如何发展，现有技术的采用将在未来十年持续累积。

AI 潜能尚未被充分利用

最大的 AI 创新可能来自日常用户，而不是科技巨头和研究实验室。制造 AI 模型的公司也意识到了这一点，并开始推广一些由用户率先开创的应用。例如，OpenAI 本周推出了 ChatGPT Health，展示其分析病历、健康应用程序和医疗账单等数据以改善医疗结果的能力。

使用 Anthropic 的软件编写 AI 系统 Claude Code 的用户最近发现了一种无需人工干预即可创建完成且无错误程序的方法。（上述澳大利亚牧羊人是其中一位发明者。）其诀窍是在一个小程序中反复请求 AI 对已写好的代码进行改进。这种方法被称为 “Ralph Wiggum 技术”（来源于《辛普森一家》中的一个迟钝却乐观的角色），简单却有效地迫使 Claude Code 自主解决问题。

这种发现正是所谓“能力过剩效应”（capability overhang） 的经典例证——即现有 AI 具有许多在用户发现之前未知的新能力。宾夕法尼亚大学沃顿商学院创新与创业教授 Ethan Mollick 指出：“这是一种可以编程、撰写文档、图像编辑，甚至能阅读伊特鲁里亚语等多种功能的工具。”过去那些受众狭窄但潜力巨大的软件项目，可能因缺乏资金和人才而被搁置，但现在只需少数几个人甚至一个人就能借助 AI 完成。

AI 与多模型融合共舞

许多使用 AI 的人发现，将多个 AI 模型融合使用可以产生远超单一模型的能力。例如，Meta 正在推进 Manus 项目，它打造的软件“代理人”能够生成深度研究报告并在线执行其他操作。虽然 Meta 自有 AI 模型，但 Manus 结合了包括 Anthropic 等多方模型能力。

Santa Clara 大学的 Bala 同时还领导一家构建现实世界 AI 应用的公司，目前其团队正在为美国加利福尼亚一家新型农作物育种企业 Sun World 开发一款应用。需要种植建议的农民可以与预载了科研文献与农业专家建议的 AI 代理进行自然语言对话。

尽管界面由顶尖聊天机器人驱动，但其信息是先被其他 AI 通过所谓的“数据增强（data enrichment）”过程预处理和优化过的。

这些应用所需的技能，与 Bala 多年来作为数据科学家和软件工程师所使用的技能并无太大差别。不同的是，如今 AI 让个体工程师的效率大幅提升，使小团队甚至单人团队能够完成过去即便是大规模资源投入也难以实现的工作。

单人技术团队的力量

在 2022 年 11 月 ChatGPT 推出之前，悉尼郊区的自由撰稿人 Leanne Shelton 靠写作过着舒适生活。但推出不久后，她的业务因客户转向 AI 生成内容而萎缩。为应对这一变化，她成为了精通定制 ChatGPT 编写个性化营销文案的专家，如今收入超过过去作为撰稿人的任何时候。

Shelton 的故事表明，人们亲身体验并挖掘 AI 的 能力过剩效应。她的经历也证明，借助自己的数据去定制 AI，不必是像 Bala 那样的软件工程师才能做到。

采用压力与未来不确定性

来自上司、同行甚至内心声音对采用 AI 的压力是真实存在的，探索 AI 现有能力的选项几乎无穷无尽。宾大 Mollick 指出：“我常常思考哪些领域可能被 AI 突然影响。”他认为，即便某些领域和岗位落后于人，我们也会在意想不到的地方看到突如其来的创新，“这种不均衡很难预测”。

结语：AI 的未来其实已经到来，只是它的效用尚未均匀分布。对于敢于尝试和坚持探索的人，AI 不仅带来了挑战，更提供了开创性机会。无论个体还是企业，只有通过不断试验、学习与实践，才能真正把握这场技术革命带来的机遇。

原文链接：https://www.wsj.com/tech/ai/our-ai-future-is-already-here-its-just-not-evenly-distributed-cf7a6f35?mod=article_inline