我越来越强烈地感受到,知识只有从一个人的脑海进入另一个人的脑海,才真正完成了它的社会流动。
阅读、思考和学习,首先改变的是我自己。但如果这些理解始终停留在我的脑海里,它们就只是一种私人体验。只有当我尝试把它们写下来,将模糊的感受转化为语言,将零散的问题组织成结构,将个人经历放进更大的知识背景中,它们才可能成为别人可以理解、借用和继续思考的东西。
从这个意义上说,知识输出并不是简单地“把我知道的东西告诉别人”,而是完成一次认知转译:把散落在书籍、论文、互联网和个人经验中的信息,重新组织成一种适合特定问题、特定处境和特定读者的表达形式。
把理解写出来或解释给别人,也可能反过来促进学习。教育研究发现,在明确的学习任务中,围绕学习内容写作,以及为讲授而准备和实际讲授,平均都能改善知识掌握;不过,这些收益依赖任务设计与解释方式,不能被扩展为“任何输出都会自动带来成长”。1
一、需求产生于现实与可能性之间的距离
人为什么会产生需求?最直接的答案是:因为某种状态尚未得到满足。
人会因为生存、工作、收入、健康和关系而产生现实需求,也会因为渴望成长、理解世界、获得自由和实现自我而产生更高层次的需求。但需求并不仅仅意味着“我缺少某件东西”,它更深层地意味着:一个人已经隐约意识到,自己现在所处的位置,与自己希望到达的位置之间存在距离。
问题在于,人往往能够感受到不满,却无法准确描述问题;能够意识到生活不对,却不知道究竟哪里出了问题;希望改变,却不知道存在哪些可行路径。因此,很多需求最初并不是以清晰的问题出现,而是以焦虑、困惑、挫败、羡慕、疲惫或者反复失败的形式出现。
一个人可能会说:“我不喜欢现在的工作。”但他真正面对的问题,可能是技能无法迁移、收入结构单一、劳动成果无法积累,或者个人价值完全依附于组织评价。一个人可能会说:“我想学习。”但他真正需要的,可能不是更多课程,而是一套判断什么值得学习、如何把学习变成能力、如何把能力变成作品的方法。一个人可能会说:“我想投资。”但他真正缺少的,可能不是股票代码,而是对现金流、风险承受能力、时间跨度以及自身人力资本的理解。
需求开始成形,常常意味着一个人意识到:现实可以不是现在这个样子。
二、知识的价值,不在于被知道,而在于降低改变的难度
互联网并不缺少信息。关于职业、投资、学习、写作、健康和个人成长,人们几乎可以找到无限多的内容。真正稀缺的,不再是信息本身,而是以下几种能力:
- 识别自己真正面对的问题;
- 从海量信息中找出与问题相关的部分;
- 理解不同知识之间的关系,而不是把它们当作互不关联的碎片;
- 将抽象的知识翻译成自己现实条件下可以采取的行动。
许多人并不缺少阅读能力,也不一定缺少学习意愿。他们真正缺少的是一个能够帮助自己完成“信息—理解—判断—行动”转换的中间结构。
因此,一篇文章的价值,不仅在于它是否提供了新知识,更在于它是否完成了某种转换:
- 把说不清的感受转化为可以讨论的问题;
- 把孤立的经历放进一个更大的解释系统;
- 把专业概念转化为普通人能够理解的语言;
- 把宏大的理论转化为现实中的判断框架;
- 把“我应该改变”进一步推进为“我可以从哪里开始改变”。
真正有价值的内容,不只是增加读者知道的东西,而是降低读者理解世界和改变自己的成本。
三、内容创作者不是知识的搬运者,而是问题的组织者
一个人不需要发明所有知识,才能创造有价值的内容。事实上,很多重要思想都建立在前人工作的基础上。新的价值往往并不来自创造一条前所未有的信息,而来自重新提出问题、重新选择材料、重新建立联系,并将已有知识放进一个新的现实情境之中。
不同的人面对同一批知识,会产生完全不同的作品,因为每个人的经历、问题意识、价值判断和现实约束都不同。
我从投资亏损出发,重新理解人力资本、工资、现金流、风险与长期积累,于是逐渐形成了 Human Capital ETF。我从普通职场人的现实处境出发,思考一个劳动者如何保存自己的劳动成果,如何避免全部价值都随着工时结束而消失,于是逐渐形成了 The Worker Investor。
这些概念并不是凭空出现的。它们来自经济学、投资学、教育学、组织理论和个人经历的交汇。但真正使它们形成独立价值的,不是其中某一条知识,而是我所提出的问题:对于一个缺少资本、资源和确定性的普通劳动者,什么才是最值得长期配置的资产?
问题一旦改变,知识的组织方式也会改变。因此,我所做的并不是把互联网上的信息重新排列一遍,而是以自己的现实问题为中心,对已有知识进行重新筛选、重新组合和重新解释。这是一种带有立场的知识组织,也是一种带有责任的认知设计。
四、AI 降低了知识组织的成本,但不能替代人的出发点
AI 的重要意义,不只是提高写作速度。它更深层的价值在于,降低一个普通人调动知识、比较观点、寻找线索、检查逻辑和组织表达的成本。
至少在特定的职业写作任务中,随机实验已经观察到这种成本下降。Noy 与 Zhang 对 453 名受过大学教育的专业人士进行预注册实验,发现使用 ChatGPT 后,平均完成时间减少 40%,输出质量提高 18%。不过,这些任务较短且相对自包含,结果不能直接外推到所有知识工作。2
另一项针对 758 名顾问的随机实验呈现了更清楚的边界:在一组适合模型能力的咨询任务中,AI 提高了速度与质量;在一项超出模型能力边界的任务中,AI 使用者正确作答的比例反而更低。工具能够扩展搜索与表达,却不能取消核验和最终判断。3
过去,一个人产生一个问题之后,可能需要阅读大量书籍、搜索大量资料,才能初步知道这个问题在人类知识体系中处于什么位置。现在,AI 可以帮助我生成检索线索、比较不同观点、寻找潜在的相关概念与反例,并协助检查结构和组织表达;其中涉及事实与出处的内容,仍然需要回到原始资料核验。在我的实践中,它使个人能够以更低成本,整理过去往往需要更多时间或协作才能处理的信息。
但 AI 不能替代最关键的部分。它不知道什么问题真正困扰着我,不知道哪些经历改变过我的判断,也不能替我决定什么值得说、什么不应该说、什么结论需要保留边界。它可以提供材料,却不能代替我的问题意识;可以生成表达,却不能代替我的真实经历;可以提出许多可能性,却不能代替我的判断与责任。
因此,人与 AI 之间更合理的分工是:人提供问题、经历、立场、判断和最终责任;AI 提供检索线索、比较、扩展、组织和表达杠杆。人的价值不是与 AI 比拼信息量,而是决定信息应该围绕什么问题被组织,以及这种组织最终要帮助谁。
五、从一篇文章到可复用的知识资产
当这些思考被持续写成文章时,它们就不再只是一次性的内容,而会逐渐形成一种可以被检索、引用、连接和重复使用的公共知识资产。
我曾把个人网站比作一座公开的思想档案馆。但档案的价值不只在于保存,也在于为读者从模糊需求走向清晰问题提供入口。一篇文章可能只解决一个很小的问题,许多文章长期连接起来,却会逐渐形成一套解释系统。
读者可能先从“工资为什么难以复利”进入,随后理解劳动成果为什么需要被保存;再进一步理解人力资本为什么需要配置,普通劳动者为什么需要建立 Growth、Distribution 和 Meta;最终,他开始重新看待自己的工作、学习、收入和未来。
改变往往并不是由某一篇文章独立完成的。文章更像是在一个人的认知中增加一个新的概念、一个新的问题或者一种新的可能性。当这些概念与他的现实经历相遇时,它们才可能慢慢发芽。
作者无法控制读者最终做出什么选择,也无法保证一篇文章完整传达自己心中的全部构想。但表达不需要达到绝对完整,才具有价值。只要它能够传递出足够清楚的核心,让另一个人第一次准确描述自己的困境,第一次看到不同的路径,或者第一次开始采取一项具体行动,它就已经完成了重要的工作。
近似的传递并不等于失败。复杂思想的传播,往往就是在不断的理解、误解、修正和重新表达中完成的。
结语:让真实问题更有效地抵达知识
因此,我持续写作,并不是为了制造更多信息。我真正想做的是,以自己的问题意识和现实经历为出发点,借助 AI 与互联网中的公共知识,把分散的信息组织成普通人可以使用的认知工具。
这个过程可以被概括为:
现实经历产生问题 → 问题调动知识 → 知识经过判断与组织形成文章 → 文章进入他人的认知 → 新的认知最终可能转化为行动
它是一条从现实到知识、从知识到表达、从表达到改变的链条。
我无法替别人生活,也无法直接给出适用于所有人的答案。但我可以把自己曾经面对的问题讲清楚,把我寻找答案的过程保存下来,把那些帮助过我的概念重新组织,并尽可能降低后来者理解这些问题的难度。
读者不需要接受我的全部结论。他只需要把这些文章带回自己的生活,用自己的约束、目标和经历重新检验它们。真正的教育不是把作者的思想复制进读者的大脑,而是帮助读者形成自己的判断。真正的内容价值,也不是让更多人重复作者说过的话,而是让他们在阅读之后,能够更清楚地理解自己的处境,并开始做出属于自己的改变。
这就是我写作、整理知识和使用 AI 的原因。
我不是试图替所有人回答问题,而是在建立一条道路:让一个真实的问题,可以更有效地抵达知识;让一份复杂的知识,可以更清晰地抵达另一个人;再让这个人,有机会把理解转化为自己的行动。
参考资料
Steve Graham、Sharlene A. Kiuhara、Meade MacKay,《The Effects of Writing on Learning in Science, Social Studies, and Mathematics: A Meta-Analysis》,Review of Educational Research,Vol. 90, No. 2,2020,pp. 179–226;Keiichi Kobayashi,《Learning by Preparing-to-Teach and Teaching: A Meta-Analysis》,Japanese Psychological Research,Vol. 61, No. 3,2019,pp. 192–203。前者汇总中小学科学、社会研究与数学领域的写作实验,后者汇总准备讲授与实际讲授研究;二者都不能证明任何形式的公开输出都会自动改善学习。 ↩︎
Shakked Noy、Whitney Zhang,《Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence》,Science,Vol. 381, No. 6654,2023,pp. 187–192。研究对象为 453 名受过大学教育的专业人士,任务是职业相关的中等难度写作;研究并未覆盖所有知识工作或长期真实工作结果。 ↩︎
Fabrizio Dell’Acqua 等,《Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality》,Organization Science,Vol. 37, No. 2,2026,pp. 403–423。研究对象为 758 名顾问,结果显示 AI 的效果取决于任务是否位于模型当时的能力边界之内。 ↩︎